UNIVERSIDAD NACIONAL DE

SAN MARTIN

FACULTAD DE CIENCIAS ECONÓMICAS

ESCUELA PROFESIONAL DE CONTABILIDAD

INFORME ACADÉMICO

IMPACTO ECONÓMICO DE LA INTELIGENCIA

ARTIFICIAL

CURSO:
Lenguaje y Comunicación

ASESORA DEL CURSO:

Dra. Teresa Vela Vásquez

AUTORES:
- AMASIFUEN PUERTA, CLARA VALERIA
- ACUÑA SAAVEDRA, WENDY LOIDYTH
- ARBILDO SÁNCHEZ, JOSÉ SEBASTIÁN
- BARBOZA NEIRA, CESAR ANDERSON
- BECERRA PEÑA, PATRICIA NASHIRA
- BRIONES ALVAREZ, TAIS NAYELI
- CAMPOS TAPULLIMA, YAVARI

Morales - Perú
2023
 1

ÍNDICE
INTRODUCCIÓN ............................................................................................................................ 3
CAPÍTULO I: INTELIGENCIA ARTIFICIAL y BIG DATA .......................................................... 4
1.1 INTELIGENCIA ARTIFICIAL ......................................................................................... 4
1.1.1 ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL? ....................................................... 4
1.1.2 APLICACIONES TÉCNICAS DE LA IA EN LA ACTUALIDAD ......................... 4
1.1.3 EL APRENDIZAJE AUTOMÁTICO ....................................................................... 5
1.1.4 LA IA ¿PODRÁ VER, OIR Y ENTENDER? .......................................................... 6
1.1.5 ¿CON QUÉ RAPIDEZ ESTÁ EVOLUCIONANDO LA INTELIGENCIA
ARTIFICIAL? .......................................................................................................................... 7
1.2 BIG DATA ........................................................................................................................ 8
1.2.1 ¿QUÉ SE ENTIENDE POR BIG DATA? .............................................................. 8
1.2.2 LAS TRES “V” DE BIG DATA .............................................................................. 9
1.2.3 EL VALOR Y LA REALIDAD DE BIG DATA ....................................................... 9
1.2.4 HISTORIA DE BIG DATA .................................................................................... 10
1.2.5 DESAFÍOS DE BIG DATA ................................................................................... 11
CAPÍTULO II. INTELIGENCIA ARTIFICIAL, ¿UN NUEVO FACTOR DE PRODUCCIÓN? 12
2.1 CONTEXTO ACTUAL ....................................................................................................... 12
2.2 SITUACIÓN DEL PBI EN EL MUNDO ............................................................................ 12
2.3 TRES VÍAS DE CRECIMIENTO BASADO EN INTELIGENCIA ARTIFICIAL ............. 14
2.3.1 AUTOMATIZACIÓN INTELIGENTE ......................................................................... 14
2.3.2 ENRIQUECIMIENTO DEL CAPITAL Y EL TRABAJO ........................................... 15
2.3.3 DIFUSIÓN DE INNOVACIONES ................................................................................... 16
CAPÍTULO III. INTELIGENCIA ARTIFICIAL Y PODER .......................................................... 18
3.1 ANTECEDENTES .............................................................................................................. 18
3.2 LA IA EN LAS TRES DIMENSIONES DEL PODER: ECONÓMICA, MILITAR E
INFORMATIVA ......................................................................................................................... 21
3.3 SITUACIÓN INTERNACIONAL ........................................................................................ 22
CAPÍTULO IV. IMPACTO ECONÓMICO DE LA INTELIGENCIA ARTIFICIAL .................... 24
4.1 UNA ERA DE DISRUPCIÓN DE LA SOCIEDAD Y DE NUESTROS SISTEMAS
ECONÓMICOS ......................................................................................................................... 24
4.2 LA NECESIDAD DE DESARROLLAR UN POTENTE SECTOR DE INTELIGENCIA 27
ARTIFICIAL .............................................................................................................................. 27
4.3 IMPACTOS SECTORIALES DE LA IA: ¿TRANSFORMACIÓN O DISRUPCIÓN? ... 34
4.4 IA: APLICABILIDAD A LA EMPRESA Y BENEFICIOS: UN CASO ESPECÍFICO Y
ACTUAL, LOS CHATBOTS .................................................................................................... 36
 2

4.5 RIESGOS ECONÓMICOS DE LA PASIVIDAD FRENTE A LA INTELIGENCIA

ARTIFICIAL .............................................................................................................................. 38
CONCLUSIONES ......................................................................................................................... 41
REFERENCIAS ............................................................................................................................ 42
 3

INTRODUCCIÓN

En el camino a una industria de valor añadido, sostenible, inteligente e integradora, la

Inteligencia Artificial (IA) Y el Big Data son elementos clave para dotarla de una mayor

eficiencia operativa y una más ágil capacidad de respuesta en diferentes ámbitos

competitivos, desde el diagnóstico médico hasta el management del capital humano de una

compañía, entre otros tantos. En este contexto, el impulso a la implantación de estas dos

innovaciones tecnológicas en la economía del conocimiento será un factor determinante en

el futuro próximo, pues limitará las fortalezas o las debilidades de los estados.

El presente informe presenta cuatro capítulos: en el primer capítulo se desarrollan nociones

básicas de lo que representa la Inteligencia Artificial y Big Data; y en el segundo se aborda el

tema de la inteligencia artificial como un nuevo factor de producción; en el tercer capítulo

desarrollamos la relación de la inteligencia artificial con el poder en la actualidad; y en el

cuarto capítulos se abarca las reflexiones y comentarios de conocedores en profundidad de

estas tecnologías en el contexto económico netamente.

 4

CAPÍTULO I: INTELIGENCIA ARTIFICIAL y BIG DATA

1.1 INTELIGENCIA ARTIFICIAL

1.1.1 ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?

Lasse Rouhiainen (2018), define la IA como «la habilidad de los ordenadores para

hacer actividades que normalmente requieren inteligencia humana». Podríamos decir que la

IA es la capacidad de las máquinas para usar algoritmos, aprender de los datos y utilizar lo

aprendido en la toma de decisiones tal y como lo haría un ser humano. Sin embargo, a

diferencia de las personas, los dispositivos basados en IA no necesitan descansar y pueden

analizar grandes volúmenes de información a la vez. Asimismo, la proporción de errores es

significativamente menor en las máquinas que realizan las mismas tareas que sus

contrapartes humanas. La idea de que los ordenadores o los programas informáticos puedan

tanto aprender como tomar decisiones es particularmente importante y algo sobre lo que

deberíamos ser conscientes, ya que sus procesos están creciendo exponencialmente con el

tiempo. Debido a estas dos capacidades, los sistemas de inteligencia artificial pueden realizar

ahora muchas de las tareas que antes estaban reservadas sólo a los humanos. Las

tecnologías basadas en la IA ya están siendo utilizadas para ayudar a los humanos a

beneficiarse de mejoras significativas y disfrutar de una mayor eficiencia en casi todos los

ámbitos de la vida. Pero como sostiene Rouhiainen, el gran crecimiento de la IA también nos

obliga a estar atentos para prevenir y analizar las posibles desventajas directas o indirectas

que pueda generar la proliferación de la IA.

1.1.2 APLICACIONES TÉCNICAS DE LA IA EN LA ACTUALIDAD

Martin Armstrong, en «The Future Of A.I.» publicada en 2016 expone las siguientes

aplicaciones técnicas:

- Reconocimiento de imágenes estáticas, clasificación y etiquetado: estas herramientas

son útiles para una amplia gama de industrias.

- Mejoras del desempeño de la estrategia algorítmica comercial: ya ha sido

implementada de diversas maneras en el sector financiero.

 5

- Procesamiento eficiente y escalable de datos de pacientes: esto ayudará a que la

atención médica sea más efectiva y eficiente.

- Mantenimiento predictivo: otra herramienta ampliamente aplicable en diferentes

sectores industriales.

- Detección y clasificación de objetos: puede verse en la industria de vehículos

autónomos, aunque también tiene potencial para muchos otros campos.

- Distribución de contenido en las redes sociales: se trata principalmente de una

herramienta de marketing utilizada en las redes sociales, pero también puede usarse

para crear conciencia entre las organizaciones sin ánimo de lucro o para difundir

información rápidamente como servicio público.

- Protección contra amenazas de seguridad cibernética: es una herramienta importante

para los bancos y los sistemas que envían y reciben pagos en línea.

1.1.3 EL APRENDIZAJE AUTOMÁTICO

El aprendizaje automático (en inglés, machine learning) es uno de los enfoques

principales de la inteligencia artificial. En pocas palabras, se trata un aspecto de la informática

en el que los ordenadores o las máquinas tienen la capacidad de aprender sin estar

programados para ello. Un resultado típico serían las sugerencias o predicciones en una

situación particular.

Los primeros ordenadores personales, que estuvieron disponibles para los

consumidores a partir de la década de 1980, fueron programados explícitamente para realizar

ciertas acciones. Por el contrario, gracias al aprendizaje automático, muchos de los

dispositivos que verás en el futuro obtendrán experiencia y conocimientos a partir de la forma

en que son utilizados para poder ofrecer una experiencia al usuario personalizada. Ejemplos

de ello en la actualidad son la personalización de los sitios de medios sociales como

Facebook o los resultados del motor de búsqueda de Google. El aprendizaje automático usa

algoritmos para aprender de los patrones de datos. Por ejemplo, los filtros de spam de correo

electrónico utilizan este tipo de aprendizaje con el fin de detectar qué mensajes son correo
 6

basura y separarlos de aquellos que no lo son. Éste es un sencillo ejemplo de cómo los

algoritmos pueden usarse para aprender patrones y utilizar el conocimiento adquirido para

tomar decisiones.

Los tres subconjuntos del aprendizaje automático que pueden utilizarse son: el

aprendizaje supervisado, no supervisado y de refuerzo.

1.1.4 LA IA ¿PODRÁ VER, OIR Y ENTENDER?

Para poder empezar a reflexionar acerca del gran impacto que la IA tendrá en nuestra

vida, conviene saber que las tecnologías de IA han comenzado a desarrollar como nunca

antes la capacidad de ver (visión artificial), oír (reconocimiento de voz) y entender

(procesamiento del lenguaje natural). Antes, estas habilidades pertenecían únicamente a los

seres humanos, pero en el futuro próximo las máquinas y los robots las podrán desarrollar

gracias a la IA.

Los científicos en inteligencia artificial están logrando nuevos avances sorprendentes

en cada uno de estos tres campos. Por ejemplo, como lo menciona Kyle Wiggers en su

artículo «Google’s computer vision model tracks objects and colorizes videos», Google ha

anunciado que la visión artificial que la empresa ha desarrollado ya puede añadir los colores

apropiados a fotografías y vídeos que originalmente están en blanco y negro. Otro

sorprendente logro en el campo de la visión artificial, nos lo expone Luis del Barco en «Esta

inteligencia artificial puede “ver” a través de las paredes», donde menciona que los científicos

del Instituto Tecnológico de Massachusetts (MIT) han logrado desarrollar IA capaz de ver a

través de las paredes utilizando ondas de radiofrecuencia. Por otro lado, un ejemplo sobre el

reconocimiento de voz es el que muestran las herramientas de Google, que poseen casi la

misma precisión que los seres humanos, pues son capaces de entender nuestro idioma con

el 95 por ciento de exactitud (Jordi Gisbert Ponsoda, «No tienes escapatoria, Google te

entiende al 95%», 2017).

 7

1.1.5 ¿CON QUÉ RAPIDEZ ESTÁ EVOLUCIONANDO LA INTELIGENCIA ARTIFICIAL?

Es evidente que ordenadores son cada vez más potentes y capaces de realizar las tareas

más complejas. No sólo pueden trabajar más rápida y eficientemente, sino también

comienzan a hacer tareas que antes requerían a un ser humano, entre las que se incluyen la

traducción de idiomas, la composición musical y hasta la conducción de vehículos. Una de

las características clave de la inteligencia artificial es que permite que las máquinas aprendan

cosas nuevas en lugar de requerir programación específica para nuevas tareas. Por tanto, la

diferencia principal entre los ordenadores del futuro y los del pasado es que los primeros

serán capaces de aprender y mejorar por sí mismos. En un futuro cercano, los asistentes

virtuales inteligentes como Siri de Apple y Alexa de Amazon sabrán más sobre ti que tus

amigos más cercanos o familiares. Por ello, es de suma importancia reconocer las

consecuencias de las nuevas tecnologías en nuestro mundo. Una forma sencilla de entender

el tipo de cosas que las máquinas están aprendiendo es ver cómo los ordenadores basados

en inteligencia artificial han sido capaces de vencer a algunos de los mejores contrincantes

humanos del mundo en una variedad de juegos:

- 1996: Deep Blue de IBM ganó al mejor ajedrecista del mundo, Garry Kasparov.

- 2011: Watson de IBM ganó contra los mejores jugadores de Jeopardy.

- 2016: DeepMind de Google batió al mejor jugador de Go del mundo.

- 2017: Libratus, un programa de inteligencia artificial, desarrollado por la Universidad

Carnegie Mellon, ganó a los mejores jugadores de póquer del mundo.

- 2017: AlphaGo Zero, desarrollado por DeepMind, alcanzó el nivel más alto de Go sin

la introducción de ningún dato humano, simplemente enseñándose a sí mismo cómo

jugar.

Alex Fitzpatrick, en «Google’s AI Just Did Something Nobody Thought Possible»

menciona que este último logro, en el que DeepMind, una empresa líder en investigación de

IA y propiedad de Google, pudo crear un jugador de Go con inteligencia artificial que aprendió

desde cero, fue algo de otro nivel. Aunque la IA se usó en este caso para dominar un juego,
 8

tecnologías similares serán utilizadas en el futuro para actividades como la investigación de

enfermedades terminales y su cura.

Ebenizer Pinedo, en «Bots vs. humanos: la inteligencia artificial de OpenAI ya puede

vencernos en Dota 2» menciona que un hito reciente en la historia de la IA ocurrió en junio

de 2018. La empresa OpenAI anunció que su IA había conseguido ganar a varios equipos

humanos en el juego estratégico multijugador Dota 2. En este caso, lo impresionante de la

noticia fue la rapidez con lo que la IA aprendió. La compañía entrenó a los jugadores de IA

jugando entre ellos mismos y éstos fueron capaces de obtener conocimientos y habilidades

en un día para los que un ser humano necesitaría ciento ochenta años.

El empresario y filántropo estadounidense Bill Gates confirmó que este hecho es

inmensamente significativo para el desarrollo de la IA, ya que es la primera vez que ésta gana

en un juego que requería trabajo en equipo y colaboración. Sus posibilidades futuras incluyen

la resolución de problemas complejos de la vida real, como la creación de infraestructuras

para el transporte.

Si la inteligencia artificial continúa desarrollándose a su ritmo actual, ¿podríamos ser

capaces de imaginar cómo será el mundo en sólo treinta o cincuenta años? Si bien es difícil

hacer predicciones tan distantes, conviene recordar que la IA aprende de forma exponencial,

y por ello los logros que realice serán difíciles de imaginar para los seres humanos ya que

tendemos a pensar de forma lineal.

1.2 BIG DATA

1.2.1 ¿QUÉ SE ENTIENDE POR BIG DATA?

El término “big data” abarca datos que contienen una mayor variedad y que se

presentan en volúmenes crecientes y a una velocidad superior. Esto también se conoce como

“las tres V”.

Dicho de otro modo, el big data está formado por conjuntos de datos de mayor tamaño

y más complejos, especialmente procedentes de nuevas fuentes de datos. Estos conjuntos

 9

de datos son tan voluminosos que el software de procesamiento de datos convencional

sencillamente no puede gestionarlos. Sin embargo, estos volúmenes masivos de datos

pueden utilizarse para abordar problemas empresariales que antes no hubiera sido posible

solucionar.

1.2.2 LAS TRES “V” DE BIG DATA

- Volumen: La cantidad de datos importa. Con big data, tendrá que procesar grandes

volúmenes de datos no estructurados de baja densidad. Puede tratarse de datos de

valor desconocido, como feeds de datos de Twitter, flujos de clics de una página web

o aplicación para móviles, o equipo con sensores. Para algunas organizaciones, esto

puede suponer decenas de terabytes de datos. Para otras, incluso cientos de

petabytes.

- Velocidad: La velocidad es el ritmo al que se reciben los datos y (posiblemente) al que

se aplica alguna acción. La mayor velocidad de los datos normalmente se transmite

directamente a la memoria, en vez de escribirse en un disco. Algunos productos

inteligentes habilitados para Internet funcionan en tiempo real o prácticamente en

tiempo real y requieren una evaluación y actuación en tiempo real.

- Variedad: La variedad hace referencia a los diversos tipos de datos disponibles. Los

datos convencionales eran estructurados y podían organizarse claramente en una

base de datos relacional. Con el auge del big data, los datos se presentan en nuevos

tipos de datos no estructurados. Los tipos de datos no estructurados y

semiestructurados, como el texto, audio o video, requieren un preprocesamiento

adicional para poder obtener significado y habilitar los metadatos.

1.2.3 EL VALOR Y LA REALIDAD DE BIG DATA

Surgieron dos V más durante los últimos años: valor y veracidad. Los datos poseen

un valor intrínseco. Sin embargo, no tienen ninguna utilidad hasta que dicho valor se

descubre. De igual importancia: ¿Cuán veraz son sus datos? ¿Cuánto puede confiar en ellos?
 10

Hoy en día, el big data se ha convertido en un activo crucial. Gran parte del valor que

ofrecen algunas de las mayores empresas tecnológicas del mundo procede de sus datos, que

analizan constantemente para generar una mayor eficiencia y desarrollar nuevos productos.

Avances tecnológicos recientes han reducido exponencialmente el costo del

almacenamiento y la computación de datos, haciendo que almacenar datos resulte más fácil

y barato que nunca. Actualmente, con un mayor volumen de big data más barato y accesible,

puede tomar decisiones empresariales más acertadas y precisas.

Identificar el valor del big data no pasa solo por analizarlo (que es ya una ventaja en

sí misma). Se trata de todo un proceso de descubrimiento que requiere que los analistas,

usuarios empresariales y ejecutivos se planteen las preguntas correctas, identifiquen

patrones, tomen decisiones informadas y predigan comportamientos.

1.2.4 HISTORIA DE BIG DATA

Si bien el concepto "big data" en sí mismo es relativamente nuevo, los orígenes de los

grandes conjuntos de datos se remontan a las décadas de 1960 y 1970, cuando el mundo de

los datos acababa de empezar con los primeros centros de datos y el desarrollo de las bases

de datos relacionales.

Alrededor de 2005, la gente empezó a darse cuenta de la cantidad de datos que

generaban los usuarios a través de Facebook, YouTube y otros servicios online. Ese mismo

año, se desarrollaría Hadoop, un marco de código abierto creado específicamente para

almacenar y analizar grandes conjuntos de datos. En esta época, también empezaría a

adquirir popularidad NoSQL.

El desarrollo de marcos de código abierto tales como Hadoop (y, más recientemente,

Spark) sería esencial para el crecimiento del big data, pues estos hacían que el big data

resultase más fácil de usar y más barato de almacenar. En los años transcurridos desde

entonces, el volumen de big data se ha disparado. Los usuarios continúan generando

enormes cantidades de datos, pero ahora los humanos no son los únicos que lo hacen.
 11

Con la llegada del Internet de las cosas (IoT), hay un mayor número de objetos y

dispositivos conectados a Internet que generan datos sobre patrones de uso de los clientes

y el rendimiento de los productos. El surgimiento del aprendizaje automático ha producido

aún más datos.

Aunque el big data ha llegado lejos, su utilidad no ha hecho más que empezar. El

Cloud Computing ha ampliado aún más las posibilidades del big data. La nube ofrece una

escalabilidad realmente elástica, donde los desarrolladores pueden simplemente agilizar

clústeres ad hoc para probar un subconjunto de datos. Además, las bases de datos de

gráficos se vuelven cada vez más importantes, ya que pueden mostrar enormes cantidades

de datos de forma que su análisis sea rápido e integral.

1.2.5 DESAFÍOS DE BIG DATA

En primer lugar, el big data se caracteriza por su gran tamaño. Aunque se han

desarrollado nuevas tecnologías para el almacenamiento de datos, el volumen de datos

duplica su tamaño cada dos años aproximadamente. Las organizaciones continúan

esforzándose por mantener el ritmo de crecimiento de sus datos y por encontrar formas de

almacenarlos eficazmente.

Pero no basta con almacenar los datos. Para ser de algún valor, los datos deben poder

utilizarse, y esto depende de su conservación. Disponer de datos limpios —es decir, datos

relevantes para el cliente y organizados de tal modo que permitan un análisis significativo—

requiere una gran cantidad de trabajo. Los científicos de datos dedican entre un 50 y un 80

por ciento de su tiempo a seleccionar y preparar los datos antes de que estos puedan

utilizarse.

Por último, la tecnología de big data cambia a un ritmo rápido. Hace unos años,

Apache Hadoop era la tecnología más conocida utilizada para gestionar big data. Más tarde,

en 2014, entraría en juego Apache Spark. Hoy en día, el enfoque óptimo parece ser una
 12

combinación de ambos marcos. Mantenerse al día en cuanto a tecnología de big data supone

un desafío constante.

CAPÍTULO II. INTELIGENCIA ARTIFICIAL, ¿UN NUEVO FACTOR DE PRODUCCIÓN?

2.1 CONTEXTO ACTUAL

Los datos revelan una verdad descorazonadora sobre el crecimiento actual: un

marcado descenso en la capacidad de las inversiones de capital y trabajo para impulsar el

progreso económico. Estos dos factores son los motores tradicionales de la producción, pero

hoy en día se muestran incapaces de sostener los niveles de prosperidad de los que han

gozado durante décadas la mayor parte de las economías desarrolladas. Pero no hay motivos

para instalarse en el pesimismo. Gracias a la reciente convergencia de tecnologías

transformadoras, las economías están entrando en una nueva era en la que la inteligencia

artificial (IA) podría superar las limitaciones físicas del capital y el trabajo para abrir nuevas

fuentes de valor y crecimiento.

En efecto, según un análisis de 12 economías desarrolladas realizado por Accenture,

la IA podría doblar sus tasas de crecimiento en 2035. Si no quieren dejar pasar esta

oportunidad, los líderes empresariales y políticos deberían prepararse para (y preparar) un

futuro marcado por la inteligencia artificial. Sería erróneo pensar que la IA no es más que otro

factor de productividad. Por el contrario, la IA debe ser considerada como la herramienta que

puede transformar nuestra forma de pensar sobre cómo se genera crecimiento.

2.2 SITUACIÓN DEL PBI EN EL MUNDO

Las tasas de crecimiento del producto interior bruto (PIB) en todo el mundo no dejan

de descender desde hace tres décadas. Los principales indicadores de eficiencia económica

muestran una acusada tendencia a la baja, mientras que los niveles de mano de obra en el

mundo desarrollado se mantienen prácticamente paralizados e incluso han descendido en

algunos países.
 13

Ante este panorama, muchos han llegado a la conclusión de que debemos

acostumbrarnos a la parálisis económica. Aún más pesimista se muestra el economista

Robert Gordon, para quien la productividad en el próximo cuarto de siglo seguirá creciendo

con la misma lentitud que hemos visto desde 2004. Gordon (2016) considera además que es

poco probable que se repita lo ocurrido en los dos últimos siglos, caracterizados por “grandes

inventos” como el barco de vapor o el telégrafo. Este déficit de innovación, unido a las

tendencias demográficas adversas, la caída de los niveles educativos y la creciente

desigualdad social, ralentizará aún más el progreso económico.

¿Estamos entonces ante el fin de una era de crecimiento y prosperidad? Por muy

negativos que sean, los datos pasan por alto un elemento de gran importancia: la forma en

que las nuevas tecnologías afectan al crecimiento en la economía. Tradicionalmente, el

capital y el trabajo son los “factores de producción” que impulsan el crecimiento económico.

El crecimiento se produce cuando hay un aumento de capital o trabajo, o bien cuando se

utilizan de un modo más eficiente. El crecimiento que resulta de innovaciones y cambios

tecnológicos se mide con la productividad total de los factores (PTF). Los economistas

siempre han considerado las nuevas tecnologías como un motor de crecimiento por su

capacidad de aumentar la PTF. Se trata de una conclusión lógica para las tecnologías a las

que estamos acostumbrados. Los grandes avances tecnológicos del último siglo (la

electricidad, el ferrocarril y las TI) generaron un enorme aumento de productividad, pero no

causaron cambios tan grandes en la mano de obra. En la actualidad asistimos a la aparición

de una nueva serie de tecnologías transformadoras que se conocen con el nombre de

inteligencia artificial (véase “¿Qué es la inteligencia artificial?”). Muchos creen que la IA es

similar a otros avances tecnológicos. Si fuera así generaría cierto nivel de crecimiento, pero

nada revolucionario.

¿Qué ocurriría si la IA no solo tuviera el potencial de aumentar la PTF, sino que fuera

un factor de producción totalmente nuevo? ¿Es eso posible? La clave está en pensar en la

IA como en un híbrido de capital y trabajo. La IA puede realizar actividades laborales a una

 14

velocidad y una escala mucho mayores, o incluso llevar a cabo tareas que serían imposibles

para los seres humanos. En algunas áreas tiene la capacidad de aprender con más rapidez

que las personas, aunque sin llegar todavía a su nivel de profundidad. Por ejemplo, de

acuerdo con ABA Journal (2016) es posible usar asistentes virtuales para revisar 1.000

documentos legales en cuestión de días, algo que exigiría el trabajo de tres personas durante

seis meses.

La IA puede adoptar también la forma de capital físico, como robots y máquinas

inteligentes. Y, al contrario de lo que ocurre con el capital convencional (como máquinas y

edificios), puede mejorar con el tiempo gracias a su capacidad de autoaprendizaje.

El verdadero potencial de la IA reside en su capacidad de complementar y enriquecer los

factores de producción tradicionales.

2.3 TRES VÍAS DE CRECIMIENTO BASADO EN INTELIGENCIA ARTIFICIAL

Como nuevo factor de producción, la IA abre al menos tres vías importantes hacia el

crecimiento. En primer lugar, puede crear una nueva mano de obra virtual; es lo que llamamos

“automatización inteligente”. En segundo lugar, la IA puede complementar y enriquecer los

conocimientos y capacidades de la actual mano de obra y el capital físico. Por último, y al

igual que tecnologías anteriores, la IA puede impulsar innovaciones en la economía. Con el

tiempo, todo ello se convierte en un catalizador de una amplia transformación estructural. Las

economías que utilizan la IA no sólo tienen un modo diferente de hacer las cosas, sino que

también hacen cosas diferentes.

2.3.1 AUTOMATIZACIÓN INTELIGENTE

La nueva automatización inteligente basada en la IA ya está generando crecimiento

gracias a una serie de características que tienen poco en común con las soluciones de

automatización tradicionales. La primera de esas características es su capacidad de

automatizar complejas tareas del mundo físico que requieren adaptabilidad y agilidad.

Pensemos en el trabajo necesario para encontrar artículos en un almacén, algo para lo que
 15

las empresas dependen de la capacidad de las personas para moverse por espacios

estrechos y evitar obstáculos en movimiento. Ahora, los robots de Fetch Robotics usan

láseres y sensores de profundidad 3D para moverse con seguridad y trabajar con los

empleados del almacén. Combinados con personas, los robots pueden manejar la inmensa

mayoría de los artículos que suele haber en un almacén. (Robotics Business Review, 2015).

La tecnología de automatización tradicional está orientada a tareas concretas. Por el

contrario, la segunda característica de la automatización inteligente basada en la IA es su

capacidad de resolver problemas relacionados con diferentes industrias y tipos de trabajo.

Por ejemplo, Amelia (una plataforma de IA de IPsoft con capacidad de procesamiento de

lenguajes naturales) ayuda a ingenieros de mantenimiento que trabajan en lugares remotos.

Después de leer todos los manuales, Amelia puede diagnosticar un problema y proponer una

solución. (Finders, K., 2014). Esta plataforma también ha aprendido las respuestas a las 120

preguntas más frecuentes entre los agentes inmobiliarios; de hecho, un banco ya la ha

utilizado para atender ese tipo de consultas, que suelen resultar muy laboriosas. (IPsoft,

2016). La tercera característica de la automatización inteligente (y la más potente) es el

autoaprendizaje, algo que se consigue mediante la reproductibilidad a escala. Al igual que un

buen empleado, Amelia detecta lagunas en sus propios conocimientos y toma las medidas

necesarias para cubrirlas. Si alguien le hace una pregunta que no puede responder, Amelia

traslada la pregunta a una persona y observar cómo resuelve el problema. La capacidad de

autoaprendizaje de la IA supone un cambio fundamental: mientras que el capital de

automatización tradicional pierde rendimiento con el tiempo, los activos de automatización

inteligente no dejan de mejorar.

2.3.2 ENRIQUECIMIENTO DEL CAPITAL Y EL TRABAJO

Una buena parte del crecimiento económico basado en la IA no se deberá a la

sustitución del capital y el trabajo existentes, sino al hecho de que permite usarlos con mucha

más eficacia. Por ejemplo, la IA permite que las personas se concentren en aquellos aspectos

de su trabajo que generan más valor. El personal de un hotel dedica mucho tiempo a atender
 16

encargos rutinarios de las habitaciones. ¿Por qué no dejar esa tarea a Relay, un robot

autónomo desarrollado por Savioke para el sector de servicios? Como dice Steve Cousins,

CEO de Savioke: “Gracias a Relay, los empleados pueden dedicar más tiempo a aumentar

la satisfacción de los clientes.” La IA también enriquece el trabajo, ya que complementa las

capacidades humanas y ofrece a los empleados nuevas herramientas con las que pueden

aumentar su inteligencia natural. Por ejemplo, Praedicat, una empresa que ofrece servicios

de modelización de riesgos a compañías de seguros de responsabilidad civil y vida, está

aumentando a capacidad de las aseguradoras de tasar el riesgo. Usando tecnologías de

aprendizaje automático y procesamiento de Big Data, su plataforma lee más de 22 millones

de artículos científicos para identificar riesgos de importancia. Gracias a eso, las

aseguradoras no solo tasan el riesgo con más precisión, sino que también pueden crear

nuevos productos de seguros. (The Digital Insurer, 2016). Por último, la IA también puede

aumentar la eficiencia del capital, algo muy importante en industrias en las que representa un

gran costo hundido. En la industria manufacturera, por ejemplo, la empresa de robótica

industrial Fanuc ha colaborado con Cisco y otras compañías para crear una plataforma que

reduce el tiempo de inactividad en fábrica (que, según estimaciones de un importante

fabricante de automóviles, tiene un coste de 20.000 dólares por minuto. (Tantzen, B., 2015).

El sistema FIELD (Fanuc Intelligent Edge Link and Drive) es una plataforma analítica con

aprendizaje automático avanzado que captura y analiza datos de distintas partes del proceso

de producción para mejorarlo. FIELD ya se ha empleado en un proyecto piloto de 18 meses

para reducir a cero el tiempo de inactividad en una fábrica, lo que se tradujo en un importante

recorte de costes.

2.3.3 DIFUSIÓN DE INNOVACIONES

De acuerdo con Fong, Marla (2014), una de las ventajas de la inteligencia artificial de

las que menos se habla es su capacidad de impulsar la innovación a medida que penetra en

la economía. Tomemos el ejemplo de los vehículos sin conductor. Mediante una combinación

de láseres, sistemas de posicionamiento global, radar, cámaras, visión por ordenador y

 17

algoritmos de aprendizaje automático, estos vehículos pueden detectar lo que ocurre a su

alrededor y actuar en consecuencia. En este mercado no solo están entrando empresas de

Silicon Valley, sino que también las empresas tradicionales tratan de establecer nuevas

alianzas para seguir siendo competitivas. BMW, por ejemplo, está colaborando con el gigante

chino de Internet Baidu, mientras que Ford colabora con el Instituto Tecnológico de

Massachusetts (MIT) y la Universidad de Stanford10.

Dado que la innovación genera más innovación, el impacto potencial de los vehículos

sin conductor sobre las economías podría ir mucho más allá de la industria del automóvil.

Incluso los operadores móviles podrían ver cómo aumenta la demanda de sus servicios, ya

que los conductores, con libertad para dedicarse al ocio durante los viajes, pasarán más

tiempo explorando Internet. Eso a su vez podría crear nuevas oportunidades de publicidad

para los proveedores de servicios y oportunidades de venta para sus socios minoristas. La

industria de los seguros podría encontrar nuevas fuentes de ingresos en las ingentes

cantidades de datos que generan los vehículos sin conductor. Al combinar esos datos con

otros (como los procedentes de smartphones y sistemas de transporte público), las

aseguradoras no solo tendrían una imagen más completa de sus clientes, sino que además

podrían crear nuevas pólizas de movilidad, en lugar de limitarse a los desplazamientos en

automóvil.

Los datos de tráfico generados en tiempo real por los vehículos sin conductor se

podrían sumar a otras fuentes de información, lo que permitiría a las autoridades locales

cambiar la forma de cobrar por el uso de las vías de circulación. El permiso normal de

circulación podría ser sustituido por peajes más prácticos y equitativos de pago por uso, con

precios actualizados al instante para ayudar a reducir los atascos. Los beneficios sociales

también pueden ser importantes. Los vehículos sin conductor reducirán drásticamente el

número de accidentes y las muertes en carretera, por lo que esta tecnología podría

convertirse en una de las iniciativas de salud pública más relevantes de la historia. También

podrían dar independencia a personas que no pueden conducir debido a alguna

 18

discapacidad, lo que les permitiría conseguir empleos a los que no tenían acceso hasta ahora.

Incluso para quienes pueden conducir, los vehículos sin conductor harán que viajar sea

mucho más sencillo y dejarán mucho más tiempo libre para el trabajo o el ocio.

CAPÍTULO III. INTELIGENCIA ARTIFICIAL Y PODER

3.1 ANTECEDENTES

En septiembre de 2017 el presidente ruso, Vladimir Putin, advirtió que la Inteligencia

Artificial (IA) “es el futuro, no sólo para Rusia, sino para la humanidad”, añadiendo que ofrece

“oportunidades colosales, pero también amenazas difíciles de predecir” y que “quien sea

capaz de liderar esta esfera liderará el mundo”. Destacó los riesgos de que alguna nación

adquiera una posición monopolística, ofreciendo que “si nosotros nos convertimos en líderes

en esta área, compartiremos el conocimiento con todo el mundo, al igual que lo hacemos con

las tecnologías nucleares actualmente”. No es el primer aviso sobre una evolución que se

presenta como disruptiva. Stephen Hawking llegó a señalar que “podría ser el mayor suceso

de la historia de nuestra civilización. O el peor. No lo sabemos aún”. En términos prospectivos,

estaríamos ante un claro “game changer”, un factor de cambio de elevado impacto, tanto

positivo como potencialmente negativo.

La interconexión de sistemas basados en IA puede generar fallos o ciberataques, con

elevado impacto económico en sectores como el de las infraestructuras críticas. Según el

Barómetro de Riesgo de Allianz 2018 el impacto de la IA y otras tecnologías es el séptimo

riesgo empresarial, por encima del riesgo político o el cambio climático. La IA aumenta el

riesgo de que las máquinas y los algoritmos acaben adoptando las decisiones, el de que

algunos Estados la utilicen para el control social de los ciudadanos o para reforzar su

competencia geopolítica a nivel internacional, incluidas las guerras de información y

desinformación. Según el mismo Barómetro, los ciudadanos se arriesgan a perder su

privacidad, a que sus propios dirigentes configuren sus opiniones o a que se acentúe su

exclusión según estén preparados o no para este nuevo entorno industrial y laboral. En el

plano seguritario, existe el riesgo de que aparezcan fallos en los sistemas de IA, que se
 19

utilicen robots autónomos en los conflictos o en que se materialice la distópica “singularidad”,

un escenario en el que la inteligencia artificial, superior a la humana, tomaría el poder. Lo

anterior explica que algunos expertos, entre quienes el filósofo Nick Bostrom destaca a Bill

Gates o Elon Musk, o instituciones como el Parlamento Europeo, hayan comenzado a evaluar

y advertir sobre los riesgos de la IA.

El sector de la ciberseguridad es uno de los que, en mayor medida, están siendo

afectados por la IA. En el aspecto positivo, está contrastada su capacidad para reducir las

ciberamenazas, mejorando la detección de ataques. Pero en la carrera por su utilización

también están involucrados grupos de crimen organizado y hackers, que recurren

crecientemente a la IA para perfilar los ataques, seleccionar un mayor número de objetivos

de forma más dirigida y menos indiscriminada y mejorar su eficiencia pudiendo ser replicados

en numerosos equipos. Para este fin, la IA se combinará con la tradicional ingeniería social.

Se ha llegado a estimar que un ciberataque global pudiera llegar a generar pérdidas de 50

billones de dólares. Adicionalmente, la IA podría ser una vía para hackear dispositivos

conectados a internet, vehículos o drones, tomando el control de los mismos con intenciones

delictivas o criminales.

Para contrarrestar los riesgos se está trabajando sobre la gobernanza nacional e

internacional de la IA. La Administración Obama elaboró en 2015 el Informe “Preparing for

the future of IA”, en línea con los publicados sobre “Big Data: Seizing Opportunities,

Preserving Values” y “Big Data and Privacy: A Technological Perspective” en 2014, para

valorar los impactos de la IA sobre individuos y sociedad, una línea emulada por algunas

estrategias posteriores de seguridad nacional. En el mismo sentido, otros estados y

organizaciones internacionales comienzan a tomar conciencia de los riesgos del

ciberespacio. Por ejemplo, la nueva Estrategia de Seguridad Nacional española dedica varias

reflexiones acerca de las denominadas amenazas híbridas, aquellas que combinan diferentes

formas de ataque, tradicionales y no tradicionales, como los ciberataques o la manipulación

de la información. Recoge, de esta manera, uno de los mayores riesgos a los que se están
 20

enfrentando las democracias en todo el mundo, procesos de desestabilización promovidos

desde el exterior por actores tanto estatales como no estatales, y que tratan de polarizar y

fragmentar nuestras sociedades. La salud de los sistemas democráticos depende de la

existencia de un entorno informativo que garantice la pluralidad y la diversidad y un desarrollo

malicioso de la IA puede ponerle en peligro automatizando “paquetes” de desinformación y

viralizarlos a través de la multiplicidad de canales informativos existentes, de forma escalable

y efectiva. Para ello, la IA utilizará los metadatos para perfilar objetivos, extraer patrones y

definir vectores de ataque.

En el plano internacional, los expertos vienen solicitando la creación de una Agencia

Internacional de Inteligencia Artificial, dependiente de Naciones Unidas, para alertar ante

nuevos riesgos, debatir los aspectos éticos, prevenir una nueva fractura digital entre

diferentes naciones y ciudadanos y asegurar transparencia en la investigación de la IA. A la

construcción de esa gobernanza de la IA, todavía por elaborar, podría ser de utilidad la

experiencia recorrida por la ciberseguridad en materia de gobernanza, lo que lleva a algunos

expertos a proponer a este campo como el modelo a seguir a la hora de extender el uso de

esta innovación a otras áreas. En este sentido, la clave radica en el aprovechamiento de las

lecciones aprendidas y la selección de buenas prácticas en ciberseguridad, para utilizar la IA

en aras de la seguridad y contrarrestar su uso malicioso, y su exportación a otros sectores,

según un reciente estudio conjunto de varios think-tanks especializados sobre “The Mallicious

Use of AI: Forecasting, Prevention and Mitigation”. Con dicho fin, sería de interés la

implementación de equipos de hackeo ético (red teams), sistemas de verificación formal e

implementación de controles de seguridad en todo dispositivo conectado, teniendo en cuenta

la ausencia de principios de “security by design” en muchos de los productos que se ofrecen

en el mercado y los que se ofrecerán dentro del denominado “Internet de las Cosas” (IoT en

sus siglas inglesas).

 21

3.2 LA IA EN LAS TRES DIMENSIONES DEL PODER: ECONÓMICA, MILITAR E

INFORMATIVA

Mientras se construye la gobernanza internacional y se toma conciencia de los

cambios asociados a la IA, las potencias internacionales tratan de provechar su poder

disruptivo para cobrar ventaja sobre el resto de estados principalmente en tres dimensiones

de poder: la económica, la militar y la informativa, según un estudio del 00 Center sobre

“Artificial Intelligence and National Security”. La inversión internacional en IA ha venido

creciendo desde 2010 en torno al 60% anual, lo que permite incrementar el cociente de

inteligencia artificial de las empresas (Boost Your AIQ) de Accenture. Las estimaciones

señalan que ya en 2018, el 20% del negocio global estará relacionado con la IA y, en 2020,

realizarán el 85% de las interacciones entre empresas y clientes de servicios. La IA podría

contribuir con 12,8 trillones de euros a la economía global en 2030 (7,4 debidos a venta de

nuevos productos y 5,4 por mejora de la productividad), suponiendo un incremento del 14%

del producto interior bruto global. De acuerdo con otro estudio del Mckinsey Global Institute

sobre “AI, the Last Digital Frontier?”, los gigantes tecnológicos que lideran digitalización son

quienes más están invirtiendo en IA (entre dos y tres cuartas partes de los 26-39 billones de

dólares en 2016). A continuación, se situaría el sector de la automoción, el de los servicios

financieros, energía y recursos, medios y entretenimiento, transporte y logística. Y aunque es

difícil separar la inversión en las diferentes áreas que formarían parte de la IA, se estima que

se dedicaron al machine learning entre 5 y 7 billones.

En la dimensión militar se está produciendo una carrera entre las principales potencias

del mundo para optar al liderazgo geoestratégico, geopolítico y geoeconómico. La irrupción

de la IA altera las capacidades ofensivas y defensivas, como ya sucedió con la tecnología

aeroespacial, la nuclear, la cibernética y la biotécnica. La IA posibilitará introducir autonomía

o semi-autonomía en robots, acelerará el uso de aviones de combate no tripulados,

desarrollará artefactos explosivos improvisados móviles y robóticos y se incorporará a

sistemas armamentísticos (lethal autonomous weapon systems).

 22

3.3 SITUACIÓN INTERNACIONAL

El rango internacional en IA se puede medir por la cuota de mercado que representa

cada país, lo que colocaría a Estados Unidos, seguido de China e Israel a la cabeza de la

carrera global. También se puede medir por otros indicadores de posicionamiento

internacional obtenidos del Times Higher Education, coincidentes con los que presenta

Scopus, que tienen en consideración criterios académicos como el número o el de artículos

de investigación realizados. Otros indicadores, como los aportados por Indeed, tienen que

ver con la demanda de puestos de trabajo relacionados con IA que ha aumentado un 119%

entre 2015 y 2018. Liderando Estados Unidos la demanda según el Informe de IA de 2017.

Varios son los países que se están posicionando en la carrera de la IA. Una revolución

que “no sucederá en 50 o 60 años, está sucediendo ahora mismo”, como afirmaba el propio

Emmanuel Macron esta primavera. Estados Unidos y China, son consideradas en la

actualidad las dos principales potencias en investigación y desarrollo de IA, aunque las

autoridades de la segunda están mucho más concienciadas que las de la primera según

medios de comunicación como el New York Times. Estados Unidos se ha centrado en los

últimos años en disponer de una de las mayores fuerzas académicas en IA, un desarrollo

controlado en su mayoría por manos privadas, seguido de inversiones militares o de servicios

de inteligencia, como son los organismos de IARPA y DARPA. Evidencia no lejana de las

pretensiones de Trump quien, desde su llegada al poder, ha manifestado su intención de

poner el desarrollo de la IA al servicio de la mejora de la economía, pero, también de la

seguridad nacional, pese a haber recortado la inversión prevista para 2018 en un 15%. China

ha optado por mantener una agresiva inversión pública, en torno a 7.000 millones de dólares

anuales, dentro de un ambicioso plan nacional de acción para generar una industria de

150.000 millones en 2030.

Israel presenta la tercera mayor cuota de mercado de IA del mundo con una inversión

directa estimada en 1.100 millones durante 2017, año en el que siete compañías de titularidad

israelí figuran entre las más avanzadas del mundo en materia de IA según clasificaciones
 23

privadas. La conexión que tradicionalmente ha existido entre el ejército israelí y la industria

tecnológica del país, así como una fortificada estructura académica y una madura tradición

emprendedora son variables que favorecen esta situación. Japón cuenta con un presupuesto

estimado en 720 millones de euros para 2018, muy lejos del invertido por su vecina China.

Canadá ha optado por la vía de la financiación públicoprivada para potenciar los proyectos

de emprendimiento relacionados con la IA, elevando la oferta formativa y de investigación en

este campo a cargo del Departamento de Finanzas. Rusia, a pesar de contar con un discreto

presupuesto de 12.5 millones de euros para IA, parece dispuesta a invertir en sectores

específicos como el militar.

En el contexto europeo, la Comisión Europea acaba de presentar su estrategia sobre

IA que tiene como objetivos impulsar la capacidad industrial europea en IA bajo un enfoque

ético y legal acorde a los cambios que este avance generará y preparase para los cambios

socioeconómicos. Más allá de estas premisas, será una Alianza Europea de IA la encargada

de redactar, antes de finalizar 2018, los borradores por los que se desarrollará el futuro de la

IA en Europa. En tanto se produce este escenario, los principales avances europeos en esta

tecnología se han dado bajo la envergadura de los proyectos Horizonte 2020, aunque aún

con limitados resultados. El presidente Emmanuel Macron ha anunciado una inversión de

1.500 millones de euros hasta 2020, centrando su estrategia de crecimiento en el enfoque en

la disponibilidad y uso de los datos de la IA. En abril de 2018, Angela Merkel confirmaba la

intención de Alemania de competir en la carrera de la IA, nombrando incluso la intención de

desafiar la hegemonía China, aunque sin mencionar acciones o inversiones concretas. Esta

situación, que puede ser más próxima a la posición de Reino Unido dadas las limitaciones

presupuestarias con las que cuenta, se ve sin embargo reforzada por la creación, bajo fondos

de inversión extranjera liderados por Amazon, del cuarto mayor centro de investigación de IA

del mundo, sito en Berlín. El Reino Unido mantiene una línea, tanto pública como privada, de

respaldo a proyectos con una inversión prevista que ronda los 200 millones de dólares y

enfocada a promocionar aquellas líneas de investigación que promuevan ventajas

 24

competitivas, dentro de una enfoque ético. Finalmente, España está lejos de rivalizar con

estas iniciativas y aún no cuenta con estrategia y presupuesto, aunque trabaja desde 2017

en la redacción de un libro blanco sobre la materia.

CAPÍTULO IV. IMPACTO ECONÓMICO DE LA INTELIGENCIA ARTIFICIAL

4.1 UNA ERA DE DISRUPCIÓN DE LA SOCIEDAD Y DE NUESTROS SISTEMAS

ECONÓMICOS

En noviembre de 2017, Andrew Ng, cofundador de Coursera, profesor de Stanford y

fundador del Proyecto Google Brain Deep Learning, comentó en su discurso pronunciado

dentro de las conferencias AI Frontiers, que “al igual que la electricidad transformó casi todo

hace un siglo, hoy en día se me hace difícil imaginar una industria que no sea transformada

por la Inteligencia Artificial (IA) en los próximos años”. Esta frase, que ha hecho fortuna en el

ámbito de la propia IA, la equiparaba con la revolución tecnológica más importante en siglos,

y que supuso un input fundamental para explicar el desarrollo y funcionamiento de cualquier

sistema económico.

Es necesario advertir que, con toda seguridad, la IA marcará una nueva era para la

humanidad. El concepto de IA hace mención a un conjunto de avances que hacen que las

máquinas puedan aprender, razonar o comunicarse, como el aprendizaje autónomo, el Deep

Learning, o el procesamiento natural del lenguaje (Neuro-Linguistic Programming, NLP), entre

otros. Aunque no exista una única definición del concepto, diferentes autores han expuesto

el desarrollo de la IA a partir de cuestiones tales como la racionalidad y el razonamiento, con

debates acerca del comportamiento de las máquinas con un carácter lógico más cercano al

comportamiento ‘humano’ o ‘matemático’, que dan una dimensión enorme al término, siempre

en continua evolución, con unos registros de impacto cada vez mayores. De hecho, la IA está

permitiendo sobrepasar los límites cognitivos de nuestra especie. Desde un punto de vista

evolutivo, los seres humanos nos hemos vuelto ‘incompetentes’ para progresar con eficiencia

y abordar problemas muy complejos, especialmente aquellos que requieran enfrentarnos al

tratamiento masivo de datos o la respuesta razonada ante situaciones de estrés. Y en ese

 25

sentido, la IA ya está siendo aplicada con notable éxito en diferentes ámbitos, como en la

conservación de las especies y la protección de los ecosistemas, la explotación de los

recursos naturales ante el reto del abuso y la sobrepoblación, las incógnitas sobre el cambio

climático, la exploración espacial y el descubrimiento de nuevas estrellas y planetas, la

comprensión de la materia (partículas, nanociencia, nanotecnología) o la predicción y

superación de enfermedades complejas como el cáncer, entre otras muchas.

La aplicación de la IA está mejorando cuantitativa y cualitativamente el resultado que

los seres humanos pudiéramos obtener basándonos en la observación o la aplicación de

soluciones aprendidas para la resolución de problemas. En otras palabras, nuestra especie

ha asumido nuestras limitaciones intelectuales, por lo que destinamos nuestro tiempo y

esfuerzo en crear entidades inteligentes que superen las fronteras que nos marca nuestro

propio cerebro.

Por supuesto, la Inteligencia Artificial está aún en una fase inicial, pese a que su

desarrollo comenzara entre los años 40 y 50 del siglo XX, siendo desde entonces una de las

áreas en la que los científicos se han encontrado más interesados por su aplicación

completamente transversal. Así pues, durante las próximas décadas la aplicación de los

avances en torno a la IA seguirá proporcionando progresos muy significativos, y los científicos

de datos seguirán aportando nuevas capacidades para afrontar con éxito la mayoría -por no

decir todos- de los retos más importantes de nuestro futuro como especie y para la protección

de nuestro planeta.

Llegados a este punto, la aproximación de Andrew Ng de la IA a la electricidad puede

no resultar tan exagerada, pues se pone en juego la capacidad de nuestros sistemas

económicos de acometer una profunda transformación global y sectorial. Lejos de preverse

una transición tranquila, los expertos nos hablan de una rápida aceleración en los próximos

años dadas las ventajas de competitividad que supondrán para los pioneros. Pero incluso

más allá del impacto económico -que veremos más adelante-, la IA está adentrándose en
 26

campos que se creían hasta la fecha meramente cuestiones humanas, como el arte, la ciencia

o la creatividad.

Con la IA cualquier capacidad humana se está robusteciendo hasta límites

impensables, y constata que a fecha de hoy no somos capaces de predecir la capacidad de

aprendizaje de las máquinas que creamos. Hace no mucho un equipo de investigación nos

sorprendía con un cuadro de Rembrandt pintado “artificialmente” que los expertos no

conseguían diferenciar de la obra original del autor barroco. También se ha demostrado que

la IA es capaz de ganar a los mejores jugadores de póker del mundo aprendiendo de ellos o

escribir guiones. O más importante todavía, se han desarrollado máquinas con una mayor

capacidad de asimilar literatura científica y plantear nuevas hipótesis y descubrimientos que

los propios científicos, como el superordenador KnIT desarrollado por IBM y el Baylor College

of Medicine de Houston, capaz de leer toda la literatura científica de un área de conocimiento

en apenas horas y hacer planteamientos completamente novedosos.

Por tanto, la IA nos impone encima de la mesa una “agenda” muy ambiciosa y de mayor

entidad de lo que hasta la fecha suponían cuestiones como la innovación, la transformación

digital, la digitalización o incluso la disrupción. Ni siquiera es una mera revolución, sino más

bien una reinvención, donde caben algunos atributos importantes que ya empiezan a

acontecer, pero que se acelerarán en los próximos años:

 Un cambio en los paradigmas de la propia computación y los sistemas digitales en

torno a los que hemos construido plataformas, productos y servicios.

 La creación y destrucción masiva y acelerada de empleos tradicionales. A medio plazo

la necesidad de redefinir el propio concepto de empleo, con desajustes y brechas

importantes en el mercado laboral.

 Una “reinvención” de gran parte de los sectores económicos de importancia vital en

nuestras economías.
 27

 La capacidad de generar servicios muy personalizados masivamente y cada vez más

precisos en la satisfacción de necesidades específicas, incluso y especialmente en

ámbitos tan complejos como la salud o la educación.

 La necesidad de conformar ecosistemas tecnológicos donde el talento, la

internacionalización y la integración de los componentes del ecosistema son

fundamentales.

Por tanto, y asumiendo la importancia de la IA en el desarrollo futuro de la sociedad y de

la economía global, debemos cuestionar si nuestros gobernantes son conscientes o

suficientemente proactivos para afrontar la entidad de los cambios y retos asociados a esta

nueva revolución. Y si, siendo conscientes, las estrategias elegidas son acertadas para

afrontar todas las potencialidades, riesgos y beneficios que la IA nos puede proporcionar. En

los siguientes puntos, veremos precisamente cómo se están preparando los países ante los

nuevos cambios que se avecinan, así como la necesidad de tomarse muy en serio acciones

que eviten una pérdida competitiva sin precedentes para Europa a lo largo de este siglo.

4.2 LA NECESIDAD DE DESARROLLAR UN POTENTE SECTOR DE INTELIGENCIA

ARTIFICIAL

Es necesario incidir en una imperiosa necesidad de desarrollar estrategias que

potencien la IA en las economías. Sobre todo si comparamos la situación existente entre

diferentes países, con bloques bien definidos donde Estados Unidos y China se confirman

como potencias destacadas, y con una Unión Europea rezagada, que lejos de sumarse al

carro se permite incidir en errores históricos que muestran preocupantes signos de debilidad,

como la carencia de un mercado digital único, la inexistencia de unicornios digitales

relevantes, estrategias aisladas de los países que no aprovechan el marco único europeo,

restricciones a la explotación de datos, o el “Brexit”, que supone la salida de la economía

digital por excelencia de la UE. De hecho, las primeras previsiones ya nos sitúan un escenario

en el que la región Asia Pacífico liderará los rendimientos derivados de la IA, seguida de
 28

Norteamérica y, a mayor distancia, por Europa (Ver “Gráfico 1. Rendimientos empresariales

derivados de la IA por regiones (2015-2024) (en millones de dólares)”).

Figura 1

Rendimientos empresariales derivados de la ia por regiones (2015-2024) (en millones de

dólares)

Fuente: Tráctica

Por su parte, Estados Unidos y China han destacado desde muy temprano en

identificar los grandes temas y diseñar ambiciosas estrategias. El informe creado por la Casa

Blanca en el último año de mandato de Barack Obama, Preparing for the Future of Artificial

Intelligence9 , ponía sobre aviso a la economía mundial de la decidida apuesta

estadounidense por liderar la tecnología clave de las próximas décadas, que incluía

propuestas tales como invertir 4.000 millones de dólares en la investigación de vehículos

autónomos y limpios, la inversión directa de más de 1.200 millones en tecnologías

relacionadas con la IA por parte del gobierno, el liderazgo militar -mención especial a los

drones-, así como destinar parte de la inversión en I+D realizada por National Institutes of

Health (NIH), el Departamento de Empleo o el de Educación en la mejora de sus áreas gracias

a la IA.
 29

Esta propuesta, no obstante, ha sido superada en la praxis gracias a la apuesta del

sector tecnológico estadounidense, con especial relevancia de las empresas del famoso

Silicon Valley. A escala global, se estima que el gasto en investigación y desarrollo de IA de

los gigantes tecnológicos supera ampliamente los 20 mil millones de dólares. Cualquier

empresa tecnológica que pensemos (Google, Amazon, IBM, Microsoft, Uber, Netflix, eBay,

Airbnb…) cuenta con departamentos de IA. Pero, además de su propio desarrollo, debemos

sumar las adquisiciones de terceras empresas. Por ejemplo, Google ha adquirido startups

especializadas en IA por más de 4.000 millones de dólares desde 2006, Amazon ha invertido

casi mil millones y Apple está cerca de los 800 millones de dólares.

Todo ello coloca a Estados Unidos, sin lugar a dudas, como el principal motor de la IA

del planeta, y a San Francisco en el gran hub mundial (Ver “Gráfico 2. Distribución global de

Startups de Inteligencia Artificial (países y hubs)” en la página 11). Sin embargo, China no

piensa en mantener su segunda posición, sino que ya ha anunciado acciones de enorme

calado para dominar la industria de la IA en la próxima década. Gracias al apoyo del gobierno

chino, que invierte miles y miles de millones de dólares en el desarrollo de centros de

investigación, capital humano y parques tecnológicos, las empresas chinas de IA

consiguieron en 2017 mayor financiación que las estadounidenses de acuerdo al estudio

realizado por CBInsights (Ver “Gráfico 3. Distribución de la inversión global en la creación de

startups de IA en 2017” en la página 11). Aunque en valores absolutos el número de empresas

dedicadas a la IA es muy superior en Estados Unidos, China ya lidera la publicación total de

patentes y artículos científicos, con una apuesta en tecnologías de reconocimiento facial,

chips para la IA y productos que usan Deep Learning en su funcionamiento.

 30

Figura 2

Distribución global de startups de inteligencia artificial (países y hubs)

Fuente: Asgard y Roland Berger

Figura 3

Distribución de la inversión global en la creación de startups de IA en 2017

Fuente: Informe “Top AI Trends To Watch In 2018” elaborado por CBInsights.

 31

En total, entre Estados Unidos y China se repartieron el 86% de los más de 15.000

millones de dólares destinados globalmente para la creación de startups de IA, una muestra

de esta hegemonía de los dos gigantes económicos a nivel mundial.

Figura 4

Estrategias nacionales de inteligencia artificial (periodo 2017-2018)

Fuente: Dutton, T (2018, 28 de junio). An Overview of National AI Strategies. Medium.

¿Y qué ocurre en el resto del mundo? Como ya aventuramos, Europa parece estar

atónita ante el imparable crecimiento de China y Estados Unidos. Lejos de converger,

estamos en una etapa en la que los dos líderes, en su afán por liderar la IA, seguirán

marcando una distancia abismal con respecto a los demás países. Ante esta situación, entre

2017 y los seis primeros meses de 2018 multitud de países comenzaron a hacer sus deberes

y trazaron líneas de actuación para obtener una mayor relevancia. Nos referimos a Canadá,

Dinamarca, Japón, Finlandia, México, India, Corea del Sur, Italia, la Comisión Europea,

Francia, la región nórdico-báltica, Singapur, Suecia, Taiwán, Kenia, los Emiratos Árabes

Unidos, Australia, Egipto o el Reino Unido. Entre ellos, no se encontraba España (Ver “Imagen

1. Estrategias nacionales de Inteligencia Artificial”). Sin embargo, algunos de los países que

políticamente se han apuntado al carro de la IA recientemente parecen hacerlo más por

 32

obligación que por convicción. Esto se percibe claramente tanto en las apuestas

presupuestarias como en el contenido de los temas que son objeto de estrategia o apuesta.

En el caso de la UE, por ejemplo, como lo señalan Asgard y Roland Berger, su

mercado fragmentado será un impedimento para el desarrollo de estrategias de éxito en IA,

con diferencias enormes entre los países del centro y norte del continente, y los

mediterráneos y del este.

En un entorno sin claros referentes europeos como puede ser Silicon Valley (y en

menor medida Boston) en Estados Unidos, o el eje Pekín-Shenzhen en China, que aglutinan

universidades y empresas, las ayudas europeas anunciadas (20 mil millones de euros entre

2018 y 2020 para la creación de empresas, la formación de talento, etcétera) pueden no ser

del todo efectivas. En Europa, Londres es el verdadero hub referente como un consolidado

de empresas de IA, con un sector fintech robusto y prestigiosas universidades como

Cambridge, London School of Economics y Oxford en un radio de 100 kilómetros, además de

los planes de inversión gubernamentales, que prevén un esfuerzo de más de mil millones de

dólares destinados a la industria de la IA. Los pasos dados hasta la fecha parecen confirmar

que, ante un panorama incierto como el brexit a la vuelta de la esquina, Reino Unido incorpora

en su agenda la economía digital y la IA como vías prioritarias para superar cualquier

desventaja de su salida de la Unión Europea, liderando por delante de ésta los sectores del

futuro.

Por su parte, Francia y Alemania, empiezan a desarrollar planes muy ambiciosos que

incluso pueden llevarlos a trabajar de forma conjunta. Esta estrategia debe consolidarse en

los próximos años, sobre todo tras la salida del Reino Unido de la Unión Europea, que los

dejará como únicos referentes de nuestro entorno. Para ello, los dos gobiernos han preparado

sendas hojas de ruta que les llevará a invertir 1.500 millones de euros en el desarrollo de IA

en sus países, lejos, muy lejos, de los 4.000 millones anunciados por Estados Unidos (sin

contar a sus gigantes tecnológicos), pero necesarios para el despegue de la tecnología en

 33

Europa. Sin embargo, parten con un retraso evidente en materia de Inteligencia Artificial

comparado con otros países, no solo Estados Unidos o China.

Israel, por ejemplo, es el país con el mayor número de startups por habitante

dedicadas a la IA del mundo por habitante, con un hub tecnológico muy potente en Tel-Aviv

y una orientación que va más allá de cuestiones militares -aunque el ejército es sin duda uno

de los motores fundamentales para su implantación-, como los vehículos autónomos. O

Canadá, que busca ser líder en IA atrayendo talento gracias a un ambicioso plan nacional

(Pan-Canadian Artificial Intelligence Strategy) impulsado directamente desde la propia

convicción de la presidencia del gobierno.

En España, podemos hablar de una situación preocupante, sin un plan estratégico

definido respecto a la IA, y sin un ecosistema tecnológico relevante que permita el desarrollo

sistemático de empresas innovadoras. En este contexto, España tiene planteado un borrador

de “Libro Blanco sobre Big Data e IA” que, aparte de la urgencia de su publicación, debe

plasmarse en una estrategia y apuesta gubernamental ambiciosa y capaz de consolidar el

liderazgo y transformación de nuestro sistema económico en el nuevo contexto internacional

que se avecina.

En el caso de Perú, una investigación de mercado encargada por IBM reveló que el

28% de las empresas han implementado activamente la IA. Esto subraya aún más que el

crecimiento de esta tecnología está a punto de acelerarse a medida que continúa madurando,

volviéndose más accesible y más fácil de implementar.

Otros hallazgos del Global AI Adoption Index 2022, realizado por Morning Consult,

revelaron que este crecimiento se debió a que las empresas reconocieron el valor de la IA a

medida que están emergiendo de los desafíos de la pandemia de COVID-19 e invirtiendo en

su transformación digital, mientras que enfrentan la escasez de talento y de habilidades. En

Perú, específicamente, la adopción está siendo impulsada por la necesidad de reducir costos
 34

y automatizar procesos clave (48%) y avances que hacen la IA más accesible para las

compañías (47%).

Por primera vez, el informe también les preguntó a las compañías sobre sus planes

de incorporar inteligencia artificial en sus iniciativas de sostenibilidad, y encontró que la IA

está preparada para desempeñar un papel significativo en ello. Como un ejemplo, el 72% de

los profesionales de TI en Perú indicaron que, para acelerar sus iniciativas ESG, su compañía

está implementando actualmente la IA o tiene planes de hacerlo.

Al 2022, el 40% de las compañías en Perú que exploran o implementan la IA, cuenta

con una estrategia de IA. Solo el 20% cuenta con una estrategia holística y el 29% cuenta

con planes enfocados a casos de uso limitados o específicos.

Si un país quiere ser relevante en este sector fundamental tiene que aspirar a crear

su propio “ecosistema” en torno a la IA, muy integrado internacionalmente con los líderes en

estos campos. Incluso China, que pretende liderar este campo a escala global, habla de “la

necesidad de una colaboración global” según la noticia publicada por MIT Technology Review

el 5 de Abril de 2018. Pero, aun así, hay y habrá una competición brutal para la captación de

talento, fundamental para la investigación, el desarrollo de capital humano, la generación de

empresas relevantes, la generación de habilidades y educación o la rápida adopción de

innovaciones y tecnologías IA en el sector público y privad. Además de, tener ideas claras

sobre la ética e inclusión, normas y regulaciones, e infraestructura digital y de datos.

4.3 IMPACTOS SECTORIALES DE LA IA: ¿TRANSFORMACIÓN O DISRUPCIÓN?

En el corto plazo, los países empezarán a plantear mediante sus planes nacionales si

pretenden ser una potencia en la IA en cualquiera de sus áreas (como Estados Unidos o

China), o si prefieren especializarse en algunas vertientes concretas donde tenga ventajas

competitivas (vía talento, datos, demanda para la transformación sectorial). Las estrategias

que adopten serán decisivas, ya que no se podrá obviar la necesidad de asimilar la

 35

transformación sectorial y las ganancias de competitividad que la IA propicia y propiciará.

Quedarse fuera de juego no es una opción.

Aun así, existen dos estrategias. La primera, sería asimilar la transformación mediante

la importación e incorporación (de forma más o menos eficiente) de tecnologías IA a nuestras

empresas y procesos productivos, especialmente si somos objeto de disrupción a través de

nuevas empresas que plantean a nuestros consumidores nuevas fórmulas de productos y

servicios más ventajosos y competitivos.

La segunda opción, sin duda más acertada, es la de actuar como “disruptores”,

mediante una especialización temprana en IA. No obstante, la línea que separa el ser

“disruptores” del ser “disruidos” pasa por una estrategia ambiciosa y temprana en torno a la

IA, una masa crítica educada en el entorno digital, un sector productivo que apueste por la

innovación y con acceso a la financiación, y la captación de talento, que puede ser incluso

más importante que la propia retención.

El desarrollo de tecnologías de aprendizaje autónomo, robótica o agentes virtuales

inteligentes, por ejemplo, podrían tener un impacto de gran calado en los sectores que

tradicionalmente han marcado el crecimiento en la economía peruana. En el caso del turismo,

por ejemplo, podríamos ayudarnos de la IA para anticiparnos a la demanda turística

(intereses, expectativas, opiniones); para ofrecer productos de mayor rentabilidad; o con el

desarrollo de destinos inteligentes que permitan una mejor convivencia y disfrute de los

entornos atractivos de las ciudades para turistas y residentes. El sector de la construcción

puede nutrirse de la combinación entre IA, internet de las cosas (domótica) e impresoras 3D

para reducir costes en la construcción y modernizando el parque actual de viviendas. También

la educación se servirá del Machine Learning para el desarrollo de planes formativos más

adaptados a la oferta laboral.

De todo ello, sin embargo, es importante rescatar que la IA y su hibridación de otros

desarrollos tecnológicos como Internet de las Cosas (IoT), Blockchain, Big Data,
 36

Computación Cuántica, Robótica, Impresión 3D, todavía potenciarán muchos más cambios y

transformaciones de todos nuestros sectores. A este conjunto de tecnologías podríamos

llamarles como las “grandes disruptoras”, contestando así a la pregunta que nos hacíamos al

principio: la IA es, sin duda, una disrupción tecnológica casi sin precedentes, pero no es la

única.

4.4 IA: APLICABILIDAD A LA EMPRESA Y BENEFICIOS: UN CASO ESPECÍFICO Y

ACTUAL, LOS CHATBOTS

Hay pocas dudas de que sectores clave como la sanidad, la educación, la banca o los

sectores energéticos, liderados por organismos públicos o grandes empresas, acabarán más

tarde o temprano de explotar todo el potencial de la IA que la legislación permita y el entorno

mundial imponga. Pero lo realmente crucial en torno a la IA quizá sea la creación de una

cultura digital receptiva que permita a las pequeñas y medianas empresas (pymes), a los

sectores tradicionales y a la población en general abrazar su potencial.

Avances en el reconocimiento de imágenes son ya explotadas en multitud de sectores

desde la conducción automática, pasando por la medicina, los controles de seguridad o la

ropa hecha a medida. Se fijan ambiciosas metas a la hora de predecir y anticipar el

comportamiento de los mercados y los gustos de los consumidores, incluso la capacidad de

personalizar para cada individuo los productos y servicios. Otras empresas como Airbnb,

Netflix o Amazon emplean el aprendizaje autónomo para segmentar audiencias y recomendar

productos lo más adecuados posible a cada tipo de consumidor, generando un marketing

cada vez más personalizado, que aprende sobre cada individuo de forma individualizada. Y

tampoco podemos obviar el uso de la IA para la seguridad y detección de fraudes, o para la

gestión de recursos energéticos, e incluso para gestionar logísticamente una fábrica.

Como vemos, existen numerosas aplicaciones más que interesantes de empleo de IA,

¿pero por donde empiezan las pymes? Un caso interesante para asimilar la cultura de la IA

es el chatbot conversacional: un programa que basado en la IA y otros desarrollos

 37

informáticos es capaz de mantener una conversación o ejecutar acciones a demanda con una

persona real.

Aún en su infancia, están ya llamados a revolucionar la relación de las empresas con

sus clientes y sus propios empleados. Su introducción puede ser un motor de asimilación de

esta nueva cultura en torno a la IA y la economía digital. Forbes califica la Inteligencia Artificial

Conversacional como la “Fase Final de la Revolución de la Información” y señala que ya es

más efectiva a la hora de vender online, generar leads o incrementar la productividad en todas

las facetas de la comunicación26. Sin duda, es un paso revolucionario en la forma en la que

los usuarios se comunican e interactúan en el mundo digital.

Hasta hace nada considerábamos y seguimos considerando una página web o una

app algo extremadamente valioso, que han servido para expandir el comercio online o para

el desarrollo de plataformas de servicios tan extendidas como Airbnb, Uber, Cabify, o la

compraventa de criptomonedas.

Pero en realidad, las analíticas de los smartphones, pese al diseño responsive que

casi todas las empresas han adoptado, nos han develado que las apps o las páginas web

son propuestas muy “burdas” para comunicarnos con los usuarios: aunque se hayan

desplegado las técnicas más sofisticadas de Design Thinking y Customer Experience,

asistimos a altísimos porcentajes de rebote, bajísima capacidad de generar usuarios

recurrentes, nula capacidad para identificar necesidades y tendencias, o problemas

subyacentes en la tecnología empleada27. Para los millennials las webs o algunas apps son

rudimentarias y aburridas. Les hacen perder tiempo.

Frente a esto, las propuestas que Google (Home) o Amazon (Echo) quieren

colocarnos en casa evidencian que lo lógico y cómodo es que un usuario pregunte o pida

algo con su lenguaje natural y la tecnología se lo facilite. El teléfono móvil está pidiendo a

gritos una comunicación con el usuario de este tipo. Una experta como Nuria Oliver no duda

incluso en plantear su desaparición28. Y de nuevo, las empresas que no adapten sus

 38

sistemas a esta nueva cultura pueden quedar muy rezagadas e incluso descolgadas del

mercado.

Un chatbot puede canalizar toda la comunicación interna y externa de una empresa.

Con un tamaño superior a 50 empleados la comunicación interna de la empresa requiere de

estructuras costosas y poco eficaces para canalizar la información interna. Un chatbot, como

ocurre con casi todas las tecnologías de inteligencia artificial, es una revolución en toda regla.

Su volumen de datos generados permitiría identificar hasta el estado emocional positivo o

negativo global de una empresa de 200.000 empleados y de una sucursal de menos de 50.

Amén de la identificación de problemas, permite asimismo recoger los feedbacks de clientes,

agilización de pedidos, dar una respuesta en cualquier momento, etc.

Sin embargo, a día de hoy la comunicación externa a través de la tecnología chatbot

es una revolución de una entidad todavía difícil de evaluar, pero muy fácil de intuir, y que

tendrá una implicación importantísima en comercio online, en la asistencia telefónica y call

centers, en la captación de leads... Un “vendedor” amable, capaz de dar un trato

personalizado, que trabaja 24 horas los 7 días de la semana, que ejecuta peticiones de los

clientes -una reserva, un pedido, una orden de compra- y que llega a atender una queja. Los

“first adopters” ya tienen resultados concluyentes: los chatbots mejoran no sólo los costes,

sino que además ya empiezan a vislumbrar los efectos positivos en la relación con los

clientes, especialmente en las tasas de conversión y ventas.

4.5 RIESGOS ECONÓMICOS DE LA PASIVIDAD FRENTE A LA INTELIGENCIA

ARTIFICIAL

Pérdida de competitividad notable durante los próximos años derivada de la

insuficiente o tardía proactividad y liderazgo gubernamental

Que los gobiernos españoles no asuman la entidad de los impactos, la importancia y ambición

de las apuestas y estrategias internacionales en torno a la IA, nos convertirá en una economía

dependiente, con escaso grado de digitalización respecto a terceros. Infravalorar la velocidad

 39

y la entidad del cambio y sus consecuencias por parte de nuestro país -o Europa- contrasta

con la aparición de algunos líderes políticos que se han percatado de lo estratégico y decisivo

que resulta una gran apuesta por la IA, con planes muy ambiciosos para el desarrollo de las

llamadas tecnologías disruptoras y el desarrollo de sectores de futuro.

Disrupción negativa en sectores clave de la economía

Los sectores clave de la economía no han abordado hasta la fecha, en tiempo y forma, su

transformación digital, lo que comporta importantes efectos negativos que se volverán a

repetir si no nos ponemos al día. La crisis económica es un claro síntoma de este modelo:

mientras las economías digitalizadas supieron recuperar su ritmo de crecimiento en pocos

años, nuestros sectores, tradicionales y poco innovadores, aún sufren algunas

consecuencias, y será muy difícil que vuelvan a recuperar su capacidad de creación de

empleo.

Incentivar el impacto laboral negativo

Infravalorar la convulsión de las tecnologías disruptoras y la digitalización frente a la apuesta

por los sectores tradicionales generará un crecimiento más lento de nuestra economía, que

en definitiva debilita la creación de nuevos empleos potenciales de alta cualificación, con

mayor proyección, más productivos, y con rentas más elevadas.

Devaluar la captación y generación de talento

No tomar en consideración el papel crucial del talento, de la educación (pensamiento

computacional), la hibridación universitaria y el déficit de recursos humanos en torno a la

computación y la IA, es sinónimo de debilidad en torno al sector de la economía digital en

general.

No facilitar la explotación de grandes volúmenes de datos

 40

El Big Data es el alimento de la Inteligencia Artificial. Si no se provee de datos al conjunto de

empresas, su desarrollo será limitado para incluso nuestros sectores más representativos,

como la sanidad, el turismo y la banca.

Primar regulación sobre educación

La necesidad de crear una cultura tecnológica de base es imprescindible sobre una sociedad

“tutelada” con regulaciones absurdas que fagocitan el desarrollo de la economía digital en

España o en Europa, mientras que otros países incrementan su liderazgo y, por extensión,

nuestra dependencia económica respecto a ellos. Necesitamos una población formada,

educada en las restricciones y riesgos ligados a la tecnología digital (privacidad,

ciberseguridad, vulnerabilidad, ética). No primar lo suficientemente la educación en favor de

la regulación tiene perversas consecuencias para el desarrollo de la economía digital.

 41

CONCLUSIONES

Vivimos en la era del conocimiento, y es precisamente la apuesta por la innovación la que

está permitiendo dar los mayores pasos tecnológicos al ser humano, desde la agricultura de

precisión y la gestión de los recursos naturales, pasando por la dotación de inteligencia a

nuestras ciudades y casas, hasta la automatización de los procesos industriales, los servicios

y los transportes. En una década, quizá ni siquiera la sanidad o los sistemas educativos, con

tradiciones que han perdurado siglos y siglos, se parecerán bien poco a los que conocemos

en la actualidad.

Debido a la convulsión que la actual tecnología producirá en nuestros sistemas actuales

económicos, estemos en condiciones de reinventar la propia economía. Conceptos como

producción, precios, consumo, utilidad, empleo, dinero, distribución, escasez y renta deban

ser revisados. La Inteligencia Artificial dotará a la ciencia económica de nuevas herramientas

y mecanismos que romperán ideas y teorías preconcebidas para convertirla, por suerte, en

una disciplina bastante creativa.

En atención a las diferentes estrategias en materia de IA que mantienen las principales

potencias mundiales, es posible observar, entre otros factores, un desarrollo orientado a

favorecer los intereses geopolíticos y geoeconómicos nacionales. Este tipo de enfoque, si

bien sigue la pauta histórica de cómo los estados-nación se han centrado en la defensa de

sus propios intereses, contradice tanto el alcance como los efectos que una tecnología así es

susceptible de tener, cuyo impacto solo se puede medir en términos globales.

La IA está lista para desempeñar un papel cada vez mayor dentro de las iniciativas de

sostenibilidad de organizaciones a nivel global. Mientras la inversión en IA continúa creciendo,

aún hay barreras para su adopción en Perú, particularmente para las organizaciones más

pequeñas, quienes son significativamente menos propensas a aprovechar la IA.

 42

REFERENCIAS

- Wikipedia entrada de «Machine Learning». (7 de diciembre de 2017).

<https://en.wikipedia.org/wiki/Machine_learning>.

- Alex Fitzpatrick, «Google’s AI Just Did Something Nobody Thought Possible», Time,

(27 de enero de 2016). <http://time.com/4196275/google-deepmind-ai-go>.

- Lisa Eadicicco, «This Researcher Programmed the Perfect Poker-Playing Computer»,

Time. (1 de febrero de 2017). <http://time.com/4656011/artificial-intelligence-ai-poker-

tournament-libratus-cmu>.

- Alex Fitzpatrick, «Google’s AI Just Did Something Nobody Thought Possible», Time,

(27 de enero de 2016). <http://time.com/4196275/google-deepmind-ai-go>.

- Lasse rouhiainen - inteligencia artificial. (s. f.). Inteligencia Artificial.

https://www.planetadelibros.com/libros_contenido_extra/40/39307_Inteligencia_artific

ial.pdf

- What Is Big Data? | Oracle. (s. f.). https://www.oracle.com/big-data/what-is-big-data/

- IA: el 28% de empresas en el Perú ha implementado la inteligencia. (2022, julio 26).

https://elcomercio.pe/tecnologia/actualidad/ia-el-28-de-empresas-en-el-peru-ha-

implementado-la-inteligencia-artificial-segun-informe-de-ibm-espana-mexico-

colombia-noticia/

- Muñoz A., Moreno L., Plaza J. y Iranzo M. (2018). Big Data e Inteligencia Artificial,

Una visión económica y legal de estas herramientas disruptivas. [Archivo PDF]

https://roderic.uv.es/bitstream/handle/10550/70847/ebook-bigdata_revisado-v5-

DOI.pdf?sequence=1&isAllowed=y

- Purdy M. y Daugherty P., (2016). “Inteligencia Artificial, el futuro del crecimiento”

[Archivo PDF]

https://underpost.net/ir/pdf/artificial/Inteligencia%20Artificial%20El%20Futuro%20del

%20Crecimiento.pdf

- Blanco J. y Cohen J. (2018), “Inteligencia artificial y poder”. [Archivo PDF]

https://underpost.net/ir/pdf/mili/inteligencia-artificial-y-poder.pdf
 43

- Gordon, R. J., “The Rise and Fall of American Growth: The US Standard of Living

since the Civil War”, 2016, Princeton University Press.

- ABA Journal, “How artificial intelligence is transforming the legal profession”, 1 de abril

de 2016. Disponible en (verificado el 9 de septiembre de 2016).

- Robotics Business Review, “Fetch Robotics”, 2015. Disponible en (verificado el 20 de

junio de 2016).

- Finders, K., “IPsoft gives automation platform a face”, 30 de septiembre de 2014.

Disponible en (verificado el 29 de junio de 2016).

- IPsoft, “Amelia: Mortgage Broker Agent at a Global Bank”, 2016. Disponible en

(verificado el 29 de junio de 2016).

- The Digital Insurer, “Praedicat make the world a safer place”, 2016. Disponible en

(verificado el 15 de agosto de 2016).

- Tantzen, B., “Connected Machines: Reducing Unplanned Downtime and Improving

Service”, 6 de octubre de 2015. Disponible en (verificado el 29 de junio de 2016).

- Fong, Marla, “BMW’S Driverless cars heading to China”, TechDrive, 29 de septiembre

de 2014. Disponible en (verificado el 29 de junio de 2016).