Hace poco escuché a Daron Acemoglu en el podcast de Jon Hernández, divulgador y conferenciante español especializado en inteligencia artificial. Acemoglu, economista turco-estadounidense, profesor del MIT y Nobel de Economía 2024 por sus investigaciones sobre el papel de las instituciones en la prosperidad o el fracaso de las naciones, habló en profundidad sobre el impacto de la IA en la economía y la sociedad. De aquella conversación, publicada en julio de 2026, me quedé con varias ideas que me resultaron especialmente relevantes y que quiero comentar en este artículo.
Evolución de la tecnología en explosiones impredecibles
Dicen que rectificar es de sabios, aunque no es algo que veamos a menudo. Acemoglu, sin embargo, abre la conversación haciendo precisamente eso. En 2024 propuso un marco cuantitativo muy conservador sobre el impacto macroeconómico de la IA a diez años vista. Hoy reconoce que la inteligencia artificial ha avanzado más deprisa de lo que él mismo esperaba. A su juicio, la tecnología no progresa en línea recta ni a un ritmo constante, sino a saltos, con explosiones e impulsos muy difíciles de prever. El último de esos impulsos, según él, ha llegado con la IA agéntica. La considera un punto de inflexión que aumentará significativamente el impacto de la inteligencia artificial en la economía real.
La paradoja de la productividad
Sobre el impacto que la IA está teniendo en la productividad, Acemoglu señala una paradoja curiosa:
- Ahorro de tiempo individual (nivel micro): en el día a día, las personas que usan herramientas de IA sí ganan tiempo y resuelven más rápido determinadas tareas concretas.
- Sin impacto macroeconómico (nivel macro): sin embargo, si miramos la economía en su conjunto, todo sigue más o menos igual. Esos minutos u horas que cada uno recupera todavía no se traducen en un aumento medible del crecimiento económico ni de la productividad general de los países.
Esta paradoja explica por qué la inteligencia artificial aún no ha cumplido buena parte de las expectativas macroeconómicas que se habían generado sobre su impacto inmediato. Que yo trabaje más rápido no significa, necesariamente, que el país crezca más.
He de reconocer que esta idea me ha resultado inicialmente contraintuitiva, por eso he investigado un poco más sobre los argumentos que Acemoglu suele explicar para apoyar su tesis.
Imaginemos un caso práctico. Una analista SEO tarda una hora en redactar un informe. Con ayuda de la IA, lo termina en 20 minutos. Ha ganado 40 minutos, sin duda. Pero entre ese ahorro y las estadísticas de productividad de un país hay varios filtros que lo van reduciendo hasta dejarlo en muy poco.
Los filtros que diluyen el ahorro
- La IA solo afecta a una parte pequeña del trabajo. Redactar un correo o resumir un documento, sí. Reparar una caldera, cuidar a una persona mayor, construir una casa o conducir un camión, de momento no. Si sumamos todas las horas trabajadas en un país, la proporción que la IA puede transformar es limitada.
- No siempre compensa aplicarla. Que una tarea pueda hacerse con IA no significa que a la empresa le salga rentable cambiar procesos, formar a la plantilla, pagar licencias y asumir riesgos. Solo una fracción de las tareas expuestas acaba cambiando de verdad.
- El ahorro por tarea es moderado. Hay que revisar lo que genera la IA, corregir errores, verificar datos, etc. Un 20 o 30 % de ahorro en una tarea está muy bien, pero no es un 100 %.
- El tiempo ahorrado no siempre se convierte en más producción. Volvamos a nuestra analista SEO y a sus 40 minutos. Puede dedicarlos a sacar adelante más trabajo útil, pero también a más reuniones, más correos, a pulir detalles que nadie le ha pedido o, simplemente, a respirar un poco. Para que ese ahorro se note en la economía tiene que convertirse en más bienes o servicios producidos, y eso no ocurre por sí solo.
- Las organizaciones van más despacio que la tecnología. Hay que tener en cuenta, además, que sacar partido de verdad a una tecnología exige rediseñar procesos, puestos de trabajo y modelos de negocio. Y eso lleva años. Ya ocurrió con los ordenadores: a finales de los 80, el economista Robert Solow comentaba que se veían ordenadores por todas partes menos en las estadísticas de productividad. El impacto acabó llegando, pero con bastante retraso.
Así pues, la percepción individual es real, pero el ahorro se va diluyendo al pasar de la tarea a la persona, de la persona a la empresa y de la empresa al país. Acemoglu no sostiene que la IA no sirva para nada, sino que su efecto macroeconómico es, por ahora, mucho más pequeño que las expectativas que se han generado a su alrededor.
La IA pro-trabajador vs la IA que sustituye al trabajador
Llegados a este punto la entrevista se pone muy interesante. Daron explica que existen dos vías de desarrollo de la IA:
- IA de automatización (sustitución): está pensada para hacer el mismo volumen de trabajo con menos personas. Permite a las empresas recortar costes de plantilla y que los trabajadores que quedan sean más productivos, pero, no genera riqueza real para el país ni hace crecer el PIB en su conjunto.
- IA pro-trabajador (capacitación): consiste en ofrecer herramientas que amplíen las habilidades de la plantilla, de modo que las personas puedan asumir tareas más complejas, aprender nuevas competencias y crear productos, servicios y modelos de negocio que antes no existían. Para el economista, es la vía que combina la potencia de la tecnología con la creatividad humana para hacer crecer la economía.
Hacia dónde va la industria
Acemoglu advierte que la carrera actual de Silicon Valley y la búsqueda de la inteligencia artificial general (AGI) están casi por completo orientadas a la automatización masiva.
Como ejemplo, cita las previsiones de algunos líderes del sector, como Dario Amodei (Anthropic), sobre la desaparición de puestos de nivel de entrada o júnior. A su juicio, seguir esta trayectoria supone un riesgo muy alto de desempleo estructural1, algo especialmente preocupante en países con mucho paro juvenil, como es el caso de España.
¿Qué queremos como sociedad?
Daron sostiene, y no puedo estar más de acuerdo con él, que las sociedades democráticas debemos hacernos las preguntas clave sobre el uso de la tecnología. Preguntas como esta: ¿queremos máquinas que hagan nuestro trabajo o máquinas que nos ayuden a hacerlo mejor?
Como individuos y como sociedad debemos participar de forma activa en la vida económica y social. Para hacerlo de manera informada y consciente debemos tener acceso a información relevante e imparcial.
Hay, además, un riesgo que Acemoglu considera especialmente grave para la sociedad y la democracia: que las decisiones sobre cómo desarrollar esta tecnología se concentren en un grupo muy reducido de directivos y empresas.
La alternativa que propone
Frente al escenario actual de concentración del poder en manos de unas pocas empresas, el economista defiende un modelo de IA descentralizada y pro-trabajador que no solo mantendría el empleo actual, sino que crearía nuevas ocupaciones y nuevos roles.
Para cambiar de rumbo, considera imprescindible que la sociedad y los gobiernos dejen de limitarse a reaccionar ante lo que deciden las grandes tecnológicas, y que utilicen el proceso democrático y la regulación para exigir una IA que capacite a las personas en lugar de reemplazarlas.
Regulación anticipatoria
Para Acemoglu, si la IA es una tecnología global, la regulación también tiene que serlo. Y, sobre todo, tiene que ser proactiva y nacer del debate democrático.
Su planteamiento es que la sociedad debe decidir qué quiere de la IA, en lugar de limitarse a reaccionar ante lo que le van presentando las grandes empresas tecnológicas.
¿Quién está regulando bien la inteligencia artificial? Según Daron Acemoglu, nadie del todo. En la entrevista repasa los modelos de regulación por regiones y concluye que falta una visión global que se adelante a los problemas en lugar de ir detrás de ellos.
Estados Unidos: un modelo reactivo y bloqueado
Acemoglu describe la actuación estadounidense como eminentemente reactiva: se interviene solo cuando surge un problema puntual con un modelo concreto.
Además, señala que Silicon Valley recurre una y otra vez a la "amenaza de China" como argumento para frenar cualquier intento de regulación interna.
Europa: la ilusión regulatoria
En el caso de la Unión Europea, el economista habla directamente de una "ilusión": la de pensar que se puede regular la IA a escala mundial sin ser un líder tecnológico.
A su juicio, es imposible influir en el rumbo de una tecnología si no se tiene un papel activo y relevante en su desarrollo y en su innovación. Dicho de otro modo, cuesta marcar las reglas del juego cuando no se está jugando el partido.
China: coherencia, pero autoritaria
Acemoglu considera que China es el único país con una política de regulación de la IA coherente e integrada. Eso sí, advierte que responde a objetivos autoritarios y represivos, incompatibles con una sociedad democrática.
Dentro de ese enfoque, destaca dos aspectos: por un lado, el gobierno chino está probando medidas para desincentivar los despidos masivos, lo que frena el ritmo de la automatización; por otro, fomenta la integración de la IA en la industria manufacturera.
Posibles medidas para amortiguar el impacto de la IA en el empleo
En la entrevista, Daron Acemoglu repasa con detalle las tres propuestas económicas que más se suelen debatir. Y ninguna le convence del todo.
Trabajar menos horas cobrando lo mismo
Es una idea que le parece totalmente desacertada. Su argumento es puramente económico. Imaginemos que reducimos la jornada de 40 a 20 horas semanales manteniendo el mismo salario. El coste real por hora de cada persona trabajadora se duplica. Si las empresas ya tenían motivos para automatizar con el coste laboral anterior, al encarecer todavía más el trabajo humano esos motivos se disparan. Es decir, la medida acabaría acelerando la sustitución que pretendía frenar.
¿Y si la impone el gobierno por ley?
Jon Hernández le plantea esta posibilidad en la entrevista, y aquí Acemoglu hace un pequeño matiz. Admite que quizás podría funcionar, en un sentido concreto: si la norma es igual para todas las empresas, ninguna queda en desventaja frente a su competencia por aplicarla por su cuenta.
Sin embargo, enseguida advierte que la obligación legal no resuelve el problema de fondo:
- Aumenta la presión para automatizar: aunque la ley afecte a todo el tejido empresarial, cada hora de trabajo humano sigue siendo mucho más cara. Y eso da a las compañías todavía más incentivos para acelerar la automatización y sustituir personas por tecnología.
- Efecto contrario en el empleo: incluso si la ley intentara limitar o prohibir los despidos, el resultado neto sería que las empresas tendrían aún más motivos para recortar plantilla en cuanto pudieran o para dejar de contratar perfiles júnior.
En resumen, la vía legislativa sería la única manera de aplicar la medida sin que cada empresa se hundiera por separado. Aun así, Acemoglu la sigue considerando contraproducente, porque encarece el trabajo humano justo en el momento en que la tecnología busca sustituirlo.
Un impuesto a la IA o a los robots
Aquí Acemoglu es algo más benévolo. Considera que un impuesto sobre la implantación de la IA sería útil si el problema fuera que la tecnología se está adoptando muy rápido en las empresas.
Pero, a su juicio, ese no es el problema. La adopción en la economía real sigue siendo lenta e incompleta en la mayoría de sectores. Lo que va demasiado rápido es el desarrollo de los modelos en los laboratorios, y además en una dirección orientada casi exclusivamente a la automatización. Por eso, un impuesto a la adopción no ataca la raíz del problema, aunque reconoce que es mejor que no hacer nada.
La renta básica universal
Acemoglu admite que una renta básica universal es preferible a dejar a la población sin ninguna red de seguridad. Sin embargo, no la ve como una solución real.
La renta básica no crea empleo ni devuelve a las personas su papel activo en la sociedad. Para el economista, la ciudadanía necesita un trabajo con sentido para participar en la vida pública y mantener su autonomía. Desde este punto de vista, considera que la renta básica parte de una postura derrotista: se limita a financiar la subsistencia de quienes se han quedado sin trabajo, en lugar de garantizar que sigan formando parte de la economía.
La alternativa: cambiar la dirección de la tecnología
Acemoglu vuelve a su idea de reorientar la innovación hacia una IA pro-trabajador. Opina que la solución no pasa por poner parches para repartir la riqueza una vez destruido el empleo, sino por actuar antes aplicando un modelo descentralizado que combine la capacidad técnica de la IA con la creatividad humana para crear nuevas profesiones, productos y servicios.
En definitiva, más que repartir mejor lo que queda después del golpe, Acemoglu propone cambiar la dirección de la tecnología para que el golpe no llegue.
Riesgo de burbuja financiera
Por último, me detendré en un tema de su entrevista que puede sonar menos “elevado” que los anteriores pero que puede tener un impacto enorme en el ciclo económico global y en el bolsillo de los pequeños inversores que estamos expuestos, en mayor o menor medida, a inversiones vinculadas a la IA.
¿Estamos ante una burbuja financiera en el sector de la inteligencia artificial? Daron Acemoglu cree que sí, y su diagnóstico apunta a modelos de negocio que no salen a cuenta y a un riesgo real de colapso en cadena.
Vender dólares a cambio de céntimos
Según Acemoglu, las empresas de IA están vendiendo capacidad de cómputo y suscripciones muy por debajo de lo que les cuesta producirlas. Con cuotas de 20 dólares al mes o tarifas reducidas por token, estarían entregando entre 35 y 70 veces más valor del que ingresan.
A esto se suman unas inversiones descomunales en infraestructura y entrenamiento. Para recuperar lo que están gastando OpenAI, Anthropic, Google, Meta o xAI, haría falta ingresar cerca de un billón de dólares al año. Y, en su opinión, hoy no existe ningún modelo de negocio capaz de generar ni una fracción de esa cifra.
¿Y qué ocurre con las empresas que anuncian que ya son rentables? Acemoglu habla directamente de contabilidad creativa: se calcula el coste de la inferencia (el uso diario del modelo), pero se dejan fuera los enormes costes del preentrenamiento y parte de los gastos se trasladan a años posteriores.
El riesgo de que la IA se convierta en un producto genérico
Aunque el uso de la IA siga creciendo, existe un riesgo alto de que los modelos de lenguaje acaben siendo un producto genérico (commodity2), intercambiables entre sí.
Si alternativas de código abierto o modelos destilados3 como DeepSeek ofrecen un rendimiento parecido a un coste mínimo, las grandes empresas se verán obligadas a bajar sus precios hasta el coste marginal4. Sin margen para cobrar más, no podrán recuperar lo invertido en entrenamiento e infraestructura, y algunas podrían quebrar.
Hay que tener en cuenta, además, que esa inversión se deprecia muy rápido. Las GPU tienen una vida útil de apenas uno o dos años, de modo que el capital invertido pierde valor a gran velocidad.
NVIDIA y el efecto dominó
Para Acemoglu, la valoración de NVIDIA no está necesariamente inflada mientras sus grandes clientes sigan comprando chips por cientos de miles de millones al año. El problema es que ese ritmo depende de que el capital riesgo siga financiando unas pérdidas enormes de forma indefinida.
Y aquí aparece el riesgo de contagio. Las compañías están muy interconectadas entre sí (unas son clientes, proveedoras o inversoras de otras). Si los inversores cierran el grifo y una gran empresa cae por falta de ingresos, arrastraría consigo a sus proveedores de infraestructura y provocaría un ajuste brusco en todo el mercado.
La necesidad de alimentar el hype
Para que este engranaje siga funcionando, las empresas necesitan mantener vivo el hype (expectación desmedida). Como pierden dinero en cada operación, inflar el relato sobre lo que la IA es capaz de hacer se convierte en la única manera de atraer nuevas rondas de inversión que paguen la factura de energía y de hardware.
Para Acemoglu, el problema no es que la IA no sea útil, sino que nadie ha encontrado todavía la forma de que sea rentable al ritmo que exige el dinero que se está invirtiendo en ella.
¿Cuándo explotará la burbuja de la IA?
Eso me gustaría saber a mí también 😅. Naturalmente Acemoglu no puede dar ninguna fecha. Nadie lo sabe, y conviene desconfiar de quien diga lo contrario. Las burbujas solo se identifican con claridad cuando ya han estallado, y casi nunca hay un desencadenante evidente que se pueda prever de antemano.
Lo que sí se puede hacer es identificar los posibles detonantes, y salen directamente del diagnóstico de Acemoglu:
- Que el capital riesgo cierre el grifo. Todo el engranaje depende de que los inversores sigan financiando pérdidas.
- Que los modelos se conviertan en un producto genérico (commodity). Si alternativas baratas o de código abierto se ponen al nivel, los precios caen y nadie recupera lo invertido.
- Que caiga un actor grande. Por la interconexión entre empresas, una quiebra arrastraría a proveedores de cómputo y fabricantes de chips.
-
Paro duradero causado por la desaparición de ciertos tipos de trabajo, no por una crisis pasajera. ↩
-
Producto o servicio estándar, prácticamente idéntico entre proveedores, que compite casi solo en precio. ↩
-
Modelos de IA más pequeños y eficientes entrenados para imitar las respuestas de un modelo más grande, conservando buena parte de su rendimiento a un coste mucho menor. ↩
-
Lo que cuesta producir una unidad más. En un modelo ya entrenado, atender una consulta adicional cuesta relativamente poco. ↩