El año 1995 fue anunciado como el comienzo de la «Nueva Economía». La comunicación digital se preparó para levantar mercados y cambiar todo. Pero los economistas en general no compraron el bombo. No fue que no reconociéramos que algo cambió. Fue cuando reconocimos que el viejo lente económico seguía siendo útil para examinar los cambios que se estaban produciendo. La economía de la «Nueva Economía» podría describirse a un alto nivel: la tecnología digital provocaría una reducción en el costo de búsqueda y comunicación. Esto conduciría a más búsqueda, más comunicación y más actividades que van junto con la búsqueda y la comunicación. Eso es esencialmente lo que pasó.
Hoy estamos viendo un bombo similar acerca de la inteligencia de máquinas. Pero una vez más, como economistas, creemos que se aplican algunas reglas simples. Las revoluciones tecnológicas tienden a implicar una actividad importante que se vuelve barata, como el costo de la comunicación o la búsqueda de información. La inteligencia artificial es, en su esencia, una tecnología de predicción, por lo que el cambio económico se centrará alrededor de una caída en el costo de la predicción.
El primer efecto de la inteligencia artificial será reducir el costo de los bienes y servicios que dependen de la predicción. Esto importa porque la predicción es una aportación a una serie de actividades que incluyen el transporte, la agricultura, la salud, la fabricación de energía y el comercio minorista.
Cuando el costo de cualquier insumo cae tan precipitadamente, hay otras dos implicaciones económicas bien establecidas. Primero, comenzaremos a usar la predicción para realizar tareas donde antes no lo hicimos. Segundo, el valor de otras cosas que complementan la predicción aumentará.
Muchas tareas se replantearán como problemas de predicción
A medida que la inteligencia artificial reduce el costo de la predicción, comenzaremos a usarla como una entrada para cosas por las que nunca antes hicimos. Como ejemplo histórico, consideremos los semiconductores, un área de avance tecnológico que provocó una caída significativa en el costo de un insumo diferente: la aritmética. Con los semiconductores podríamos calcular a bajo costo, por lo que las actividades para las que la aritmética era un insumo clave, como el análisis de datos y la contabilidad, se volvieron mucho más baratas. Sin embargo, también empezamos a utilizar la aritmética recientemente barata para resolver problemas que no eran históricamente problemas aritméticos. Un ejemplo es la fotografía. Cambiamos de un enfoque basado en la química orientado al cine a un enfoque basado en la aritmética orientada a la digitalización. Otras aplicaciones nuevas para aritmética barata incluyen comunicaciones, música y descubrimiento de drogas.
Lo mismo ocurre con la inteligencia artificial y la predicción. A medida que disminuya el costo de la predicción, no sólo serán más baratas las actividades históricamente orientadas a la predicción, como la gestión de inventarios y la previsión de la demanda, sino que también utilizaremos la predicción para abordar otros problemas para los que la predicción no fue históricamente una aportación.
Considere la navegación. Hasta hace poco, la conducción autónoma se limitaba a entornos altamente controlados, tales como almacenes y fábricas donde los programadores podían anticipar la gama de escenarios que un vehículo podría encontrar, y podían programar algoritmos de decisión de tipo «entonces «si un objeto se acerca al vehículo, entonces desaceleración»). Era inconcebible poner un vehículo autónomo en una calle de la ciudad porque el número de posibles escenarios en un entorno tan incontrolado requeriría programar un número casi infinito de declaraciones if-then-else.
Inconcebible, es decir, hasta hace poco. Una vez que la predicción se hizo barata, los innovadores replantearon la conducción como un problema de predicción. En lugar de programar interminables declaraciones if-then-else, simplemente pidieron a la IA que predijera: «¿Qué haría un conductor humano?» Equiparon a los vehículos con una variedad de sensores (cámaras, LIDAR, radar, etc.) y luego recopilaron millones de millas de datos de conducción humana. Al vincular los datos ambientales entrantes de los sensores situados en el exterior del automóvil a las decisiones de conducción tomadas por el humano dentro del automóvil (dirección, frenado, aceleración), la IA aprendió a predecir cómo reaccionarían los seres humanos a cada segundo de los datos entrantes sobre su entorno. Por lo tanto, la predicción es ahora un componente importante de la solución a un problema que anteriormente no se consideraba un problema de predicción.
El juicio será más valioso
Cuando el costo de una entrada fundacional cae en desplome, a menudo afecta el valor de otras entradas. El valor sube para los complementos y hacia abajo para los sustitutos. En el caso de la fotografía, el valor de los componentes de hardware y software asociados a las cámaras digitales aumentó a medida que el costo de la aritmética disminuyó debido a que la demanda aumentaba — queríamos más de ellos. Estos componentes fueron complementos a la aritmética; se utilizaron juntos. Por el contrario, el valor de los productos químicos relacionados con la película disminuyó; queríamos menos de ellos.
Todas las actividades humanas pueden ser descritas por cinco componentes de alto nivel: datos, predicción, juicio, acción y resultados. Por ejemplo, una visita al médico en respuesta al dolor conduce a: 1) radiografías, análisis de sangre, monitoreo (datos), 2) diagnóstico del problema, como «si administramos el tratamiento A, entonces predecimos el resultado X, pero si administramos el tratamiento B, entonces predecimos el resultado Y» (predicción), 3) opciones de pesaje: «dada su edad , estilo de vida y estado familiar, creo que es mejor con el tratamiento A; vamos a discutir cómo se siente acerca de los riesgos y efectos secundarios» (juicio); 4) administrar el tratamiento A (acción), y 5) recuperación completa con efectos secundarios menores (resultado).
A medida que mejore la inteligencia artificial, el valor de las habilidades de predicción humana disminuirá porque la predicción de máquinas proporcionará un sustituto más barato y mejor para la predicción humana, tal como lo hicieron las máquinas para la aritmética. Sin embargo, esto no significa fatalidad para los trabajos humanos, como sugieren muchos expertos. Eso se debe a que el valor de las habilidades de juicio humano aumentará. Utilizando el lenguaje de la economía, el juicio es un complemento de la predicción y, por lo tanto, cuando el costo de la predicción cae la demanda de juicio aumenta. Vamos a querer más juicio humano.
Por ejemplo, cuando la predicción es barata, el diagnóstico será más frecuente y conveniente, y por lo tanto detectaremos muchas más condiciones de tratamiento en etapas tempranas. Esto significará que se tomarán más decisiones sobre el tratamiento médico, lo que significa una mayor demanda de aplicación de la ética, y de apoyo emocional, que son proporcionados por los seres humanos. La línea entre el juicio y la predicción no es clara: algunas tareas de juicio incluso se replantearán como una serie de predicciones. Sin embargo, en general, el valor de las aptitudes humanas relacionadas con la predicción disminuirá y aumentará el valor de las aptitudes relacionadas con el juicio.
Interpretar el auge de la inteligencia artificial como una caída en el costo de la predicción no ofrece una respuesta a cada pregunta específica de cómo se va a llevar a cabo la tecnología. Pero produce dos implicaciones clave: 1) una función ampliada de la predicción como insumo para más bienes y servicios, y 2) un cambio en el valor de otros insumos, impulsado por la medida en que son complementos o sustitutos de la predicción. Estos cambios están llegando. La rapidez y el grado en que los administradores deben invertir en capacidades relacionadas con el juicio dependerán de la rapidez con que lleguen los cambios.
