El impacto económico de la IA ha dejado de ser una discusión confinada a laboratorios, consejos de administración y departamentos de innovación. Un grupo de más de 200 economistas, investigadores en inteligencia artificial y líderes tecnológicos ha firmado la declaración We Must Act Now , un texto breve, casi deliberadamente austero, que advierte de una transformación económica potencialmente mayor que la Revolución Industrial, aunque concentrada en un plazo mucho más corto. La iniciativa, organizada por Erik Brynjolfsson, Ajay Agrawal, Anton Korinek y Tom Cunningham, cuenta con el respaldo de 16 premios Nobel, según el Stanford Digital Economy Lab.
La relevancia del documento no reside solo en su tono de advertencia. También en quiénes lo firman. Entre los apoyos figuran economistas que han defendido visiones distintas sobre el alcance de la IA, desde académicos más optimistas sobre sus efectos en productividad hasta voces escépticas sobre las promesas de Silicon Valley. Esa convergencia no elimina las discrepancias, pero desplaza el centro del debate: la cuestión ya no es únicamente si la inteligencia artificial generativa elevará la productividad, sino si las economías cuentan con instrumentos suficientes para absorber una posible aceleración del cambio.
El texto plantea tres ideas principales. La IA podría volverse radicalmente más potente durante la próxima década. Ese salto podría provocar riesgos, incluida una sustitución laboral a gran escala, y oportunidades, como mejoras significativas en los niveles de vida. Y economistas, responsables públicos y líderes tecnológicos deberían anticipar incentivos, límites institucionales y políticas que orienten la tecnología hacia usos complementarios al trabajo humano.
El llamamiento no contiene recomendaciones de política concretas, pese a reclamar una respuesta urgente. Esa ausencia sitúa a gobiernos y empresas ante una cuestión todavía sin resolver: los expertos coinciden en que conviene actuar, pero no existe una arquitectura compartida para medir el fenómeno, priorizar riesgos o definir qué mecanismos deberían aplicarse antes de que la adopción se extienda de forma desigual por sectores y ocupaciones.
El empleo concentra la tensión del impacto económico de la IA
La sustitución de trabajadores concentra buena parte de la tensión del debate. Desde la industria tecnológica se ha anticipado durante años que la IA asumirá una proporción creciente de tareas cognitivas, desde funciones administrativas hasta programación, creación de contenidos o actividades comerciales. La economía académica ha tendido a mirar esas previsiones con más cautela, apoyada en una experiencia histórica menos lineal: las tecnologías de propósito general eliminan ocupaciones, alteran salarios y desplazan poder dentro de las empresas, aunque sus efectos finales sobre el empleo dependen de la aparición de nuevos sectores, perfiles profesionales y formas de organización que rara vez son visibles al inicio del ciclo.
La advertencia actual introduce un matiz temporal. Incluso si la IA terminara elevando la productividad y generando nuevos empleos, el tránsito podría ser más abrupto que en anteriores revoluciones tecnológicas. Daron Acemoglu, premio Nobel y profesor del MIT, ha señalado que un impacto equivalente al de los robots industriales, aplicado en menos tiempo y sobre el trabajo de oficina, tendría costes elevados para los medios de vida de millones de personas. Su firma resulta especialmente relevante porque Acemoglu ha sido una de las voces más críticas con las previsiones expansivas sobre productividad asociadas a la IA.
The Washington Post interpretó la declaración como un reflejo de una tensión persistente: Silicon Valley tiende a anticipar una automatización profunda y rápida, mientras parte de la economía académica recuerda que predecir los efectos laborales de una tecnología nueva suele ser extraordinariamente difícil. Esa dificultad aumenta cuando la tecnología no se limita a una industria, sino que se incrusta en software, atención al cliente, análisis financiero, educación, desarrollo de producto, marketing o servicios profesionales.
En el caso de las empresas españolas, la adopción de IA generativa empieza a influir en decisiones de contratación, externalización, formación interna y rediseño de procesos, con efectos que no se limitan a los departamentos tecnológicos. El riesgo operativo aumenta cuando la automatización se incorpora antes de disponer de métricas robustas sobre calidad, responsabilidad, sesgos, dependencia de proveedores o pérdida de conocimiento interno, una tensión especialmente visible en sectores regulados como banca, seguros, salud o energía, donde la presión competitiva convive con restricciones legales y reputacionales.
La insistencia de la declaración en que la IA complemente a los humanos, en lugar de limitarse a imitarlos, apunta a una disputa económica de fondo. Los sistemas orientados a sustituir tareas pueden reducir costes a corto plazo, aunque tienden a concentrar beneficios en organizaciones con capital, datos y capacidad de despliegue, mientras que los usos dirigidos a ampliar capacidades laborales exigen inversión en formación, rediseño organizativo y nuevas métricas de productividad. La diferencia no pesa igual para una pyme, una gran tecnológica o una administración pública.
Medir la transformación sigue siendo el punto débil
La advertencia de Stanford llega en un momento en el que la medición del impacto económico de la IA sigue fragmentada. Brynjolfsson ha defendido que la industria necesita mejores herramientas para observar la difusión real de la tecnología y sus efectos sobre el empleo. Fortune recogió esa preocupación con una metáfora utilizada por Tom Cunningham: «Estamos conduciendo en la niebla». La frase resume una paradoja conocida por los directivos tecnológicos: nunca ha habido tantos datos sobre actividad digital, pero los indicadores agregados siguen ofreciendo señales incompletas sobre sustitución laboral, productividad y creación de valor.
El Stanford Digital Economy Lab lanzó en junio de 2026 el proyecto AI Economic Indicators, concebido para reunir datos actualizados, paneles interactivos y metodologías de investigación sobre la huella económica de la IA. La propia existencia de este tipo de instrumentos revela que el debate ha entrado en una fase más empírica. Ya no basta con contar herramientas disponibles, inversión de capital riesgo o número de usuarios. Importa saber quién adopta IA, para qué tareas, con qué efectos sobre salarios, productividad, contratación y movilidad profesional.
Ahí aparece otra dificultad. El concepto de exposición a la IA no tiene una definición única. Algunas mediciones analizan el uso real de herramientas como Claude o Copilot; otras evalúan qué tareas podría realizar teóricamente un sistema avanzado; otras rastrean ofertas de empleo que mencionan competencias de IA. Los resultados no siempre coinciden. Fortune citó el análisis de Torsten Slok, economista jefe de Apollo Global Management, para advertir de que los marcos teóricos suelen arrojar niveles de exposición más altos que las mediciones basadas en uso efectivo.
Entre la capacidad técnica de automatizar una tarea y su adopción rentable dentro de una empresa median costes de integración, riesgos legales, baja calidad de salida, resistencia organizativa, dependencia de datos internos o simple falta de retorno. Esa distancia puede distorsionar tanto las decisiones corporativas como las políticas públicas, al sobredimensionar despidos potenciales, infravalorar necesidades de formación o apoyar diagnósticos sobre indicadores demasiado amplios.
En contraste, ignorar las señales tempranas también tiene coste. Si los efectos aparecen primero en trabajadores jóvenes, tareas de entrada o perfiles administrativos, los datos agregados pueden seguir mostrando estabilidad mientras algunos segmentos del mercado laboral se deterioran. Esa asimetría preocupa a los firmantes: la transformación puede no presentarse como una crisis visible al principio, sino como una erosión gradual de oportunidades en ocupaciones concretas.
Gobernanza, productividad y reparto de beneficios
El llamamiento sitúa a los responsables públicos junto a economistas y líderes tecnológicos. No es una elección casual. La distribución de los beneficios de la IA dependerá de decisiones empresariales, pero también de fiscalidad, competencia, educación, protección social, normas laborales y supervisión sectorial. Michael Spence, premio Nobel y profesor emérito de la Universidad de Nueva York, reclamó un enfoque de «todos manos a la obra» ante la escala, el alcance y la velocidad del avance tecnológico.
La comparación con la Revolución Industrial funciona como advertencia y como límite. Aquel proceso transformó producción, transporte, urbanización y relaciones laborales durante décadas. La IA, si mantiene su ritmo de mejora, podría alterar servicios y trabajo cognitivo en menos tiempo. Sin embargo, el resultado no está determinado por la tecnología aislada. Ajay Agrawal, profesor en la Rotman School of Management de la Universidad de Toronto, ha planteado que la cuestión central será si el aumento de capacidades eleva de forma amplia los niveles de vida o concentra riqueza en una minoría con control sobre modelos, infraestructura y datos.
Para España y la Unión Europea, la discusión conecta con una agenda regulatoria ya avanzada, pero no cerrada en términos económicos. La regulación de riesgos, transparencia y responsabilidad algorítmica puede reducir daños, aunque no resuelve por sí sola la adaptación del mercado laboral. Las compañías, mientras tanto, se mueven en un terreno menos teórico: decidir qué procesos automatizar, qué competencias preservar, cómo renegociar relaciones con proveedores tecnológicos y qué grado de dependencia aceptar respecto a modelos desarrollados fuera de Europa.
El documento firmado por economistas y tecnólogos no ofrece una hoja de ruta. Más bien señala una carencia concreta: la preparación institucional sigue por detrás de la velocidad tecnológica, desde la medición del impacto hasta el diseño de incentivos, la investigación aplicada y la capacidad de reacción. También obliga a mirar una disyuntiva que muchas organizaciones prefieren aplazar: la IA puede mejorar márgenes y productividad, pero la forma concreta de desplegarla determinará si amplía capacidades humanas o convierte una parte del conocimiento profesional en coste reducible.
La próxima fase de adopción pondrá a prueba esa diferencia. Las empresas que integren IA sin rediseñar puestos, formación y gobernanza interna podrían ganar velocidad mientras acumulan fragilidad operativa. Las que esperen a disponer de certezas completas quizá lleguen tarde a cambios que ya se están transformando áreas de soporte, análisis, desarrollo y gestión. Entre ambos extremos se jugará buena parte del impacto económico de la IA en los próximos años.
