Matemáticas en la economía: transformando el caos en valor

Abril de 2023


En la introducción de su Frankenstein o el moderno Prometeo (1831), Mary Shelley argumentaba que la innovación no consistía en inventar algo a partir de la nada, sino que implicaba crear a partir del caos. Esta afirmación tiene una relevancia especial en el contexto actual, debido a los recientes avances en materia de Inteligencia Artificial, y particularmente en los Modelos de Lenguaje Grande (LLM, por sus siglas en inglés).

Al fin y al cabo, el objetivo de este tipo de modelos es detectar patrones dentro de la inmensidad -caótica- del lenguaje humano, a través del cual transmitimos nuestra experiencia, historia y tradición. Shelley decía que, a través de la innovación, el ser humano le daba forma al caos; si esto es cierto y la IA puede generar un valor tangible y económico a partir de relaciones aparentemente incoherentes, es todo gracias a las matemáticas.

En 2021, la Universidad de Sevilla comisionó a Afi la estimación del peso económico de las matemáticas en España y en Andalucía. El objetivo era saber qué porcentaje del Producto Interior Bruto (PIB) y de los trabajadores de nuestro país (y de Andalucía) dependían tanto del conocimiento matemático, como de su aplicación práctica. El informe concluía que, para la economía española en 2019, el peso de las matemáticas era equivalente a casi 250.000 millones de euros, lo que equivalía al 21,6% del PIB de ese año. Además, cerca de 3,3 millones de puestos de trabajo dependían, de una manera u otra, de las matemáticas.

En el contexto actual, a medida que la Inteligencia Artificial continúe desarrollándose en alcance y complejidad, el papel de las matemáticas se volverá todavía más importante. El ejemplo más reciente son los avances significativos en el funcionamiento de los chatbots (como el ChatGPT). Tras sus interfaces de usuario, hay una gran cantidad de procesos intensivos en matemáticas, como los modelos probabilísticos que predicen la aparición de diferentes palabras o frases en un texto, o los algoritmos de optimización que permiten el procesamiento de inmensas cantidades de parámetros en estos modelos, y cuyas capacidades de procesamiento actuales ya han sido comparadas con las del propio cerebro humano. Gracias a la aplicación de todo este conocimiento, los LLM pueden procesar importantes cantidades de texto para realizar tareas básicas como la generación predictiva, la traducción automática, o la respuesta a preguntas, entre otras.

¿Hasta qué punto puede la Inteligencia Artificial potenciar el crecimiento económico y, por ende, expandir la penetración de las matemáticas en los procesos productivos? Al analizar los determinantes de la producción de un tejido productivo en particular, los economistas solemos utilizar la famosa función Cobb-Douglas. Este modelo asocia la producción (Y) al número de trabajadores (L, factor trabajo), y al capital físico (K, factor capital), donde también se incluye el tecnológico. Pues bien, las matemáticas -en este caso, a través de la Inteligencia Artificial- tienen el potencial de afectar a la eficiencia con la que se utilizan ambos recursos productivos en la economía, tanto del capital como del trabajo. Cobb-Douglas mide esta eficiencia a través de la Productividad Total de los Factores (A), y suele representar el progreso tecnológico y avances en la productividad.

Desde hace décadas, la productividad en España ha sido una de las más bajas de las principales economías mundiales, y su evolución es considerada como uno de los problemas estructurales más importantes de nuestro tejido productivo. Esto ocurre porque el crecimiento de la economía española se ha apoyado en la acumulación de ambos factores de producción, y no tanto en la mejora de su eficiencia. Por ello, es importante incorporar elementos en el proceso productivo que permitan maximizar el valor añadido que generan los inputs económicos. Según datos del Banco de España, la calidad del capital humano como factor contributivo a estas mejoras en la eficiencia es muy parecida a la media europea. Sin embargo, nuestra economía todavía debe incrementar sus inversiones en capital tecnológico e innovación para converger con nuestros pares a nivel continental, quizás incrementando el peso de actividades intensivas en matemáticas en el proceso productivo. Sobre el potencial beneficio, y a modo de ejemplo, en el informe de Afi sobre el valor económico de las matemáticas, se concluyó que la productividad laboral media de un hipotético sector matemático sería de 99.000 euros, un 54,4% por encima de la media nacional.

La incorporación de la Inteligencia Artificial en el entramado productivo español podría ser también un vector de ganancias en eficiencia. Por el lado del factor capital (K), se podrían desarrollar soluciones todavía más innovadoras en ámbitos como la Industria 4.0 o el Internet de las Cosas (IoT). Para el factor trabajo (L), la IA puede contribuir en la automatización de procesos, y en ahorros de tiempo de ejecución en muchas tareas que hoy en día realizamos los humanos. Además, también podría poner a disposición del trabajador una capacidad analítica que hasta ahora requería de una alta y muy específica especialización técnica (por ejemplo, en términos de analítica de datos).

En este sentido y por el momento, existen pocas estimaciones fiables sobre el impacto económico de la incorporación de la Inteligencia Artificial en el tejido productivo, ya que todavía hay mucha incertidumbre acerca de su verdadera capacidad de permeabilidad y potencial de difusión en las empresas y usuarios. Para los modelos LLM, Afi ha realizado una primera aproximación de su potencial impacto económico. Esta estimación concluye que estos modelos tienen el potencial de afectar al 26% de los trabajadores en España, equivalentes a casi 5,2 millones de ocupados. Según esta nota, este impacto podría generar ganancias netas de eficiencia, por lo que la productividad promedio de la economía podría incrementarse cerca del 15%, aumentando tanto la remuneración a los asalariados como el valor añadido (PIB). Sin embargo, la nota también subraya que la Inteligencia Artificial podría ser un elemento sustitutivo del factor trabajo, por lo que su impacto negativo sobre el mercado laboral podría ser equivalente a esas mismas magnitudes, disminuyendo el peso del factor trabajo (L en la función Cobb-Douglas), por lo que su introducción debería analizarse y planearse con cautela. Y es que, como Percy Shelley también escribió, la precaución es la parte más valiosa de la prudencia.