Ganancias económicas de la IA y concentración ocupacional: qué puede y qué no puede inferirse de los datos globales de uso

El Working Paper 2026/147 del Fondo Monetario Internacional utiliza cinco olas del Anthropic Economic Index entre enero de 2025 y febrero de 2026 para estimar cómo se distribuye el valor de uso observado de inteligencia artificial entre ocupaciones y países. Los autores proponen dos medidas: un índice de concentración de IA (ACI) y un “labor cost equivalent” (LCE), que valora el tiempo ahorrado al costo laboral correspondiente.

Bajo sus supuestos, el LCE agregado alcanza aproximadamente US$2,7 billones anuales, equivalente a 3,4% del PIB combinado de 86 economías analizadas. El propio estudio subraya que esta cifra no es una estimación de aumento de PIB: representa el valor laboral indicativo del tiempo ahorrado y no incorpora plenamente reasignación, demanda, precios, competencia, desplazamiento laboral ni la conversión efectiva de tiempo liberado en producción adicional.

El resultado más estratégico no es la cifra agregada, sino su distribución. En economías en desarrollo, el valor observado del uso de IA aparece extremadamente concentrado en pequeños enclaves profesionales, con índices cercanos a 1 en algunos casos. En economías de ingreso alto, la concentración media se sitúa alrededor de 0,4–0,5 y muestra señales de descenso conforme el uso se difunde hacia más ocupaciones.

Esto significa que dos países con acceso a modelos similares pueden capturar beneficios muy diferentes. Infraestructura digital, idioma, composición ocupacional, preparación regulatoria, capital humano y capacidad empresarial condicionan la difusión.

El LCE multiplica tiempo ahorrado estimado por costos laborales. Es útil para dimensionar actividad asistida por IA, pero no debe confundirse con ingresos empresariales, excedente del consumidor, aumento de productividad total de factores ni crecimiento del PIB. Parte del tiempo ahorrado puede convertirse en más producción; parte puede reducir horas trabajadas; parte puede desaparecer por tareas de revisión o por nuevas demandas.

La cifra también depende de supuestos sobre penetración de mercado y representatividad de una sola plataforma de IA. Los autores presentan el indicador como una medida aproximada de ganancias implícitas en el uso actual, no como contabilidad nacional oficial.

Hecho confirmado: el estudio observa difusión de IA y grandes diferencias de concentración ocupacional. Inferencia razonable: capturar productividad requerirá complementar modelos con rediseño de procesos, formación y adopción en sectores fuera del núcleo tecnológico. Hipótesis: las economías con mayor difusión convertirán de manera proporcional ese ahorro de tiempo en crecimiento; esto no está demostrado.

Para Capitalis, separar tecnología, productividad y valoración es esencial. Un gran potencial de ahorro laboral no justifica cualquier valoración de mercado de empresas de IA, ni demuestra que los beneficios se distribuirán entre trabajo y capital de una forma determinada.

El paper ofrece una de las primeras aproximaciones globales basadas en uso observado para cuantificar la escala del tiempo laboral asistido por IA. Su principal valor es comparativo: revela que la difusión importa tanto como la capacidad del modelo.

La política económica debería vigilar no solo “cuánta IA” usa una economía, sino quién puede emplearla productivamente, qué ocupaciones quedan excluidas, cómo se transforma el empleo y si el tiempo ahorrado se convierte en bienestar o producción. Este análisis es investigación, no recomendación de inversión.