¿Cuánto valor económico genera hoy la IA y quién lo captura? Lectura crítica del Working Paper 2026/147 del FMI
El estudio estima un equivalente de costo laboral de aproximadamente US$2,7 billones anuales a partir de datos de uso, pero advierte que no es una medida directa de PIB, bienestar ni rentabilidad y que las ganancias están mucho más concentradas en economías en desarrollo.
Resumen ejecutivo · Executive summary · Sintesi esecutiva
Español: Fan y Nguyen utilizan cinco olas del Anthropic Economic Index entre enero de 2025 y febrero de 2026 para construir dos medidas: Labor Cost Equivalent (LCE), que aproxima el valor salarial del tiempo potencialmente ahorrado por uso de IA, y AI Concentration Index (ACI), que mide qué tan concentradas están esas ganancias entre ocupaciones. Estiman un LCE anualizado cercano a US$2,7 billones, equivalente a 3,4% del PIB combinado de 86 países bajo sus supuestos.
English: The US$2.7 trillion figure is an indicative labour-cost equivalent, not a direct estimate of GDP growth, welfare or corporate profit. Italiano: la stima di 2,7 trilioni di dollari è un equivalente indicativo del costo del lavoro risparmiato, non una misura diretta di PIL, benessere o profitti aziendali.
Metodología y significado económico de las métricas
El LCE valora tiempo ahorrado utilizando salarios por ocupación y patrones observados de uso de IA. La medida intenta traducir interacciones digitales a una magnitud económica comparable. Sin embargo, tiempo ahorrado no se convierte automáticamente en producción adicional: puede convertirse en ocio, mayor calidad, reducción de costos, mayor volumen o simplemente reorganización de tareas.
El ACI captura concentración distributiva. En economías en desarrollo, el estudio encuentra que el valor asociado al uso de IA se concentra en un enclave profesional estrecho, mientras economías de ingresos altos muestran una distribución más amplia. Esa diferencia importa porque una tecnología general no produce ganancias generales si el acceso y la capacidad de uso permanecen concentrados.
Resultados: hechos, inferencias e incertidumbre
Hecho confirmado dentro del modelo empírico: el LCE estimado es grande y creciente, y la concentración es mayor en países de menores ingresos. Hecho confirmado: el idioma inglés y la preparación regulatoria aparecen asociados con patrones de difusión. Inferencia razonable: infraestructura digital, capacidades humanas y representación lingüística condicionan la distribución de beneficios.
Hipótesis no demostrada: que el LCE se traduzca de manera proporcional en productividad agregada observada. El propio documento advierte que una evaluación de bienestar debería descontar inversión en infraestructura, energía, suscripciones y otros costos. Tampoco modela de forma completa desplazamiento laboral, compresión salarial o efectos de equilibrio general.
Interpretación para empresas e inversionistas
Para análisis empresarial, el estudio sugiere separar adopción de captura de valor. Una firma puede usar IA intensamente y no convertir el tiempo ahorrado en margen, crecimiento o innovación si carece de rediseño de procesos, datos, incentivos y capacitación. La ventaja competitiva probablemente depende de complementariedades organizacionales.
Para mercados de capitales, estas estimaciones no son una señal de compra o venta ni una proyección de beneficios de compañías concretas. Traducir productividad tecnológica a valoración requiere analizar competencia, costos de cómputo, poder de fijación de precios, inversión, regulación y distribución sectorial.
Implicaciones para economías emergentes
La alta concentración en economías en desarrollo plantea una cuestión de política económica: una tecnología potencialmente transversal puede reforzar desigualdad si el valor se concentra en una élite profesional conectada. Ampliar beneficios exige conectividad, idiomas y datos locales, capacitación, acceso empresarial y marcos regulatorios que permitan adopción segura.
El hallazgo lingüístico merece particular atención. Si los modelos funcionan mejor en idiomas con mayor representación digital, la producción de conocimiento local y recursos lingüísticos se convierte en infraestructura económica, no únicamente cultural.
Conclusión y palabras clave internacionales
El aporte principal del paper es medir uso real y distribución, no anunciar una cifra definitiva de crecimiento. Su lectura rigurosa exige mantener separadas tres categorías: ahorro potencial de costo laboral, productividad observada y bienestar económico. Confundirlas produciría conclusiones exageradas.
ES: inteligencia artificial; productividad; distribución; trabajo; economía digital. EN: artificial intelligence; productivity; distribution; labour; digital economy. IT: intelligenza artificiale; produttività; distribuzione; lavoro; economia digitale.