Más de un siglo después, la escena parece menos distópica que diagnóstica. La Inteligencia Artificial (IA) se ha integrado en las estructuras productivas con una rapidez que pocos anticiparon. Modelos generativos que redactan informes, algoritmos que optimizan cadenas logísticas, sistemas predictivos que ajustan portafolios financieros en tiempo real y asistentes automatizados que atienden millones de consultas diarias son el signo de nuestros tiempos.
Las grandes corporaciones invierten sumas históricas en infraestructura de cómputo y talento especializado; sin embargo, los indicadores de productividad laboral y productividad total de los factores en las principales economías avanzadas muestran incrementos moderados. No se observa todavía un quiebre estructural que indique una aceleración comparable a otras grandes revoluciones tecnológicas. El contraste entre narrativa y estadística constituye el núcleo de la paradoja de Solow 2.0.
En las siguientes líneas analizaremos dicho caso, es decir, la coexistencia entre una expansión acelerada de la IA y un crecimiento todavía moderado de la productividad agregada. Revisaremos por qué, si esta herramienta funciona, su impacto aún no se refleja en las estadísticas macroeconómicas.
La teoría económica del crecimiento sugiere que el progreso tecnológico debería reflejarse en la productividad total de los factores; sin embargo, la historia muestra que las grandes innovaciones requieren tiempo para traducirse en estadísticas agregadas. La electrificación industrial transformó la economía, pero sólo después de una profunda reorganización de las fábricas y del trabajo. La informática empresarial en los años 90 primero generó costos de transición antes de consolidar ganancias medibles.
La IA atraviesa un proceso similar. Implementar modelos avanzados no es simplemente adquirir tecnología, sino que implica rediseñar procesos, capacitar talento, integrar sistemas heredados y establecer marcos de gobernanza. Durante este periodo de ajuste, la productividad puede permanecer estable o incluso disminuir temporalmente. La curva J de la tecnología describe este fenómeno como una fase inicial de fricción seguida de reorganización y, finalmente, optimización.
Otro elemento central es la difusión desigual. Las empresas líderes cuentan con acceso privilegiado a datos, talento y capital. Estas organizaciones capturan economías de escala algorítmicas y consolidan ventajas competitivas; sin embargo, la economía agregada está compuesta mayoritariamente por empresas que adoptan tecnología de forma gradual o parcial. La brecha entre la frontera tecnológica y la empresa promedio limita el impacto macroeconómico inmediato; la productividad puede aumentar significativamente en la frontera sin alterar sustancialmente la mediana.
El Producto Interno Bruto (PIB) fue diseñado para una economía industrial centrada en bienes tangibles. La IA genera valor en formas menos visibles, como reducción de tiempos, mejora en precisión, automatización cognitiva y aumento del excedente del consumidor. Parte del impacto puede no reflejarse plenamente en las métricas tradicionales; no obstante, incluso considerando limitaciones de medición, la ausencia de un salto abrupto sugiere que el proceso de transformación está en un curso más que consolidado.
La productividad no es simplemente una función de potencia computacional, sino que es resultado de reorganización sistémica. Incentivos, cultura corporativa y regulación determinan si la IA se convierte en palanca de transformación o en herramienta complementaria.
Muchas organizaciones adoptan soluciones de IA como extensiones de procesos existentes sin cuestionar su lógica subyacente. El resultado es mayor velocidad en tareas específicas, pero sin cambio estructural profundo.
La transición hacia una economía impulsada por esta tecnología requiere nuevas competencias. El capital humano debe adaptarse para interpretar, supervisar y complementar modelos algorítmicos. La formación masiva y la reconfiguración de habilidades toman tiempo y, sin inversión en educación y entrenamiento, la brecha entre tecnología disponible y capacidad de uso efectivo se amplía.
La carrera por la IA tiene una dimensión geopolítica evidente. Estados Unidos, China y la Unión Europea compiten por liderazgo en infraestructura, talento y regulación. Las diferencias institucionales influyen en la velocidad de adopción y en la forma en que los beneficios se distribuyen.
Economías con marcos regulatorios flexibles pueden experimentar adopción más rápida, mientras que aquellas con estructuras más rígidas priorizan la estabilidad y la protección social. La trayectoria de productividad dependerá también de estas decisiones estratégicas.
Existen varios escenarios plausibles. Uno contempla un rezago temporal seguido de aceleración cuando la reorganización institucional madure; otro prevé una concentración prolongada de beneficios en empresas y países líderes; y un tercero sugiere crecimiento gradual sin ruptura espectacular.
La historia económica sugiere que las revoluciones tecnológicas no se manifiestan instantáneamente en estadísticas agregadas. La consolidación requiere tiempo, inversión y adaptación cultural.
En el relato de Forster, la máquina no fracasa por falta de capacidad técnica, sino porque la sociedad que depende de ella ha perdido la capacidad institucional para sostenerla. La advertencia no es contra la tecnología, sino contra la complacencia estructural.
La paradoja de Solow 2.0 no cuestiona el potencial transformador de la IA; más bien señala que la productividad es un fenómeno social antes que algorítmico. La precisión computacional no garantiza la reorganización económica.
La revolución tecnológica ya está en marcha. Lo que determinará su impacto agregado no será sólo el tamaño de los modelos, sino la velocidad con la que empresas, gobiernos y trabajadores logren rediseñar las estructuras que los rodean. La máquina funciona; la pregunta es si las instituciones evolucionan al mismo ritmo.
El alignment inverso en la IA es cuando un sistema optimiza una función insuficiente; la potencia del cálculo no corrige una mala formulación del problema.
Christian Vázquez Sánchez
Las resoluciones de la ONU sobre la IA abren un nuevo rol para los contadores: auditar algoritmos, garantizar transparencia y fortalecer la ética tecnológica.
Abril Mendez Atilano
Los datos son una forma emergente de capital económico, comparable a otros activos intangibles como las marcas, las patentes o el capital intelectual.
Christian Vázquez Sánchez
Más del 70% del sector empresarial utiliza la IA en funciones del negocio y su potencial económico se estima en billones de dólares anuales.
Jorge Alfredo Fernández Limón
© 2026 Colegio de Contadores Públicos de México, A.C.
Directorio Contacto Aviso legal Acerca de Veritas
Inicia sesión o suscríbete para continuar leyendo.