Los economistas Erik Brynjolfsson, Daniel Rock y Chad Syverson, del NBER, proponen en su trabajo de 2018 (Working Paper 25148) un modelo conocido como la «curva J de la productividad» para explicar por qué la aparición de tecnologías de uso general (GPT, por sus siglas en inglés) suele ir acompañada primero de una desaceleración y, más tarde, de un acelerón de la productividad agregada. La hipótesis central sostiene que la integración de una GPT —como la inteligencia artificial, la electricidad o el ordenador— exige grandes inversiones complementarias, en su mayoría intangibles: rediseño de procesos de negocio, co-invención de productos y modelos de negocio, formación del capital humano y nuevas prácticas organizativas. Como esas inversiones no figuran en los balances, las estadísticas oficiales subestiman la producción y la productividad durante la fase de adopción, lo que reproduce la paradoja de Solow de finales de los años ochenta: «se ve la era de la informática en todas partes menos en las cifras de productividad». Una vez que esos activos intangibles empiezan a rendir, la productividad medida sobreestima la real, dibujando una trayectoria en forma de J. Los autores aplican el modelo a la inteligencia artificial, estiman cómo el capital intangible vinculado a ella afecta a la productividad total de los factores y realizan un análisis histórico del gasto en I+D, software y hardware, en el que el software destaca por su efecto sostenido y el hardware, en menor medida. El trabajo combina teoría del crecimiento, contabilidad del capital intangible y evidencia sectorial para arrojar luz sobre uno de los enigmas más persistentes de la economía digital.
Noticias agregadas con IA