Un artículo de investigación de 113 páginas firmado por Christian Catalini, Xiang Hui y Jane Wu, publicado como MIT Sloan Research Paper en SSRN el 24 de febrero de 2026, propone una reinterpretación radical de los efectos económicos de la inteligencia artificial general. El punto de partida es la caída exponencial del coste de automatizar tareas —incluido trabajo creativo, analítico y de innovación— frente al coste de verificar, biológicamente limitado por el tiempo y la experiencia humanos. Esa asimetría abre lo que los autores denominan una "Brecha de Mensurabilidad": los agentes de IA pueden ejecutar más de lo que los humanos pueden auditar de forma razonable, lo que erosiona el contrato implícito entre valor reclamado y valor producido y transforma el cambio técnico sesgado por habilidades en un cambio técnico sesgado por mensurabilidad.
El documento modela esta transición como la colisión de dos curvas de coste que corren en direcciones opuestas: el coste de automatizar —impulsado por el cómputo y el conocimiento acumulado— y el coste de verificar —topado por la biología—. De esa dinámica deriva una migración de las rentas hacia lo que sigue siendo escaso: verdad verificable de calidad, procedencia criptográfica y suscripción de responsabilidad. Tres fuerzas aceleran el problema: el "bucle del junior perdido", que elimina las rutas de aprendizaje por inmersión; la "maldición del codificador", que empuja a los expertos a convertir su propia experiencia en datos de entrenamiento; y la externalidad del "caballo de Troya", que vuelve racional desplegar sistemas sin verificación adecuada. Los autores distinguen dos sendas: una "Economía Hueca", con crecimiento nominal explosivo pero agencia humana en declive, y una "Economía Aumentada", donde la infraestructura de verificación crece al ritmo de las capacidades.
El artículo cierra con un manual operativo: los individuos deben orientarse a definir intención, verificar resultados y crear donde el valor es no medible; las empresas, invertir en observabilidad y reorganizarse con una topología de "sándwich de IA" (intención humana, ejecución mecánica, verificación humana); los inversores, apostar por tecnología profunda y verificación frente a la ejecución comoditizada; y los policymakers, fijar regímenes de responsabilidad y tratar la verificación como bien público.