El software de IA y la cuestión de la productividad del billón de dólares
Si la IA mejora drásticamente en escribir software, ¿qué deberían cambiar hoy los líderes empresariales? Mi respuesta es medir cómo mejora un proceso empresarial completo, incluido el trabajo necesario para comprobar y mantener sus resultados.
¿Podría la IA añadir de 20 a 30 billones de dólares estadounidenses a la producción económica mundial anual? Elon Musk ha planteado esa estimación aproximada, junto con predicciones de que la IA podría manejar casi cualquier tarea digital y alcanzar una capacidad de codificación de nivel Stockfish. Estas afirmaciones han atraído la atención porque sugieren un cambio importante en la economía del trabajo del conocimiento.
Son previsiones ambiciosas, no resultados establecidos. Los líderes empresariales deben distinguir la posibilidad de grandes ganancias de productividad de la prueba de que la IA puede entregar de forma fiable cada tarea digital. Las decisiones de inversión necesitan evidencia del trabajo que una organización realmente realiza.
Qué nos dice la comparación con Stockfish
Stockfish es un motor de ajedrez de código abierto y uno de los más potentes del mundo. La comparación ilustra una posibilidad real: las máquinas pueden superar a las personas en una tarea intelectual exigente. Sin embargo, la analogía por sí sola no puede establecer cuándo la IA superará a cada ingeniero de software.
El ajedrez tiene reglas fijas, un tablero visible y un objetivo claro. El software empresarial implica requisitos incompletos, políticas cambiantes, sistemas heredados y prioridades competidoras de las partes interesadas. Un programa puede pasar sus pruebas mientras resuelve el problema empresarial equivocado.
Generar código es una parte de la ingeniería. Decidir qué construir, controlar el acceso, comprobar la seguridad, desplegar de forma segura y dar soporte a los usuarios siguen siendo parte del resultado. Incluso una IA muy capaz necesita un proceso que pueda detectar errores y asignar responsabilidad.
Comprender la afirmación económica
Un aumento del 20 al 30 por ciento en el nivel de la producción económica anual es diferente de un crecimiento del 20 al 30 por ciento cada año. Una afirmación de esta escala necesita supuestos explícitos sobre adopción, fiabilidad, inversión y el tiempo requerido para materializar las ganancias. Emparejar esos porcentajes con 20 a 30 billones de dólares implica una economía inicial aproximada de 100 billones de dólares.
Como referencia, Goldman Sachs publicó en 2023 un escenario en el que la IA generativa podría aumentar el PIB mundial en torno al 7 por ciento, o casi 7 billones de dólares, e incrementar el crecimiento de la productividad en 1,5 puntos porcentuales durante diez años. Era una previsión condicional, no un resultado medido ni un techo para ganancias futuras. No valida independientemente la estimación mayor de Musk.
A nivel de empresa, un cálculo útil es más simple: el valor neto es igual al valor de la producción útil adicional y los ahorros realizados, menos los costes de IA, integración, revisión, trabajo repetido y pérdidas por errores. El tiempo ahorrado solo se convierte en valor financiero cuando la organización puede usarlo productivamente.
Las ventajas y los costes
Velocidad frente a verificación. La IA podría acortar la redacción, la codificación y el análisis. Los líderes deben medir el tiempo necesario para comprobar el resultado junto con el tiempo ahorrado al producirlo.
Menor coste de producción frente a nuevo coste operativo. Crear una primera versión puede abaratarse. El uso del modelo, la integración, la supervisión y la corrección siguen consumiendo dinero y tiempo del personal.
Acceso más amplio frente a dependencia. Equipos más pequeños podrían emprender trabajos antes fuera de sus recursos. La dependencia de un único proveedor podría dificultar la gestión de precios, disponibilidad y cambios del modelo.
Mayor capacidad frente a disrupción de la plantilla. El personal podría dedicar más tiempo a las necesidades de los clientes y a decisiones difíciles. Las empresas también deben planificar funciones cambiantes, reciclaje profesional y el desarrollo de empleados júnior cuyas tareas rutinarias de aprendizaje pueden automatizarse.
Un ejemplo empresarial práctico
Considere una empresa de almacenamiento hipotética que construye un servicio de seguimiento de pedidos. La IA podría redactar la interfaz, proponer consultas de base de datos y generar casos de prueba. El equipo aún tendría que confirmar qué clientes pueden ver cada pedido, cómo se manejan las discrepancias de stock y si el servicio funciona con los sistemas existentes.
La comparación significativa es el coste por versión aceptada y el rendimiento en uso. Mida el tiempo de entrega, los defectos, las solicitudes de soporte y los resultados de los clientes. Un primer borrador más rápido que crea más incidentes de producción puede reducir el valor general.
El mismo principio se aplica al servicio al cliente. Automatizar solicitudes sencillas podría mejorar los tiempos de respuesta. Los casos poco claros necesitan un camino fiable hacia una persona, con el contexto relevante preservado.
Qué deberían hacer los directores ejecutivos y los directores de tecnología
Los directores ejecutivos deben elegir un proceso con un coste identificable y un resultado claro para el cliente. Establezcan una línea de base, ejecuten un piloto limitado y acuerden de antemano qué mejora justificaría la expansión. Incluyan los costes de implementación y los cambios en las responsabilidades del personal.
Los directores de tecnología deben evaluar el modelo propuesto con trabajo representativo de sus propios sistemas. Comprueben la corrección, la seguridad, la privacidad, la recuperación de fallos y la compatibilidad con los servicios existentes. Separen el permiso para sugerir un cambio del permiso para ejecutarlo.
Para acciones trascendentales, definan el responsable de la aprobación y mantengan un registro de auditoría. Conserven la capacidad de revertir cambios, restringir el acceso y suspender la automatización cuando el rendimiento se deteriore.
Revisen la dependencia del proveedor y formen al personal para cuestionar los resultados. Amplíen el despliegue cuando los beneficios medidos sigan siendo positivos tras los costes de revisión y soporte. Una predicción económica global debe informar la planificación de escenarios, mientras que la evidencia local debe guiar la inversión.
La decisión de liderazgo
La IA puede cambiar sustancialmente la economía del trabajo digital. La escala y el momento siguen siendo inciertos. Mi consejo: desarrollen ahora la capacidad de evaluarla y adoptarla responsablemente, y luego aumenten la inversión a medida que la evidencia se fortalezca.
¿Qué proceso de su organización probaría primero, y qué evidencia le convencería de que la IA ha creado valor empresarial duradero?
Piense matemáticamente. Ingenie inteligentemente. Lidere estratégicamente. Construya responsablemente. Escale globalmente. Cree valor empresarial real a través de la inteligencia artificial.
#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership
Publicado originalmente en LinkedIn por Keshavan Thiagaraja. Lea el original en LinkedIn. [1]