Casi todo debate sobre la IA acaba en la misma discusión: ¿es una revolución industrial más, tras la máquina de vapor, la electricidad y el ordenador, o una tecnología que solo sustituye personas sin elevar de verdad la productividad? La primera postura se apoya en la caída vertiginosa del coste de las capacidades y en el gran aumento de la eficiencia por tarea; la segunda, en un crecimiento que sigue sin aparecer en las estadísticas macroeconómicas y en el número creciente de puestos desplazados.
Ambas posturas no están tan enfrentadas como parece: en la historia, toda revolución industrial empezó por la "sustitución". Que una tecnología merezca el nombre de "revolución" no depende de a cuántas personas reemplaza, sino de si, tras esa sustitución, genera suficientes tareas, organizaciones y demanda nuevas, y de hacia quién fluyen finalmente los beneficios.
Para saber qué lado se acerca más a la realidad, hay que volver antes a una pregunta más básica: con qué criterio se reconoce una "revolución industrial" en la historia económica.
¿Con qué criterio se reconoce una revolución industrial?
"Revolución industrial" no es un título que se pueda proclamar el día de la invención, sino algo que se reconoce a posteriori a partir de los datos. Los economistas suelen emplear el concepto de "tecnología de propósito general" (General Purpose Technology) para describir la máquina de vapor, la electricidad o el ordenador, y con él valoran si una tecnología puede provocar un cambio revolucionario. Estas tecnologías comparten, por lo general, tres rasgos:
- Penetración: no se limitan a un sector, sino que entran en casi todas las fases de la producción.
- Mejora continua: su rendimiento sube y su coste baja de forma sostenida, y con ello se amplía su ámbito de aplicación.
- Innovación complementaria: a su alrededor surgen nuevos equipos, formas de organización, modelos de negocio e incluso profesiones.
Cumplir estos tres requisitos es solo una condición necesaria. Lo que hace que la posteridad hable de "revolución" es un aumento de la productividad sostenido a largo plazo; es decir, que la misma inversión produzca claramente más.
Hay un detalle histórico que suele pasarse por alto. Las primeras décadas de la Revolución Industrial británica no fueron una época en la que "todos salieran ganando". Según la investigación del historiador económico Robert Allen, en la primera mitad del siglo XIX la producción per cápita de Gran Bretaña creció de forma continuada, mientras que los salarios reales permanecieron estancados durante mucho tiempo, la tasa de beneficio se duplicó y el peso de los beneficios en la renta nacional aumentó, con la consiguiente reducción de la parte correspondiente a trabajadores y terratenientes. Solo a partir de mediados del siglo XIX los salarios empezaron a subir al compás de la productividad (fuente). Este fenómeno se conoció después como la "pausa de Engels".
Dicho de otro modo, "la productividad aumenta" y "los trabajadores son sustituidos y no comparten los beneficios" fueron ciertos a la vez en la historia. Por ejemplo, tras la generalización del telar mecánico, los ingresos de los tejedores manuales británicos se desplomaron y toda la profesión acabó desapareciendo, mientras la producción total de la industria algodonera se expandía a gran velocidad. Desde el lugar de aquel tejedor, la "revolución" parecía una simple sustitución.
De aquí se desprende que el debate actual sobre la IA mezcla en realidad dos cuestiones: una es la eficiencia, es decir, si la IA permite producir más con la misma inversión; la otra es el reparto, es decir, quién se beneficia una vez que aumenta la producción. Muchas posturas aparentemente enfrentadas solo responden a una de las dos.
¿Qué ven quienes sostienen que es una revolución?
Quienes defienden la tesis de una "nueva revolución industrial" no se apoyan solo en el optimismo tecnológico, sino en varios hechos bastante sólidos.
Primero, el coste de la capacidad está cayendo a una velocidad poco habitual. Según el AI Index Report 2025 de la Universidad de Stanford, el coste de inferencia de un modelo con el nivel de GPT-3.5 se redujo unas 280 veces entre noviembre de 2022 y octubre de 2024 (fuente). La difusión de la energía del vapor, la electricidad y la capacidad de cálculo partió siempre de una gran caída del coste unitario. Cuando una capacidad se abarata lo suficiente como para usarse en cualquier parte, se incorpora a fases que antes no merecía la pena automatizar, y de ahí nace la "penetración".
Segundo, en experimentos controlados la mejora de la eficiencia es medible. Erik Brynjolfsson y su equipo siguieron a 5.179 agentes de atención al cliente que fueron incorporando por fases un asistente de IA generativa: el número medio de problemas resueltos por hora aumentó un 14 %, un 34 % entre los empleados novatos y poco cualificados, y apenas cambió entre los veteranos; también mejoraron la satisfacción del cliente y la retención de empleados (fuente).
Estos datos tienen un aspecto que merece una lectura detenida. Que la IA ayude más a los novatos significa, en la práctica, que "empaqueta" la experiencia tácita de los veteranos y se la entrega a los recién llegados. Durante las últimas décadas, la mayoría de las tecnologías de la información favorecieron más a los trabajadores muy cualificados, mientras que en este caso la IA generativa actúa en sentido contrario y reduce la brecha de habilidades. Para sus defensores, esto es lo que significa concretamente "liberar a las personas": que cualquiera alcance en menos tiempo un nivel que antes exigía años de experiencia.
Tercero, las estimaciones macroeconómicas alcanzan una magnitud comparable a la de las grandes tecnologías de la historia. El departamento de investigación de Goldman Sachs estimó en 2023 que la IA generativa podría elevar el PIB mundial en torno a un 7 % en diez años (cerca de 7 billones de dólares) y aumentar el crecimiento anual de la productividad en 1,5 puntos porcentuales; que alrededor de dos tercios de las ocupaciones en Estados Unidos están expuestas en distinto grado a la automatización mediante IA, y que entre el 25 % y el 50 % de su carga de trabajo podría ser sustituida (fuente).
Cuarto, es la primera vez que la automatización entra a gran escala en el trabajo cognitivo. La máquina de vapor y la electricidad liberaron sobre todo fuerza física; el ordenador se ocupó sobre todo de tareas de información con reglas claras. La IA generativa es la primera que toca a gran escala trabajos que exigen comprender el contexto: redactar, analizar, programar, diseñar. Por ejemplo, la primera revisión de un contrato, un texto de marketing o un script de limpieza de datos se facturaban antes por "jornadas-persona", y su coste marginal es hoy casi el de una llamada a un modelo. La lógica de los defensores es esta: el trabajo del conocimiento representa la mayor parte del empleo en las economías avanzadas, así que una tecnología que lo afecta no puede tener un alcance potencial menor que las anteriores.
¿Por qué otros opinan que la IA no "merece" el nombre de revolución?
Los escépticos no niegan que la IA pueda hacer mucho trabajo. Lo que cuestionan es si hacerlo equivale a un aumento significativo de la productividad.
Las cuentas macroeconómicas pueden arrojar cifras mucho menores. El economista del MIT Daron Acemoglu parte de la evidencia a nivel de tarea para deducir el impacto macroeconómico y concluye que, en los próximos diez años, la IA elevará la productividad total de los factores un máximo del 0,66 %; si se tienen en cuenta las tareas difíciles de aprender, la cifra baja a menos del 0,53 % (fuente). Esto difiere en un orden de magnitud de la estimación de Goldman Sachs de un aumento anual de la productividad de 1,5 puntos porcentuales.
La diferencia procede sobre todo de un supuesto. Acemoglu señala que la mayoría de la evidencia experimental actual procede de tareas "fáciles de aprender", cuyo resultado se puede juzgar con criterios objetivos, como si se ha resuelto o no un ticket de atención al cliente. Pero muchos trabajos de alto valor dependen del juicio contextual y carecen de una "respuesta correcta" con la que compararlos directamente. Extrapolar a toda la economía las mejoras logradas en tareas fáciles de aprender probablemente sobrestima el efecto total.
La "automatización mediocre" solo sustituye, no aumenta la eficiencia. Acemoglu y Pascual Restrepo propusieron el concepto de "so-so automation": hay tecnologías cuya eficiencia basta justo para reemplazar a los trabajadores, pero no es lo bastante buena como para reducir los costes de forma notable e impulsar la expansión del producto. El resultado es que baja la participación del trabajo en la renta, mientras la productividad apenas mejora (fuente). Por ejemplo, las cajas de autopago de los supermercados trasladan el trabajo del cajero al cliente: el comercio ahorra mano de obra, pero el proceso de compra no se vuelve más rápido. Los escépticos temen que muchos despliegues del tipo "la IA sustituye un puesto" pertenezcan a esta misma categoría.
Sentir que se va más rápido no es ir más rápido. El instituto de investigación sin ánimo de lucro METR realizó en 2025 un ensayo controlado aleatorizado: 16 desarrolladores veteranos de código abierto resolvieron 246 tareas reales en grandes bases de código que conocían bien, y al usar herramientas de IA tardaron, de media, un 19 % más. Antes de empezar esperaban que la IA los hiciera un 24 % más rápidos y, una vez terminado, seguían creyendo que habían sido un 20 % más rápidos (fuente). La muestra es muy pequeña y el escenario muy particular, por lo que no puede generalizarse a todos los trabajos. Pero pone de manifiesto un problema de medición importante: muchas valoraciones empresariales sobre la "mejora de eficiencia por IA" proceden de la autoevaluación de los empleados, y entre esta y los resultados objetivos puede haber un sesgo sistemático.
La creación de tareas nuevas se está ralentizando. La investigación del economista del MIT David Autor y otros halló que alrededor del 60 % de los empleos actuales en Estados Unidos son de tipos que no existían antes de 1940, una prueba contundente de que "la tecnología crea empleo". Pero el mismo estudio también encontró que, entre 1980 y 2018, el impacto negativo de la automatización sobre el empleo fue más del doble que entre 1940 y 1980, mientras que el efecto de "aumento", que crea tareas nuevas, creció más despacio (fuente). Si esa tendencia continúa en la era de la IA, la "sustitución" irá por delante de la "creación".
Desde el punto de vista del reparto, Acemoglu opina además que el impacto de la IA sobre los distintos grupos es más uniforme que el de la automatización anterior, de modo que quizá no amplíe mucho la brecha salarial entre trabajadores, pero sí es muy probable que amplíe la que separa las rentas del capital de las del trabajo. Esta es la formulación económica más precisa de la intuición de que "la IA está sustituyendo a las personas": puede que la productividad aumente, pero la producción adicional se convierte sobre todo en rendimiento del capital.
Si la eficiencia por tarea es tan evidente, ¿por qué no se ve en los datos macroeconómicos?
Esta perplejidad no es exclusiva de la IA. En 1987, el premio Nobel de Economía Robert Solow dejó una frase citada una y otra vez: "La era del ordenador se ve en todas partes, salvo en las estadísticas de productividad". Es lo que después se llamó la "paradoja de la productividad". Hasta mediados y finales de los años noventa no se vio con claridad, en los datos de Estados Unidos, la aceleración de la productividad que trajeron las tecnologías de la información.
En 1990, el historiador económico Paul David explicó este retraso con la historia de la electricidad. La bombilla existía desde 1879 y Nueva York y Londres tenían centrales eléctricas hacia 1881, pero en 1900 la eficiencia de las empresas seguía sin mostrar cambios. La razón es que las fábricas se limitaron al principio a sustituir las máquinas de vapor por motores eléctricos, sin modificar la distribución de las naves, los ejes de transmisión ni los procesos, de modo que la productividad apenas mejoró. El verdadero cambio vino después con el rediseño: naves de una sola planta, líneas de producción dispuestas según el flujo de materiales, un pequeño motor independiente para cada máquina, y la formación de los trabajadores y los contratos laborales que lo acompañaban. El salto de la productividad estadounidense no llegó hasta los años veinte, unos cuarenta años después de la comercialización de la electricidad (fuente).
Brynjolfsson y sus colaboradores resumieron después este fenómeno como la "curva J de la productividad": para que una tecnología de propósito general rinda, hacen falta grandes inversiones intangibles complementarias, como la reestructuración de procesos, la organización de los datos, la formación de los empleados y nuevas formas de gestión. Estas inversiones son difíciles de contabilizar como capital en las estadísticas, de modo que al principio reducen la productividad medida, y solo cuando la adaptación se completa liberan los beneficios de golpe (fuente).
Si trasladamos esta historia al debate actual, se llega a una inferencia importante: lo que describen los escépticos es probablemente la fase de "sustituir la máquina de vapor por un motor eléctrico"; lo que apuestan los defensores de la revolución es la fase de "reconstruir la fábrica". La forma dominante en que las empresas usan hoy la IA consiste en añadir un asistente a los puestos y procesos existentes. Se parece mucho a instalar motores eléctricos en las naves de la era del vapor: la eficiencia local mejora, pero el sistema no cambia.
Con todo, la analogía tiene límites. La difusión de la electricidad dependía del ciclo de renovación de activos físicos como la red eléctrica y las naves, mientras que la IA se propaga sobre todo mediante software y servicios en la nube, así que en teoría puede hacerlo más rápido. Por otra parte, el ritmo al que se ajustan las estructuras organizativas, los puestos de trabajo y las normas regulatorias no se acelera automáticamente por el hecho de que la tecnología sea software. Que la IA recorra la curva J más deprisa que la electricidad depende de si el cuello de botella está en la tecnología o en la organización, y ahí está también el origen de la discrepancia de ambas posturas sobre los plazos.
¿Dónde está realmente la discrepancia entre ambas posturas?
Si se desglosan los argumentos de cada parte, los choques en el plano de los hechos son pocos. La verdadera discrepancia se reparte en las siguientes dimensiones.
| Dimensión | Juicio de los defensores de la revolución | Juicio de los escépticos | Hacia dónde apunta la evidencia actual |
|---|---|---|---|
| Unidad de medida | Eficiencia por tarea y por empresa | Productividad total de los factores a nivel macro, salarios y participación del trabajo | La mejora por tarea está comprobada; a nivel macro aún no se aprecia |
| Escala temporal | Las décadas que dura la difusión de una tecnología de propósito general | Los próximos cinco a diez años | Los beneficios de la electricidad tardaron unos cuarenta años en aparecer |
| Sustitución y tareas nuevas | Tras la sustitución surgirán muchas tareas nuevas | La creación de tareas nuevas no sigue el ritmo de la sustitución | Desde 1980, la automatización se acelera y el aumento se ralentiza |
| Forma de extrapolar | La mejora en tareas fáciles de aprender se extenderá poco a poco a las difíciles | Las ganancias en tareas difíciles de aprender serán claramente menores | Atención al cliente, +14 %; desarrolladores veteranos, un 19 % más lentos |
| A quién benefician las ganancias | Los novatos y los trabajadores poco cualificados son quienes más ganan | Las rentas del capital crecen respecto a las del trabajo | Ambos efectos pueden darse a la vez |
| Factor fácil de subestimar | La dificultad y la duración de la reestructuración organizativa | La velocidad a la que baja el coste de la capacidad | Ambos están cambiando con rapidez |
La tabla muestra que la discrepancia más profunda está en cómo se juzgan las "tareas nuevas". Si la IA se usa sobre todo para abaratar el trabajo existente, se parece más a la "automatización mediocre" que describen los escépticos; si da lugar a productos, servicios y profesiones que antes no podían existir, se parece más a la revolución industrial que describen los defensores.
Esto significa que "sustituir o aumentar la eficiencia" no lo decide por completo la propia tecnología. Un mismo modelo de lenguaje puede servir para despedir a un equipo de atención al cliente o para que ese mismo equipo ofrezca un servicio personalizado que antes no podía ofrecer. Tanto Acemoglu como Autor han subrayado que la dirección del desarrollo tecnológico depende de los incentivos empresariales, el sistema fiscal y el diseño institucional. Por ejemplo, cuando la inversión de capital resulta fiscalmente más ventajosa que contratar empleados, las empresas tienden a usar la IA para "ahorrar personas" en lugar de para "sumar capacidad".
¿Qué señales indican hacia qué lado se inclina la balanza?
Dado que el nudo del debate está en el futuro y no en el presente, la pregunta más valiosa no es "quién tiene razón", sino "qué evidencia haría más convincente a una de las partes". Estas cinco clases de señales ayudan a juzgar la tendencia.
- Si la productividad macroeconómica muestra un punto de inflexión sostenido. El crecimiento de un solo año puede deberse al ciclo económico; solo varios años seguidos de crecimiento de la productividad laboral por encima de la tendencia permitirían compararlo con los años veinte y con finales de los noventa.
- La evolución de la participación del trabajo en la renta. Si la productividad sube mientras la participación del trabajo sigue cayendo, significa que la producción adicional fluye sobre todo hacia el capital, una situación similar a la "pausa de Engels".
- El ritmo de aparición de nuevas profesiones. El método de investigación de Autor consiste en seguir los nombres de ocupaciones nuevas en los censos. Que las profesiones surgidas en torno a la IA durante la próxima década tengan escala, y no sean solo unos pocos puestos técnicos bien pagados, pondrá directamente a prueba el temor de que "la sustitución vaya por delante de la creación".
- Si las empresas están "cambiando la fuente de energía" o "reconstruyendo la fábrica". Si las empresas usan la IA sobre todo como un complemento de los puestos existentes, los beneficios macroeconómicos serán probablemente limitados; si empiezan a aparecer estructuras organizativas, productos y modelos de negocio rediseñados en torno a la IA, entonces podría llegar el tramo ascendente de la curva J.
- Evidencia experimental en tareas difíciles de aprender. Los datos más fiables proceden hoy sobre todo de escenarios como la atención al cliente, la redacción o la programación, donde el resultado se mide con claridad. Cuando se acumule evidencia de ensayos controlados aleatorizados en tareas como el diagnóstico médico, el descubrimiento científico o la toma de decisiones complejas, la diferencia de un orden de magnitud entre Acemoglu y Goldman Sachs irá estrechándose.
De estas señales, las dos primeras son resultados y las tres últimas son causas. Los indicadores de resultado suelen retrasarse varios años, mientras que los de causa ya pueden observarse a nivel de empresa y de sector. Para quien quiera formarse un juicio antes de que salgan las estadísticas, las tres últimas merecen un seguimiento más constante.
Conclusión
Quienes creen que la IA es una nueva revolución industrial y quienes creen que solo sustituye personas están, muy probablemente, describiendo etapas distintas de un mismo proceso. Tanto la máquina de vapor como la electricidad aparecieron primero bajo el aspecto de la "sustitución", y tanto el aumento de la productividad como los beneficios de los trabajadores llegaron mucho más tarde, y no de forma automática.
Visto así, "¿es la IA una revolución industrial?" se parece más a una pregunta que se deja al futuro que a un hecho sobre el que se pueda sentenciar hoy. Lo que merece más debate es otra cosa: en este tiempo en el que la sustitución ya ha ocurrido y las nuevas tareas aún no han tomado forma, hacia dónde se encaminará la tecnología y cómo se repartirán los beneficios. El título de revolución industrial lo concede la posteridad, y lo que determinará cómo juzgue esta época son, precisamente, las decisiones que se tomen en este periodo de transición.
Referencias
- Allen, R. C. Engels' pause: Technical change, capital accumulation, and inequality in the British industrial revolution. Explorations in Economic History, 2009
- Stanford HAI. The 2025 AI Index Report
- Brynjolfsson, E., Li, D., Raymond, L. Generative AI at Work. NBER Working Paper 31161
- Goldman Sachs. Generative AI could raise global GDP by 7%, 2023
- Acemoglu, D. The Simple Macroeconomics of AI. NBER Working Paper 32487
- Acemoglu, D., Restrepo, P. Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 2019
- The Decoder. AI coding can make developers slower even if they feel faster, 2025
- MIT News. Does technology help or hurt employment? 2024
- History News Network. Paul David: It took decades for the economic impact of electricity to be felt
- Brynjolfsson, E., Rock, D., Syverson, C. The Productivity J-Curve. American Economic Journal: Macroeconomics, 2021
