De la euforia tecnológica al libro mayor económico: académicos debaten en la Conferencia de Bund sobre el crecimiento, la distribución y el nuevo paradigma global de la IA

La IA está remodelando la economía, y esto ya es indiscutible hoy en día.

Lo que realmente mantiene despiertos a los formuladores de políticas, académicos y la industria es la próxima pregunta matemática: tras enormes gastos de capital dirigidos a la computación y los modelos, ¿podrá esto convertirse macroeconómicamente en una productividad real? Tras una gran expansión de la oferta, ¿nos espera prosperidad o una larga etapa de desinflación? Cuando las “puertas de entrada” profesionales para los jóvenes se estrechan silenciosamente por la tecnología, ¿cómo evitar repetir la “Pausa de Engels” histórica? En un contexto global cada vez más complejo, ¿cómo puede este sistema digital construir nuevas reglas del comercio y la economía internacionales?

Estos son los temas centrales del foro de ideas “Nueva Paradoja de Crecimiento Económico con IA y Reconstrucción del Valor Social” de la Conferencia Bund Inclusion·2026.

El 9 de septiembre, este foro que reunió al rector de la Universidad de Finanzas y Economía de Shanghái Liu Yuanchun, al director del Instituto Nacional de Desarrollo de la Universidad de Pekín Huang Yiping, a la profesora de la Universidad de la Academia de Ciencias Sociales de China Jiang Xiaojuan, al economista jefe de CICC Miao Yanliang, al Nobel de Economía Thomas Sargent y representantes de la industria, dejó de concentrarse únicamente en las funciones técnicas para abordar directamente un denominador común: ¿cómo puede la IA pasar de ser una variable tecnológica desbordante a convertirse en una variable macroeconómica sana y sostenible?

01 La economía de la IA ya comenzó, pero las cuentas del crecimiento aún no están claras

“La nueva forma de la economía de la IA ya está establecida, pero la economía de la IA todavía no ha comenzado realmente". El comienzo de Liu Yuanchun expuso una reflexión fría y representativa.

Las primeras etapas de una revolución tecnológica suelen estar acompañadas de pensamientos efervescentes y burbujas de capital. En las llamadas de resultados de las empresas globales, las menciones a IA se han disparado geométricamente, los precios de chips se han disparado, las inversiones en infraestructura para centros de cómputo han crecido de forma vertiginosa e incluso han impulsado el comercio y las exportaciones globales. Pero si se mira a través del ruido microeconómico hacia los fundamentos macroeconómicos, las discrepancias están aumentando enormemente.

Las expectativas de productividad futura otorgadas por las empresas son estimulantes; McKinsey, Goldman Sachs y otras prevén un aumento anual de hasta el 3% en la Productividad Total de los Factores (PTF); pero en modelos más conservadores de economistas académicos, como Daron Acemoglu (MIT), la contribución media anual de la IA a la PTF en la próxima década podría ser de solo unas pocas décimas, casi despreciable.

¿Por qué, si todos usan IA a nivel micro, los datos macroeconómicos no reflejan resultados?

Huang Yiping advierte que hoy probablemente estamos atravesando la clásica “paradoja de Solow” y el “efecto J” de la economía de la tecnología. A fines del siglo XX, la informatización tampoco se tradujo en datos de producción durante mucho tiempo. Una tecnología revolucionaria y generalizada (GPT) introducida en la industria real requiere una larga reorganización institucional, adaptación técnica, transformación de procesos y capacitación de personal; al principio, no solo no genera rápido un boom productivo, incluso puede acarrear altos costos de ajuste.

Sargent compara la etapa actual de la IA con la “etapa de Kepler” en astronomía: la IA ya puede ajustar con precisión patrones a partir de datos astronómicos, pero los humanos todavía no entendemos ni controlamos completamente la lógica estructural y económica subyacente.

¿El alto flujo actual de capital e inflada valuación resultará finalmente en una burbuja? Liu Yuanchun señala un nuevo paradigma académico: la burbuja en sí es un “mecanismo de coordinación”. Mientras dure lo suficiente, impulsa la acumulación de capital físico generalizado (redes de cómputo, infraestructura energética, activos digitales) y, tras cruzar cierto umbral, incluso si los mercados financieros caen luego bruscamente, la infraestructura central deja a la economía anclada en un estado de alta producción.

Así, surge el primer consenso entre economistas: la dirección técnica está clara, pero el ritmo, la magnitud y la eficiencia de “sedimentación” de activos físicos siguen sujetos a grandes demoras y a una incertidumbre significativa.

02 De “invertir en IA” a “IA generando ingresos”, la clave es crear nueva demanda

Si la etapa anterior de la narrativa IA se centraba en el Capex, la línea de vida de esta etapa será alcanzar el círculo comercial completo.

El CEO de Ant Group, Han Xinyi, remarca que la economía de IA no puede depender exclusivamente de la inversión de capital, ni deben las aplicaciones de IA quedarse en la mera “optimización de stock”. Si una empresa usa IA solo para “reducir costos y mejorar eficiencia”, acelerando procesos existentes pero sin crear capacidad y demanda adicionales, el resultado será un fuerte desequilibrio entre oferta y demanda y una fractura en el retorno de la inversión. Las empresas deben pasar de la reducción de costos a la verdadera creación de valor.

El director del Instituto de Investigación de Ant Group, Li Zhenhua, destaca la segmentación en la cadena industrial: las rutas de monetización para cómputo y chips son claras, pero los grandes modelos y aplicaciones aún afrontan grandes presiones para su monetización. El éxito de la narrativa comercial de la IA depende de su capacidad para insertarse en la economía real e inaugurar nuevos círculos de valor.

Zhao Bo, de la Universidad de Pekín, argumenta que el valor adicional de la IA reside en “extender las fronteras de transacción”. El valor económico de la IA radica en reducir radicalmente las barreras para acceder habilidades especializadas y costo de experimentación. Así, no se trata solo de desbloquear un 10% en tareas existentes, sino de hacer por primera vez comercializables, comprables y negociables procesos antes inviablemente costosos o complejos.

Solo al pasar de eficiencia a valor agregado se puede “cruzar el acantilado” del Capex.

03 Respondiento a la distancia a Musk: presión desinflacionaria y la “reducción de entradas” para empleo juvenil

Cuando la capacidad de oferta se multiplica exponencialmente gracias a la IA, emerge una paradoja macroeconómica aún más aguda: si las máquinas producen cada vez más y más rápido, ¿las personas tendrán ingresos suficientes para consumir?

Huang Yiping resume este posible desequilibrio macro como una “oferta fuerte y demanda débil” a largo plazo. Si las ganancias tecnológicas fluyen demasiado hacia el capital y las rentas laborales se ven presionadas a la baja, la demanda no acompaña la expansión de la oferta y se quiebra el ciclo económico tradicional.

Desde la perspectiva financiera y las variables nominales, Miao Yanliang, economista jefe de CICC, realiza un análisis incisivo. Recuerda que la segunda revolución industrial y la revolución informática también estuvieron correlacionadas con largos procesos de desinflación. La “Ley de Say” (la oferta crea su propia demanda) falla en períodos de cambios tecnológicos porque la desigual distribución de ingresos y las diferentes propensiones marginales a consumir impiden un ajuste natural oferta-demanda.

Miao Yanliang identifica cuatro fuerzas por las que la revolución tecnológica impacta la inflación:

• Efecto cuello de botella y efecto expectativas (sube inflación a corto plazo): los precios de factores escasos al principio (chips de memoria, cómputo de alto nivel) se disparan, pero estos cuellos de botella suelen durar de tres a cinco años y el pico ya se está superando.
• Efecto oferta y efecto sustitución (suprime precios a largo plazo): la IA se difunde rápidamente y asume tareas intelectuales complejas, el efecto de sustitución del capital por el trabajo supera con creces a anteriores revoluciones. Como los propietarios de capital tienden a consumir menos, la caída de la participación laboral reduce los precios del lado de la demanda en el largo plazo.

“A largo plazo, la presión desinflacionaria e incluso deflacionaria puede ser mayor que en revoluciones industriales anteriores.” Miao Yanliang advierte que si esta tendencia se consolida, las herramientas de política monetaria tradicionales podrían caer en una trampa de liquidez, y la macroregulación deberá recurrir más a la política fiscal, la redistribución y el respaldo al empleo.

La presión deflacionaria expone fracturas estructurales en el mercado laboral.

Diferente de la revolución IT, que substituyó habilidades medias pero conservó roles de baja y alta calificación, el grado de exposición tecnológica de la IA es directamente proporcional al nivel de ingresos: finanzas, derecho, consultoría, desarrollo de software, es decir, trabajos bien pagos, están mucho más expuestos.

Miao Yanliang señala que la IA aún no causó un aumento significativo del desempleo, en parte porque su reemplazo de empleos maduros ocurre como un “desglose de tareas” paulatino.

Huang Yiping lo compara con la “Pausa de Engels” tras la primera revolución industrial: la producción se multiplicó mientras los salarios de los trabajadores comunes se estancaron durante décadas. Lu Ming y Xing Ziqiang, a su vez, responden indirectamente a Musk: la IA no eliminará todos los empleos, pero sí transformará el núcleo de los puestos. Las “funciones” estandarizadas y codificables serán rápidamente asumidas por modelos, mientras que la empatía, organización y el criterio humano seguirán siendo la defensa de los trabajadores. “Priorizar el empleo” no implica frenar el avance tecnológico, sino que, a través del diseño institucional, más personas puedan “hacer mucho más” gracias a la IA.

04 Nueva economía IA: todo dependerá de la capacidad institucional y la “globalización nativa”

Mientras los individuos deben transformar sus “habilidades humanas”, las industrias y empresas enfrentan un nuevo examen de reglas globales.

La profesora Jiang Xiaojuan de la Universidad de la Academia de Ciencias Sociales de China plantea que la economía de la IA está terminando con el viejo camino de globalización. Antes, en la era manufacturera, el modelo internacional era “por etapas”: importar tecnología, asimilar, validar localmente, y solo entonces salir al exterior.

Pero en la era IA, la tecnología y los productos “nacen globales”.

La innovación IA depende de basamentos algorítmicos y redes digitales globales, el modelo se reutiliza y su distribución marginal es casi trivial, apuntando desde el primer día al desarrollador y mercado global.

Jiang Xiaojuan muestra este cambio paradigmático con ejemplos industriales chinos:

Retroalimentación en ecosistemas de grandes modelos open source: Los modelos open source chinos crecen exponencialmente en descargas y usos en las principales comunidades internacionales, rompiendo con la vieja norma de “tope cerrado y base abierta” de los gigantes globales, proveyendo bienes públicos de alto nivel al ecosistema técnico mundial.

División vertical de IA4S y reconfiguración de “venta de semillas”: En áreas verticales como la investigación de fármacos, las empresas chinas ya muestran explosión de capacidad en descubrimiento de targets y diseño molecular vía IA, pero con distintos tiempos de absorción clínica, en la primera mitad del año el valor de licencias de medicamentos innovadores superó los cien mil millones de dólares. Detrás de esta “venta de semillas” al exterior, la IA reestructura la cadena global de biomedicina.

Retroalimentación desde datos industriales defectuosos: La vasta y compleja manufactura china ha generado grandes cantidades de valiosos “datos con errores y fallas”, permitiendo que los grandes modelos industriales, tras intensas pruebas locales, se exporten rápidamente al mundo.

Pero Jiang Xiaojuan enfatiza que “nacido global” no solo significa exportar técnica, también exige altos estándares institucionales, mentalidad y competencia internacional.

“Las empresas deben construir sistemas globales de compliance desde su fundación.” En temas de flujo de datos internacional, privacidad, ética algorítmica y propiedad intelectual, las empresas no pueden usar la vieja mentalidad “primero lo local, luego lo global”. En comercio, China avanza desde buscar trato preferencial para países en desarrollo a relaciones igualitarias con economías avanzadas, aprendiendo el enfoque de “dos manos a dos manos” para un ecosistema cooperativo y competitivo.

Epílogo

Desde la carrera de gastos de capital hasta la rigurosa revisión de cuentas macro, la Conferencia Bund 2026 puso un freno racional a la euforia radical por la IA.

Lo que determinará si la IA será el próximo motor histórico de crecimiento no es solo el tamaño de los clusters de cómputo, sino la adaptación sistémica más profunda: ¿pueden los algoritmos micro rebasar la curva de rezago y traducirse en TFP real? ¿Las instituciones distributivas y tributarias podrán asumir exitosamente la presión desinflacionaria y abrir nuevos espacios de valor para las nuevas generaciones? ¿La industria podrá beneficiarse del dividendo de “nacer global” en un entorno competitivo y de cumplimiento?

Como enfatizaron Han Xinyi y Huang Yiping al cerrar el foro: el valor final de la IA no puede demostrarse solo con valoraciones contables, debe validarse en el crecimiento macroeconómico real y medirse por el sentido de ganancia genuino de más trabajadores.