¿Será la Inteligencia Artificial el nuevo milagro económico? Una Visión Crítica Para el Sector Salud

Luis Eduardo Pino Villarreal MD, M.Sc, MBA. CEO de OxLER, Fundador de AIpocrates
Juan Pablo Pino Franco. Estudiante de Economía, Universidad de los Andes

¿Por qué reflexionar sobre este tema?

El reciente Nobel de Economía 2024, Daron Acemoglu, acaba de publicar The Simple Macroeconomics of AI, un análisis que desinfla las previsiones triunfalistas de crecimiento asociadas a la inteligencia artificial. A partir de un modelo basado en tareas, el autor demuestra que, bajo supuestos realistas, la IA solo aportaría un incremento acumulado de la productividad total de los factores (PTF) en Estados Unidos de “solo” 0,66 % en diez años, e incluso 0,53 % si se reconoce que muchas labores, como el análisis contextual de datos, siguen siendo difíciles de automatizar.

Para una economía de renta media como Colombia, caracterizada por un mercado laboral predominantemente informal (60%) y una marcada brecha digital, resultaría cuando menos imprudente extrapolar las proyecciones de “crecimiento del 7 % del PIB” que circulan en informes bancarios y de consultoría. Antes de adoptar expectativas infladas, conviene examinar con lupa los matices del debate y traducir sus implicaciones a nuestros propios desafíos estructurales.

En particular, el sector salud—uno de los mayores empleadores del país y un pilar crítico de bienestar social—requiere un análisis diferenciado. Las oportunidades de la IA en optimización, diagnóstico asistido y gestión hospitalaria son reales, pero también lo son los riesgos de profundizar inequidades y desviar recursos sin retornos clínicos claros. A continuación, centraremos la conversación precisamente en cómo estas conclusiones macroeconómicas se traducen en decisiones estratégicas para el sistema de salud colombiano.

El corazón del argumento

• IA como automatización extensiva y complementariedad de tareas: El autor parte de un modelo donde la producción es una secuencia de tareas que pueden ejecutarse con capital o con trabajo humano. La IA disminuye el costo de algunas tareas (automatización) y mejora la eficiencia en otras (complementariedad) .
• Teorema de Hulten aplicado a la IA: De acuerdo con esta perspectiva, si la IA reduce el costo de solo un puñado de tareas cuyo peso en el valor agregado es limitado (por ejemplo, el 4–5 % del PIB), el impulso agregado a la PTF será proporcionalmente pequeño, aun cuando el ahorro localizado sea grande.
• El impacto macro depende del porcentaje de tareas afectadas y del ahorro medio de costos. Con datos de exposición ocupacional a IA (Eloundou et al.) y estudios experimentales (Brynjolfsson, Noy & Zhang) se calcula un ahorro promedio de 14 % del costo total; lo que sumado a que solo un 4,6 % del PIB estadounidense corresponde a las tareas fácilmente automatizables, hace pensar que el impulso agregado real es realmente limitado.
• Ajustes por tareas “duras”: Al ponderar que unas tres cuartas partes de las tareas expuestas requieren juicio (por ejemplo el clínico), contexto local o métricas de éxito difusas, el efecto sobre la PTF se revisa a la baja: 0,53 % de PTF y 0,90 % de PIB en diez años .
• Inversión “exagerada”: Si las empresas duplicaran el capital dedicado a IA, el PIB podría subir hasta 1,4–1,56 %, pero ese extra proviene de sustituir consumo por inversión, sin aumentar el bienestar neto .

Respecto a la desigualdad, salarios y brecha capital-trabajo Acemoglu considera lo siguiente:

• Salarios planos, capital boyante. Incluso cuando la IA eleva la productividad de trabajadores menos calificados, la participación del trabajo en el ingreso cae; la ganancia se concentra en los dueños de capital digital.
• Efectos heterogéneos. Los experimentos de productividad muestran que las mujeres de baja educación—grupo análogo a auxiliares de enfermería o personal administrativo en Colombia—podrían ver reducidos sus salarios reales .
• Desigualdad persistente. La IA no repetirá el golpe asimétrico de la robotización industrial, pero tampoco cerrará la brecha; al contrario, ampliará la distancia entre ingresos del capital y del trabajo, lo cual podría ser catastrófico en países como Colombia.

Esta predicción de Acemoglu es comparativamente menor a la publicada en otros estudios especialmente de consultoría y la OCDE, a saber:

Esta dispersión puede deberse a varios factores:

1. Definición de impacto
   o Las firmas consultoras suman efectos de ingreso por consumo inducido y expansión de mercados; mientras Acemoglu y la OCDE miden ganancia de eficiencia neta (PTF).
2. Supuestos de adopción
   o McKinsey y Goldman parten de una difusión rápida (penetración > 50 % en ciertos sectores antes de 2035); Acemoglu usa tasas históricas de automatización de tareas (< 5 % del PIB expuesto a IA en 10 años).
3. Elasticidad trabajo-capital
   o Los modelos corporativos permiten que la mano de obra migrada a nuevas tareas mantenga productividad; Acemoglu sostiene que las “nuevas tareas” no están garantizadas y dependen de la política y el mercado.
4. Marco temporal
   o Cuanto más largo el horizonte (Accenture 2038, PwC 2030), mayor la acumulación compuesta.

Nuevas tareas: el filo de la navaja

El artículo recuerda que la IA puede “crear” tareas con alto valor social—p. ej., triage clínico asistido, personalización educativa—pero también “tareas malas”: algoritmos de manipulación, deepfakes o ciberataques. Según su ejercicio ilustrativo, la expansión de redes sociales algorítmicas podría sumar 2 % al PIB y simultáneamente restar 0,72 % al bienestar agregado .

Para sistemas de salud frágiles como los latinoamericanos, tal dualidad exige marcos éticos y regulatorios sólidos: los “ingresos” que inflan el PIB no equivalen necesariamente a más salud ni a mejor calidad de vida (que es al final lo que importa).

Barreras específicas en economías emergentes

Acemoglu advierte que las consecuencias para el mundo en desarrollo son más difíciles de prever y demandan investigación ad-hoc . Entre los factores citados—y altamente pertinentes para Colombia—destacan:

• Baja penetración de IA en pymes. Menos del 1,5 % de las firmas estadounidenses invertía en IA en 2019; la proporción es presumiblemente menor en América Latina.
• Costos de adopción organizacional. La “curva J” de productividad digital puede tardar dos décadas en rendir frutos plenos, retrasando el retorno sobre la inversión para hospitales y aseguradoras .
• Capital humano y datos. Sin estandarización ni interoperabilidad, la IA tendrá dificultades para trascender más allá de prototipos aislados. Nosotros no tenemos ejemplos de subsistemas intercomunicados como el sistema de salud de California.

Los mayores retornos identificados por McKinsey (banca, high-tech, ciencias de la vida) exigen altas densidades de datos y capital humano que solo algunas EPS, clínicas grandes y fintech locales poseen; se necesitarán alianzas público-privadas para extender beneficios por ejemplo a la red hospitalaria de mediana y baja complejidad.

Puntos críticos para la agenda colombiana

• Mantener expectativas moderadas. Bajo parámetros realistas, la IA añadiría 0,5–0,9 % al PIB en una década (a la economía de USA); beneficios mayores requieren “nuevas tareas” creativas, no solo automatización.
• Política pública pro-tareas complementarias. Incentivar desarrollos que empoderen a los equipos de salud —p. ej., sistemas de soporte a la decisión—es más inclusivo que reemplazarlo.
• Vigilancia a la brecha capital-trabajo. Diseñar impuestos o fondos de redistribución que capturen parte del excedente del capital intangible y lo reinviertan en salud pública. Considerar retribuciones económicas mediante venta ética y segura de datos por ejemplo.
• Protección de grupos vulnerables. Monitorear el impacto salarial en mujeres y trabajadores con menor entrenamiento técnico; programas de recapacitación basados en evidencia y planes de cobertura social para potenciales desempleados.
• Adopción escalonada en pymes de salud. Facilitar sandboxes regulatorios y compras públicas innovadoras para que clínicas medianas puedan acceder a IA sin absorber todo el riesgo inicial.
• Regulación de “malas tareas”. Establecer estándares contra desinformación médica, deepfakes y uso nocivo de datos sensibles. En este punto es clave enfatizar en la ciberseguridad como inversión corporativa priorizada.
• Medición rigurosa. Incorporar métricas de bienestar (años de vida ajustados por calidad, satisfacción del paciente) y no sólo el efecto en el PIB.
• Energía y sostenibilidad. Considerar el costo energético de grandes modelos: si la huella de carbono aumenta, el “PIB” crecerá mientras el bienestar ambiental se deterioraría, una paradoja molesta.

Conclusiones y recomendaciones

El contraste de informes revela dos narrativas: La primera, académica, subraya que la IA entregará ganancias reales pero modestas y que sin políticas redistributivas podría agravar desigualdades (Acemoglu, OCDE); la segunda, impulsada por consultoras y bancos de inversión, exhibe cifras exorbitantes y ganancias exponenciales, basadas en supuestos agresivos de adopción, reinversión y creación de mercados. Al ser supuestos económicos solo el tiempo lo dirá, nos quedamos mejor con una visión intermedia.

Para Colombia, donde la brecha digital y la informalidad limitan la absorción tecnológica, el enfoque prudente es combinar la ambición del sector privado con la sobriedad de la evidencia académica: invertir en datos, talento y regulación para capturar la fracción posible del valor (quizás 0,5 % adicional de PIB) sin sacrificar equidad ni sostenibilidad fiscal. De lo contrario, corremos el riesgo de importar expectativas grandilocuentes y exportar rentas a plataformas globales, perdiendo la oportunidad de que la IA sea un verdadero instrumento de salud y bienestar.

Debemos ser muy cuidadosos con una apertura masiva a centros de datos extranjeros sin asegurar primero un incremento efectivo de nuestras capacidades y una adecuada soberanía de datos, de otra forma el país podría ser víctima del tecnofeudalismo digital que tanto critica.

Así las cosas, la IA no es la piedra filosofal que resolverá las ineficiencias del sistema de salud ni catapultará la economía; es, más bien, un catalizador cuyo rendimiento dependerá de la arquitectura institucional y la capacidad de convertir automatización en tareas complementarias, es decir de un aterrizaje efectivo. Adoptarla con estrategia, medirla con rigor y legislarla con prudencia es la ruta para que Colombia transforme un modesto impulso productivo en un salto cualitativo de bienestar, que como se ha mencionado es el fin último del Estado.

Nota: Los columnistas utilizaron los modelos de gran lenguaje LLM GPT o-3 y Claude V 3,7 Sonnet para mejorar la redacción y la generación de hipótesis para el contexto local, esto se hizo mediante técnicas de ingeniería de prompts.