Impacto de la inteligencia artificial en la desigualdad económica

El avance de la inteligencia artificial transforma el trabajo en las economías avanzadas. Descubre cómo la automatización de tareas cognitivas impacta en los salarios, la polarización del empleo y la concentración de capital.

El avance acelerado de la inteligencia artificial (IA) en los procesos productivos globales ha reconfigurado la estructura del mercado laboral y la distribución del ingreso desde el inicio de la década de 2020. Según estimaciones del Fondo Monetario Internacional (FMI) publicadas en enero de 2024, aproximadamente el 40% del empleo mundial está expuesto a la automatización y mejora mediante IA. En las economías avanzadas, este porcentaje alcanza el 60%, debido a la alta prevalencia de empleos orientados a tareas cognitivas y de gestión de información. A diferencia de olas tecnológicas anteriores que afectaron principalmente al trabajo manual e industrial, la integración de modelos algorítmicos impacta directamente a sectores de ingresos medios y altos, alterando los márgenes salariales y acelerando la concentración del capital a nivel micro y macroeconómico.

La adopción masiva de algoritmos optimizadores y sistemas generativos transforma la relación entre el capital financiero y la mano de obra. A medida que las empresas sustituyen horas de trabajo humano por poder de cómputo escalable, los rendimientos económicos derivados del aumento de la productividad se desplazan preferentemente hacia los propietarios del software y los inversores en infraestructura tecnológica. Esta reestructuración no ocurre de manera uniforme en la economía global, sino que acentúa las divergencias históricas entre los países industrializados, que concentran los centros de innovación y desarrollo, y las naciones emergentes, que participan principalmente como usuarias de servicios digitales o proveedoras de datos no estructurados.

Impacto de la automatización algorítmica en la polarización del empleo

La adopción de herramientas de inteligencia artificial generativa ha acelerado el fenómeno de polarización laboral tanto en mercados desarrollados como emergentes. Investigaciones de la Organización Internacional del Trabajo (OIT) indican que la IA presenta un mayor potencial de complementariedad que de sustitución total; sin embargo, las tareas administrativas, de procesamiento de documentos y de apoyo de nivel de entrada experimentan un riesgo sustancial de automatización directa. En el sector financiero, legal y de servicios profesionales de Estados Unidos y la Unión Europea, las contrataciones para roles junior en análisis de datos, redacción técnica y soporte al cliente registraron reducciones medibles entre 2023 y 2025.

Esta dinámica desplaza a los trabajadores hacia dos extremos del espectro laboral. Por un lado, se incrementa notablemente la demanda de especialistas en desarrollo de software, arquitectura de datos, ciberseguridad y gestión de infraestructura computacional, cuyos salarios han crecido por encima del promedio de la industria. Por otro lado, la fuerza laboral desplazada que no logra acceder a procesos de reconversión profesional rápida se traslada hacia servicios presenciales no automatizables, caracterizados por menores remuneraciones, escasa cobertura de seguridad social y alta informalidad. Este desplazamiento estructural contribuye a la contracción de las clases medias urbanas en términos de participación relativa en la renta nacional.

El diferencial de productividad entre profesionales que utilizan herramientas de IA y aquellos que carecen de acceso o formación para aprovecharlas amplía la brecha de ingresos dentro de las mismas profesiones. Informes de la Organización para la Cooperación y el Desarrollo Económicos (OCDE) destacan que los trabajadores con competencias digitales avanzadas para integrar modelos de lenguaje en sus flujos de trabajo incrementan su rendimiento hasta en un 40% en tareas específicas de resolución de problemas complejos. Esta ventaja productiva se traduce en una mayor retención salarial, promociones internas más rápidas y una marcada ventaja competitiva frente a los perfiles que operan bajo métodos tradicionales.

Concentración del capital tecnológico en conglomerados multinacionales

El desarrollo, entrenamiento y despliegue de modelos de inteligencia artificial de gran escala exige una infraestructura intensiva en capital, lo que ha derivado en un nivel elevado de concentración de mercado sin precedentes en la historia industrial. La construcción y mantenimiento de un centro de datos para el entrenamiento de modelos fundacionales de última generación requiere inversiones que superan los 1.000 millones de dólares en hardware especializado, capacidad energética garantizada y sistemas avanzados de refrigeración. Este umbral financiero tan elevado limita la capacidad de competencia a un grupo muy reducido de multinacionales tecnológicas radicadas principalmente en Estados Unidos y China.

A lo largo de 2024 y 2025, las cinco principales empresas de tecnología mundial concentraron más del 70% de la inversión privada global en investigación y desarrollo de IA fundamental. Esta hegemonía les permite controlar la cadena de valor completa, desde el diseño y adquisición de microchips avanzados hasta la gestión de la infraestructura en la nube y los canales directos de distribución del software final. La captación de renta económica por parte de estos actores se refleja en el incremento sostenido de sus valoraciones bursátiles, mientras que las micro, pequeñas y medianas empresas (PyMEs) dependen obligatoriamente de licencias de terceros para acceder a estas tecnologías, aumentando sus costos operativos fijos y reduciendo sus márgenes de ganancia.

La redistribución del ingreso nacional hacia el factor capital se ha profundizado en los países sede de estas corporaciones dominantes. De acuerdo con datos del Banco Mundial, la proporción del producto interno bruto (PIB) destinada a las remuneraciones de los asalariados ha caído de forma constante en comparación con la cuota destinada a los retornos del capital tecnológico y la propiedad intelectual. Esta tendencia consolida un modelo económico donde la riqueza generada por la ganancia de eficiencia algorítmica se acumula de manera prioritaria en los accionistas e inversionistas de las firmas de infraestructura digital, debilitando la capacidad de negociación de los trabajadores.

Disparidades de infraestructura física y poder de cómputo entre regiones

La brecha digital asociada a la inteligencia artificial no solo abarca el acceso a la conectividad a internet, sino también la disponibilidad de capacidad de cómputo intensivo y la estabilidad de las redes de energía eléctrica. La Unión Internacional de Telecomunicaciones (UIT) señala que, aunque más del 67% de la población mundial tiene acceso a internet de algún tipo, la calidad, latencia y velocidad de las conexiones varían drásticamente entre regiones. Mientras los países de la OCDE disponen de redes de fibra óptica densas y conectividad 5G ampliamente desplegada, en África Subharina y en amplias zonas rurales de América Latina menos del 30% de la población cuenta con banda ancha de alta velocidad.

La ejecución eficiente de herramientas avanzadas de IA requiere latencias mínimas y un ancho de banda constante para el envío y procesamiento de flujos masivos de información. Las regiones sin infraestructura moderna quedan automáticamente excluidas de la integración de soluciones de IA en tiempo real para sectores estratégicos como la agricultura de precisión, la telemedicina en redes de salud pública, el monitoreo ambiental y la logística industrial. Además, la distribución geográfica de los centros de datos refleja una marcada asimetría: más del 80% de la capacidad de cómputo en la nube para entrenamiento e inferencia de IA se ubica en América del Norte, Europa Occidental y Asia Oriental.

El acceso a unidades de procesamiento gráfico (GPU) y aceleradores de hardware dedicados se ha convertido en un indicador crítico de soberanía tecnológica e industrial. Las barreras de importación, las restricciones presupuestarias y los elevados costos de la energía eléctrica impiden que las instituciones de investigación y las empresas de países en desarrollo puedan entrenar modelos con arquitectura propia adaptados a sus necesidades locales. Como consecuencia, estas economías asumen un rol pasivo de consumidoras de sistemas diseñados en el exterior, lo que agrava la dependencia tecnológica, la transferencia ilimitada de datos privados y la fuga de divisas por pago de licencias.

Divergencia en el gasto público de innovación entre economías avanzadas y en desarrollo

La capacidad fiscal de los Estados para subsidiar la transformación digital, la investigación científica y la adopción de IA varía ampliamente según el nivel de ingresos de cada país. Durante el periodo 2023-2025, la Unión Europea, Estados Unidos, Japón y Corea del Sur promulgaron marcos legislativos y paquetes de incentivos financieros públicos por cientos de miles de millones de dólares orientados a la producción local de semiconductores, la construcción de infraestructura energética para centros de datos y la concesión de becas para investigación científica avanzada.

Por el contrario, las economías de ingresos medios y bajos enfrentan elevados niveles de endeudamiento externo y severas restricciones presupuestarias que limitan la inversión pública en investigación y desarrollo (I+D). En la mayoría de los países de América Latina y África, el gasto total en I+D se mantiene históricamente por debajo del 0,7% del PIB, en comparación con el promedio superior al 2,7% registrado en la zona de la OCDE. Esta diferencia en la asignación de recursos presupuestarios frena la modernización de los sistemas educativos y la actualización de los currículos escolares para la enseñanza de ciencia, tecnología, ingeniería y matemáticas (STEM).

Esta asimetría profunda en la inversión pública perpetúa la migración sistemática de talento altamente calificado. Investigadores, ingenieros de datos, matemáticos y desarrolladores formados en universidades públicas de países emergentes emigran hacia centros de innovación en Silicon Valley, Londres, Berlín, Tokio o Singapur, atraídos por mejores remuneraciones, estabilidad económica e infraestructura de vanguardia. Este fenómeno de fuga de cerebros priva a los países de origen del capital humano indispensable para construir ecosistemas locales de innovación que impulsen la productividad nacional a largo plazo.

Sesgos en los conjuntos de datos y la brecha de inclusión lingüística y cultural

Los modelos de lenguaje de gran escala (LLM) son entrenados utilizando conjuntos de datos masivos extraídos mayoritariamente de internet, donde predomina el contenido en idioma inglés y las representaciones culturales del Norte Global. Cifras de la UNESCO revelan que más del 50% de los sitios web disponibles globalmente están redactados en inglés, a pesar de que este idioma es hablado por menos del 20% de la población mundial como lengua materna. Esta sobrerepresentación estructural se traslada de manera directa a los algoritmos de IA, generando desequilibrios evidentes en la precisión, relevancia y calidad de los resultados según el idioma de consulta.

El rendimiento operativo de los sistemas de inteligencia artificial disminuye significativamente al procesar lenguas con escasos recursos digitales o dialectos regionales no documentados en la red. Esta limitación técnica afecta la implementación de servicios digitales automatizados en la administración pública, la atención médica primaria y la educación básica en países de África, Asia del Sur y comunidades indígenas en las Américas. Los usuarios de estos idiomas enfrentan tasas de error considerablemente más elevadas en el reconocimiento de voz, la traducción automática y la recuperación de información técnica especializada.

Adicionalmente, la dependencia de conjuntos de datos concentrados geográficamente introduce sesgos sistémicos en la toma de decisiones algorítmicas aplicadas a la evaluación de riesgos crediticios, los procesos de contratación laboral y la asignación de recursos sociales públicos. Al replicar patrones de datos históricos provenientes de sociedades desarrolladas, las herramientas de IA pueden excluir de manera sistemática a poblaciones vulnerables en mercados emergentes, profundizando las brechas existentes de acceso al financiamiento formal, la justicia y las oportunidades de desarrollo económico.

Mecanismos de regulación global y reformas tributarias para la equidad digital

Ante la aceleración de las brechas económicas y tecnológicas entre naciones y clases sociales, organismos multilaterales como la Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (UNCTAD), el Banco Mundial y la Comisión de las Naciones Unidas para Ciencia y Tecnología han propuesto marcos de regulación e instrumentos fiscales específicos. La promulgación de la Ley de Inteligencia Artificial de la Unión Europea en 2024 marcó un precedente regulatorio en la clasificación de riesgos, auditoría de algoritmos y exigencias de transparencia para los proveedores de modelos de alto impacto, sentando las bases para la gobernanza internacional.

En el ámbito fiscal, diversos economistas y organismos internacionales debaten la implementación de mecanismos de imposición sobre las rentas extraordinarias derivadas de la automatización y el procesamiento masivo de datos. La propuesta de aplicar impuestos a los servicios digitales a empresas tecnológicas transnacionales busca recaudar recursos fiscales que puedan destinarse directamente a fondos de reconversión laboral, subsidios educativos para formación tecnológica y expansión de infraestructura digital en países en desarrollo. No obstante, la falta de un consenso global sobre la jurisdicción tributaria de las operaciones digitales en la nube dificulta la implementación uniforme y coordinada de estas medidas.

La efectividad de las iniciativas internacionales para reducir la brecha digital depende en última instancia de acuerdos vinculantes de transferencia tecnológica y cooperación multilateral. Programas enfocados en la apertura de modelos de código abierto, la creación de supercomputadoras de acceso público compartidas entre bloques de naciones y el financiamiento preferencial de infraestructura energética sostenible en regiones desatendidas se presentan como vías indispensables para evitar que la transición algorítmica consolide un esquema de desarrollo asimétrico y permanente a escala global.