{"id":18041,"date":"2025-06-19T05:00:55","date_gmt":"2025-06-19T04:00:55","guid":{"rendered":"https:\/\/espai-marx.net\/?p=18041"},"modified":"2025-06-18T19:58:35","modified_gmt":"2025-06-18T18:58:35","slug":"esta-a-punto-de-estallar-la-burbuja-de-la-ia","status":"publish","type":"post","link":"https:\/\/espai-marx.net\/?p=18041","title":{"rendered":"\u00bfEst\u00e1 a punto de estallar la burbuja de la IA?"},"content":{"rendered":"
\n
\n

En los a\u00f1os transcurridos desde la publicaci\u00f3n de <\/em>Automation and the Future of Work<\/a>, una nueva ola de entusiasmo tecnol\u00f3gico ha invadido la imaginaci\u00f3n popular. El catalizador esta vez ha sido el r\u00e1pido avance de la inteligencia artificial generativa, encabezada por empresas como OpenAI, Google DeepMind y Meta. Una vez m\u00e1s, un coro de voces \u2014desde ejecutivos de Silicon Valley hasta destacados inversores y periodistas\u2014 insiste en que estamos al borde de un cambio trascendental.<\/em><\/p>\n

Sam Altman, director ejecutivo de OpenAI, afirma que la IA resolver\u00e1 problemas tan vastos como la reparaci\u00f3n del clima, la colonizaci\u00f3n espacial y el descubrimiento completo de las leyes de la f\u00edsica, prometiendo una transici\u00f3n a una era de prosperidad universal. Elon Musk, el empresario multimillonario detr\u00e1s de Tesla y SpaceX, advierte que la IA representa tanto la mayor amenaza existencial para la humanidad como el camino hacia una abundancia inimaginable, y predice un futuro en el que los robots humanoides superar\u00e1n en n\u00famero a los seres humanos en 2040. Marc Andreessen, el inversor de capital riesgo que cofund\u00f3 Netscape y ahora es un destacado inversor de Silicon Valley, declara que la IA salvar\u00e1 el mundo. Ezra Klein, comentarista liberal y cofundador de Vox, ofrece una versi\u00f3n m\u00e1s suave de la narrativa de la utop\u00eda de la automatizaci\u00f3n en su reciente libro Abundance, en el que pide que se eliminen los obst\u00e1culos normativos y se aumente el apoyo estatal a la investigaci\u00f3n y el desarrollo para acelerar el progreso tecnol\u00f3gico.<\/em><\/p>\n

Sin embargo, a pesar de su novedad, estas predicciones resultan sorprendentemente familiares. Repiten, en forma actualizada, el mismo discurso sobre la automatizaci\u00f3n que critiqu\u00e9 en este libro: una narrativa persistente que imagina que la tecnolog\u00eda remodelar\u00e1 de forma aut\u00f3noma la vida humana, al tiempo que oculta las estructuras sociales en las que se inscribe el cambio tecnol\u00f3gico.<\/em><\/p>\n

\"\"<\/a><\/p>\n

En el centro del discurso actual sobre la inteligencia artificial se encuentra una serie de afirmaciones dram\u00e1ticas sobre la disrupci\u00f3n del mercado laboral y el desempleo tecnol\u00f3gico. En 2023, investigadores afiliados a OpenAI y a la Universidad de Pensilvania publicaron un estudio en el que afirmaban que el 49 % de las tareas de los trabajadores estaban expuestas a grandes modelos ling\u00fc\u00edsticos, lo que suger\u00eda una transformaci\u00f3n inminente del trabajo en sectores que iban desde la educaci\u00f3n hasta los servicios jur\u00eddicos. Esta previsi\u00f3n actualiza directamente un art\u00edculo de 2013 de Carl Benedikt Frey y Michael Osborne, que hab\u00eda desencadenado una ola de ansiedad por la automatizaci\u00f3n al predecir que el 47 % de los puestos de trabajo en Estados Unidos eran vulnerables a las tecnolog\u00edas de aprendizaje autom\u00e1tico. Entonces, como ahora, los te\u00f3ricos de la automatizaci\u00f3n imaginaban un punto de inflexi\u00f3n en el que las m\u00e1quinas ser\u00edan capaces de realizar suficientes tareas humanas como para hacer innecesarios millones de puestos de trabajo, lo que provocar\u00eda un colapso sin precedentes del mercado laboral.<\/p>\n

Vale la pena recordar lo que sucedi\u00f3 con la \u00faltima ronda de predicciones. Tras la publicaci\u00f3n del art\u00edculo de Frey y Osborne en 2013, una ola de comentarios period\u00edsticos y pol\u00edticos advirti\u00f3 sobre el desempleo tecnol\u00f3gico masivo. Sin embargo, entre 2013 y el momento en que termin\u00e9 Automation and the Future of Work<\/i><\/a> en 2020, no se produjo ninguna cat\u00e1strofe de este tipo en el mercado laboral. Ante las crecientes dudas, la OCDE volvi\u00f3 a analizar los m\u00e9todos de Frey y Osborne en 2017 y concluy\u00f3 que solo alrededor del 14 % de los puestos de trabajo corr\u00edan un alto riesgo de automatizaci\u00f3n, muy lejos de la cifra original del 47 % que hab\u00eda captado la atenci\u00f3n del p\u00fablico.<\/p>\n

Pero incluso esta estimaci\u00f3n revisada a la baja result\u00f3 demasiado extrema. En 2020, qued\u00f3 claro que muchas de las ocupaciones que se consideraban m\u00e1s vulnerables a la automatizaci\u00f3n \u2014como la preparaci\u00f3n de alimentos, la operaci\u00f3n de m\u00e1quinas, la conducci\u00f3n y otras formas de trabajo manual o repetitivo\u2014 no hab\u00edan experimentado descensos significativos del empleo. En la mayor\u00eda de los casos, el empleo en estos sectores incluso creci\u00f3. Lejos de dar paso a una ola de desempleo tecnol\u00f3gico, los a\u00f1os posteriores a la crisis financiera se caracterizaron por una tibia expansi\u00f3n del mercado laboral y un estancamiento econ\u00f3mico cada vez m\u00e1s profundo. El crecimiento de la productividad, especialmente en el sector manufacturero estadounidense, se estanc\u00f3, alcanzando su tasa m\u00e1s baja desde que se empezaron a registrar estos datos en la d\u00e9cada de 1960. La revoluci\u00f3n de la automatizaci\u00f3n, al parecer, no hab\u00eda llegado.<\/p>\n

El fracaso de estas predicciones no fue accidental. Reflejaba fallos fundamentales en los m\u00e9todos utilizados para pronosticar el futuro del trabajo. Ni el estudio de 2013 ni su sucesor de 2023 basaron sus proyecciones en investigaciones emp\u00edricas de lugares de trabajo, trabajadores o procesos de producci\u00f3n reales. En cambio, ambos se basaron en juicios subjetivos de inform\u00e1ticos y economistas, a quienes se pidi\u00f3 que adivinaran si determinadas tareas pod\u00edan, en principio, ser realizadas por m\u00e1quinas. Si se consideraba que un n\u00famero suficiente de tareas asociadas a un puesto de trabajo eran automatizables \u2014normalmente m\u00e1s del 50 %\u2014, toda la profesi\u00f3n se clasificaba como en riesgo de desaparici\u00f3n. No se tuvo en cuenta c\u00f3mo se estructuran los puestos de trabajo en la pr\u00e1ctica, c\u00f3mo se agrupan las tareas o c\u00f3mo los factores econ\u00f3micos y sociales influyen en la adopci\u00f3n de nuevas tecnolog\u00edas. El resultado fue un modelo profundamente mecanicista del cambio tecnol\u00f3gico, en el que las m\u00e1quinas sustituir\u00edan a los trabajadores siempre que fuera t\u00e9cnicamente posible, independientemente del coste, las barreras institucionales o la resistencia pol\u00edtica. Era un modelo que ignoraba las complejas formas en que se organiza, se disputa y se transforma el trabajo, y por lo tanto era singularmente inadecuado para predecir el curso real del desarrollo econ\u00f3mico.<\/p>\n

La realidad de los efectos de la automatizaci\u00f3n durante la \u00faltima d\u00e9cada es muy diferente de lo que se hab\u00eda previsto. Los robots industriales, que ya se hab\u00edan implantado ampliamente a principios de siglo, siguieron concentr\u00e1ndose en un peque\u00f1o n\u00famero de sectores, principalmente en la fabricaci\u00f3n de autom\u00f3viles. A pesar de la ca\u00edda de los costes del hardware de los robots, a menudo citada como prueba de que la automatizaci\u00f3n se acelerar\u00eda, el verdadero gasto no radicaba en la adquisici\u00f3n de los robots, sino en su integraci\u00f3n en los sistemas de producci\u00f3n. La programaci\u00f3n, la optimizaci\u00f3n y el mantenimiento de los robots industriales suelen costar tres veces m\u00e1s que las propias m\u00e1quinas, lo que significa que solo las grandes empresas que producen bienes altamente estandarizados pod\u00edan justificar su uso generalizado. Las peque\u00f1as y medianas empresas, que tienden a especializarse en la producci\u00f3n personalizada y en peque\u00f1as series, ve\u00edan pocos incentivos para automatizarse.<\/p>\n

Mientras tanto, la robotizaci\u00f3n del sector servicios, prometida hasta la saciedad, segu\u00eda siendo pr\u00e1cticamente inexistente. Las agencias estad\u00edsticas que realizan un seguimiento del despliegue de los robots siguen mid\u00e9ndolo casi exclusivamente en la industria manufacturera. Incluso en los escenarios m\u00e1s optimistas, los robots segu\u00edan siendo herramientas especializadas para tareas espec\u00edficas: mover piezas pesadas, realizar soldaduras precisas, soldaduras repetitivas. Lejos de anunciar una nueva revoluci\u00f3n industrial, la d\u00e9cada de 2010 revel\u00f3 los l\u00edmites de la automatizaci\u00f3n para transformar la econom\u00eda a gran escala.<\/p>\n

Para comprender los l\u00edmites de la automatizaci\u00f3n es necesario situar el cambio tecnol\u00f3gico en el contexto de tendencias estructurales m\u00e1s amplias que han remodelado la econom\u00eda mundial y que se analizan en detalle en este libro. Desde los a\u00f1os setenta y ochenta, la industrializaci\u00f3n, motor hist\u00f3rico del crecimiento capitalista, ha llegado en gran medida a su fin. En su lugar ha surgido una econom\u00eda basada en los servicios, en la que ahora trabaja entre el 75 % y el 90 % de los trabajadores de los pa\u00edses de la OCDE. Aunque algunos imaginaban que los puestos de trabajo en la industria manufacturera simplemente se trasladar\u00edan al Sur global, en realidad la desindustrializaci\u00f3n se ha convertido en un fen\u00f3meno mundial, y hasta pa\u00edses como China experimentan un descenso constante del empleo en la industria manufacturera desde 2013.<\/p>\n

El paso de la industria manufacturera a los servicios tiene profundas implicaciones: el crecimiento de la productividad suele ser mucho m\u00e1s lento en los servicios que en la industria o la agricultura. Los servicios como la educaci\u00f3n, la sanidad y la hosteler\u00eda suelen ser intensivos en mano de obra, resistentes a la mecanizaci\u00f3n y moldeados por la interacci\u00f3n humana de formas que limitan las ganancias de eficiencia. A medida que los servicios han consumido una mayor parte del empleo y la producci\u00f3n, las tasas de crecimiento de la productividad general se han ralentizado. En combinaci\u00f3n con el debilitamiento del crecimiento demogr\u00e1fico y las expectativas a la baja para los mercados futuros, estas tendencias han creado un entorno de estancamiento econ\u00f3mico cr\u00f3nico, en el que las nuevas tecnolog\u00edas, por muy publicitadas que est\u00e9n, luchan por producir el tipo de transformaciones que una vez prometieron.<\/p>\n

Lo que ha demostrado la \u00faltima d\u00e9cada no es la desaparici\u00f3n del trabajo, sino su transformaci\u00f3n. Incluso all\u00ed donde se han introducido nuevas tecnolog\u00edas, la mayor\u00eda de los puestos de trabajo han perdurado, aunque con formas modificadas. Los estudios sobre el impacto de la digitalizaci\u00f3n en el trabajo muestran de forma sistem\u00e1tica que el ajuste se ha producido principalmente a trav\u00e9s de cambios en las estructuras de las tareas dentro de las profesiones, y no a trav\u00e9s de cambios radicales entre profesiones. Contrariamente a lo que suponen los te\u00f3ricos de la automatizaci\u00f3n, no existe un umbral claro \u2014como el 50 % de las tareas automatizadas\u2014 a partir del cual un trabajo deja de existir. En cambio, los trabajadores se adaptan, las funciones evolucionan y las profesiones sobreviven, a menudo con habilidades y responsabilidades diferentes a las anteriores. El crecimiento, la contracci\u00f3n o el estancamiento del empleo en un sector concreto no depende solo de las capacidades tecnol\u00f3gicas, sino tambi\u00e9n de las condiciones econ\u00f3micas generales.<\/p>\n

Incluso el mismo t\u00edtulo profesional puede abarcar tipos de trabajo radicalmente diferentes entre empresas y pa\u00edses, dependiendo de los antecedentes de automatizaci\u00f3n, la fuerza de los sindicatos y las protecciones reglamentarias. La fabricaci\u00f3n de un autom\u00f3vil, por ejemplo, es muy diferente en las plantas altamente automatizadas de Volkswagen en Alemania, en los talleres artesanales de Ferrari en Italia y en las f\u00e1bricas de autom\u00f3viles el\u00e9ctricos en r\u00e1pida expansi\u00f3n de BYD en China. Lo mismo ocurre en la industria cinematogr\u00e1fica, donde Hollywood en California, Bollywood en la India y Nollywood en Nigeria organizan la producci\u00f3n seg\u00fan l\u00f3gicas t\u00e9cnicas, econ\u00f3micas y culturales distintas. En este contexto, la forma en que la tecnolog\u00eda cambia el trabajo no es ni autom\u00e1tica ni inevitable. Est\u00e1 determinada por decisiones colectivas sobre qu\u00e9 tipos de trabajo y qu\u00e9 tipo de vida laboral est\u00e1 dispuesta a sostener la sociedad.<\/p>\n

A lo largo de la historia de la informatizaci\u00f3n, las tecnolog\u00edas digitales se han asociado a menudo con la mejora de las competencias. A medida que los lugares de trabajo se han vuelto m\u00e1s complejos desde el punto de vista tecnol\u00f3gico, ha aumentado la demanda de trabajadores con un mayor nivel de formaci\u00f3n y m\u00e1s cualificados, lo que ha contribuido a la polarizaci\u00f3n de los mercados laborales entre puestos de trabajo altamente cualificados y bien remunerados y puestos de trabajo poco cualificados y precarios. Sin embargo, los avances tecnol\u00f3gicos m\u00e1s recientes han seguido una trayectoria diferente. En algunos sectores, la digitalizaci\u00f3n no ha permitido mejorar las competencias, sino que las ha reducido. Servicios como Uber han despojado al trabajo tradicional de taxista de la experiencia que antes requer\u00eda, sustituyendo el conocimiento local por sistemas de navegaci\u00f3n GPS.<\/p>\n

Al mismo tiempo, las tecnolog\u00edas digitales han ampliado enormemente la capacidad de los empleadores para supervisar y disciplinar a los trabajadores. Los salarios de eficiencia son los salarios m\u00e1s altos que a menudo deben pagarse cuando los directivos no pueden observar f\u00e1cilmente el rendimiento de los trabajadores. Los trabajos que antes eran dif\u00edciles de supervisar, como el transporte por carretera de larga distancia, ahora est\u00e1n sujetos a una vigilancia electr\u00f3nica constante, lo que permite a las empresas reducir los salarios de eficiencia. Con una mayor supervisi\u00f3n, las empresas pueden ejercer un control m\u00e1s estricto sobre el ritmo y la organizaci\u00f3n del trabajo.<\/p>\n

Estos avances revelan que las tecnolog\u00edas no son neutrales: se implementan en un contexto pol\u00edtico e institucional que determina su impacto en el trabajo. Los gobiernos podr\u00edan regular la vigilancia en el lugar de trabajo; los sindicatos podr\u00edan negociar protecciones contra la supervisi\u00f3n invasiva. Sin embargo, en ausencia de tales esfuerzos, el cambio tecnol\u00f3gico sirve cada vez m\u00e1s para degradar el trabajo y exacerbar la desigualdad econ\u00f3mica.<\/p>\n

Tras el decepcionante impacto econ\u00f3mico de la automatizaci\u00f3n, las esperanzas se han desplazado cada vez m\u00e1s hacia la inteligencia artificial generativa. En la actualidad se est\u00e1n invirtiendo enormes recursos en el desarrollo de modelos de IA y en la construcci\u00f3n de los centros de datos necesarios para mantenerlos. Microsoft, Google, Meta y OpenAI han invertido conjuntamente miles de millones de d\u00f3lares, apostando por que la IA generativa proporcionar\u00e1 el avance que no lograron las anteriores rondas de automatizaci\u00f3n. Bajo la ret\u00f3rica de la revoluci\u00f3n industrial se esconde una ambici\u00f3n m\u00e1s concreta: dise\u00f1ar una revoluci\u00f3n de los servicios que impulse el crecimiento de la productividad en los sectores que hist\u00f3ricamente han quedado rezagados, como la sanidad, la educaci\u00f3n, el comercio minorista y la hosteler\u00eda.<\/p>\n

Dada la magnitud de la inversi\u00f3n, las expectativas impl\u00edcitas son asombrosas: para que estas inversiones sean rentables, la productividad tendr\u00eda que aumentar a ritmos nunca vistos desde las fases de r\u00e1pida recuperaci\u00f3n del Jap\u00f3n y la China del siglo XX, pero esta vez en econom\u00edas ya tecnol\u00f3gicamente avanzadas como la de Estados Unidos. Es f\u00e1cil comprender el atractivo. Si la robotizaci\u00f3n no puede traer una nueva ola de prosperidad, tal vez los agentes de software inteligentes s\u00ed puedan. Sin embargo, la brecha entre las aspiraciones y la realidad sigue siendo grande, y hay buenas razones para dudar de que la IA generativa, en su trayectoria actual, pueda resolver el estancamiento estructural de las econom\u00edas postindustriales.<\/p>\n

Las limitaciones fundamentales de la IA generativa se han hecho cada vez m\u00e1s evidentes, incluso para muchos de sus primeros defensores. Como han se\u00f1alado Fran\u00e7ois Chollet y otros investigadores en IA, las redes neuronales profundas adolecen de una fragilidad inherente: tienen dificultades para generalizar m\u00e1s all\u00e1 de los datos con los que han sido entrenadas, fallan en tareas b\u00e1sicas de razonamiento y siguen siendo poco fiables para aplicaciones que requieren coherencia o precisi\u00f3n. A pesar de acumular enormes cantidades de informaci\u00f3n digital, estos modelos se enfrentan a l\u00edmites estrictos en su capacidad de aprendizaje o adaptaci\u00f3n. Parte del problema radica en la propia arquitectura de las redes neuronales artificiales, que se dise\u00f1aron sobre la base de la psicolog\u00eda conductista de mediados del siglo XX. A diferencia de los cerebros org\u00e1nicos, que est\u00e1n equipados con ricas estructuras internas, objetivos innatos y marcos representativos, las redes artificiales son en gran medida desestructuradas y se basan en asociaciones estad\u00edsticas brutas. La mente humana puede captar un nuevo concepto a partir de unos pocos ejemplos; los modelos de aprendizaje autom\u00e1tico suelen necesitar millones. Los enfoques h\u00edbridos que integran el razonamiento simb\u00f3lico con el aprendizaje profundo, como el \u00e9xito de AlphaFold2 en el plegamiento de prote\u00ednas, ofrecen resultados m\u00e1s prometedores, pero deben dise\u00f1arse minuciosamente para tareas espec\u00edficas. No existe un m\u00e9todo general para incorporar la cognici\u00f3n modular y estructurada en los sistemas de aprendizaje profundo, ni hay garant\u00eda de que se encuentre uno.<\/p>\n

Ya est\u00e1n apareciendo signos de desilusi\u00f3n. El director ejecutivo de Microsoft, Satya Nadella, reconoci\u00f3 recientemente que, a pesar de las enormes inversiones de la empresa en OpenAI y otras iniciativas de IA generativa, a\u00fan no se ha producido un aumento cuantificable del crecimiento de la productividad. Enmarc\u00f3 el verdadero punto de referencia de forma sencilla: si la IA generativa fuera transformadora, ya estar\u00edamos viendo un crecimiento m\u00e1s r\u00e1pido de la econom\u00eda mundial. En cambio, hay pocos indicios de tal aceleraci\u00f3n. Informes del Wall Street Journal<\/i> y del Financial Times<\/i> han detallado la lentitud de la adopci\u00f3n por parte de las empresas, que luchan por encontrar usos fiables y a gran escala para los modelos de IA, propensos a la inconsistencia y al error. Daron Acemoglu, economista ganador del Premio Nobel, ha expresado su escepticismo abiertamente y ha advertido de que las tecnolog\u00edas de IA generativa pueden contribuir poco a resolver el malestar econ\u00f3mico m\u00e1s profundo que aflige a las sociedades capitalistas avanzadas. A pesar de los extraordinarios logros t\u00e9cnicos que se han conseguido, cada vez est\u00e1 m\u00e1s claro que la actual ola de innovaci\u00f3n en IA puede que no produzca por s\u00ed sola el dinamismo econ\u00f3mico generalizado que sus defensores predicen con tanta confianza.<\/p>\n

En lugar de provocar un desempleo masivo, es probable que los efectos m\u00e1s inmediatos de la IA generativa reflejen las tendencias m\u00e1s amplias de transformaci\u00f3n del empleo que ya se est\u00e1n produciendo en la actualidad, a saber, la descalificaci\u00f3n y la vigilancia. Los estudios preliminares sugieren que las tecnolog\u00edas de IA generativa aumentan la productividad sobre todo entre los trabajadores menos cualificados, lo que contribuye a estandarizar los resultados, pero contribuye poco a mejorar el trabajo altamente cualificado y complejo. No es casualidad que estos sistemas destaquen en la generaci\u00f3n de textos de calidad media y c\u00f3digo b\u00e1sico, el tipo de tareas que realizan los estudiantes, raz\u00f3n por la cual uno de los principales casos de uso de ChatGPT ha sido ayudar a los estudiantes a copiar. A medida que estas herramientas se generalizan, existe el riesgo de una descalificaci\u00f3n digital en campos como la programaci\u00f3n inform\u00e1tica, el dise\u00f1o gr\u00e1fico y la investigaci\u00f3n jur\u00eddica, donde los resultados generados por algoritmos podr\u00edan sustituir a los producidos por trabajadores con un nivel medio de competencia.<\/p>\n

Al mismo tiempo, los modelos de IA generativa ofrecen nuevas posibilidades para supervisar y evaluar a los trabajadores, procesando datos de vigilancia para ejercer un mayor control sobre los procesos laborales y suprimir los salarios. Una vez m\u00e1s, las tecnolog\u00edas que prometen liberarnos del trabajo corren el riesgo de intensificar la explotaci\u00f3n. Sin marcos sociales y jur\u00eddicos s\u00f3lidos que redirijan su desarrollo, el resultado probable del auge de la IA generativa no ser\u00e1 el desempleo masivo, sino el empeoramiento de las condiciones laborales, la aceleraci\u00f3n de la desigualdad econ\u00f3mica y una mayor erosi\u00f3n de la autonom\u00eda de los trabajadores.<\/p>\n

Las lecciones de la \u00faltima d\u00e9cada deber\u00edan moderar tanto nuestras esperanzas como nuestros temores. La verdadera amenaza que plantea la IA generativa no es que elimine el trabajo a gran escala, dejando obsoleta la mano de obra humana. Es que, si no se controla, seguir\u00e1 transformando el trabajo de formas que profundizar\u00e1n la precariedad, intensificar\u00e1n la vigilancia y ampliar\u00e1n las desigualdades existentes. El cambio tecnol\u00f3gico no es una fuerza externa a la que las sociedades deben simplemente adaptarse, sino un proceso mediado social y pol\u00edticamente. Los marcos jur\u00eddicos, la negociaci\u00f3n colectiva, la inversi\u00f3n p\u00fablica y la regulaci\u00f3n democr\u00e1tica desempe\u00f1an un papel decisivo a la hora de determinar c\u00f3mo se desarrollan y se utilizan las tecnolog\u00edas, y con qu\u00e9 fines.<\/p>\n

La trayectoria actual de la IA generativa refleja las prioridades de las empresas que buscan reducir costes, disciplinar a los trabajadores y consolidar los beneficios, y no un impulso por mejorar el bienestar humano. Si permitimos que esta trayectoria siga sin cuestionarse, no deber\u00eda sorprendernos que los beneficios de la innovaci\u00f3n tecnol\u00f3gica recaigan en unos pocos, mientras que las cargas recaen sobre la mayor\u00eda. Sin embargo, no tiene por qu\u00e9 ser as\u00ed. El futuro sigue abierto, dependiendo de si estamos dispuestos a afrontar, cuestionar y reorientar el camino por el que avanza la tecnolog\u00eda.<\/p>\n

El frenes\u00ed actual en torno a la inteligencia artificial no durar\u00e1 para siempre. A medida que las limitaciones de la IA generativa se hagan m\u00e1s evidentes y que los beneficios econ\u00f3micos de las enormes inversiones corporativas no se materialicen en la escala esperada, la burbuja especulativa estallar\u00e1 inevitablemente. Cuando llegue ese momento, como ocurri\u00f3 tras el estallido de la burbuja puntocom y de nuevo tras el boom de los robots de la d\u00e9cada de 2010, nos enfrentaremos a una elecci\u00f3n crucial. Podemos resignarnos a otro ciclo de desilusi\u00f3n tecnol\u00f3gica o podemos plantearnos preguntas m\u00e1s fundamentales sobre c\u00f3mo la tecnolog\u00eda puede servir realmente a las necesidades humanas. Si queremos hacer frente a los retos de las pr\u00f3ximas d\u00e9cadas, desde la crisis clim\u00e1tica hasta la conclusi\u00f3n de la transici\u00f3n demogr\u00e1fica y la b\u00fasqueda de una vida m\u00e1s libre y con m\u00e1s sentido, no necesitaremos m\u00e1s especulaciones sobre las m\u00e1quinas que nos salvar\u00e1n, sino una acci\u00f3n deliberada y colectiva para dar forma a nuestro futuro tecnol\u00f3gico.<\/p>\n

La tarea que tenemos por delante no es solo anticipar lo que la IA nos deparar\u00e1. Es determinar qu\u00e9 pretendemos hacer con la IA como sociedades. Debemos insistir en que el desarrollo tecnol\u00f3gico no se mida por los beneficios de los accionistas, sino por su contribuci\u00f3n a la construcci\u00f3n de un mundo m\u00e1s justo y humano. El \u00faltimo cap\u00edtulo de Automation and the Future of Work<\/i><\/a> comienza a explorar lo que podr\u00eda suponer ese proyecto.<\/p>\n

Prefacio a la edici\u00f3n brasile\u00f1a de <\/i>Automation and the Future of Work, de pr\u00f3xima publicaci\u00f3n en Boitempo. Edici\u00f3n original <\/i>disponible ahora<\/i><\/a> en Verso<\/i>.<\/p>\n

Fuente: blog de la editorial Verso, \u00a09 de junio de 2025 (https:\/\/www.versobooks.com\/blogs\/news\/is-the-ai-bubble-about-to-burst<\/a>)<\/p>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

En los a\u00f1os transcurridos desde la publicaci\u00f3n de Automation and the Future of Work, una nueva ola de entusiasmo tecnol\u00f3gico<\/p>\n","protected":false},"author":5,"featured_media":18050,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9,44,1560],"tags":[],"class_list":["post-18041","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia","category-economia","category-trabajo"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/posts\/18041","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/espai-marx.net\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=18041"}],"version-history":[{"count":4,"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/posts\/18041\/revisions"}],"predecessor-version":[{"id":18054,"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/posts\/18041\/revisions\/18054"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/espai-marx.net\/index.php?rest_route=\/wp\/v2\/media\/18050"}],"wp:attachment":[{"href":"https:\/\/espai-marx.net\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=18041"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/espai-marx.net\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=18041"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/espai-marx.net\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=18041"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}