La IA ha permeado nuestras vidas de manera gradual, a través de todo, desde la tecnología que impulsa nuestros teléfonos inteligentes hasta las funciones de conducción autónoma de los automóviles y las herramientas que utilizan los minoristas para sorprender y deleitar a los consumidores. Como resultado, su progreso ha sido casi imperceptible. Los hitos claros, como cuando AlphaGo, un programa basado en IA desarrollado por DeepMind, derrotó a un campeón mundial de Go en 2016, fueron celebrados, pero luego desaparecieron rápidamente de la conciencia del público. Las aplicaciones de IA generativa, como ChatGPT, GitHub Copilot, Stable Diffusion y otras, han cautivado la imaginación de personas de todo el mundo de una manera que AlphaGo no lo hizo, gracias a su amplia utilidad (casi cualquiera puede usarlas para comunicarse y crear) y a su capacidad sobrenatural de mantener una conversación con un usuario. Las últimas aplicaciones de IA generativa pueden realizar una variedad de tareas rutinarias, como la reorganización y clasificación de datos. Pero es su capacidad para escribir texto, componer música y crear arte digital la que ha acaparado titulares y persuadido a los consumidores y hogares a experimentar por su cuenta. Como resultado, un conjunto más amplio de partes interesadas está lidiando con el impacto de la IA generativa en las empresas y la sociedad, pero sin mucho contexto que les ayude a entenderlo. La velocidad a la que se desarrolla la tecnología de IA generativa no facilita esta tarea. ChatGPT se lanzó en noviembre de 2022. Cuatro meses después, OpenAI lanzó un nuevo modelo de lenguaje grande, o LLM, llamado GPT-4 con capacidades notablemente mejoradas.1De manera similar, en mayo de 2023, la IA generativa de Anthropic, Claude, fue capaz de procesar 100.000 tokens de texto, equivalentes a unas 75.000 palabras en un minuto (la longitud de una novela promedio), en comparación con aproximadamente 9.000 tokens cuando se presentó en marzo de 2023.2Y en mayo de 2023, Google anunció varias funciones nuevas impulsadas por IA generativa, incluida Search Generative Experience y un nuevo LLM llamado PaLM 2 que impulsará su chatbot Bard, entre otros productos de Google.3 Para comprender lo que nos espera, es necesario comprender los avances que han permitido el surgimiento de la IA generativa, que se han estado gestando durante décadas. A los efectos de este informe, definimos la IA generativa como aplicaciones que normalmente se construyen utilizando modelos básicos. Estos modelos contienen redes neuronales artificiales expansivas inspiradas en los miles de millones de neuronas conectadas en el cerebro humano. Los modelos básicos son parte de lo que se denomina aprendizaje profundo, un término que alude a las muchas capas profundas dentro de las redes neuronales. El aprendizaje profundo ha impulsado muchos de los avances recientes en IA, pero los modelos básicos que impulsan las aplicaciones de IA generativa son una evolución radical dentro del aprendizaje profundo. A diferencia de los modelos de aprendizaje profundo anteriores, pueden procesar conjuntos extremadamente grandes y variados de datos no estructurados y realizar más de una tarea. Los modelos básicos han permitido la creación de nuevas capacidades y han mejorado enormemente las existentes en una amplia gama de modalidades, incluidas imágenes, vídeo, audio y código informático. La IA entrenada en estos modelos puede realizar varias funciones: puede clasificar, editar, resumir, responder preguntas y redactar nuevos contenidos, entre otras tareas.

Ideas clave El impacto de la IA generativa en la productividad podría agregar billones de dólares en valor a la economía global. Nuestra última investigación estima que la IA generativa podría agregar el equivalente a $2,6 billones a $4,4 billones anuales en los 63 casos de uso que analizamos (en comparación, el PIB total del Reino Unido en 2021 fue de $3,1 billones). Esto aumentaría el impacto de toda la inteligencia artificial entre un 15 y un 40 por ciento. Esta estimación se duplicaría aproximadamente si incluimos el impacto de integrar la IA generativa en el software que actualmente se usa para otras tareas más allá de esos casos de uso. Alrededor del 75 por ciento del valor que podrían aportar los casos de uso de la IA generativa se reparte en cuatro áreas: operaciones con clientes, marketing y ventas, ingeniería de software e I+D. En 16 funciones empresariales, examinamos 63 casos de uso en los que la tecnología puede abordar desafíos empresariales específicos de formas que produzcan uno o más resultados mensurables. Entre los ejemplos se incluyen la capacidad de la IA generativa para respaldar las interacciones con los clientes, generar contenido creativo para marketing y ventas y redactar códigos informáticos basados ​​en indicaciones en lenguaje natural, entre muchas otras tareas. La IA generativa tendrá un impacto significativo en todos los sectores de la industria. La banca, la alta tecnología y las ciencias biológicas se encuentran entre las industrias que podrían ver el mayor impacto como porcentaje de sus ingresos gracias a la IA generativa. En el sector bancario, por ejemplo, la tecnología podría generar un valor equivalente a entre 200.000 y 340.000 millones de dólares adicionales al año si los casos de uso se implementaran por completo. En el comercio minorista y los bienes de consumo envasados, el impacto potencial también es significativo: entre 400.000 y 660.000 millones de dólares al año. La IA generativa tiene el potencial de cambiar la anatomía del trabajo, aumentando las capacidades de los trabajadores individuales al automatizar algunas de sus actividades individuales. La IA generativa actual y otras tecnologías tienen el potencial de automatizar actividades laborales que hoy absorben entre el 60 y el 70 por ciento del tiempo de los empleados. En cambio, anteriormente estimamos que la tecnología tiene el potencial de automatizar la mitad del tiempo que los empleados pasan trabajando.4La aceleración del potencial de automatización técnica se debe en gran medida a la mayor capacidad de la IA generativa para comprender el lenguaje natural, algo que se requiere para actividades laborales que representan el 25 por ciento del tiempo total de trabajo. Por lo tanto, la IA generativa tiene un mayor impacto en el trabajo del conocimiento asociado con ocupaciones que tienen salarios y requisitos educativos más altos que en otros tipos de trabajo. Es probable que el ritmo de transformación de la fuerza laboral se acelere, dado el aumento del potencial de automatización técnica. Nuestros escenarios de adopción actualizados, que incluyen el desarrollo de la tecnología, la viabilidad económica y los plazos de difusión, conducen a estimaciones de que la mitad de las actividades laborales actuales podrían automatizarse entre 2030 y 2060, con un punto intermedio en 2045, o aproximadamente una década antes que en nuestras estimaciones anteriores. La IA generativa puede aumentar sustancialmente la productividad laboral en toda la economía, pero eso requerirá inversiones para apoyar a los trabajadores cuando cambien de actividad o de empleo. La IA generativa podría permitir un crecimiento de la productividad laboral de entre el 0,1 y el 0,6 por ciento anual hasta 2040, dependiendo del ritmo de adopción de la tecnología y de la redistribución del tiempo de los trabajadores en otras actividades. Al combinar la IA generativa con todas las demás tecnologías, la automatización del trabajo podría añadir entre 0,5 y 3,4 puntos porcentuales anuales al crecimiento de la productividad. Sin embargo, los trabajadores necesitarán apoyo para aprender nuevas habilidades y algunos cambiarán de ocupación. Si se pueden gestionar las transiciones de los trabajadores y otros riesgos, la IA generativa podría contribuir sustancialmente al crecimiento económico y apoyar un mundo más sostenible e inclusivo. La era de la IA generativa recién está comenzando. El entusiasmo por esta tecnología es palpable y los primeros proyectos piloto son atractivos. Pero la plena realización de los beneficios de la tecnología llevará tiempo, y los líderes de las empresas y la sociedad aún tienen desafíos considerables que abordar. Estos incluyen la gestión de los riesgos inherentes a la IA generativa, la determinación de las nuevas habilidades y capacidades que necesitará la fuerza laboral y el replanteamiento de los procesos empresariales básicos, como la capacitación y el desarrollo de nuevas habilidades.

La IA generativa es un cambio radical en la evolución de la inteligencia artificial. A medida que las empresas se apresuran a adaptarla e implementarla, comprender el potencial de la tecnología para aportar valor a la economía y a la sociedad en general ayudará a tomar decisiones críticas. Hemos utilizado dos perspectivas complementarias para determinar dónde la IA generativa, con sus capacidades actuales, podría aportar el mayor valor y qué tan grande podría ser ese valor. El primer estudio analiza los casos de uso de la IA generativa que las organizaciones podrían adoptar. Definimos un “caso de uso” como una aplicación específica de la IA generativa a un desafío empresarial específico, que da como resultado uno o más resultados mensurables. Por ejemplo, un caso de uso en marketing es la aplicación de la IA generativa para generar contenido creativo, como correos electrónicos personalizados, cuyos resultados mensurables incluyen potencialmente reducciones en el costo de generar dicho contenido y aumentos en los ingresos a partir de la mayor eficacia de contenido de mayor calidad a escala. Identificamos 63 casos de uso de la IA generativa que abarcan 16 funciones empresariales que podrían ofrecer un valor total de entre 2,6 billones y 4,4 billones de dólares en beneficios económicos anuales cuando se aplican en diferentes industrias. Eso sumaría entre un 15 y un 40 por ciento a los 11 billones a 17,7 billones de dólares de valor económico que ahora estimamos que la inteligencia artificial no generativa y la analítica podrían generar (nuestra estimación anterior, de 2017, era que la IA podría generar entre 9,5 billones y 15,4 billones de dólares en valor económico). Nuestro segundo enfoque complementa el primero al analizar el impacto potencial de la IA generativa en las actividades laborales requeridas en unas 850 ocupaciones. Modelamos escenarios para estimar cuándo la IA generativa podría realizar cada una de las más de 2100 “actividades laborales detalladas” (como “comunicarse con otros sobre planes o actividades operativas”) que conforman esas ocupaciones en la economía mundial. Esto nos permite estimar cómo las capacidades actuales de la IA generativa podrían afectar la productividad laboral en todos los trabajos que actualmente realiza la fuerza laboral global. Parte de este impacto se superpondrá con las reducciones de costos en el análisis de casos de uso descrito anteriormente, que suponemos que son el resultado de una mayor productividad laboral. Si se elimina esta superposición, los beneficios económicos totales de la IA generativa (incluidos los principales casos de uso que exploramos y los innumerables aumentos de productividad que probablemente se materialicen cuando la tecnología se aplique a las actividades de los trabajadores del conocimiento) ascienden a entre 6,1 y 7,9 billones de dólares anuales. Si bien la IA generativa es una tecnología apasionante y que avanza rápidamente, las demás aplicaciones de la IA analizadas en nuestro informe anterior siguen representando la mayor parte del valor potencial general de la IA. Los algoritmos tradicionales de análisis avanzado y aprendizaje automático son muy eficaces para realizar tareas numéricas y de optimización, como el modelado predictivo, y siguen encontrando nuevas aplicaciones en una amplia gama de industrias. Sin embargo, a medida que la IA generativa continúa desarrollándose y madurando, tiene el potencial de abrir fronteras totalmente nuevas en creatividad e innovación. Ya ha ampliado las posibilidades de lo que la IA en general puede lograr (consulte el recuadro “Cómo estimamos el valor potencial de los casos de uso de la IA generativa”). En esta sección, destacamos el valor potencial de la IA generativa en todas las funciones comerciales. La IA generativa podría tener un impacto en la mayoría de las funciones empresariales; sin embargo, algunas se destacan cuando se las mide en función del impacto de la tecnología como porcentaje del costo funcional. Nuestro análisis de 16 funciones empresariales identificó solo cuatro (operaciones de atención al cliente, marketing y ventas, ingeniería de software e investigación y desarrollo) que podrían representar aproximadamente el 75 por ciento del valor anual total de los casos de uso de la IA generativa. En 2012, el McKinsey Global Institute (MGI) estimó que los trabajadores del conocimiento dedicaban aproximadamente una quinta parte de su tiempo, o un día de cada semana laboral, a buscar y recopilar información. Si la IA generativa pudiera encargarse de esas tareas, aumentando la eficiencia y la eficacia de los trabajadores que las realizan, los beneficios serían enormes. Esa experiencia virtual podría “leer” rápidamente vastas bibliotecas de información corporativa almacenadas en lenguaje natural y escanear rápidamente el material fuente en diálogo con un humano que ayuda a afinar y adaptar su investigación, una solución más escalable que contratar a un equipo de expertos humanos para la tarea. En otros casos, la IA generativa puede generar valor al trabajar en conjunto con los trabajadores, mejorando su trabajo de maneras que aceleran su productividad. Su capacidad para digerir rápidamente montañas de datos y extraer conclusiones de ellos permite que la tecnología ofrezca información y opciones que pueden mejorar drásticamente el trabajo basado en el conocimiento. Esto puede acelerar significativamente el proceso de desarrollo de un producto y permitir que los empleados dediquen más tiempo a tareas de mayor impacto.