El capitalista sólo actúa como tal o como “capital personificado” en la medida en que la creciente apropiación de riqueza abstracta constituye el único motivo propulsor de todas sus operaciones
El Capital tomo I
Es relevante considerar a esta tecnología en el marco de las tendencias del desarrollo capitalista. La IA como tecnología de uso difundido reproduce, actualiza y reconfigura las relaciones de explotación y dominio características del capitalismo. Al mirar esta tecnología bajo ese prisma, se percibe que es más lo que tiene de continuidad que de ruptura –sin que ello implique desestimar sus potencialidades. Por tanto, no nos encontramos ante una ruptura radical en la historia de la humanidad sino ante un capitalismo que dispone de nuevas capacidades tecnológicas, a partir de las cuales se busca reorganizar el proceso de acumulación y redefinir las capacidades de apropiación para incrementar la tasa de acumulación de capital.
La Inteligencia Artificial vista desde la crítica de la economía política, plantea que actualmente los sistemas de inteligencia artificial contribuyen a reducir los costos de circulación (al automatizar funciones como la atención a clientes, la generación de publicidad personalizada, la gestión de inventarios, etc.) y acelera la rotación del capital [1], pero tienen un impacto restringido sobre el proceso de producción, con lo cual las ventajas de su aplicación son parciales. Como afirma David Harvey: “los gastos y el trabajo empleados en la circulación del capital tienen que costearse mediante deducciones al valor y al plusvalor producido en la producción”.
Por tanto, para los capitales es benéfico implementar tecnologías para reducir los costos de circulación y volver más eficiente el conjunto de la reproducción, pues de esa manera hay una mayor cantidad de plusvalor que puede ser apropiado como ganancia. En ese sentido, la introducción de la inteligencia artificial en los procesos de circulación, administración, etc., hace posible un aumento en la apropiación de plusvalor y de ganancias. No obstante, si no revoluciona el proceso de producción, el potencial de esta tecnología sólo se aprovecha parcialmente.
La hiperaceleración de la IA
La Ley de Moore (1965) expresaba que aproximadamente cada 2 años se duplica el número de transistores en un microprocesador lo que genera un crecimiento exponencial de la potencia computacional, pues bien la cantidad de computación utilizada para entrenar los modelos de IA más potentes se ha multiplicado por 10 cada año del último decenio. Algo que antes tardaba varias semanas en procesarse se procesa ahora en segundos.
No obstante, el carácter único de la IA no está relacionado sólo con el crecimiento de la capacidad computacional. Los avances recientes en el procesamiento paralelo y el uso de aceleradores de hardware, como las unidades de procesamiento gráfico (GPU) y las unidades de procesamiento tensorial (TPU), han sido posibles gracias al avance continuo de la Ley de Moore. Esto ha allanado el camino para modelos de IA más sofisticados, como redes neuronales profundas y algoritmos avanzados de aprendizaje automático.
Las principales condiciones del auge reciente de la IA son:
1) La extracción masiva y cada vez más acelerada de datos digitales, que hacen posible un conocimiento detallado del mundo físico y de las prácticas sociales en entornos virtuales.
2) El aumento y abaratamiento en la capacidad de cómputo, así como la producción de chips especializados que se adecuan mejor a las necesidades de procesamiento de datos de los sistemas de inteligencia artificial.
3) La mejora en las técnicas de procesamiento de los datos (machine learning y deep learning), diseñadas para modificar de manera adaptativa y automática sus parámetros, de tal forma que su capacidad mejore paulatinamente.
4) Las mejoras de las infraestructuras de procesamiento de datos –la “computación en la nube”– y de telecomunicaciones –por ejemplo, las redes 4G y 5G.
Dos características actuales de su adopción limitan su impacto sobre la productividad y la rentabilidad en el conjunto del sistema: Su aplicación en los procesos de producción es muy restringida. Su adopción no ha alcanzado la masividad que requiere una revolución productiva generalizada, aun cuando es fuente de ganancias extraordinarias para los capitales individuales que lideran su implementación. Por contra la revalorización tecnológica y mayores gastos de capital: Capital Expenditure (CapEx)[2] alimentan las perspectivas de inversión.
Desde que OpenAI lanzó ChatGPT (noviembre de 2022), la inteligencia artificial se ha convertido en tema recurrente de conversación entre inversores, emprendedores y ejecutivos. Según los resultados empresariales del primer trimestre de 2024, las grandes empresas tecnológicas, conocidas como los titanes de la nube, están invirtiendo sumas considerables en la construcción de centros de datos de IA.
Estas inversiones en IA se equiparan a las de la industria más intensiva en capital, como la petrolera. Por ejemplo, se estima que Saudi Aramco tendrá un gasto de capital este año de 50.000 millones de dólares, una cifra similar a lo que Microsoft destinará para construir centros de datos de IA, que es un crecimiento del 31% en su negocio Azure Cloud. De manera similar, el gasto de Meta se asemeja al de Chevron. Este fuerte gasto de capital se destinará, según declararon las empresas en sus resultados, a la adquisición de servidores de IA impulsados por chips especializados, infraestructura de red y almacenamiento asociado, así como sistemas de refrigeración.
Ashley Oerth, estratega asociada de Mercados Globales en Invesco, señala que «la vanguardia de la investigación en IA está definida por las grandes empresas que pueden desplegar suficiente capital para hacer más con más, los innovadores intrépidos que han descubierto cómo hacer más con menos (a menudo a través de ofertas de productos más específicas) y los pocos aventureros que buscan nuevos nichos o casos de uso».
La carrera por liderar la era de la inteligencia artificial ha disparado el gasto en capital (CaPex) de las grandes empresas tecnológicas. En esta ola de innovación, Wall Street prevé que Microsoft gaste 83.000 millones. En el trimestre cerrado en junio, el último de su año fiscal, la multinacional estadounidense elevó su CaPex más de un 55% respecto al mismo periodo del año anterior. Gran parte de estas inversiones se destinan a la construcción o expansión de centros de datos, así como a la adquisición de procesadores, especialmente unidades de proceso gráfico (GPU) de Nvidia, indispensables para entrenar los modelos de lenguaje y ejecutar las aplicaciones de inteligencia artificial.
La IA entendida como Tecnologías de Propósito General (TPG), son innovaciones fundamentales que tienen el potencial de provocar transformaciones significativas en la economía, afectando a múltiples sectores, mejorando la productividad y fomentando el crecimiento económico. No solo tiene un impacto significativo en la productividad, lo que podría generar un mayor crecimiento económico en el futuro, tienen el potencial de transformar una amplia gama de industrias, desde la automoción hasta la medicina, pasando por la educación y el entretenimiento, al mejorar la toma de decisiones, automatizar tareas y personalizar servicios.
Por los diversos sectores:
En la industria financiera
Varias instituciones están adoptando la tecnología, especialmente la inteligencia artificial, así como el machine learning, revolucionando el sector al mejorar aspectos operativos clave. La tecnología desempeña un papel crucial en la detección del fraude mediante la supervisión continua de transacciones en busca de patrones inusuales, lo que ayuda a detectar actividades fraudulentas y prevenir pérdidas financieras. Además, está reconfigurando el sector financiero al reducir los costes de riesgo y cumplimiento, mejorando los canales de atención al cliente y aumentando la eficiencia y eficacia general del sector, según indican algunas consultoras.
Como ilustra Mobeen Tahir, director de Análisis Macroeconómico y Soluciones Tácticas en WisdomTree, durante el Salón de la Electrónica de Consumo de 2024, los coches captaron gran atención. La sensación predominante entre los participantes fue que la trayectoria de la IA en la industria automotriz está apenas comenzando. Grandes fabricantes como Mercedes-Benz, BMW y Volkswagen presentaron asistentes virtuales impulsados por IA generativa, llevando la funcionalidad a un nivel más sofisticado y proporcionando experiencias de usuario altamente personalizadas.
En el sector de la salud
La inteligencia artificial presenta una serie de desafíos y oportunidades, según destaca AllianceBernstein. Entre los desafíos se encuentran el tratamiento de datos sensibles y la falta de fiabilidad de la IA en un sector donde las decisiones de los profesionales son vitales, según Vinay Thapar, gestor del fondo AB International Health Care, con Rating Fundspeople. Sin embargo, también se destacan oportunidades como la investigación de nuevos fármacos, la mejora del diagnóstico de enfermedades y la optimización del tratamiento de pacientes con enfermedades raras.
En los mercados de renta variable
Bert Flossbach, cofundador de la gestora Flossbach von Storch, comenta que «el auge de la IA también ha repercutido en los mercados de renta variable, y no solo en los que se supone que son los ganadores inmediatos. La valoración de la renta variable estadounidense, que representa dos tercios del índice MSCI World, ha seguido aumentando en los últimos tiempos y, con una relación precio/beneficios (PER) de 23,4 veces ha alcanzado un nivel superior a la media, incluso en un contexto histórico.»
Por otro lado, según Tomasz Godziek, responsable de Thematic Equities en J. Safra Sarasin Sustainable AM, «el sector tecnológico es más atractivo que nunca debido a varias razones. Las compañías que hoy lideran el rally tecnológico distan mucho de las que protagonizaron la burbuja de las puntocom a finales de los noventa.» Godziek señala que «el gigante de la inteligencia artificial Nvidia cotiza 30 veces por encima de los beneficios del año que viene, coincidiendo justo con su media de los diez últimos años, cuando muchas compañías de la era de las puntocom se valoraban 100 veces por encima de sus beneficios, muchas muy endeudadas y otras en pérdidas.»
Oerth también opina sobre el tema, mencionando que «las valoraciones de los valores tecnológicos, tanto a corto como a largo plazo, han aumentado notablemente y las expectativas de beneficios futuros de las principales empresas tecnológicas se han revisado al alza.» La estratega considera que la reciente escalada de los valores tecnológicos debería detenerse.
El poder de mercado
Explica Marx que la competencia entre capitalistas y el desarrollo del crédito capitalista sirven de palanca para la centralización del capital. La centralización del capital hace que la riqueza social se concentre en un pequeño grupo de grandes capitalistas o en una unión de ellos. El poder de mercado de las empresas no se limitan a la propiedad de la IA, trasciende a otro aspecto del modo de producción capitalista: la competencia. Según publica el FMI sobre la dimensión del cambio tecnológico, es que más allá del mercado laboral, incide sobre el poder de mercado de las empresas. Alphabet y Microsoft, entre otras, poseen claramente el dominio de las tecnologías de IA de avanzada. Crearlas es costoso y requiere datos masivos, a los cuales pocas empresas tienen acceso. Pero eso significa que, como propietario del capital que representa la IA, este puñado de empresas se llevará una parte grande del botín.
A medida que alquilen las tecnologías a empresas de otras industrias, la participación de la mano de obra seguirá cayendo, en tanto que el ingreso generado por las tecnologías de IA subirá.
Un Futuro con mayor concentración empresarial
Laconcentración empresarial que mide la cuota de mercado colectiva de las empresas más grandes de un sector.
Sólo las empresas más grandes utilizan la IA de forma intensiva en su actividad principal. La IA permite a estas empresas ser más productivas, rentables y grandes que sus competidores. El desarrollo de modelos de IA es incluso más caro, en términos de capacidad bruta de computación —un costo inicial cuantioso que solo las pueden permitirse—, y además requieren ser entrenados con enormes conjuntos de datos, que las empresas muy grandes ya tienen disponibles gracias a su gran número de clientes; este no es el caso de las empresas pequeñas. Además, después de entrenar y crear un modelo de IA, su funcionamiento llega a ser costoso.
Por ejemplo, entrenar el modelo GPT-4 durante su desarrollo inicial cuesta más de USD 100 millones y necesita aproximadamente USD 700.000 al día para funcionar. El costo típico de desarrollar un modelo grande de IA podría pronto alcanzar los miles de millones de dólares. Los ejecutivos de las principales empresas de IA predicen que las leyes de escala que muestran una fuerte relación entre el aumento de los costos de entrenamiento y la mejora del desempeño se mantendrán en un futuro próximo, lo que otorga una ventaja a las empresas con acceso a los presupuestos más abultados y los conjuntos de datos más grandes.
Así pues, solo las empresas más grandes y sus socios comerciales desarrollarían modelos patentados de IA, como ya han hecho Alphabet, Microsoft y OpenAI y no las empresas más pequeñas. Es así como las empresas grandes se hacen más grandes.
El otro punto es la influencia de tales empresas acaparadoras sobre el marco regulatorio de los Estados para lograr que coincida con sus propios intereses y dirigir la innovación hacia sus objetivos. Existe una gran incertidumbre en torno al alcance de las actuales leyes de propiedad intelectual respecto al entrenamiento de modelos con millones de puntos de datos que quizás incluyan la propiedad intelectual protegida de terceros. Las leyes de propiedad intelectual podrían llegar a responder con la creación de algo parecido a una “maraña de patentes” que, en la práctica, evite que los desarrolladores entrenen modelos con datos sobre los que no tienen derechos claros.
[1] representa el tiempo en el que el capital realiza todo su ciclo
[2] son inversiones de capital en activos a largo plazo, amortizadas a lo largo del tiempo
