Diane Coyle dice más…

 

11 de marzo de 2025

Esta semana en Say More, PS habla con Diane Coyle, profesora de Políticas Públicas en la Universidad de Cambridge.

Project Syndicate: Usted ha acogido con satisfacción los esfuerzos de las autoridades de competencia por fortalecer su capacidad de abrir los mercados digitales, “tanto mediante la incorporación de nuevas herramientas como mediante la realización del análisis necesario para utilizarlas”. En su próximo libro, The Measure of Progress , señala que, además de ejercer un poder monopólico en los mercados de productos, las plataformas digitales parecen gozar de un considerable poder de monopsonio en los mercados laborales. ¿Se ha avanzado en la medición de este tipo de poder de mercado y qué lagunas aún impiden dar respuestas eficaces?

Diane Coyle: Las grandes plataformas digitales ejercen un gran poder, punto. Por lo tanto, no es sorprendente que haya cada vez más evidencia de que esto incluye un considerable poder de monopsonio, que explotan al mantener los salarios de los trabajadores o las tarifas de los vendedores por debajo de lo que exigiría un mercado competitivo. Desafortunadamente, es muy difícil recopilar la evidencia que se necesitaría para contraatacar, porque las plataformas controlan el acceso a sus datos. Pero hay evidencias inequívocas: la prevalencia de cláusulas de no competencia tanto en Estados Unidos como en el Reino Unido es una clara indicación de que algunos empleadores están socavando el funcionamiento de los mercados competitivos.

PS: En términos más generales, usted ha lamentado que los datos sobre el impacto económico de la revolución digital “sigan siendo inadecuados”. Una complicación, como señala en The Measure of Progress , es que tradicionalmente hemos definido la economía en función de las transacciones monetarias, pero los consumidores esperan que muchos servicios digitales sean gratuitos. ¿Cómo debe cambiar nuestro marco conceptual para dar cuenta de esa producción y ese consumo “gratuitos”?

DC: Cómo medir los intercambios “gratuitos” y, en términos más generales, cómo entender la estructura cambiante de la economía digital se está convirtiendo en un área activa de investigación. Y por una buena razón: desde mediados de la década de 2000, lo que se produce y se consume, y cómo, ha cambiado drásticamente, pero las nuevas actividades y transacciones económicas –como la prestación de servicios a cambio de datos y atención del usuario, en lugar de un pago monetario– son invisibles en las estadísticas económicas tradicionales.

Existen varios métodos para medir los servicios digitales por los que los consumidores no pagan directamente. Por ejemplo, el equipo de Erik Brynjolfsson en Stanford utiliza métodos experimentales para determinar cuánto valoran los consumidores estos servicios. Yo lo analizo desde el punto de vista de cómo las personas emplean su tiempo, porque así es como se consumen los bienes digitales “gratuitos”. Como el tiempo es un recurso finito, las compensaciones entre actividades competitivas (pagadas y gratuitas) pueden indicar el valor de las gratuitas.

Pero ésta es sólo una de las limitaciones de nuestra comprensión actual de la economía. El libro destaca muchos más ejemplos.

PS: Usted sugiere que también estamos haciendo un mal trabajo a la hora de medir el impacto de la IA en la economía. Aclarar la “niebla conceptual” en la que se mueven actualmente los responsables de las políticas probablemente no sea un proceso rápido, especialmente para una tecnología de uso general que avanza rápidamente . Pero, como escribió después del lanzamiento inicial de ChatGPT , la acción temprana es crucial para prevenir la aparición de monopolios de IA. ¿Hay formas en que los responsables de las políticas puedan mitigar las incertidumbres a las que se enfrentan?

DC: Se necesita mucho tiempo para determinar el marco conceptual adecuado para comprender, y más aún para regular, una economía transformada. La Revolución Industrial, por ejemplo, generó una “niebla” que duró décadas. Mientras tanto, sin embargo, los organismos de competencia realizan análisis útiles que examinan la estructura de los mercados individuales con gran detalle.

En el caso de la IA, los modelos de base de gran tamaño se enfrentan a una mayor competencia de la que muchos (incluido yo) esperaban inicialmente, incluso de parte de modelos más pequeños y de modelos (como DeepSeek) que se han aprovechado de sus contrapartes de mayor tamaño. Las autoridades de competencia deberían prestar mucha atención a estas dinámicas. También queda mucho por hacer en el análisis de la evolución de los mercados ascendentes (como la computación en la nube) y descendentes (como las aplicaciones de IA).

PS: En su libro, usted cita la salud como un área clave en la que la innovación tecnológica puede y debe mejorar la vida de las personas. Hoy, la administración del presidente estadounidense Donald Trump está tratando de recortar la financiación de la investigación médica y de salud pública. Sería razonable esperar que esto tuviera un impacto adverso en la economía estadounidense, pero ¿qué tan bien preparados estamos para medirlo?

DC: El conocimiento siempre ha sido el motor fundamental del crecimiento a largo plazo, pero esto es especialmente cierto en la economía “basada en el conocimiento” de hoy. La posición de Estados Unidos en la frontera tecnológica le ha permitido, durante décadas, mejorar la vida de su gente y sostener la economía más fuerte del mundo. Si bien las empresas privadas sin duda han contribuido desarrollando productos y procesos innovadores, la investigación básica que sustenta estas actividades siempre y en todas partes está organizada y financiada por el gobierno. Esto es cierto en prácticamente todas las esferas, no solo en la salud.

En vista de lo anterior, reducir o eliminar la financiación de la investigación básica equivale a destruir los cimientos de la economía estadounidense, lo que resultará catastrófico para el liderazgo de Estados Unidos y en detrimento de todos, pero especialmente de los estadounidenses. Si bien no será fácil medir la gama completa de pérdidas, podemos esperar que la economía se deteriore, ya sea por el crecimiento del PIB o por el crecimiento del sector de mercado, porque la investigación científica financiada por el gobierno ayuda al sector privado.

PS: En The Measure of Progress, usted observa que el descontento económico es un “importante factor que contribuye a la ira que se expresa en la política volátil y extremista actual”, lo que implica que unas mejores métricas conducirían a mejores políticas y, potencialmente, a una mejor política. Pero, como nos recuerda la limpieza de los sitios web gubernamentales por parte de la administración Trump, los datos también pueden ocultarse o manipularse para servir a fines políticos. ¿Existen mecanismos institucionales que puedan garantizar la integridad (y supervivencia) de los datos oficiales?

DC: La desaparición de datos científicos, el debilitamiento de la integridad de las estadísticas oficiales, el aumento de la posibilidad de cambiar la definición de la economía: todas estas acciones equivalen a destruir precisamente los tipos de conocimiento útil de los que dependen la economía digital y la IA, en particular.

La mejor protección institucional es una democracia en pleno funcionamiento. De no ser así, otros tendrán que producir y publicar datos, lo que exigirá nuevas técnicas. Las encuestas tradicionales probablemente hayan terminado, sobre todo porque ninguna empresa que compita con una propiedad de Elon Musk estaría dispuesta a proporcionar la información confidencial pertinente.

PS: En su libro, usted destaca una gran cantidad de áreas en las que necesitamos más datos. Pero ¿hay algunas cosas que requieren menos atención y menos recursos de los que les dedicamos?

DC: Sí, hay tipos de recopilación de datos que podrían dejar de utilizarse, pero será difícil llegar a un acuerdo general sobre cuáles, hasta que haya cierto consenso sobre las áreas en las que se necesitan más datos. En general, para que el sistema de producción y recopilación de datos sea más eficiente se requerirá innovación metodológica, utilizando herramientas digitales.

https://www.project-syndicate.org/onpoint/interview-with-diane-coyle-innovation-ai-economic-measurement-2025-03