Un análisis académico y datos del sector financiero alertan sobre un posible efecto perverso de la adopción acelerada de inteligencia artificial (IA): aunque la tecnología puede aumentar la productividad y subir el producto, si desplaza trabajadores más rápido de lo que la economía los vuelve a integrar, la demanda agregada podría disminuir y poner en riesgo la propia viabilidad de las empresas.
Qué dice el estudio y por qué importa
El documento The AI Layoff Trap, elaborado por Brett Hemenway Falk (Universidad de Pensilvania) y Gerry Tsoukalas (Boston University), plantea que bajo un escenario de adopción rápida y fuerte disrupción laboral, el Producto Interno Bruto del grupo G7 podría quedar en torno a 6% por encima de su trayectoria base hacia 2060. Sin embargo, este aumento de productividad no garantiza un reparto equilibrado de beneficios: el mismo proceso podría mantener el desempleo en niveles superiores y, con ello, erosionar la demanda que sostiene las ventas de las empresas.
La mecánica es sencilla en términos económicos: si la automatización reduce la masa salarial y las transferencias o la reconversión laboral no compensan la pérdida de ingresos, la capacidad de consumo privado se contrae. Menor consumo implica menores ingresos para empresas, lo que puede obligarlas a reducir inversión o empleo adicional, generando un círculo que frena el crecimiento real en el mediano plazo.
Vulnerabilidades financieras y mexicanas
El análisis también se complementa con indicadores de la industria financiera que apuntan a riesgos concretos asociados a la IA. Entre los datos citados se encuentran:
- El porcentaje de bancos que reportan incrementos anuales en pérdidas por fraude subió de 59% a 76%.
- Casi la mitad de las organizaciones financieras globales reportan afectaciones superiores a 10 millones de dólares anuales por modalidades automatizadas de fraude.
- En una encuesta reciente, el 79% de líderes bancarios considera que agentes de IA podrían convertirse en la mayor vulnerabilidad explotable por defraudadores en los próximos 12 meses, según referencias al Banco de México.
| Indicador | Valor citado |
|---|---|
| PIB del G7 (proyección vs base, hacia 2060) | +6% |
| Bancos con aumento de pérdidas por fraude | de 59% a 76% |
| Organizaciones con pérdidas >10 MUSD por fraudes automatizados | Casi 50% |
Para México, la nota subraya riesgos adicionales por la estrecha interconexión con mercados globales y por la presencia de grandes empresas estatales como Pemex y la CFE. Fallas en modelos crediticios automatizados o movimientos abruptos en precios de activos inducidos por algoritmos de alta frecuencia podrían elevar el costo de financiamiento soberano o complicar coberturas energéticas, con efectos secundarios en la inversión y finanzas públicas.
Consecuencias para el bolsillo y el empleo
Traducido al nivel de los hogares, esto significa que la IA podría generar productos y servicios más baratos o más abundantes en el largo plazo, pero también podría dejar sin ingresos a trabajadores en sectores donde la sustitución sea más fácil. Si las políticas públicas no facilitan la recomposición de empleos (capacitación, movilidad laboral, redes de protección social) y si el sistema financiero no se adapta para gestionar nuevos tipos de fraude y riesgo, el resultado neto para la mayoría podría ser negativo.
El trabajo académico no afirma que la IA vaya a «destruir» la economía, pero sí describe una trampa: un aumento de productividad que, al concentrar beneficios sin reabsorber trabajadores, erosiona la demanda que sostiene las empresas. Esa posibilidad convierte la transición tecnológica en un desafío de política pública más que en una cuestión puramente técnica.
Las conclusiones implican que autoridades, reguladores y empresas mexicanas deben prepararse en tres frentes: fortalecer marcos contra el fraude automatizado, diseñar estrategias de reconversión laboral efectivas y prever mecanismos que protejan la demanda interna para evitar una espiral contractiva.
Sin respuestas coordinadas, la adopción acelerada de IA puede dejar ganancias de productividad reales, pero con costos sociales y financieros que deterioren la estabilidad económica.
