Inteligencia artificial y crecimiento económico · 2019. 1. 8. · Inteligencia artificial y...

Inteligencia artificial y crecimiento económico Oportunidades y desafíos

para América Latina

Ramiro AlbrieuMartín Rapetti

Caterina Brest LópezPatricio Larroulet

Alejo Sorrentino

4 5

Inteligencia artificial y crecimiento económico. Oportunidades y desafíos para América Latina

Resumen ejecutivo

1. América Latina: una región rezagada

2. Laoportunidaddelainteligenciaartificial

3. Inteligenciaartificialycrecimiento:escenariosposiblesparaAméricaLatina

4. ¿Qué necesita América Latina para aprovechar la oportunidad de la

inteligenciaartificial?

5. Reflexionesfinales

Bibliografía

Anexo1.Metodología

Anexo2.EjemplosdeadopcióndeIAendiferentessectoresproductivos

Acerca de los autores

7

9

11

13

19

26

27

28

31

34

Contenido

6 7


Estamosalaspuertasdeunanuevarevoluciónindustrial.Estavez,lainteligenciaartificial(IA)sedestacacomounatecnologíadepropósitoge-neral(TPG)quelocambiatodo:laformaenqueproducimos,consumimos,comerciamosytra-bajamos. La irrupción de la IAy otras tecnolo-gíasasociadasnosecircunscribeaunconjuntoreducidodesectoresoactividadessinoqueseextiendeatodalaeconomía.

La experiencia de las revoluciones industria-les previas – la máquina de vapor a fines delsigloXVIII,laelectricidadafinesdelsigloXIXylasTICafinesdelsigloXX-sugierequeaque-llasfirmasypaísesquemásrápidoadoptanydifunden las nuevas tecnologías son quienesobtienen más oportunidades de crecimientoeconómico.Porello,estosepisodiosdecam-biotecnológicoaceleradofueronperíodosdegran divergencia en los ingresos, la producti-vidadyelbienestarentrelospaíses.Lacuartarevoluciónindustrialabreunaoportunidaddecrecimientoparamuchospaísesendesarrollo,incluyendoaloslatinoamericanos.

Para entender cómo puede impactar la cuartarevoluciónindustrialymásprecisamentelairrup-cióndelaIAenlaseconomíaslatinoamericanas,

se desarrolla en este documento un ejercicio de simulación de escenarios alternativos de adop-ciónydifusióndeIAysuimpactosobreelcre-cimiento de la economía en general y algunossectores en particular. El ejercicio sugiere que,elritmodecrecimientoeconómicopodríaace-lerarse en más de un punto porcentual por año durante la próxima década si se logra rompercon la tendencia histórica y acelerar la tasa deadopción de tecnologías asociadas a la IA. Losejerciciosmuestrantambiénquelaaceleracióndelcrecimientonoserestringiríaaunpequeñopuñadodesectoresdealtatecnologíasinoqueseríaunfenómenodecaráctergeneral.

Una rápida e intensa adopción tecnológica no es automática:requieredeempresasdinámicasquepuedanabsorberlastecnologíasasociadasconlaIAy,sobretodo,deunafuerzadetrabajoconha-bilidades,capacidadesyconocimientoscompati-blesycomplementariosaesastecnologías.Esallídonde América Latina enfrenta un gran desafío:apenasun18%desustrabajadorescuentaconlashabilidadesquesepotenciaránconlarevolucióndeIA.Así,elpapeldelosEstadosescentralparapromoveryfacilitarelprocesodeadopcióntec-nológicaporpartedelasfirmasyparareadaptarlashabilidadesdelostrabajadores.

Resumen ejecutivo

MicrosoftLatinoaméricacomisionóunaseriedeestudios al Centro de Implementación de Polí-ticas Públicas para la Equidady el Crecimiento(CIPPEC)paraanalizarelimpactodelainteligen-ciaartificial(IA)sobreelcrecimientoeconómicoen América Latina.

Microsoft (Nasdaq “MSFT”, @microsoft) es unaempresa de tecnología que provee solucionesparalatransformacióndigitalenlaeradelanubeyelentornointeligente.Sumisiónesempoderaracadapersonayorganizaciónparaquepuedanhacer más gracias a la tecnología. Tiene expe-riencia apoyando a empresas en la adopcióndeIA,conénfasisenlossectoresdeSalud,Go-bierno,ServiciosFinancieros,Manufactura,Agri-cultura,yComercioconlavisióndequeesunatecnología capaz de amplificar el potencial hu-mano.Bajolaseriedeiniciativasde“AIforGood”destinarecursosaorganizacionestrabajandoenresolver los grandes retos de la humanidad con apoyodeestatecnología.

8 9


VariospaísesdeAméricaLatinahanatravesadoperiodos de notorio crecimiento en las últimasdécadas,sobretododelamanodelboomdelascommodities.,sobretododelamanodelboomde las commodities.Aunasí,elpanoramaresul-ta poco alentador al adoptar una perspectiva de largo plazo: el desempeño económico promedio delospaísesdeLATAMenlasúltimasdécadashasidobastantemagroylaregiónseharezaga-dorespectoalospaísesdesarrollados.

En1980elProductoBrutoInterno(PBI)porhabi-tante promedio en LATAM alcanzaba los 11.962dólaresconstantesdeParidaddePoderAdquisiti-vo(PPP)mientrasqueenEstadosUnidosrondabalos32.100dólaresdePPP.Así,sisetomaelPBIporhabitantecomomedidadebienestardelosciu-dadanosyciudadanas,en1980elniveldebien-estar de una ciudadana latinoamericana prome-dio era alrededor del 37% de una estadounidense.

¿Cómoeslasituacióncasicuatrodécadasdes-pués?ElPBIpercápitapromedioenLATAMseelevóapenasporencimadelos17.500,mientrasqueenEstadosUnidosllegóalos60.400dóla-resdePPP.Enotraspalabras,elbienestarrelati-vodelaciudadanalatinoamericanacayóal29%desuparestadounidense.Estepatróncontrastacon el devarios países deAsia Emergente queenelmismoperíodoacortaronmarcadamenteladistancia en los estándares de vida con respecto alospaísesavanzados.EnChina,porejemplo,el

PBI per cápita representaba en 1980 un 5% delnorteamericano, mientras que en la actualidadrepresentaun25%(Figura 1).

Aunque existen diferencias, este rezago relativoentérminosdelbienestardelapoblaciónaparececomounrasgocomúnenlospaísesdelaregión.Por supuesto, algunos países han experimenta-dounmarcadocrecimientoenlosúltimosquinceaños,asaber,Perú,Colombiay,sobretodo,Chile.Sinembargo,salvoesteúltimo,elcrecimientonoalcanzóparaacortarenformasustanciallabrecharespecto a los estándares de vida en los paísesdesarrollados.Además,elcrecimientoenlaregiónparece haber sido promovido en buena medidapor un contexto internacional favorable signadoporelboomdelascommodities.

En este contexto, es imperioso pensar qué fac-tores están detrás del rezago latinoamericano,aúnenaquellospaísesquemáshancrecido.Unfactorcrucial,comúnalospaísesdelaregión,eslabajacapacidaddelaseconomíasparaadoptarnuevastecnologíasdeformadifundida,asícomodeaprovecharesastecnologíasparainnovaryge-nerarnuevasideas.Incorporarnuevastecnologíases clave para potenciar la capacidad productiva de los recursos humanos, naturalesy de capitalexistentes, y así producir más y mejor. Innovar ygenerar ideasesuninsumocentralquepermiteinventarnuevosproductosyserviciosycrearnue-vosmercados.AméricaLatinafallóenesto.

1. América Latina: una región rezagada


10 11


Noessencillomedirlacapacidaddeadopcióntecnológicaydeinnovacióndeunaeconomía.Elprincipal indicadordisponibleesloquella-mamos “Productividad Total de los Factores”o PTF. La PTF mide la parte del nivel de ac-tividad que no es explicada directamente porcuánto trabajoocapitalseutilizaenelproce-so productivo sino por cómo se utilizan dichos factoresproductivos.Así,laprincipalfuentedecrecimientodelaproductividadquetieneunaeconomía es adoptar nuevas tecnologías quepotenciensucapacidaddeinnovarylacapaci-dadproductivadeltrabajoydelcapital.Enesteaspecto, la diferencia entre Estados Unidos yLATAM es impactante: mientras en el primero

laPTFcrecióenformaconstantedesde1980,en LATAM se redujo en un 22%. La compara-ciónconlospaísesdeAsiaemergenteofreceresultadosaúnmásdesalentadores:enChina,porejemplo,laPTFcrecióun40%enesemis-moperíodo.

La principal manera de mejorar las condiciones de vida de los habitantes de un país en formasostenida es mediante el crecimiento económi-coylamejoradelaproductividad.Paraello,esclaveacelerarlaadopciónydifusióndenuevastecnologías y promover procesos virtuosos deinnovación. Es aquí dondeAmérica Latina tieneuna oportunidad.

Figura 1. PBI per cápita en dólares de PPP relativo a Estados UnidosFuente:TheConferenceBoardNota:The Conference Board presenta dos estimaciones para China, una oficialy otra alternativa.Aquí sepresenta la segunda.

Figura 2. Productividad Total de los Factores (PTF) (1980=100)Fuente:TheConferenceBoardNota:TheConferenceBoardpresentadosestimacionesparaChina,unaoficialyotraalternativa.Aquísepresenta la segunda.

2. La oportunidad de la inteligencia artificial

La inteligencia artificial (IA) está cambiando laforma en que producimos, consumimos, co-merciamos y trabajamos. Esta transformaciónprofundaremitealaquetrajoconsigolamáqui-nadevaporafinesdelsigloXVIII,laelectricidadylaslíneasdeensamblajeafinesdelsigloXIXylasTecnologíasdeInformaciónyComunicación(TIC) a fines del siglo XX –la primera, segunday tercera revolución industrial, respectivamen-te.Lasmáquinasrealizanhoytareascognitivasmuy complejas que hace unos pocos años selimitabanaldominiohumano,comoelrecono-cimiento facial, el procesamiento y traduccióndel lenguaje natural o el reconocimiento de caracteres escritos. El cambio es tan profundoque muchos se preguntan si estamos experi-mentando una nueva "explosión cámbrica" —aquel período de diversificación acelerada delos organismos vivos hace unos 500 millonesde años— que estavez afecta a las máquinas.No es casual entonces que estemos hablandohoydelacuartarevoluciónindustrial.

Existendosrazonesporlascualeslacuartare-volución liderada por la IA representa una ven-

tana de oportunidad paraAmérica Latinay losdemáspaísesendesarrollo.Laprimeraesquelarevoluciónacabadecomenzar.Sibiensehahablado de máquinas inteligentes durante lasúltimassietedécadas,reciénahoraconlaIAsepuede pensar en incrementar la productividad de la economía en forma masiva. Esta tecno-logía ya no pertenece al mundo de la cienciaficción sino que se trata de unaTecnología dePropósitoGeneral(TPG),estoes,unaformadeorganizar los factores productivos que en vezde afectar a sectores específicos o empresasde ciertas características, cambia la forma deproducirdetodalaeconomía.

ElpasajedelaIAcomocienciaficciónafuen-tedeproductividadycrecimientosesostieneasuvezendosejesdecambio:elusodeMa-chine Learning envezdesistemassimbólicoso de expertos,y la emergencia de aplicacio-nes que van más allá de la automatización/robotizaciónyaplicanIAensectoresvariadosy en diversos tipos de empresa. La Figura 3 sintetiza estos cambios: hoy estamos en unpuntodeinflexión.

0

20

40

60

80

100

120

140

160

20162014

20122010

20082006

20042002

20001998

19961994

19921990

19881986

19841982

1980

Estados Unidos China LATAM�

0

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

20182016

20142012

20102008

20062004

20022000

19981996

19941992

19901988

19861984

19821980

China LATAM�

12 13


Figura 4. Crecimiento del PBI per cápita promedio en las sucesivas revoluciones industriales (en % de crec. anual).Fuente:basededatosdeAngusMaddison,versión2018

La segunda razón por la cual esta revolución es unaoportunidadparaLATAMconsisteenqueactuardeformaproactivaytomarladelanteraen materia de incorporación de IA reporta im-portantes beneficios. La historia muestra quelos períodos de revolución tecnológica tam-bién fueron fases de gran divergencia en losingresos, la productividady el bienestar entrelospaíses:laaparicióndeganadoresyperde-doresanivelmundial.EnlaprimerarevoluciónindustrialelReinoUnidofuelíderyaventajóalresto;enlasegundarevoluciónindustrialfueelturnodeEstadosUnidos;enlatercerallegóelmomento de Asia emergente. América Latina seharezagadoenformasistemática.

LatasadecrecimientopromediodelPBIpercápi-ta durante los comienzos de las tres revoluciones industrialesdacuentadeesto(Figura 4).Durantelaprimerarevolución—quetuvolugarentre1820y1865—latasadecrecimientodelReinoUnido(UK)fuemásdeldoblequedelrestodesuscom-petidores europeos de la época. El impacto delas tecnologías en el crecimiento de los paísesfue más acelerado aún durante la segunda re-voluciónindustrialtranscurridaentre1880y1910:mientrasqueEstadosUnidoscrecióal1,4%,Euro-palohizoal0,6%.Finalmente,conlairrupcióndelasTecnologías de Informacióny Comunicación(TIC) entre 1995y 2015, el crecimiento de Chinafueespectacularcomparadoconelmuchomásmagro de la región latinoamericana.

Figura 3. La ventana de oportunidad de la inteligencia artificial.Fuente:elaboraciónpropia

3. Inteligencia artificial y crecimiento: escenarios posibles para América Latina

¿Cómo puede impactar la cuarta revolución in-dustrialymásprecisamentelairrupcióndeIAenlaseconomíaslatinoamericanas?Paracontestaresta pregunta desarrollamos un ejercicio de si-mulación de escenarios alternativos de adopción ydifusióndeIAysuimpactosobreelcrecimientodetodalaeconomíaydealgunossectoreseco-nómicos en particular, durante en los próximosdiez años. La metodología empleada se basóen la construcción de un modelo de crecimien-toeconómicoampliadoenelqueseevaluarontrayectoriasalternativasdeadopcióndeIAparaseis países de la región:Argentina, Brasil, Chile,Colombia,MéxicoyPerú.

La forma más convencional de estudiar el creci-mientoeconómicodeunpaísesatravésdelaideadequeelPBIseproducemediantelacombinacióndel trabajoy capital con una determinada tecno-logía y organización productiva. La primera partede la Figura 5 ilustra el modelo de crecimiento económicoconvencionalysustrescomponentes:

eltrabajo,elcapitalylaproductividadtotaldelosfactores(PTF),quecapturalascaracterísticasorga-nizativasytecnológicasdelprocesoproductivo.

En esencia, hay dos factores que conducen alcrecimiento a lo largo del tiempo de la producción agregada de una economía. Uno es el aumentodelosfactoresproductivos,esdecir, la incorpo-racióndetrabajadoresylaacumulacióndecapi-tal —máquinas, caminos, puertos y otros bienesreproducibles—alsistemaproductivo.Conmayortrabajo y/o capital, la producción crece. El otrofactoreselcrecimientodelaproductividad(PTF)queresultatantodelasmejorasenlaorganizaciónyeficienciaconlaqueseusanlosfactores(trabajoycapital)comodelasinnovaciones.Ambas—lasmejorasenlaeficienciaylasinnovaciones—sonmuchas veces producto de la incorporación de nuevastecnologíasalsistemaeconómico.

Unodelosprincipalesaprendizajesdeestafor-madepensarelcrecimientoeconómicoesque

Pasado

Ciencia Ficción

Sistema de expertos

Aplicaciones orientadasa la automatización

Tecnología de Propósito General

Machine Learning con Big Data

Aplicaciones orientadas a la difusión a más sectores/empresas

Hoy Futuro

ReinoUnido

Europa EstadosUnidos

Europa China AméricaLatina

7%

6%

5%

4%

3%

2%

1%

0,0%

1ª Rev. Industrial (1820-1865) 2ª Rev. Industrial (1880-1910) 3ª Rev. Industrial (1995-2015)

1,0%

0,5%

1,4%

0,6%

6,3%

2,0%

0,0%

1,0%

2,0%

3,0%

4,0%

5,0%

6,0%

7,0%

14 15


laevolucióndelaPTFesunafuentecentraldela prosperidad para una economía. En gene-ral, la dinámica de este componente respondea la introducción de tecnologías que modificanenformadrástica losmodosdeproducción.LairrupcióndelasTecnologíasdePropósitoGene-ral (TPG) no sólo genera una reasignación máseficiente de los factores productivos existentes,sinotambiénlaaparicióndenuevasactividadesyprocesosantesdesconocidos.

SiguiendoelmodelodesarrolladoenAghion,Jo-nes,&Jones(2017),modelamoslaadopcióndeIA como unaTPG que permite producir lo mis-mo que antes en forma más eficiente —graciasa la automatización de ciertas tareas que anteslasrealizabaeltrabajohumano—yque,además,tieneelpotencialdefomentarlainnovaciónylageneracióndeideas.Másespecíficamente,mo-delizamos dos canales a través de los cuales la adopción de IA acelera el crecimiento económi-co:(a)el“EfectoAutomatización”,quecapturaeluso más intensivo de máquinas inteligentes enel proceso productivo permitiendo producir más conlamismacantidaddeempleoy(b)el“Efecto

Innovación”, que recoge el impacto positivo delaIAsobreelcrecimientoatravésdelainnova-ción de productos, actividades y mercados. Lasegunda parte de la Figura 5 describe nuestromodeloampliadoporIAysusdosefectossobreel crecimiento. El Anexo 1 detalla las caracte-rísticasespecíficasdelmodelo, losmétodosdeseleccióny estimación de los parámetros,y lasfuentesdedatosempleadas. ParaevaluarelposibleimpactodelaIAenLati-noaméricaenlospróximosdiezaños,desarrolla-mos tres escenarios alternativos de adopción de IAy,consecuentemente,delosefectosAutoma-tización e Innovación.

• Escenario negativo.Esteescenarioreflejaundeterioro con respecto a la tendencia histórica deadopciónydifusióndetecnologías.Supo-nequenoexisteadopcióndeIAy,porlotanto,el crecimiento económico no se ve afectadoporningunodelosdosefectosmencionados.Seasumeque—adiferenciadeloqueocurriódurante la tercera revolución industrial con las TIC—nohayautomatizacióndetareasalolar-

godelperíodoconsideradoyquelaevolucióndelaPTFsemantienesincambiosenrelaciónalatrayectoriaobservadaenelpasado.

• Escenario neutral. Este escenario es decontinuidady asume queAmérica Latina ensu conjunto absorbe las tecnologías asocia-dasalaIAalmismoritmoquelohizoconlasTIC durante la tercera revolución industrial.Enelmodeloelaboradoapropósitodeesteejercicio, el escenario se representa con unEfecto Automatización suave que acelera elcrecimientoeconómicoperosinEfectoInno-vación.Estoúltimoimplicaqueelcomporta-miento de la PTF se asume igual al del es-cenario anterior, vale decir, sin cambios conrespectoalatrayectoriapasada.

• Escenario positivo. Este escenario asumeuna adopción y difusión de la IA en Latinoa-méricamuysuperiorenrelaciónaloocurridodurante la tercera revolución industrial con las TIC.Enelmodelo,serepresentaconunEfec-toAutomatización que es un 50% superior alocurrido con las TIC y un Efecto Innovación

quegeneralamitaddelcrecimientodelaPTFquelograronlaseconomíasdeAsiaemergen-te durante la tercera revolución industrial.

Cadaunodelosescenariosimplicaunareasigna-ciónespecíficadefactoresproductivos.LaFigura 6 ilustraconunesquemasencilloestepunto.Separte de una situación inicial (“Hoy”) en la que elprocesoproductivoconstadedostareas,unadon-delasmáquinassonmáseficientesquelasperso-nasyotradondeocurrelocontrario.Enambasseempleatrabajo(representadoconunamujeryunhombreencadatarea)ycapital(representadoconunamáquinaexcavadora).Apartirdeallísedefi-nenlostresescenariosofuturosalternativos:

• En el escenario negativo nada cambia res-pecto a la situación inicial porque la IA no esadoptadaenelprocesoproductivo.Comonohay efecto Automatización ni efecto Innova-ción,nohayreasignacióndefactoresproduc-tivos a lo largo de los sectores.

• En el escenario neutral hay incorporaciónparcial de la IA, lo cual se representa con el

Figura 5. Nexos entre inteligencia artificial y crecimientoFuente:elaboraciónpropia

Figura 6. Escenarios de adopción de inteligencia artificial y los efectos Automatización e InnovaciónFuente:elaboraciónpropia

16 17


símbolo de IA pequeño. El EfectoAutomati-zaciónocurreenla“Tarea#1”,lacualserea-liza ahora con una sola persona en vez de dos. Esa ganancia de eficiencia permite unareasignacióndelfactortrabajohaciala“Tarea#2”,enlacualahoraparticipantrespersonasen vez de dos.

• En el escenario positivo la adopción de IAespotenteyserepresentaconunsímboloentodas las tareas. El Efecto Automatización esmás intensoqueenelescenarioneutralyespotenciado por el efecto Innovación, de ma-nera que se crean nuevas tareas/bienes. Loprimero se ilustra con el desplazamiento de una persona de la “Tarea #1” —la cual quedacompletamenteautomatizada—ytambiéndela“Tarea#2”.Losegundoserepresentaconlaaparicióndela“Tarea#3”,lacualempleaadostrabajadoresquehansidosustituidosporIAenlasdostareasprexistentes.

Dada la naturaleza estilizada del modelo queempleamos así como la calidad de los datosoficialesutilizados,losresultadosdelosejerci-

cios de simulación de los tres escenarios pre-sentados a continuación no pueden tomarse como predictivos. Más bien, son ilustrativosdelosórdenesdemagnitudquepuedenestarasociados a las distintas trayectorias de adop-ciónydifusióndeIAenlaeconomía.Elanálisisomite variables como efectos climáticos, polí-ticos, sociales y de la economía internacionalquetípicamenteafectanlatrayectoriadecreci-miento en la región a lo largo de su historia. Las simulaciones consideran el aumento esperado delempleoyacumulacióndecapital.

3.1 Impacto Agregado

Los principales resultados del trabajo se en-cuentran en la Figura 7,quemuestralastasasdecrecimientoanualpromediodelPBIparaLa-tinoamérica en los próximos diez años segúnlos tres escenarios/futuros posibles. El esce-narionegativo(conceroadopcióndeIA)impli-caríaunacaídadelritmodecrecimientodesde3,3%anualobservadocomotendenciahistóricadesde1990a2,1%enlapróximadécadaparala

regiónensuconjunto.Elescenarioneutraltrae-ríaunatasadecrecimientoanualpromediode3,2%paraLATAM,locualsostendríaunasitua-ciónsimilaralatendenciahistórica.Porúltimo,elescenariopositivoimplicaríaunaaceleraciónmuymarcadadelritmodecrecimientoeconó-mico en América Latina: el crecimiento aumen-taríaa4,3%porañohasta2028.

Comocabeesperar,lasdiferenciasentrelasta-sasdecrecimientoseexplicanporlaintensidadconlaqueseasumelaadopcióndeIAatravésde los Efectos Automatización e Innovación. AlnohabersematerializadoningunodelosefectospositivossobreelcrecimientodelaadopcióndeIA,elescenarionegativoconduceaunadesace-leración del crecimiento respecto al pasado. Enunsegundoescenario,latasadeadopcióntec-nológicay el crecimiento de la PTF es similar alasdelpasado,yenconsecuenciaelcrecimientoeconómico no se distingue de la tendencia de crecimiento de LATAM en las últimas décadas:representa entonces el status quo.Encambio,enelescenariopositivolaautomatizaciónylainno-vaciónquegeneraunafuerteadopcióndeIAson

mucho más potentes que en el pasado, lo quederivaenunafuerteaceleracióndelcrecimientoeconómico en la región.

Para dar nociones más palpables respecto deloqueimplicanlastasasdecrecimientodelostresescenarios,laFigura 8 reproduce los resul-tados del ejercicio de simulación en términos dePBIpercápitadePPP,esdecir,laevoluciónpromediodelniveldebienestarenAméricaLa-tina.PartiendodelosUS$17.600porpersonaenLatinoaméricaparaelaño2018,elescenarione-gativoanticipaunvalordeUS$19.800en2028yotrodeUS$21.400para2038.Unescenariotanmagroimplicaríaunadécadacasiperdidaparalos primeros diez años y un ingreso promedioalgo mayor a lo que hoy dispone un ciudada-no argentino para dentro deveinte años. En elescenario neutral, el PBI per cápita ascenderíadentro de diez años a US$22.100 —algo me-nor al PBI per cápita actual de Bulgaria— y aUS$31.400 dentro de veinte años. Este últimovalor se asemeja al ingreso por habitante quehoy disponen en promedio los ciudadanos dePortugal.Enelescenariopositivosealcanzaría

Figura 7. Proyección de tasas de crecimiento del PBI por escenario (2018-2028)Fuente:elaboraciónpropia

Figura 8. PBI per cápita a PPP por escenario, en US$Fuente:elaboraciónpropia

3,3%3,3%

0%

0,5%

1,0%

1,5%

2,0%

2,5%

3,0%

3,5%

4,0%

4,5%

5,0%

Negativo Neutral Positivo

2,1%% 3,2%% 4,3%%

Tendencia Histórica Negativo Neutral Positivo

2012 2017 2022 2027 20372032 2042 2047

17.600 19.800

22.100

24.600

21.400

31.400

42.300

18 19


un PBI por habitante de US$24.600 para 2028-que es un poco menor al de un ciudadanocroata hoy- y para 2038 llegaría a US$42.300,elcualseencuentraalnivelactualdeFrancia.

3.2 Impacto sectorial

Los resultados discutidos en la sección anterior se refieren al comportamiento agregado. Detrás deélseescondeunsinnúmerodedisrupcionesani-velsectorialenelquelasempresasredefinensusmodelosdenegocios,estoes,cómoseproduceyqué,ycómosevende.Losejemplosabundanen sectores tan diversos como la producción ma-nufacturera,elcomercioolaagricultura.

Algunas historias específicas de empresas queestánliderandoelcambiopuedenservirdeilus-tración. S4Agtech, por ejemplo, es una start-up argentinaque,apartirdeherramientasdeMicro-softAzure,Machine LearningyelusodegrandesbasesdedatossatelitalesdelaNASA,desarrollóel primer índice del mundo para medir los ries-gosdelaproduccióndegranos.EnPerú,elBan-codeCréditodelPerúdesarrollóArturitoBCP,unbotqueoperaconinteligenciaartificialvíaFace-bookMessengerysirveparapersonalizarlainte-racciónentreelclienteylacompañía.EnMéxico,Unima desarrolló una herramienta de diagnósti-cooportunoque,atravésdeundispositivofácilde usar – como un smartphone– permite sabersi una persona está infectada de alguna enfer-medadcomolatuberculosisolainfluenza.OtrosejemplosdeadopciónexitosadeIAanivelfirmasedescribenenelAnexo 2.

Enestedocumentotratamosdecapturarcómoeste tipo de innovaciones generan nuevas opor-tunidadesparadiferentessectoresdelaecono-mía.Conestefin,empleamosunmodelodecre-cimiento económico similar al que describimosanteriormente pero aplicado a cinco sectores específicos: comercio, manufacturas, serviciosfinancieros, saludy gobierno.Al igual que en elmodeloagregado,seestudiaronlosefectosde

1Losdetallesdelmodelosectorial,laestimacióndelosparámetrosrelevantesylasfuentesdedatosemplea-dastambiénsedetallanenelAnexo1.

laautomatizaciónylainnovaciónenlostreses-cenarios/futurosposibles1.

La Figura 9 muestra las tasas de crecimiento anual promedio de la producción de cada sector paralospróximosdiezañosparalostresesce-narios.Elresultadoprincipalesqueentodoslossectores estudiados el impacto de la adopción de IA es potencialmente alto. Cualitativamen-telosresultadosnodifierendeaquellosqueseaprecian a nivel agregado. A nivel sectorial, noseaprecianimpactosdiferencialesmarcadosdelaabsorcióndeIAenlosdiferentessectores.Latasa de crecimiento promedio resulta superior al 4%enelescenariopositivo,entre3%y3,6%paraelneutraly1,7%y2,2%paraelcasonegativo.

Los resultados presentados en esta sección de-jan dos mensajes centrales. El primero es quela absorción de IA en América Latina puede ser un factor de aceleración del crecimiento económico muy importante. Nuestro modelosugierequeelritmodecrecimientoeconómicopodría acelerarse en más de un punto porcen-tualporañodurantelapróximadécadasiselo-graromperconlatendenciahistóricayacelerarlatasadeadopcióndetecnologíasasociadasalaIA.Estoinvolucraríaunamejoraenelbienestardelapoblaciónmuymarcada.

Elsegundoesqueesta aceleración del creci-miento no sería el resultado de la expansión de un sector o pequeño puñado de sectores de alta tecnología sino que sería un fenóme-no de carácter general en la economía.Setra-ta, como dijimos antes, de una tecnología quecambiatodo,yentodoslossectoressegeneranoportunidadesdeexpansiónsostenida.

La heterogeneidad que se observa al interiorde los sectores responde a las oportunida-des de implementación de IA aún no explo-tadas en los mismos. La incorporación de IA enaquellasactividadesdondeseencuentranmenos difundidas estas tecnologías generanganancias de productividad, tanto por la ga-

nanciadeeficienciaentareasrutinariascomoporlaliberacióndetiempoparalarealizaciónde tareas cognitivas. Es en estas actividadesdondelasmáquinaspuedencomplementaralas personas y generar sinergias que deriven

en ulteriores ganancias de productividad. Los ejemplos presentados al inicio de esta sección ilustran de forma manifiesta la existencia deestas interacciones mutuamente ventajosas entrelaIAyhumanos.

Figura 9. Tasa de crecimiento del PIB sectorial por escenarioFuente:elaboraciónpropia

4. ¿Qué necesita América Latina para aprovecharla oportunidad de la inteligencia artificial?

LapotencialidaddelaIAcomofuentedeinnova-cióny crecimiento paraAmérica Latina aparentasermuyimportanteynosecircunscribeauncon-juntoacotadodesectoresespecíficos.Losresul-tadosapuntan,sinembargo,aqueelstatus quo no esunaopciónviablesisequiereaprovecharesta

ventana de oportunidad. El cambio tecnológiconoesautomático:requierecontaratiempoconempresas dinámicas que puedan absorber lastecnologíasasociadasconIAyconunafuerzadetrabajoqueposealashabilidades,capacidadesyconocimientos compatibles y complementarios

6%

5%

4%

3%

2%

1%

0%Comercio Manufactura Serv. Financieros Salud Gobierno

1,9%

3,0%

4,0%

1,7%

3,0%

4,1%

2,0%

3,1%

4,2%

2,2%

3,6%

5,0%

2,1%

3,2%

4,4%

Negativo Neutral Positivo

20 21


a esas tecnologías. ¿Qué hacer para entrar enestecírculovirtuosodeempresasdinámicasqueabsorbanrápidamentelasnuevastecnologíasytrabajadoresqueadquieranlashabilidadesquecomplementanypotencianaesastecnologías?Los siguientes lineamientos de política públicapotencianlaschancesdeavanzarenunatrayec-toriadealtaadopcióndetecnologíasasociadasalaIAyasíacelerarelcrecimientoeconómicodeLatinoamérica.

El primer lineamiento general se refiere al rit-mo del cambio tecnológico. Es necesario im-plementar estrategias de desarrollo productivo asociadas a una adopción más rápida y gene-ralizada de las tecnologías vinculadas a la IA ylacuartarevoluciónindustrial.Enlospaíseslati-noamericanos existen sectores que se encuen-trancercadelafronteratecnológicaglobalperoel panorama general es de una baja capacidaddeabsorcióndelosúltimosavancesdigitales.Dehecho,comomuestralaFigura 10,el índicedeadopcióndigitalcompiladoporelBancoMundialparaempresasindicaquelapenetracióndelastecnologíasdigitalesenlosdiferentespaísesdelaregiónessignificativamenteinferioralaobser-vadaenlospaísesquelideranlatransformacióndigital,comoJapón,AlemaniayEstadosUnidos. ¿QuépolíticaspuedenfacilitarlaadopcióndelaIA en las economías latinoamericanas? Si bienhaymuchoqueesdesconocidosobrelosalcan-ces del cambio tecnológico actual, es posibleaprenderdeloqueotrospaísesestánhaciendopara adoptarlo y adaptarlo a sus propias nece-sidades. Tomando como punto de partida lasrecomendaciones de la National Academy of Science and Engineering(ACATECH),elgobiernoalemán inició su programa de “Industria 4.0” en2013,yluegofueseguidoporbuenapartedelospaíses más dinámicos del mundo: el plan “Chi-na2025”enelgiganteasiático,elde“AdvancedManufacturing”enEstadosUnidos, la“NouvelleFrance Industrielle” en Francia, la “Smart Indus-try”enSuecia,entreotrasiniciativas.

¿Dequésetratanesosplanesdepolíticaindus-trial4.0?Unrasgocomúneselobjetivodereor-

ganizar la estructura industrial para moverse hacia esquemasmásintegrados,flexibles,conectadosycolaborativos.Paraellounpuntocrucialeslain-versióneninnovacionesasociadasalacreaciónyadaptacióndetecnologíasdigitalescríticasparalareconversióndelsistemaproductivo(big data analytics,robóticaavanzada,manufacturaaditiva,IIoT,etc.).Unsegundorasgoeselobjetivoprima-riodeaumentarlacompetitividadyasípotenciarel perfil exportador de cada economía. Una ter-cera característica común es el foco en los im-pactos en el mercado de trabajo, y la idea dequelaacumulacióndecapitalhumanotienequeavanzar en paralelo a la acumulación del capital intangible asociado a IA y otras tecnologías 4.0.Unúltimopuntoquecompartenesa lanecesi-daddeactualizarlaprovisióndebienespúblicosponiendoelfocoenlainfraestructuradigital.

El segundo lineamiento—queimplicaundesa-fíoaúnmayorparaAméricaLatina—se refiere a la inversión en capital humano. Buena parte de las tareas que realizan actualmente los trabaja-dores podrán en un futuro cercano ser realiza-daspormáquinasyalgoritmos.Otras,encambio,serán altamente demandadas porque comple-mentaránalaIAypermitiránsuexpansión.Aun-que existe mucha incertidumbre con respectoa cómo serán los trabajos del futuro, hay trescualidadesseránclave:(1)percepciónymanipu-lación en contextos complejos, (2) creatividady(3) inteligenciasocial (Frey&Osborne,2017).Al-gunosempleosemblemáticosconestetipodecaracterísticassonlasocupacionesrelacionadasconlaeducaciónylasaludolapsicología,y ladirecciónycoordinacióndepersonas.Porelcon-trario, aquellas ocupaciones menos densas enestascualidades,queprobablementerequieranunesfuerzodereadaptacióndehabilidades,in-cluyen a empleados contables, administrativos,vendedores por teléfono u operadores de má-quinasendiversossectores.

¿Quéimplicaestoparalosmercadosdetrabajolatinoamericanos?Paracontestarestapregunta,seguimoslaliteraturaconvencionalyestimamosla probabilidad de automatización de las ocu-paciones actuales del mercado de trabajo lati-

noamericano usando datos deArgentina, Chile,Brasil,MéxicoyPerú2.Esteindicadorofreceunapautadelesfuerzodereadaptacióndelashabili-dadesdelostrabajadoresentantoindicaenquémedida disponen de las cualidades vinculadas a lasnuevastecnologíasmencionadasenelpárra-foanterior.

La Tabla 1 y 2 enumeran las diez ocupaciones másymenossusceptiblesdeserautomatizadasen la región respectivamente.

Laclasificacióndepuestosdetrabajomásyme-nossusceptiblesdeserautomatizados(Tabla 1 y 2)sebasaenelinfluyentetrabajodeFrey&Os-borne(2017),elcualestimalasprobabilidadesde

2NosepudocontarconlosdatosnecesariosparahacerelmismoanálisisparaColombia.

automatización para el mercado de trabajo es-tadounidense.Tomandoencuentaquelasnue-vastecnologíassuelenaplicarseconrezagoenpaísesendesarrollocomoloslatinoamericanos,sepuedeinferirquelaprobabilidaddeautoma-tización de los empleos en América Latina y laconsecuente necesidad de readaptación de sus trabajadoresesbastantemenor,almenosenelcortoymedianoplazo.

Sinembargo,esaconclusióndesestimaríalapo-sibilidadquesedéuncasoderápidaadopcióndetecnologíasasociadasaIAenLATAM,comopostula el escenario positivo de nuestro ejercicio. En otras palabras, en el caso que la trayectoriadeadopcióndetecnologíacontinúesiendobaja

Figura 10. Índice de Adopción Digital (2016)Fuente:BancoMundial(2016)Nota:elÍndicedeAdopciónDigital(IAD)paraempresaseselpromediosimpledecuatroindicadoresnormali-zados:elporcentajedeempresasconsitiosweb,lacantidaddeservidoresseguros,lavelocidaddedescargaylacobertura3Genelpaís.

0,65

0,41

0

0,2

0,4

0,6

0,8

1,0

Australia

Canadá

Francia

AlemaniaIta

liaJapón

Corea del Sur

Reino Unido

Estados U

nidos

ArgentinaBrasil

Chile

Colombia

México

PerúChina

India

IndonesiaRusia

Arabia Saudita

Sudáfrica

Turquía

Promedio países desarrollados Promedio países emergentes

22 23


comoenelpasado—talcomoasumenelesce-nario neutral y el negativo— las probabilidadesdeautomatizaciónqueenfrentaríanlosempleosseríanmuchomásbajasquelasqueenfrentaríantrabajadores en actividades similares en paísesdesarrollados de rápida adopción tecnológica. Si,porelcontrario,lospaísesdeAméricaLatinalograran promover una rápida adopción de IAyotrastecnologíasvinculadas, lasprobabilidadesdeautomatizaciónnoseríanmuydistintasdelasdelospaísesavanzados.Consecuentemente,elesfuerzo de re-adaptación de la mano de obralatinoamericanaseríaconsiderablementemayor.

El escenario positivo es una trayectoria posiblepara LATAM. Sin embargo, las implicancias deesecasosobreelmercadodetrabajosonfuertesatalpuntoquelaescasezdemanodeobraconlas habilidades complementarias a la IAy otrastecnologías asociadas podría ser un obstáculoparaelcrecimientodelaseconomíaslatinoame-ricanas.¿CuántostrabajadoresdeAméricaLatinatienen ocupaciones intensivas en los tres grupos dehabilidadescomplementariasconlasnuevastecnologías,asaber,percepciónymanipulaciónencontextoscomplejos,creatividadeinteligen-cia social? Nuestra estimación asciende a unos32,3millonessobreuntotalde192millones,esdecir, alrededor del 18% del total de los ocupa-dos3.El82%restanterequeriría,enunescenariode rápida adopción de tecnología, inversión encapitalhumanoenmenoromayormedidaparareadecuarsushabilidades.Elporcentajedetra-bajadoresquehoycuentaconhabilidadescom-plementariasaIAyotrastecnologíasesbajosiselocontrastaconelregistradoenEstadosUnidos,en donde llega al 33%. .

La Figura 11 muestra la estructura del mercado detrabajolatinoamericanodivididoentresgru-possegúnlaprobabilidaddeautomatizacióndelosempleos—alta,mediaybaja—deacuerdolametodologíadeFrey&Osborne(2017).

Naturalmente, existen contrastes importantessegúnelgradodesusceptibilidaddeautomati-

3Esteporcentajesecalculasobreeltotaldelempleosobreelcualtenemosinformaciónsuficienteparacalcularlasprobabilidadesdeautomatizacióncorrespondientes.

zacióndelastareasyocupacionesnosóloentrepaísessinotambiénentresectores.Unejemploelocuente es el de la construcción, donde seempleaaproximadamenteaundécimodeltotaldelosocupadosdecadapaístomadoenconsi-deración.Delasocupacionesabarcadas,másdedosterciosseencuentranenlazonadeprobabi-lidadaltadeautomatizaciónentodoslospaíses.

Elsectordecomercio,tantomayoristacomomi-norista, también constituye una gran fuente deempleoentodoLATAM:encadapaísempleaal-rededordel20%delosocupados.Enpromedio,un65%delospuestosdetrabajoenesterubroes-tánenaltoriesgodeserautomatizados.Noobs-tante,existendiscrepanciasentrepaíses:Perúeselpaísconmenorporcentajedelempleoconaltoriesgo de ser automatizado en dicha rama ―pocomás de 2,2 millones de puestos de trabajo, querepresentan 50% del empleo en comercio―; en elotroextremoseencuentraArgentina,conun84%delastareasdelrubrocomercialenaltoriesgodeautomatización,locualponeenjaqueaunsectorqueexplicael18%deltotaldelempleo.

Las ocupaciones asociadas a las ramas de en-señanzaysaludyserviciossocialesrepresentancasos muy diferentes a los anteriores. En estosempleos, las tareas resultan poco automatiza-blesylacapacidaddeadaptaciónacircunstan-ciasdifícilesdeanticiparhacequeestasocupa-ciones tengan el menor riesgo de automatización entodoslospaísesencuestión.Lasdiscrepan-ciasanivelpaísparaLATAMsonpequeñas,conporcentajes del empleo en alto riesgo en los sectoresdeenseñanzaysaludcercanosal10%yel20%respectivamente.

En general, las ocupaciones que involucran ta-reas que demandan mayor calificación y edu-cación tienden a ser menos susceptibles a serautomatizadas. En cambio, aquellas ocupacio-nesdensasentareasquerequierenmenorcali-ficaciónyquesonmásrutinarias—comolasdeensambladoresymontadoresdepartesuopera-doresdemáquinas—tienenmáschancesdeserTabla 2. Las 10 ocupaciones menos susceptibles de ser automatizadas en América Latina

Fuente: Elaboración propia en base a Freyy Osborne (2017)y las encuestas de hogares deArgentina, Brasil,Chile,MéxicoyPerú.

Profesionales de nivel medio de servicios jurídicos, sociales, culturales y afines

Directores administradores y comerciales

Gerentes de hoteles, restaurantes, comercios y otros servicios

Profesionales en derecho, en ciencias sociales y culturales

Directores y gerentes de producción y operaciones

Directores ejecutivos, personal directivo de la administración pública y miembros del poder ejecutivo y de los cuerpos legislativos

Profesionales de tecnología de la información y las comunicaciones

Profesionales de las ciencias y de la ingeniería

Profesionales de la enseñanza

Profesionales de la salud

Tabla 1. Las 10 ocupaciones más susceptibles de ser automatizadas en América LatinaFuente:ElaboraciónpropiaenbaseaFreyyOsborne(2017)yEncuestaPermanentedeHogares(2017).

Empleados contables y encargados del registro de materiales

Oficinistas

Ensambladores

Otro personal de apoyo administrativo

Ayudantes de preparación de alimentos

Operadores de instalaciones fijas y máquinas

Recolectores de desechos y otras ocupaciones elementales

Vendedores

Peones de la minería, la construcción, la industria manufacturera y el transporte

Trabajadores forestales calificados, pescadores y cazadores

24 25


automatizadas.Esimportantenotar,sinembargo,quelaaltaprobabilidaddeautomatizacióndeunempleonosignificaqueéstevayaadesaparecer.Significasimplementequemuchasdelastareasinvolucradas en él pueden ser fácilmente auto-matizablesconlasnuevastecnologías.Estoim-plicaquelaadopcióndeIApodríaliberartiempoy capacidad del trabajador/a para realizar otrastareas que con la tecnología existente no tienetiempo para hacer. Aquí radica, en esencia, lacapacidad de aumentar la productividad de esta nueva tecnología vía el “efecto automatización”descrita en la sección anterior.

Un ejemplo puede servir para ilustrar este pun-to.Conlaapariciónydifusióndeloscajerosau-tomáticos un amplio conjunto de tareas que serealizaban en los bancos fueron automatizadas.

Sin embargo, el número de empleados banca-rios no sólo no se redujo sino que tendió a au-mentar. ¿Por qué? Primero, porque se redujofuertementeelcostodeaperturadenuevassu-cursales.Segundo,ymásimportante,porquelosempleadospudieronliberarsedetareasbásicaspuramentetransaccionalesyocuparsedeotrasmuchomáslucrativas,comolaatenciónperso-nalizadaalcliente,laventatelefónicadeproduc-tosylaadministracióndecartera,entreotros.

Sibienestaobservacióndeberíadisminuirlaan-siedadytemoraldesempleoconelqueseaso-cia la IA y otras nuevas tecnologías vinculadas,noreducelaimportanciadereadaptarlashabi-lidades de la fuerza de trabajo de países comolosdelaregión.Laposibilidaddequeunafirmaincorpore nueva tecnología a su organización

y así muchas tareas puedan ser automatizadasdependeengranmedidadequelosempleadostenganciertashabilidadesparadesplegareneltiempoqueseleliberaporlastareasquedejaderealizar. En otras palabras, depende de que el/latrabajador/atengahabilidadescomplementa-rias a la IA. Como muestra la Figura 11, sólo el18%delafuerzadetrabajodeLATAMcuentahoyendíaconestascapacidades.

¿Cómofacilitarquelashabilidadesdelostraba-jadores se actualiceny puedan así complemen-tarse con las nuevas tecnologías? Readaptar lashabilidadesdelostrabajadoresactualesyfuturoses complejoya que involucra avarias instanciasde formación, desde la primera infancia hasta elaprendizajeenlaempresa.Enlaprimerainfanciasefijanlasbasesdelaestructuracerebral,dema-neraqueconstituyeunperíodoclaveparadesa-rrollarhabilidadescognitivasysocio-emocionalesbásicas.Además,sibiensehaavanzadoenunamayorcobertura,esnecesariomejorarlacalidaddelaeducaciónbásicaparapoderincorporarha-bilidadesyconocimientosgeneralesmásavanza-dos.Laeducaciónterciariayuniversitariatambiéndebeserreformadaparafacilitarelpasajealmun-dodeltrabajo.Debenadicionalmentepotenciarselosmecanismosdeeducaciónyformacióntécni-cay profesional (TVET, por sus siglas en inglés),intensificando la interacción entre el mundo delempleo y el mundo empresarial. Por último, lossistemasdecapacitaciónyentrenamientodentrode las empresas deben comenzar a contemplaractualizaciones periódicas debido a lavelocidaddelcambiotecnológico.

Estasobservacionesnodeberíantampocoindu-cir la autocomplacencia. Es muy probable quela IA y otras nuevas tecnologías conduzcan aungradodeautomatizacióndetareasquehagadesaparecer algunas ocupaciones. Esta es unalección aprendida en las revoluciones industria-les previas: un conjunto de actividadesy profe-siones seguramente irá desapareciendo en un futuro no muy lejano. En estos casos, será ne-cesario que los trabajadores sustituidos por lasnuevas tecnologías se reubiquen en otras ocu-paciones,bienseadentrodelamismaramadeactividad o en una diferente. Prepararse paraestorequieretambiéndeunapoderosaestrate-gia de inversión de capital humano para poder readaptarsegmentosdelafuerzadetrabajodecadaunodelospaísesaempleosparalosquehoynoestánlistos.

Habrá también casos de trabajadores en em-pleos que desaparecerán y que no tendrán untránsitofácilhacianuevosempleos.Noesdes-cabellado concebir que muchos trabajadorespasarán períodos largos de desempleo o, in-cluso que algunos — probablemente los seg-mentosdemayoredad—nologrenreinsertarseeficazmentealmercadodetrabajo.Estollamaaque el gobierno piense en el desarrollo de unaestrategia de protección social para quienes seveannegativamenteafectadosensuposibilidaddereinserciónenelmercadodetrabajo.Laspro-puestas de política de protección social que seestán debatiendo hoy incluyen desde la exten-sión de los seguros de desempleo hasta la im-plementacióndeuningresobásicouniversal.

Figura 11. Estructura del mercado de trabajo por probabilidad de automatización.Fuente: Elaboración propia en base a Freyy Osborne (2017), Encuesta Permanente de Hogares (2017) deArgentinaylabasededatosCHAT.Nota:elescenariohistóricosuponequelaadopciónydifusióndeIAreproduceelpatrónregistradoenArgen-tinaconlasTICenladécadadelos1990mientrasqueelescenariodeadopciónaceleradasuponeunritmodecambiotécnicosimilarladelosEstadosUnidos.

70%

60%

50%

40%

30%

20%

10%

0%Baja Media Alta

33%

18%

27%

20%

37%

64%

47%45%

10%

Estados Unidos LATAM con adopción acelerada LATAM histórico

26 27


La inteligencia artificial liderará el proceso detransformación tecnológica que se inicia con lacuarta revolución industrial. La experiencia delasrevolucionesindustrialespreviassugierequelas firmas y los países que más rápido adopta-ronlasnuevastecnologíasfueronquienesmejoraprovecharon las oportunidades de crecimiento. Lacuartarevoluciónindustrialabreunaventanapara que los países en desarrollo aceleren sucrecimientoyreduzcanlasbrechasdeingresosconlospaísesmásavanzados.

América Latina tiene una oportunidad por de-lante.ElejerciciodecrecimientoeconómicoquepresentamosenestedocumentosugierequelatasadecrecimientopromediodeLATAMpodríaacelerarse en más de un punto porcentual por añodurantelapróximadécadasiselograrom-perconsutrayectoriapasadayacelerarelritmode adopción de tecnologías asociadas a IA. Laaceleracióndelcrecimientonoserestringiríaaunpequeñopuñadodesectoresdealtatecnologíasinoqueseríaunfenómenodecaráctergeneral.

Una rápida e intensa adopción de la IA y otrasnuevas tecnologías asociadas a ella no ocurriráespontáneamente,sinoquerequerirádeaccio-nesdepolíticapúblicaconcretas.Enestesenti-do,haytreslíneasdeacciónindispensables.Pri-mero,unaestrategiadepolíticaindustrial4.0queestimuleyfaciliteunarápidaymasivaadopcióndeIAyotrastecnologíasporpartedelasfirmas.Muchospaíseshanempezadoatrabajaractiva-menteenestadirecciónylospaísesdelaregión

nodeberíanrezagarse.Lasegunda,talvezmásimportante, se refiere a la estrategia de educa-cióneinversiónencapitalhumanoquepreparea los futuros trabajadoresy facilite la readapta-cióndelosexistentesparaquepuedancomple-mentarsedeformavirtuosaconIAyotrasnuevastecnologías. América Latina también enfrentanumerosos desafíos en este sentido. La terceralíneadeacciónapuntaadesarrollarunaestrate-gia que brinde una adecuada protección socialaquienesenfrentenmayordificultaddereinser-ciónenelmercadodetrabajo.

Estas tres líneas de acción de política públicasonindispensablesparaaspiraraunatrayectoriaderápidaadopcióntecnológicaycrecimientodelaproductividad.Estossonlineamientosquere-quierendepolíticasespecíficasquenohansidoabordadas aquí. Es importante tener presen-te también que estos lineamientos constituyencondicionesnecesariasperonosuficientesparaun proceso de crecimientovirtuoso. Cambiar latendencia de crecimiento de los diferentes paí-ses latinoamericanos exige también corregirfactores que han obturado la posibilidad de uncrecimiento sólido y sostenido en las últimasdécadas.Estosincluyenlavolatilidadmacroeco-nómicay de políticas, la fuerte desigualdad deoportunidadeseingresos,ydiversoselementosquedebilitanelsistemapolítico,lacalidadinsti-tucionalylacohesiónsocial.

Los desafíos son grandes, pero las oportunida-dessonsindudamuchomayores.

Bibliografía

Aghion,P.,Jones,B.F.,&Jones,C.I.(2017).ArtificialIntelligenceandEconomicGrowth.NationalBu-reauofEconomicResearch.

Frey,C.B.,&Osborne,M.A.(2017).Thefutureofemployment:howsusceptiblearejobstocompute-risation?Technologicalforecastingandsocialchange(114),254-280.

5. Reflexiones finales

28 29


Anexo 1: Metodología

1. Modelo agregado

Se utilizó el modelo deAghion,Jones, &Jones(2017)queincorporalaadopcióndeIAmedian-telaautomatizacióndelaproduccióndebienes.El mismo, presenta la producción del bien finalYcomounacombinacióndebienesintermedioscon una elasticidad de sustitución menor a uno:

(1)Y = A

Latecnologíacrecedemaneraexógena,conA =A₀e , los bienes que son automatizados seproducen únicamente con capital mientras queaquellos que aún no la han sido, se producensólocontrabajo.

(2)X =

Elrestodelmodeloesneoclásico:

(3) Y = C + I

(4) K = I - ∂K

(5)K = K di

(6)L = L di

Luego, sea ―ß la fracción de bienes que fueronautomatizados hasta el período t, después deunpocodeálgebra,lafuncióndeproducciónsesimplificaa:

(7)Y = A (ß K

2. Escenarios

Dado que el grado de penetración de IA y suefectosobrelaeconomíaesincierto,planteamosdiferentesescenariosrespectoalatrayectoriadelaautomatizaciónylaevolucióndelaTFP.EstosedebeaqueentendemosquelaadopcióndeIAactúasobreelcrecimientoatravésdedosca-

nales.Porunlado,permitequeelcapitalyeltra-bajoseutilicendemaneramáseficiente,donde―ß juegaunrolcentral.Porotrolado,aldifundir-se la IA en la economía esta tiene el potencialde promover otras innovaciones en la tecnolo-gíaqueasuvezredundenenunaumentodelarentabilidad.Dadoquenoconocemoscualeselimpacto especifico se simulan diferentes esce-narios para evaluar el impacto de IA. Así, tene-mostresescenarios:negativo(odebase),neutralyunopositivo.Todoesto,varíadepaísenpaís.

Escenario negativoEn este caso, no existe adopción de IAy por lotantonoafectaalcrecimientodelPBIatravésdeninguno de los dos canales mencionados antes. Deestamanera,lafraccióndebienesautomati-zadasemantieneconstanteennivelesde2015.

En cuanto a la TFP, se calculó tanto la mediacomoeldesvíoestándardelasvariacionesdelaTFPparacadapaísdesde1950hastalaactuali-dad.Conello,seconstruyóunestadísticot para testearlasignificatividaddelcrecimientoprome-diodelaTFPencadauno.Deesteprocedimien-to, resultó que salvo en el caso de Argentina yMéxico,laTFPnohabíacrecidodemanerasigni-ficativaenningúnpaísenelperíodoconsiderado.Portanto,sesupusocrecimiento0paralaTFPenaquellospaísesdondelamedianoresultosigni-ficativamentedistintadecero.

Escenario neutralEn este caso, la evolución de laTFP es la mis-maqueenelescenariopesimistaperoseasumeunritmodeautomatización/adopcióndeIAqueimitaelprocesodeadopciónexperimentadoporcadapaísdurantelasTIC(1994-2014). Escenario positivoElcrecimientodelaTFPenesteescenariosu-ponequeseacelerarespectoalcasohistórico,siendoun50%mayoralexperimentadoporlospaísesasiáticos(China,HongKong,IndonesiayCoreadeSur)durantelarevolucióndelasTIC.

Además, el ritmo de adopción de IA se supo-necomo50%mayorqueenelcasodelasTIC.Como límite al ritmo de adopción, para aque-llos países que tuvieron una mejor performan-cedurantelarevoluciónreciénmencionada,seles impone un límite equivalente al 80% de laadopciónrealizadaporlospaísesasiáticosenelmismoperíodo.

3. Calibración de parámetros y valores iniciales

El modelo requiere de la calibración de cier-tosparámetrosydelcálculodealgunosvalo-res iniciales.

• Y₀:Dadoqueiniciamoslasproyeccionesdelmodeloen2015,elvalorinicialdelPBIcorres-ponde a la proyección del dato de 2014 dePennWorldTable9.0(PWT)usandoelcreci-mientodelPBIdelabasedeTED.

• K₀: Resulta de multiplicar Y₀ por la relaciónK/YqueestimaPWTen2014.

• L₀: Resulta de multiplicar Y₀ por la relaciónL/YqueestimaPWTen2014.

• A₀: Es tal que dados los niveles de K₀ y L₀laprimeraproyeccióndelmodelo(para2015)sea igual a Y₀.

• ß₀yρþ:Seeligieronvaloresde―y―talesqueelmodelo ajustara las variaciones de PBI entre2004y2014paracadapaís.Elprocedimientoconsistióenlaminimizacióndelasdiferenciasal cuadrado sujeto a las siguientes restriccio-nes en los parámetros:

• ßЄ(0,a )

• ρþ <0

Dondea eselsharedecapital.Estarestricciónfueimpuestademaneratalquelosshares de ca-pitaly trabajo que reproducía el modelo fueran

4ValeremarcarqueelejerciciosectorialColombianofuerealizadodebidoalafaltadedatossectoriales

consistentesconlosobservadosenlosdatos.

• ―∂:Eselpromediodelatasadedepreciacióncalculada por PWT entre 2005 y 2014 paracadapaís.

4. Proyección de las variables

Los supuestos respecto a lasvariables del mo-delo son los siguientes:

• ElmovimientodelaTFPy―ß varíadeacuerdoal escenario.

• ElmovimientodeL se asumió igual a las pro-yeccionesdecrecimientodelapoblacióndeentre15y64añosdelaONU.

• El movimiento de capital sigue la ecuación(4)yparaellodebimosasumirunafuncióndeinversiónquetienelasiguienteforma:

( 8 ) K = v Y - ∂K

Dondev es el promedio de la razón I/YdePWTdesde2005hasta2014paracadapaís.

5. Modelo Sectorial

Para modelizar la dinámica sectorial se utilizó elmismomodeloqueenelagregado.Lossectoresseleccionadosdelospaísesparaloscualesserea-lizaelejercicioagregadoson:(I)IndustriaManufac-turera,(II)Comercio,(III)ServiciosFinancieros,(IV)AdministraciónGubernamentaly(V)Salud� .

Debido a la escasez de datos históricos de lasvariablesdelmodelo(trabajoycapital)desagre-gadasporramadeactividad,elmétodoutilizadoparaelcálculodealgunosvaloresinicialesß₀y―þ difieredelorealizadoenelmodeloagregado.

• Y₀:ElvalorinicialdelPBIsectorialcorrespon-dealaproyeccióndeldatode2014dePennWorldTable9.0(PWT)usandoelcrecimiento

∫( )�₀ X donde þ < 0

1 / þ

itþ

t t

gtt

{ L si no fue automatizadoK si fue automatizado

it

itit

∫ �₀∫ �₀

t

t

t

t

t t

t t

it

it

t

L )1 - þ 1 - þ 1 / þ

t tþ þ

=(1-ß )t tt

t

t

k

k

t

ttt

30 31


delPBIdelabasedeTED,ajustadoporlapar-ticipación del producto de cada sector sobreelproductototaldelaeconomíaen2015.

• K₀/Y₀:Resultadere-escalarlarelaciónK/Y agregada de acuerdo al cociente entre el sha-re del capital sectorial y el share del capitalpromedio de los sectores seleccionados.

• L₀:correspondealaproyeccióndeldatopara2014 de PennWorldTable 9.0 (PWT) usandoelcrecimientodelempleodelabasedeTED,ajustado por el porcentaje que representa elempleo de cada rama de actividad sobre eltotaldelempleoen2015.

• A₀: Es tal que dados los niveles de K₀ y L₀laprimeraproyeccióndelmodelo(para2015)sea igual a Y₀.

• ß₀ y ρþ: fueron calculados para cada sectorsiguiendo la misma metodología que para elagregado. En este caso, la diferencia es queel periodo seleccionado para realizar el ajuste comprende2007-2014.

El análisis de escenarios fue realizado siguien-do la mismos casos que para el modelo agre-gado, teniendo en cuenta idénticos supuestosencuantolaevolucióndelaTFPylasdistintasvariables(ß ―,KyL).

Servicios Financieros

• Banco de Crédito del Perú:DesarrollóArturitoBCP, un BOT que opera con inteligencia artificial(IA)víaFacebookMessengerquesirveparaperso-nalizarlainteracciónentreelclienteylacompañía.Graciasa latecnologíaWatson,desarrolladaporIBM,Arturitoposeehabilidadescognitivasquelepermiten no sólo responder las preguntas para las que ha sido capacitado, sino que, las compren-deybuscaautomáticamenteunarespuesta.Deestaforma,losclientespuedenrealizarconsultasyresolverdudassobrecuentasytarjetassintenerqueserasistidosporpersonaldelbancoenunasucursaloatravésdeunallamadatelefónica.

Los usuarios de Facebooky Messenger puedenaccederfácilmentealbotatravésdelafanpagedeArturitoBCP(cuentaverificadaporFacebook),así como de la aplicación Messenger,y obtenerrespuestas personalizadas sobre sobre saldos,tarjetas de crédito, cotizaciones, localización desucursalesBCPcercanas,asícomotambiénreali-zartransferenciasypagarservicios.Arturitoespe-ratener500milusuarioshaciafinesdeeste2018.

Teniendoencuentaeltipodedatosquemanejan,sonmuycautelososconlostemasdecibersegu-ridad,privacidaddelosdatosymitigaciónderies-gosquepuedanocurrir.Paragarantizarlaseguri-daddelainformacióndelosusuarios,primero,elbotlepediráalusuariovalidarsusdatos.Luego,se deberá colocar el número de documento deidentidadpararecibiruncódigodeverificaciónvíamensaje de texto o correo electrónico. Una vezobtenidoelcódigo,sedeberáinsertarenlacon-versación para poder realizar las consultas.

• Alicia (Banco Ciudad BSAS):SimilaraArturito,está siendo desarrollado por la entidad porteña yseesperasalgaalaluzafinesde2018.ElBan-co Ciudad, en el marco de un plan estratégicoparaacompañarlosprocesosdetransformación

digital,hadecididoincorporarunchatbot de in-teligencia artificial de Microsoft para mejorar laexperienciadetodossusclientes.

Setratadeunasistentevirtualquesimulacon-versaciones reales, que permitirá a los clienteshacer consultas y obtener información de lasdudasmásfrecuentesdelosusuarios-comolasasociadas a préstamos, cuentas, trámites, etc.-dialogando en un entorno dinámico, alineado alaexperienciadigitalqueelusuarioatraviesaensusconversacioneshabituales.

La implementación de la solución de Intelli-gence Chat Bot Services basado en MicrosoftCognitiveServicesjuntoconlabasedecono-cimientosdeMicrosoftDynamics365ledaac-cesoalBancoCiudadanuevosservicioscog-nitivos,basadosenunconjuntodealgoritmosqueayudanaprocesardatoszautomáticamen-teparacrearaplicacionesmáspersonalizadas,quetienenporfunciónentenderlasnecesida-des de los usuarios mediante la utilización de métodos naturales de comunicación.

A través de la implementación de esta nueva tecnología se busca responder de manera máságileinmediataalasdemandasyconsultasquesurgen de las más de dos millones de visitas mensuales que recibe laweb oficial del banco,mejorando la experiencia del usuario. De estamanera,elBancotendráunnuevocanaldecon-tacto que brindará respuestas acertadas todoslosdías,durantelas24hs.

Salud

• Unima (México): Desarrollaron una herramientadediagnósticooportunoque,atravésdeundispo-sitivofácildeusar,asícomounsmartphone,permi-tirásabersiunapersonaestáinfectadadealgunaenfermedadcomolatuberculosisolainfluenza.

Anexo 2. Ejemplos de adopción de IA en diferentes sectores productivos

32 33


Estaempresamexicanadebiotecnologíarecibió―el reconocimiento como la mejor empresa en el área de Salud del Singularity University⁵ GlobalSummit2017realizadoenlaciudaddeSanFran-cisco,California.Estepremioreconoceelpoten-cial de la empresa para impactar la salud de más de mil millones de personas en el mundo en los siguientes 5 años.

Unima desarrolló una tecnología para diagnos-ticarenfermedadesinfecciosasdemanerarápi-dayabajocosto,quepuedenaplicarmédicos,enfermerasotrabajadoressocialesdirectamenteenunpuntodeatenciónyobtenerunarespuestaenmenosde15minutos,sinnecesidaddenin-gúnequipodelaboratorio,yconcostoshastade$1USDporprueba.

Los emprendedores crearon un dispositivo he-chototalmentedepapelquecontieneunapro-teínaanimalsobreelcualsecolocaunamuestradesangredelpaciente.Despuésde15minutos,se le toma una fotografía desde una aplicacióndescargada en un smartphonequeenmenosde10segundoshaceuncomparativoparadetectarsi la imagen corresponde al diagnóstico de algu-na enfermedad infecciosa causada por unviruso una bacteria, como Malaria, Fiebre Amarilla,Tuberculosis o VIH, entre otras. Una vez con elresultado,sepuedecanalizaralapersonaparaquerecibalaatenciónindicada.

ElobjetivodeUnimaessolucionarelproblemade un acceso oportunoy digno a más de 3 milmillonesdepersonasquevivenenpaísesenvíasde desarrollo o en lugares de recursos limitados enpaísesdesarrollados.

Manufactura

•Fábrica de pastas Bettini (Argentina): Betti-niesuna industriaalimenticiadeCórdobaqueproducepastastipoitalianas,frescasysecas.A

5SingularityUniversityenunaorganizaciónthinktankyaceleradoradeempresasqueseenfocaenapoyarelcrecimientoydesarrollodelahumanidadatravésdeldesarrolloyaprovechamientodetecnologíasex-ponencialescomolainteligenciaartificial,lagenómica,nanotecnología,etc.FundadaporlostecnólogosyfuturistasRayKurzweilyPeterDiamandis,SingularityUniversityseubicaenlasinstalacionesdelaNASAenelMoffetFieldenlaciudaddeMountainViewCalifornia.

pesar de ser una empresa familiar de 80 añosdetradición,seanimaronadarunsaltotecnoló-gicoysumarseaestanuevaoladeinnovación,incorporandoBigDataymachinelearningasusprocesos de producción. En la planta de pro-ducción,lascomputadorasdeterminanlacom-posiciónexactadelíquidoysólidoparalamasa,sensores inteligentes calculan el gramaje de cadaenvase,sistemasdefiltradodeairelogranla presión exacta entre el interior y el exterior,con robótica y aire comprimido se traslada laharinadelossilosalasmáquinasmezcladoras,yatravésdesistemasdebigdatasecoordinaymantiene interconectado todo el proceso. A su vez,desdelaempresasefomentólaformaciónde los operarios de planta para que pudieranadaptarsushabilidadesalasnuevasmáquinasytecnologíasincorporadas.

Conestasinnovacionesenlosprocesoslafirmalogróreducirelcostolaboralenelproductoyau-mentar la productividad: con la misma cantidad de empleados lograron triplicar la producción. A suvez,laexpansióndelaproducciónlespermi-tió expandir sus mercados: actualmente la em-presa exporta sus productos a Colombia, Perú,Panamá,Angola,ChileyParaguay.

Agricultura

• S4Agtech (Argentina):LacompañíaargentinaS4 desarrolló el primer índice del mundo paracubrirlosefectosdelasequíayelriesgo,basán-doseeninformaciónsatelitalyofreciendosolu-cionesmásqueimportantesalosagricultoresyotros actores propios del sector para que pue-dan enfrentar los riesgos climáticos.Tratándosedeunproyectoúnicoanivelmundial,obtienenlainformaciónapartirdeunaconstelacióndesaté-litesdelaNASAquemidenlossignosvitalesdelplaneta, y a partir de herramientas de Machine Learning de MicrosoftAzure desarrollan algorit-mosquelespermitenreconocereltipode

cultivo,lascondicionesclimáticasqueseránen-frentadasenelfuturoysusconsecuenciassobrela producción.

De esta forma, la tecnología S4 permite a losproductores aprovechar la disponibilidad de in-formaciónanticipadademaneradetalladaypre-cisadeformatalquepuedanutilizarlosrecursosde forma más eficiente, incrementando los rin-des,teniendounmejormanejodelriesgoyma-yorprevisiónafuturo.

Comercio

• Nubimetrics (Argentina - Todos los paísesdonde está MercadoLibre) / Real Trends (Ar-gentina – Brasil - Mexico): Son desarrolladoresdeherramientasutilizadasparaelanálisisyges-tióndeventasdelconjuntodecomerciantesquedesarrollanactividadesenlaplataformadeMer-cadoLibre.Estasherramientasaplicantecnolo-gíasdemachine learningyBigData a partir de las cualesrecopilanyanalizandatosdebúsquedasyofertasdentrodelaplataforma,ofreciendounestudiodelmercadoyloscompetidoresydetec-tando nuevas oportunidades de negocios.

Estas herramientas son utilizadas por los ven-dedores para detectar nichos de mercados con demanda insatisfecha, conocer los nue-vos productos y promociones ofrecidas por lacompetencia,definirelprecioquemaximizasusbeneficios,yobtenerunanálisisperiódicoyex-haustivo del mercado.

Entrelosprincipalesusuariosdeestastecnolo-gíasseencuentrangrandesmarcasdeltipoAdi-das,Walmart,Frávega,Puma,Samsung,etc.

Gobierno

•ElMinisterioPúblicoFiscaldelaCiudadAutónomade Buenos Aires utiliza Prometea,esunsistemadeinteligenciaartificialconstruidopararesolverexpe-dientes judiciales de menor complejidad. A partir de unconjuntodedatosquesurgendelosexpedien-tesysusresoluciones,generarespuestasautomá-ticasconsiderandolospatronesqueencuentraen-treelnuevoexpedienteyloscontenidosensubasededatos.Latareadelalgoritmoespredecirsobreexpedientes simples donde la justicia tiene juris-prudencia, permitiendo que las personas puedandestinarmayortiempoaloscasosmáscomplejos,con el consecuente mejor uso de los recursos. Elprogramaescapazderesolver1.000expedientesen7días;esamismatarea,conlautilizacióndelmé-todotradicionaldemandaría83jornadasdetrabajo.Actualmente este sistema responde al 52% de los expedientes de baja complejidad que ingresan altribunal,conunatasadeaciertodel96%.

Elprogramatrabajaconlainformaciónquesurgedelsitiowebdeconsultadeexpedientes,dondelajusticiavuelcalainformacióndelascausas.Enlafiscalíaelprocedimientopartedeunexpedien-teadictaminarquenohasidoanalizadopornin-gunapersona,secargaelnúmerodeexpedienteyelsistemabuscalacarátulaenlapáginadelTri-bunalSuperiordeJusticiadeCABA,loidentificayleeentremásde300.000documentosanterioresvinculadosalexpediente.Unavezhechoesto,re-lacionalospatronesconlosdictámenesyafirma-dosenlafiscalía,analizamásde1400dictámenesprevios,yen15segundospredicecuáleslaso-luciónquedebeadoptarse.Porúltimo,letraeenpantallaalusuarioelmodeloquedeberíautilizar,ylehaceunasbrevespreguntasparacompletardatosyadecuarloalcasoenconcreto.

34 35


Ramiro AlbrieuInvestigadorprincipaldelprogramadeDesarrolloEconómicodeCIPPEC.LicenciadoenEconomía(UniversidaddeBuenosAires,Argentina).Es in-vestigador asociado en CEDES, investigador externo en el Instituto CEQ,profesorasociadodemacroeconomíaenlaUniversidaddeBuenosAires,yDirectordelprogramadeRecursosNaturalesyDesarrolloenRedSuda-mericanadeEconomíaAplicada.

Martín RapettiDirectordelprogramadeDesarrolloEconómicodeCIPPEC.LicenciadoenEconomía(UniversidaddeBuenosAires,Argentina)ydoctoren Economía (Universidad de Massachusetts,Amherst). Profesor adjuntodeMacroeconomíaIIydirectordelaMaestríaenEconomíaenlaFacultaddeCienciasEconómicasdelaUniversidaddeBuenosAires.

Caterina Brest LópezCoordinadoradelprogramadeDesarrolloEconómicodeCIPPEC.LicenciadaenEconomía(UniversidadTorcuatoDiTella,Argentina).Magís-ter en Economía (Barcelona Graduate School of Economicsy UniversitatPompeuFabra,España).ProfesoraasociadadeMicroeconomíaI,enlaLi-cenciaturadeEconomíadelaUniversidadTorcuatoDiTella.TrabajóenelMinisteriodeProduccióntantoentemasdeempleosectorialeinformali-dad como estimaciones de seguimiento macroeconómico. Patricio LarrouletAnalistadelprogramadeDesarrolloEconómicodeCIPPEC.LicenciadoenEconomía(UniversidaddeBuenosAires).Ayudantedecate-dradeMicroeconomíaII,MacroeconomíaIyII,yMatemáticaparaEcono-mistasenlaLicenciaturaenEconomíadelaUniversidaddeBuenosAires.

Alejo SorrentinoAnalistadelprogramadeDesarrolloEconómicodeCIPPEC.Licenciado en Economía (Universidad de Buenos Aires, Argentina). Ayu-dantedecátedradeMacroeconomíaIIenlaLicenciaturaenEconomíadela Universidad de Buenos Aires.

Acerca de los autores Para citar este documento:Albrieu,R.,Rapetti,M.,BrestLópez,C.,Larroulet,P.y Sorrentino,A. (noviembre de 2018). Inteligencia artificialy crecimientoeconómico. Oportunidades y desafíos para América Latina. Inteligencia Artificial y Crecimiento Económico en América Latina.BuenosAires:CIPPEC

LaspublicacionesdeCIPPECsongratuitasysepuedendescargarenwww.cippec.org.CIPPECalientaelusoydifusióndesusproduccionessinfinescomerciales.

ParausoonlineagradecemosusarelhipervínculoaldocumentooriginalenlawebdeCIPPEC.

LaopinióndelosautoresnoreflejanecesariamentelaposicióninstitucionaldeCIPPECeneltemaanalizado.

@CIPPEC

/cippec.org

/fcippec

/CIPPEC

CIPPEC (Centro de Implementación de Políti-cas Públicas para la Equidad y el Crecimiento) es una organización independiente, apartidaria y sin fines de lucro que trabaja por un Estado justo, democrático y eficiente que mejore la vida de las personas. Para ello concentra sus esfuer-zos en analizar y promover políticas públicas que fomenten la equidad y el crecimiento en la Argentina. Su desafío es traducir en acciones concretas las mejores ideas que surjan en las áreas de Desarrollo Social, Desarrollo Econó-mico, y Estado y Gobierno, a través de los pro-gramas de Educación, Protección Social, Insti-tuciones Políticas, Gestión Pública, Monitoreo y Evaluación, Desarrollo Económico y Ciudades.

/cippec.orgwww.

Inteligencia artificial y crecimiento económico · 2019. 1. 8. · Inteligencia artificial y...

Documents

Transcript of Inteligencia artificial y crecimiento económico · 2019. 1. 8. · Inteligencia artificial y...