Hace tiempo, buscando otra cosa, me encontré con una fotografía en blanco y negro que no consigo quitarme de la cabeza. Una docena de hombres con abrigos gruesos sobre un río helado. Sierras largas, ganchos, caballos. El hielo cortado en bloques perfectos, todos iguales, alineados como adoquines. Lo que más me llamó la atención no fue el frío, que se adivina, sino la destreza. Aquella gente sabía exactamente lo que hacía.
Nadie consiguió nunca que una máquina cortara hielo mejor que ellos.
Y aun así, desaparecieron.
Un río lleno de casas de hielo
Durante casi un siglo, desde la década de 1830, la comida y la bebida de Nueva York y sus alrededores se mantuvieron frías gracias al hielo que se sacaba del río Hudson y de los lagos cercanos. En su mejor momento, la década de 1880, unas veinte mil personas cortaban bloques que se guardaban en 135 almacenes construidos a lo largo del río, entre Poughkeepsie y Albany. Según cuenta Scenic Hudson, un capitán de remolcador retirado decía que quien navegaba por el alto Hudson nunca perdía de vista una casa de hielo.
Lo que acabó con ellos no fue una sierra mejor. La refrigeración artificial empezó a quitarles mercados en los años ochenta de aquel siglo. Primero se pasaron a las máquinas las cerveceras y los almacenes. Después, los estados del sur y destinos lejanos como Calcuta empezaron a fabricar su propio hielo, y eso acabó con el comercio por barco. Durante un tiempo el hielo natural aguantó, porque el de máquina era caro y apenas se producían unas toneladas al día. A partir de 1910 todo cambió muy deprisa, como recoge la Biblioteca Pública de Chicago. En 1911, el 82 % del hielo que se usaba en Chicago todavía era natural. En 1922 solo lo era el 10 %.
Once años.
Con la refrigeración artificial, y con un río cada vez más contaminado, se derritió la industria entera.
Fíjate en lo que no pasó. Nadie inventó un robot cortador de hielo. Nadie sustituyó a esos hombres uno a uno, tarea por tarea. Lo que apareció fue otra manera de organizar el frío: primero una fábrica que hacía hielo en cualquier sitio y en cualquier estación, y más tarde una caja fría en cada cocina. El oficio no se quedó obsoleto. Se quedó sin río.
Llevo días dándole vueltas a esa foto por culpa de un trabajo que he leído con calma y que, sin mencionar el hielo ni una vez, cuenta exactamente esta historia.
Competencia y coordinación
Lo firman tres investigadores de Google DeepMind: Alex Imas, Andrew Koh y Shane Legg, uno de los cofundadores de la compañía. Hay un artículo técnico, Organizing Intelligence, y un ensayo divulgativo, The Economics of Intelligence, que lo cuenta sin ecuaciones. En su modelo, la productividad de una empresa depende de dos cosas distintas: la competencia, que sube el nivel de lo que se produce, y la coordinación, que decide cómo crece esa productividad a medida que crece la empresa.
Casi toda la conversación sobre IA mira solo la primera. Qué modelo programa mejor, cuál razona mejor, quién gana en la tabla. Ya escribí aquí sobre esa costumbre en Lo importante. Los autores lo dicen sin rodeos: los benchmarks miden agentes aislados y por eso predicen mal el impacto económico. Lo que importa no es si un modelo supera a una persona, sino si una organización de agentes puede superar a una organización de humanos.
Y ahí los humanos tenemos una ventaja que no aparece en ninguna tabla. Pasaron un cuestionario de seis dominios a cien personas y comprobaron que ir bien en uno apenas permitía prever cómo le iría a alguien en otro. Al juntar especialistas que se complementaban, los equipos superaron en un 32 % a las parejas formadas al azar. Lo llaman inteligencia mosaico. Las copias de un modelo, en cambio, tienen huecos muy parecidos entre sí: cada copia nueva suma capacidad, pero no abarca más habilidades.
Diez copias del mismo genio tienen los mismos puntos ciegos.
Dos maneras de perder un trabajo
Aquí viene la parte que me devolvió a la foto. El modelo distingue dos clases de desplazamiento laboral: uno gradual, cuando la IA va sustituyendo a trabajadores dentro de empresas mixtas, y otro repentino, cuando las empresas formadas solo por IA superan a las humanas.
El primero es el que todos imaginamos: tu puesto, tus tareas y una máquina que aprende a hacerlas. El segundo inquieta más, porque no necesita que ninguna IA sepa hacer lo tuyo. Le basta con que una empresa organizada de otra manera haga innecesaria la tuya. Te quedas sin trabajo con el oficio intacto. Como los del Hudson.
Para que eso ocurra, dicen los autores, tiene que caer un límite muy antiguo, el de la vieja pregunta del economista Ronald Coase: si organizar el trabajo dentro de una empresa abarata las cosas, ¿por qué no se hace toda la producción en una sola? La respuesta de siempre son nuestras limitaciones: la atención que se dispersa, el contexto que se pierde en cada traspaso y los incentivos que se desalinean cuando el equipo crece. Los agentes de IA quizá no tengan esos frenos, porque pueden compartir estados de trabajo completos y objetivos comunes. Si se cruza ese umbral, al que llaman supercooperativo, cada miembro que se añade aumenta la productividad, y lo único que limita el tamaño de la empresa es el mercado.
Lo más llamativo es que eso podría pasar sin que la IA fuera más lista que la actual. En el escenario supercooperativo, cada agente sigue siendo tan competente como un humano medio, pero la coordinación cruza el umbral. En los mercados grandes, las empresas de IA desplazan a las pequeñas y los salarios caen de golpe.
No hace falta una máquina más inteligente que tú. Basta con una organización mejor que la tuya.
Me acordé de una llamada que conté en Ojo con la competencia: alguien que había perdido un 23 % de facturación y sospechaba que su competencia usaba IA. Entonces hablábamos de rivales que trabajan mejor gracias a herramientas nuevas. Este trabajo apunta más lejos: a rivales que ni siquiera tienen forma de empresa como la suya.
Y hay un detalle que conviene no perder de vista. Los salarios de los trabajos que la IA iguala tienden a bajar hasta el coste del cómputo, y ese efecto llega antes de que las empresas se reorganicen. Por eso las cifras de empleo son una mala prueba de que la IA no esté afectando a la economía. Si esperas a ver subir el paro para preocuparte, llegarás tarde. El primer aviso llega en la nómina.
Lo que este trabajo no dice
Conviene leerlo con cuidado, y son los propios autores los que lo piden. Advierten de que sus escenarios se derivan de los supuestos del modelo y no son predicciones basadas en datos. El único dato empírico es ese cuestionario a cien personas, que es una muestra pequeña. Además, la coordinación entre agentes está todavía lejos de ese umbral: el ensayo recoge la opinión de Noam Brown, investigador de OpenAI, para quien «it's actually very difficult to get these agents to coordinate in a productive way» [en realidad es muy difícil conseguir que estos agentes se coordinen de forma productiva]. Tampoco el hielo se derritió en un invierno: entre las primeras máquinas y el final pasaron décadas. Y no he revisado las demostraciones matemáticas del artículo, ni voy a hacer como que sí.
Aun así, me parece valioso porque cambia la pregunta. Deja de preguntar qué profesiones van a desaparecer y empieza a preguntar qué organizaciones van a sobrevivir. Es otra unidad de medida. Y cambia lo que tiene sentido preparar.
Lo que se paga cuando se paga a una persona
El ensayo distingue tres clases de mercado. Están los mercados grandes y estandarizados, como el software, la logística o las finanzas, donde manda la coordinación. Y están los nichos, pequeños o personalizados, donde la demanda es limitada y crecer aporta menos. El tercero es un sector relacional: bienes y servicios en los que la participación humana forma parte del valor, como la sanidad, la educación o los oficios. Según los autores, ahí podría concentrarse buena parte del empleo y de los buenos salarios, aunque lo que se produzca de forma automática salga cada vez más barato.
En ese tercer grupo no compras solo un resultado. Compras que lo haga alguien. Que el médico te mire a la cara al decirte lo que tienes. Que la profesora se acuerde de dónde te atascaste en septiembre. Que el fontanero te explique por qué se rompió.
Sería muy cómodo quedarse aquí, con la tranquilidad de que lo humano siempre tendrá su sitio. No lo voy a hacer, por dos razones. La primera es que los autores no lo garantizan: hablan de una posibilidad, no de un destino. La segunda es que llevamos años haciendo justo lo contrario. Lo conté en ¿Por qué la IA va a reemplazar a los humanos?: hemos encerrado a personas en guiones tan rígidos que acaban sonando a máquina. Y un servicio relacional en el que la persona se comporta como un bot no tiene nada que defender. Hasta los cuidados, que parecían el último refugio, empiezan a automatizarse, como escribí en El tren de los robots cuidadores ya salió de la estación.
La economía relacional no es un refugio que nos esté esperando. Hay que construirla.
Mira el río
Así que te propongo un ejercicio, y esta vez no va de ti contra la máquina.
Piensa en lo que haces y pregúntate en cuál de los tres mercados vive. Si es uno grande y estandarizado, no te preguntes si una IA sabe hacer tu tarea, sino si alguien podría montar una organización que haga innecesaria la tuya. Si estás en un nicho, pregúntate cuánto de ese nicho es real y cuánto es costumbre. Y si estás en lo relacional, pregúntate qué parte de lo que cobras paga la tarea y qué parte paga que seas tú. Esa segunda parte es la que hay que cuidar, ampliar y hacer visible.
Es una versión más afinada de la pregunta que planteaba en ¿Qué valor aportas?. Y conecta con lo que escribía en ¿Quién quiere trabajar?: lo que de verdad asusta no es dejar de trabajar, sino tener que cambiar sin saber hacia dónde. Este trabajo da alguna pista sobre hacia dónde: hacia el criterio para fijar objetivos, hacia la capacidad de organizar equipos de personas y máquinas, hacia la relación. Hasta los coordinadores, que en un examen individual parecen mediocres, están entre los que más cobran, y no porque destaquen en una tarea concreta, sino porque hacen rendir más al equipo.
Desde Human-IA defendemos que expandir el potencial humano empieza por mirar más allá de la tarea. Y aquella historia guarda un dato que casi nadie cuenta: cortar hielo era un segundo ingreso para granjeros, obreros de las ladrilleras, marineros y prácticos del río.
Vuelvo a la fotografía. Aquellos hombres eran buenísimos con la sierra. Pero sospecho que los que mejor llevaron el final fueron los que nunca confundieron la sierra con el oficio, ni el río con el mundo.
No te va a sustituir una máquina que corte mejor que tú. Te puede dejar sin río una organización que piense mejor que la tuya.
