¿Por qué una IA que resuelve tareas difíciles no transforma por sí sola toda la economía? Imagina un taller que debe entregar un programa y su manual. Tener al mejor programador ayuda, pero el producto depende también de la documentación, los relevos y las decisiones compartidas. El cliente compra una entrega terminada, no una puntuación individual.
Alex Imas, Andrew Koh y Shane Legg proponen mirar la inteligencia artificial (IA) desde las organizaciones. Su ensayo The Economics of Intelligence: How and when does AGI lead to economic transformation? distingue la habilidad para resolver tareas y la capacidad de coordinar equipos. El texto, publicado por el DeepMind Institute el 29 de octubre de 2026, se apoya en el modelo teórico Organizing Intelligence. AGI es la sigla inglesa de inteligencia artificial general. Aquí designa un régimen económico del ensayo, no una fecha de llegada o un pronóstico inevitable sobre salarios o empleo.
1. Una media puede esconder al equipo
Una persona puede ser muy buena programando y tener dificultades para explicar su trabajo. Otra puede escribir con claridad y necesitar ayuda con el código. El ensayo llama «inteligencia mosaico» a la capacidad colectiva que surge al combinar fortalezas complementarias. La organización distribuye tareas para aprovechar lo que cada integrante hace relativamente mejor, en lugar de pedir lo mismo a todos.
Un ejemplo inventado permite verlo. Supongamos dos puntuaciones de habilidad, una para código y otra para manual: A tiene 8 y 2; B tiene 2 y 8. El promedio de sus perfiles es 5 en código y 5 en manual, porque cada promedio es (8 + 2) / 2. Si reunimos dos copias de A, los promedios siguen siendo 8 y 2. Duplicar el mismo perfil no rellena su laguna.
La mejora del producto depende de cómo se combinen las tareas. En el ejemplo formal del paper, la habilidad colectiva se agrega de una forma que penaliza el dominio más débil. Programar mucho no compensa automáticamente un manual inutilizable. Un equipo equilibrado puede funcionar mejor que otro con la misma cantidad de trabajadores concentrados en una sola destreza.
El ensayo aporta un resultado ilustrativo: informa de un cuestionario a 100 personas en seis dominios, desde matemáticas hasta economía. Según los autores, las parejas formadas por complementariedad rindieron un 32 % más que las parejas aleatorias. La comparación se refiere a esa tarea y forma de emparejar. No mide un aumento del 32 % en salarios, productividad empresarial o producto interno bruto (PIB). Tampoco basta para determinar cómo se organizará una industria.
2. La persona que organiza también produce valor
La coordinación resuelve otro problema del taller. Aunque haya buen código y buena documentación, alguien debe acordar qué versión se entrega y qué cambios quedan pendientes. El ensayo señala que un coordinador mediocre en tareas individuales puede aumentar la producción conjunta al facilitar relevos y permitir que el equipo crezca sin desorganizarse.
Este problema tiene antecedentes en la economía de las organizaciones. Ronald Coase preguntó por qué, si organizar dentro de una empresa ahorra costes, toda la producción no queda reunida en una empresa gigantesca. El ensayo retoma los límites de comunicación, atención e incentivos: ampliar el equipo también introduce trabajo de coordinación. Parte de lo que una persona sabe puede perderse al comunicarlo a la siguiente.
Por eso una prueba individual puede infravalorar a quien organiza. En el modelo, su aportación depende de cómo cambia el trabajo del resto y del tamaño del equipo. La predicción sobre su remuneración surge de ese mecanismo; no garantiza que toda persona con cargo de gerente sea productiva o cobre más.
3. Las copias cambian la escasez, no todas las dificultades
El modelo distingue una oferta humana fija de agentes de IA que pueden copiarse pagando cómputo. Cada persona dispone de una cantidad limitada de trabajo; una habilidad humana escasa puede obtener una remuneración alta. Si una máquina reproduce esa capacidad a un coste menor, cambia la alternativa disponible para la empresa y, con ella, el valor económico de contratar a la persona.
Es un supuesto de análisis, no una afirmación de que servidores, energía o chips sean ilimitados. El documento formal usa un coste de alquiler por agente dado desde fuera del modelo. Para interpretar sus resultados hay que recordar esa simplificación: copiar capacidades sigue costando recursos y puede enfrentar límites físicos o comerciales.
Las copias también pueden compartir representaciones y estados de trabajo. Los autores ven ahí una posibilidad de coordinarse con menos fricciones que equipos humanos, cuyos objetivos privados y conocimientos difíciles de transmitir pueden divergir. Pero el ensayo reconoce que los sistemas actuales coordinan mal en la práctica. Compartir un modelo o una carpeta no demuestra que un grupo vaya a distribuir bien el trabajo y detectar sus errores.
4. Mejorar la tarea y mejorar la escala son cambios distintos
En este marco, «competencia» es habilidad para resolver tareas, no rivalidad comercial entre empresas. A tamaño y composición del equipo fijos, una mayor competencia eleva la producción. La coordinación determina cómo cambia esa producción al añadir integrantes. Puede permitir mantener los relevos o dejar una organización cada vez más difícil de manejar.
La medida relevante es la producción por agente: producción total dividida entre número de agentes. Un equipo mayor puede producir más en total y menos por integrante. Los autores distinguen tres situaciones. Si la coordinación es muy mala, trabajar solo puede convenir. Con coordinación limitada, dividir tareas ayuda hasta cierto tamaño y después las fricciones dominan. Con coordinación suficientemente alta, el modelo permite que la producción por agente siga aumentando al crecer la firma.
A esa última condición la llaman «supercooperación». En el modelo formal es una propiedad de la tecnología de producción a gran escala, no una puntuación concreta de un test. Si las ventajas de escala siguen creciendo, una organización grande puede producir a menor coste que varias pequeñas. En mercados suficientemente amplios, el modelo deriva una tendencia a concentrar la producción.
La demanda también limita el resultado. En el taller, ahorrar trabajo por entrega no obliga a que aparezcan infinitos clientes. El ensayo distingue mercados amplios y estandarizados, donde cabe vender grandes volúmenes, de nichos con demanda acotada. Una organización capaz de crecer puede no necesitar hacerlo si el mercado ya está abastecido.
El documento formal analiza un equilibrio con entrada de empresas y competencia, donde las firmas activas cubren sus costes. Concentrar producción en ese modelo no equivale a demostrar poder monopolístico, precios abusivos o una empresa concreta dominando hoy el mercado. Además, el resultado de concentración se formula al hacer crecer mucho el tamaño del mercado. La regulación, los proveedores rivales, la capacidad disponible y los contratos pueden frenar una concentración extrema en la realidad.
5. Cuatro escenarios, sin calendario
El ensayo organiza sus escenarios mediante dos dimensiones: competencia en tareas y coordinación. Los nombres AGI y ASI designan aquí regímenes económicos propios de los autores, no estándares universales de inteligencia. El artículo formal utiliza definiciones más precisas de los perfiles que puede formar un equipo humano; el mapa siguiente resume la explicación divulgativa del ensayo.
AGI mínima: competir con un mosaico humano
El ensayo parte de una IA reproducible que iguala o supera las capacidades humanas medias en las tareas. Aun así, un equipo de especialistas complementarios puede competir mejor que una firma de agentes con ese perfil medio. Bajo estas condiciones, la estructura empresarial puede mantenerse relativamente fragmentada mientras cambian precios, remuneraciones y tareas que hacen humanos o máquinas.
Conservar la apariencia de las empresas no implica conservar todos los salarios. Según el escenario, las habilidades que la IA iguala pierden parte de su valor de escasez y su remuneración se acerca al coste de la alternativa informática. Especialistas no sustituidos y coordinadores humanos pueden resultar más valiosos para las nuevas combinaciones de trabajo.
IA supercompetente: más habilidad, todavía con fricciones
En el segundo régimen, la IA supera a los especialistas humanos en las tareas, pero no ha resuelto la coordinación. La producción puede hacerse más barata con firmas pequeñas o equipos más reducidos. El ensayo contempla abundancia sin concentración: la mejora técnica no elimina por sí sola los límites de tamaño organizativo.
Los humanos podrían conservar una función de dirección y coordinación de agentes técnicamente muy capaces. Es una consecuencia del escenario en que esa capacidad sigue siendo escasa. No afirma que tales puestos estén protegidos frente a cualquier avance posterior o que todos los trabajadores puedan acceder a ellos.
IA supercooperativa: la escala puede ganar
Aquí se mantiene la competencia individual en el nivel del escenario mínimo, pero se cruza el umbral de coordinación. En mercados amplios, una firma de agentes muy sincronizados puede obtener una ventaja de escala que permita superar a equipos humanos pequeños, aunque ningún agente destaque por sí solo. La reorganización puede ser mucho más marcada que ante una mejora aislada de habilidad.
El ensayo sitúa esa transformación principalmente en mercados grandes y estandarizados. Un nicho pequeño puede seguir favoreciendo equipos humanos especializados porque no hay suficiente demanda para recuperar la ventaja de escala. Sin embargo, los movimientos de trabajadores entre sectores también pueden presionar los salarios fuera del mercado inicialmente automatizado.
ASI: cambian las dos dimensiones
Cuando aumentan mucho competencia y coordinación, el ensayo considera el régimen de superinteligencia artificial o ASI. Las firmas de IA podrían dominar la producción replicable a gran escala y atender nichos con organizaciones pequeñas igualmente capaces. La demanda limitada ya no protegería a un equipo humano por su especialización técnica.
Eso no determina por sí solo que desaparezca todo el trabajo humano. El ensayo plantea un sector «relacional»: actividades cuyo valor incluye que participe una persona, como ciertas formas de cuidado, enseñanza o artesanía. Si bienes automatizados se abaratan y parte del gasto se desplaza hacia esos servicios, el sector podría expandirse. Es una posibilidad condicionada por preferencias, ingresos y demanda, no garantía de recolocación o salarios altos para todos.
6. Una empresa más productiva no fija el sueldo de cada persona
El modelo distingue el efecto de mejorar la tecnología dentro de la empresa y el efecto de reorganizarla. Un nuevo agente puede sustituir una habilidad humana o complementar otra manteniendo inicialmente el equipo. Después, la empresa puede cambiar tamaño y composición; algunas firmas pueden dejar de competir y otras crecer. El salario resultante depende de ambos cambios.
Esta separación evita concluir que una mejora de productividad siempre aumenta el sueldo de quien la usa. El documento formal muestra que la reorganización puede cambiar e incluso invertir efectos salariales calculados con la empresa fija. El equilibrio maximiza el excedente conjunto dentro de sus supuestos, no el salario de cada trabajador. Mejoras para el agregado y pérdidas individuales pueden coexistir.
También hay que distinguir dinero y poder de compra. Si bajan los precios, un mismo salario compra más. El escenario relacional del ensayo explora cómo el gasto podría desplazarse al abaratarse la producción replicable. Pero esa posibilidad no resuelve por sí sola la distribución de ingresos o la transición de quienes pierden su empleo anterior.
7. Qué permite concluir el marco
El ensayo propone una explicación de por qué progresos visibles en tareas individuales pueden coexistir con cambios organizativos menos llamativos. Interpreta señales del presente desde ese marco y pide nuevas medidas. Esas lecturas de la economía actual y sus escenarios no deben confundirse con estimaciones causales obtenidas en este artículo ni con predicciones comprobadas del futuro.
El modelo supone perfiles de capacidades y una oferta humana determinada, con copias de un tipo de IA disponibles a coste dado. Su forma de producir relaciona habilidades y tamaño. Los resultados dependen también de demanda, entrada y condiciones de equilibrio. Los umbrales describen ese modelo; no sabemos a qué sistema real corresponden ni cuándo se cruzarían. El propio documento advierte que sus escenarios no son pronósticos empíricos o planes corporativos.
DeepMind Institute presenta sus ensayos como ideas de sus autores para iniciar una discusión, no como la posición oficial de Google. Las conclusiones económicas aquí explicadas conservan esa atribución. El estudio formal permite examinar mecanismos y condiciones; verificar matemáticas, calibrar con datos y observar si describen sectores concretos son tareas distintas.
8. La entrega colectiva necesita sus propias pruebas
Los autores proponen evaluar organizaciones de agentes además de individuos: cómo dividen problemas nuevos, transmiten contexto y detectan errores sin multiplicarlos. También piden observar gasto en personal y cómputo, tamaño de los equipos y composición de las firmas. Una prueba de programación aislada no recoge todo ese recorrido hasta una entrega competitiva.
[Inferencia] En nuestro taller inventado, una evaluación útil seguiría el producto entero: quién hizo el código, quién completó el manual y dónde se perdió una versión acordada. Es una traducción didáctica de la propuesta, no una nueva prueba económica. Permitiría distinguir una laguna compartida por las copias de un fallo de coordinación, antes de atribuir el resultado a que un agente «es más inteligente».
Fuentes
Alex Imas, Andrew Koh y Shane Legg. The Economics of Intelligence: How and when does AGI lead to economic transformation?. DeepMind Institute, 29 de octubre de 2026. Fuente principal: ensayo completo. La explicación, los ejemplos y las ilustraciones de esta lectura son originales; no se reproducen las figuras o el texto íntegro del ensayo.
Los mismos autores. Organizing Intelligence, 29 de octubre de 2026. Se consultaron el resumen y pasajes sobre ejemplo, modelo, regímenes, escala, concentración, salarios y medición. Esta lectura no certifica todas las demostraciones del documento ni reproduce sus cálculos de equilibrio. Los números del mosaico son inventados y el 32 % se atribuye al cuestionario reportado por el ensayo.