IA, señales económicas y asimetría de información en la economía digital
Durante los primeros meses de este año he participado comentando artículos en Wharton Knowledge. La revista digital y plataforma de análisis empresarial de la prestigiosa Wharton School de la Universidad de Pensilvania. Al revisar esos once comentarios publicados, descubrí algo interesante: todos giran alrededor de un mismo fenómeno económico emergente. Todos ellos abordan, desde distintos ángulos, un mismo fenómeno estructural: cómo la inteligencia artificial está transformando los mecanismos mediante los cuales se genera, transmite y valida la información en la economía moderna.
En otras palabras, el hilo conductor de estas intervenciones es un concepto central de la teoría económica: la asimetría de información (Figura 1).
El legado de la economía de la información
La economía moderna dio un salto conceptual enorme cuando economistas como George Akerlof y Michael Spence demostraron que muchos mercados no funcionan bajo el supuesto clásico de información perfecta. En realidad, la mayoría de las transacciones económicas ocurre bajo condiciones de información incompleta o desigual entre las partes.
El famoso artículo de Akerlof sobre el mercado de autos usados, conocido como el problema de “los limones”, mostró cómo la falta de información sobre la calidad de un producto puede deteriorar todo un mercado. Spence, por su parte, explicó cómo en el mercado laboral los individuos utilizan señales, como títulos académicos, para comunicar productividad potencial a los empleadores.
Desde entonces sabemos que la economía no funciona simplemente a través de precios y cantidades. Funciona también a través de información, señales e incentivos.
Lo que está ocurriendo hoy con la inteligencia artificial es, en esencia, una transformación profunda de esos tres mecanismos.
La IA como nuevo traductor del conocimiento
Uno de los aportes más interesantes de la inteligencia artificial generativa es su capacidad para traducir conocimiento especializado en formas más accesibles.
Durante décadas, muchos ámbitos de la economía han estado caracterizados por fuertes asimetrías de información. Pensemos, por ejemplo, en la medicina. El médico posee conocimientos técnicos que el paciente no tiene, lo que inevitablemente genera un problema de agencia: el paciente debe confiar en el juicio del profesional.
Herramientas de IA capaces de analizar imágenes médicas, literatura científica o historiales clínicos no eliminan esa asimetría, pero sí pueden reducirla. Permiten algo que históricamente ha sido costoso o limitado: segundas opiniones escalables.
La misma lógica aparece en otros ámbitos. En educación, en consultoría, en análisis financiero o en gestión empresarial, la inteligencia artificial puede actuar como un traductor cognitivo, reduciendo las barreras de acceso al conocimiento especializado.
Sin embargo, esta reducción de asimetrías no significa que desaparezcan los problemas de información. En muchos casos, simplemente se transforman.
Cuando las señales pierden valor
Otro fenómeno que emerge con fuerza en la economía digital es la transformación del valor de las señales.
Durante décadas, escribir bien, redactar un ensayo convincente o presentar una carta de presentación elaborada podían funcionar como señales de capacidad intelectual o esfuerzo. Pero la inteligencia artificial ha reducido drásticamente el costo de producir textos sofisticados.
Desde la perspectiva de la teoría de señales de Spence, esto tiene una implicación clara: cuando una señal se vuelve demasiado fácil de imitar, pierde valor informativo.
Ese fenómeno ya se observa en los mercados laborales. Si cualquier candidato puede generar una carta de presentación impecable con ayuda de IA en cuestión de minutos, ese documento deja de ser una señal confiable de talento o motivación.
El resultado es una migración hacia señales más robustas: portafolios de trabajo, evaluaciones basadas en tareas reales, historial verificable de productividad o resolución de problemas en tiempo real.
La inteligencia artificial, paradójicamente, puede mejorar la calidad superficial de la comunicación mientras debilita su valor como señal económica.
Aprendizaje colectivo y efectos de red
Hay, sin embargo, una dimensión adicional que distingue a la inteligencia artificial generativa de otras tecnologías.
Su valor no depende únicamente de algoritmos o poder computacional. También depende del aprendizaje colectivo generado por su uso.
Cada interacción entre humanos y sistemas de IA contribuye, directa o indirectamente, a mejorar su desempeño. Las preguntas, correcciones, refinamientos y aplicaciones creativas de millones de usuarios producen un proceso de aprendizaje distribuido que incrementa el valor del sistema para los usuarios futuros.
En ese sentido, la inteligencia artificial no evoluciona exclusivamente dentro de centros de datos o laboratorios de ingeniería. Evoluciona a través de la interacción con la sociedad.
Esto genera un poderoso efecto de red cognitivo: cuanto más se utiliza el sistema, más aprende; y cuanto más aprende, más útil se vuelve.
Pero nuevamente aparece la economía de la información. La calidad de ese aprendizaje colectivo depende de la calidad de las interacciones humanas con la tecnología.
Si los usuarios utilizan la IA para evitar el esfuerzo cognitivo, el sistema se convierte en una muleta intelectual. Si la utilizan para explorar hipótesis, refinar ideas o contrastar argumentos, se convierte en una herramienta poderosa de expansión del conocimiento.
El nuevo equilibrio informacional
La inteligencia artificial no elimina los problemas clásicos de la economía de la información. Pero sí altera el equilibrio entre quienes poseen información y quienes no.
En algunos contextos, la IA reduce la asimetría de información. En otros, crea nuevas formas de opacidad, especialmente cuando los algoritmos que generan recomendaciones o decisiones no son transparentes para los usuarios.
En lugar de eliminar los problemas de agencia, la inteligencia artificial puede redistribuir el poder informacional entre actores: empresas, consumidores, profesionales y algoritmos.
Comprender estas dinámicas será esencial para diseñar instituciones, mercados y sistemas educativos que aprovechen el potencial de la inteligencia artificial sin erosionar la calidad del conocimiento.
Un debate que recién comienza
Los once comentarios que he publicado en Wharton Knowledge durante este año pueden verse como pequeñas contribuciones a esta conversación más amplia.
Cada uno aborda un caso específico —medicina, educación, liderazgo, mercado laboral o aprendizaje con IA— pero todos apuntan a una misma pregunta estructural:
¿Cómo cambia la inteligencia artificial los mecanismos mediante los cuales la información se produce, se transmite y se convierte en valor económico?
Responder a esa pregunta será una de las tareas intelectuales más importantes de la próxima década. Porque en la economía digital, el recurso escaso ya no es únicamente el capital o el trabajo.
Es la información confiable y las señales que permiten interpretarla.
En la economía digital, el recurso escaso ya no es solo el capital o el trabajo. Es la capacidad de interpretar información confiable en un mundo saturado de datos. Y la inteligencia artificial está redefiniendo quién posee esa capacidad.
