El vicepresidente de la Reserva Federal, Philip N. Jefferson, dijo el 13 de noviembre de 2026 que la inteligencia artificial generativa se está extendiendo rápidamente por la economía de EE. UU., pero aún no ha tenido un efecto claro en la productividad medida, al tiempo que advirtió que el auge de la inversión en centros de datos impulsado por esta tecnología ya está aumentando las presiones sobre los precios. "La evidencia hasta ahora parece consistente con una contribución a la productividad agregada que es limitada, pero con el potencial de crecer de manera bastante sustancial, en términos generales en línea con episodios históricos de avances tecnológicos", dijo Jefferson en comentarios ante la Economic Roundtable de la Universidad de California en San Diego, en San Diego, California. "Dicho esto, la magnitud y el momento de las próximas ganancias de productividad siguen siendo altamente inciertos".

El discurso, titulado "Nueva tecnología, viejas preguntas: acertijos de productividad y la macroeconomía", fue pronunciado ante una audiencia de estudiantes, profesores y líderes empresariales. El texto completo está disponible en el sitio web de la Reserva Federal, y los comentarios también están disponibles en formato PDF. Jefferson señaló que las opiniones expresadas eran suyas y no necesariamente las de sus colegas de la Junta de Gobernadores de la Reserva Federal ni del Comité Federal de Mercado Abierto (FOMC).

El cargo de vicepresidente es la segunda posición más alta de la Junta de Gobernadores de la Reserva Federal, lo que convierte a Jefferson en uno de los responsables de política económica de EE. UU. más senior en presentar una evaluación pública detallada de los efectos de la IA sobre el crecimiento, los precios y el empleo.

Lecciones de la era de las computadoras

Jefferson abrió con la famosa observación de 1987 del economista galardonado con el Premio Nobel Robert Solow de que "se puede ver la era de la computadora en todas partes, excepto en las estadísticas de productividad", y sugirió que Solow "quizás estaba esperando demasiado de las computadoras que veía". Si bien el 32 por ciento de los trabajadores usaban computadoras en el trabajo en 1989, las máquinas de esa época no eran muy potentes: el procesador de un teléfono actual puede realizar aproximadamente tantas operaciones por segundo como 10 millones de computadoras personales de 1987. En conjunto, el gasto nacional en computadoras, que se muestra en la figura 1 del discurso, era apenas detectable en ese momento, incluso cuando las PC se convirtieron en una parte importante del espíritu de la época.

Diez años después, la inversión en computadoras había despegado, y algunos observadores, en particular el entonces presidente Alan Greenspan, creían poder verla en las estadísticas de productividad, aunque el vínculo entre ambas solo se estableció más adelante. Jefferson dijo que la inversión en capital de tecnología de la información (TI), computadoras, software y equipos de comunicaciones, aumentó la tasa anual de crecimiento de la productividad laboral en unos 3/4 de punto porcentual a finales de la década de 1990.

El auge implicó más que la acumulación de capital. Las empresas también reorganizaron sus operaciones en torno a las computadoras, lo que respaldó aún más el crecimiento de la productividad. Los avances tecnológicos cambiaron el costo de crear, almacenar y comunicar información, brindando a las empresas la oportunidad de repensar su alcance, escala y funciones de producción. El comercio electrónico, una ola de globalización y el software en la nube surgieron eventualmente de ese proceso. Una señal de que la reorganización fue beneficiosa y significativa fue el rápido aumento del producto por unidad de insumo fuera del sector de TI a principios de la década de 2000, un crecimiento que reflejó aumentos en lo que los economistas llaman productividad total de los factores, o PTF, y no simplemente más capital.

Jefferson señaló que las semillas del auge de productividad de la década de 1990 se sembraron mucho antes de la observación de Solow en 1987. La investigación básica que sentó las bases de la computación moderna incluyó la invención del transistor en 1947 y el compilador Fortran en 1954, seguidos de décadas de investigación aplicada por empresas que produjeron aplicaciones prácticas y mejoraron constantemente la tecnología de la información.

Esa historia sugiere un modelo simple de crecimiento de la productividad. La investigación básica, realizada sin una aplicación definida en mente, expande el conocimiento sobre el mundo. La investigación aplicada desarrolla aplicaciones industriales prácticas, que aumentan la productividad y reducen el costo de producción. Cuando los costos caen, los precios tienden a caer también, especialmente en presencia de competencia. Con el tiempo, las empresas intensifican su uso de bienes de capital más baratos producidos con mayor productividad, un proceso conocido como "profundización del capital", y las empresas que usan ese capital repiensan su enfoque de producción, aumentando aún más la PTF y quizás reiniciando el ciclo de inversión. Como ilustra el ejemplo de la computación, dijo Jefferson, este proceso toma tiempo para que su efecto completo se sienta y se mida, particularmente para las tecnologías que requieren una reorganización empresarial.

Aplicando el modelo a la IA

Jefferson argumentó que el mismo modelo se aplica razonablemente bien al desarrollo de la IA. Los modelos generativos de hoy se pueden rastrear hasta la investigación básica que comenzó poco después de la invención del transistor. Las aplicaciones prácticas surgieron muchos años después; por ejemplo, el Servicio Postal de EE. UU. comenzó a usar IA para leer sobres con direcciones escritas a mano en la década de 1990. El uso despegó, especialmente en los sectores de información y finanzas, unos 10 años después con la aparición de los modelos de aprendizaje automático. Finalmente, tras mejoras increíbles y entrenamiento con conjuntos de datos masivos, todo el texto de la web mundial, según algunas cuentas, los modelos de lenguaje grandes ahora son lo suficientemente buenos para respaldar los populares chatbots, asistentes de programación y dispositivos inteligentes de hoy, junto con una serie de aplicaciones menos visibles como la investigación científica.

"El mundo de hoy refleja el que Bob Solow observó", dijo Jefferson. La IA generativa domina los titulares de noticias, está en nuestros teléfonos y aparece en nuestro software y llamadas de servicio al cliente, y puede tener implicaciones de gran alcance para los trabajadores, las empresas y las agencias gubernamentales, incluidos los bancos centrales. Pero las viejas preguntas persisten: ¿cuánto la están usando realmente las empresas y los trabajadores, y ese uso está afectando las estadísticas de productividad?

Adopción: en aumento pero desigual

Encuestas recientes encuentran que una proporción apreciable y creciente de empresas y trabajadores de EE. UU. está usando IA generativa. Encuestas de trabajadores han encontrado que entre el 40 y el 50 por ciento de los adultos que trabajan usan la tecnología en sus empleos, como se muestra en la línea azul de la figura 2 del discurso. Sin embargo, entre los trabajadores que sí usan IA en el trabajo, solo una fracción modesta la usa todos los días.

La adopción también varía ampliamente entre industrias. Si bien los indicadores de adopción empresarial difieren según la metodología, la encuesta de la Oficina del Censo sobre una muestra representativa a nivel nacional de empresas de EE. UU. ilustra las diferencias entre industrias. Como se muestra en la figura 3, la encuesta indica que, a octubre de 2026, aproximadamente el 25 por ciento de todas las empresas de EE. UU. usaban la tecnología en al menos una función empresarial a mitad de este año. Esa proporción se acercaba al 40 por ciento en sectores intensivos en conocimiento como servicios profesionales e información, mientras que en el otro extremo del espectro era de alrededor del 10 por ciento para los sectores de minería y ocio y hospitalidad.

En comparación con tecnologías más maduras como la computadora personal, dijo Jefferson, la IA no está verdaderamente en todas partes, en el sentido de estar totalmente integrada en los flujos de trabajo de la mayoría de las empresas y trabajadores de la economía. Más bien, la economía parece estar en una etapa anterior que es una parte natural del largo ciclo de innovación y despliegue: la nueva tecnología ha demostrado su capacidad, y las empresas y los trabajadores la están usando activamente y explorando sus posibilidades, con algunas industrias, empresas y ocupaciones mucho más adelantadas que otras.

Estadísticas de productividad: demasiado pronto para saberlo

¿La adopción vista hasta ahora se refleja en las estadísticas agregadas de productividad? El crecimiento de la productividad de hecho ha aumentado en los últimos años, pero Jefferson dijo que es demasiado pronto para decir qué papel jugó la IA en ese desarrollo. Debido a que las medidas de productividad son tan volátiles, los economistas suelen pasar por alto las oscilaciones trimestrales o incluso anuales examinando promedios móviles largos. El crecimiento de la productividad laboral promedió 2.2 por ciento entre 2020 y 2025, un bienvenido aumento respecto al modesto promedio de 1.5 por ciento del ciclo económico anterior. Sin embargo, ese repunte comenzó antes del debut de los populares chatbots de IA en 2022 y probablemente refleja una variedad de factores, incluido un aumento en la creación de nuevos negocios. "Aislar la contribución de la IA al crecimiento reciente de la productividad no es sencillo", dijo Jefferson. "Necesitaremos ver más datos". Señaló que la investigación retrospectivamente vinculó el auge de productividad de los años noventa a la TI, pero eso no se sabía con certeza en tiempo real.

En el plano microeconómico, un cuerpo creciente de evidencia muestra que la nueva tecnología está elevando la eficiencia directa y sustancialmente para algunas tareas específicas, particularmente donde puede sustituir más fácilmente a los humanos. Un influyente estudio académico, por ejemplo, encontró que las herramientas de IA generativa mejoraron significativamente la capacidad de algunos empleados de soporte al cliente para resolver problemas.

Al mismo tiempo, la evidencia sobre cómo las ganancias de eficiencia a nivel de tareas afectan la productividad más amplia parece mixta. Algunos estudios recientes han encontrado asociaciones positivas entre el crecimiento de la productividad y la adopción de, o exposición a, la IA a nivel de empresa. Por otro lado, algunas encuestas que intentan medir la causalidad de manera más directa han encontrado solo efectos modestos hasta ahora. Un estudio reciente que encuestó a gerentes senior estimó que la IA ha impulsado las ventas por empleado en apenas 1/2 por ciento en los últimos tres años.

Jefferson ofreció dos posibles explicaciones para esta aparente desconexión entre las ganancias a nivel de tareas y a nivel de empresa. Primero, incluso entre las empresas que usan IA, el alcance sigue siendo limitado, ya que todavía están experimentando y aprendiendo: un estudio reciente encontró que entre las empresas adoptantes, la mayoría usa IA en como máximo unas pocas funciones empresariales, más comúnmente ventas y marketing, estrategia y desarrollo de negocios, y tecnología de la información. Segundo, incluso para los casos de uso más naturales, las ganancias de eficiencia en un dominio van de la mano de costos compensatorios, nuevas demandas o cuellos de botella en otros; por ejemplo, algunas empresas informan que el código generado por IA contiene más errores, por lo que se necesita más trabajo de depuración.

Aun así, Jefferson dijo que mejoras más amplias bien podrían materializarse con el tiempo. Las empresas y los trabajadores probablemente ampliarán e intensificarán su uso de la IA y reorganizarán la producción y los flujos de trabajo, y las empresas exitosas podrían obtener una ventaja competitiva que les permita expandirse y atraer mano de obra y capital de empresas competidoras.

Implicaciones macroeconómicas

La visión de referencia de Jefferson es que la adopción de la nueva tecnología finalmente elevará la capacidad productiva de la economía de manera sustancial, pero gradual. Las expectativas de esas ganancias de largo plazo en el lado de la oferta de la economía ya están aumentando significativamente la demanda agregada. Una parte sustancial del aumento en los precios de las acciones en los últimos años se puede atribuir al entusiasmo por la nueva tecnología, y esa riqueza adicional parece estar elevando el gasto de los hogares. Las empresas están construyendo y equipando nuevos centros de datos a muy gran escala para respaldar el entrenamiento y la inferencia de modelos, impulsando un rápido crecimiento de la inversión empresarial agregada.

Ese gasto está ejerciendo presión al alza sobre la utilización de recursos y el nivel general de precios. Además, como la demanda de inversión está concentrada en algunos sectores donde la oferta ha tenido dificultades para mantener el ritmo, como los chips de memoria y lógica, también ha contribuido a fuertes aumentos en los precios de bienes específicos. En el mediano plazo, dijo Jefferson, la oferta de estos bienes debería alcanzar la demanda, y el impulso más amplio a la productividad agregada por la adopción debería materializarse; ambos desarrollos deberían aliviar la presión al alza sobre los precios que se observa hoy.

Si bien la nueva tecnología debería generar en última instancia un mayor producto e ingresos en el agregado, Jefferson reconoció que esta transición podría ser dolorosa para algunos trabajadores y empresas. Las empresas que se rezaguen en la adopción podrían quedar en desventaja competitiva, y su viabilidad a largo plazo podría estar en riesgo. Incluso en las empresas que adoptan exitosamente la tecnología, los trabajadores que se especializan en tareas que la IA puede realizar de manera más eficiente, como ciertos aspectos del desarrollo de software, podrían enfrentar el desplazamiento de sus empleos.

"Un riesgo para mi visión de referencia es que la nueva tecnología podría desplazar a los trabajadores mucho más rápido de lo que pueden adaptarse y recapacitarse, lo que podría resultar en un aumento del desempleo", dijo Jefferson. En ese escenario, una pregunta clave para la política monetaria sería cuánto de ese aumento es estructural, reflejando un desajuste persistente entre las habilidades de los trabajadores y las necesidades de las empresas, y por lo tanto probablemente persista incluso cuando la economía opere cerca de su potencial completo. La política monetaria puede afectar las condiciones cíclicas, como una caída temporal del empleo y el gasto, pero no puede abordar los factores estructurales que determinan las tasas de empleo a largo plazo.

Jefferson también señaló los posibles efectos sobre la tasa neutral de interés a más largo plazo, a menudo llamada r*. Si la tasa neutral sube, entonces para cualquier nivel dado de la tasa de fondos federales, la política se vuelve efectivamente más acomodaticia; a la inversa, si la tasa neutral baja, la política se vuelve efectivamente más restrictiva. Si la nueva tecnología conduce a niveles permanentemente más altos de crecimiento de la productividad, puede aumentar el deseo de inversión de las empresas y, por lo tanto, su demanda de financiamiento, elevando el nivel de las tasas de interés. Un mayor crecimiento de la productividad también puede desalentar el ahorro de los hogares y elevar el consumo al aumentar los ingresos futuros esperados, condiciones bajo las cuales, para conciliar el aumento de la inversión con la reducción del ahorro, la tasa neutral probablemente subiría. Predecir cambios en la tasa neutral es un desafío, sin embargo, dada la históricamente ruidosa relación entre el crecimiento de la productividad y las tasas de interés reales. Los responsables de política, dijo, deben permanecer atentos a los desarrollos en tiempo real y futuros potenciales para asegurar que la postura de la política monetaria permanezca adecuadamente calibrada.

Los indicadores, según el propio Jefferson, son si las empresas amplían su uso de la IA más allá de las pocas funciones empresariales en las que se concentra hoy, si la oferta en segmentos limitados como los chips de memoria y lógica alcanza la demanda de los centros de datos, y si se acumulan suficientes datos para aislar la contribución de la IA a la productividad agregada.

Perspectiva económica y postura de política

Pasando a la economía más amplia, Jefferson dijo que ha ganado impulso este año, expandiéndose a un ritmo aproximadamente en línea con su potencial, algo notable dado una cascada de choques, incluido un choque energético y cambios significativos en la política comercial, además de la construcción tecnológica. El PIB se expandió a un ritmo del 3.4 por ciento en el tercer trimestre, como se muestra en la figura 4 del discurso. La inversión empresarial ha sido bastante sólida y el gasto de los consumidores se ha mantenido resiliente. Jefferson dijo que espera que la expansión continúe aproximadamente en línea con el producto potencial el próximo año.

Una amplia gama de datos recientes del mercado laboral muestra que las condiciones se han estabilizado. La tasa de desempleo se ha mantenido prácticamente sin cambios este año, situándose en 4.1 por ciento en octubre, como se muestra en la figura 5. Los despidos se mantienen bajos y las vacantes laborales han subido un poco. Si bien la creación de empleos ha sido volátil, las ganancias de nómina se han ampliado a muchos sectores en los últimos meses, algo que Jefferson encuentra alentador. Espera que la tasa de desempleo se mantenga alrededor de su nivel actual en el corto plazo, un nivel que considera consistente con el empleo máximo. Los riesgos para sus previsiones de producto y empleo están aproximadamente equilibrados: un aumento en la incertidumbre vinculado a las tensiones en Medio Oriente puede pesar sobre la actividad y la contratación, mientras que un nuevo repunte del gasto de inversión podría respaldar un crecimiento más fuerte.

En el lado de la estabilidad de precios del mandato dual de la Fed, la inflación sigue notablemente por encima del objetivo del 2 por ciento del FOMC. La variación de 12 meses del índice de precios de gastos de consumo personal, mostrada por la línea azul en la figura 6, fue de 3.6 por ciento en septiembre. Los mayores costos de energía son uno de los impulsores de la inflación elevada: los precios del petróleo han sido bastante volátiles y los suministros mundiales de energía han vuelto a estar bajo tensión amid el aumento de las tensiones geopolíticas. Jefferson dijo que sigue preocupado por el riesgo de que los precios más altos de la energía conduzcan a un aumento persistente de la inflación en general.

La variación de 12 meses de la inflación de PCE subyacente, que excluye los volátiles precios de alimentos y energía, fue de 3.1 por ciento en septiembre. Indirectamente, los mayores costos de energía se están reflejando en áreas que incluyen pasajes aéreos y transporte, y el auge en la demanda de nuevas tecnologías ha estado impulsando aumentos de costos inusualmente fuertes para bienes y servicios de consumo que dependen de los mismos insumos, como la memoria. Los datos recibidos hasta ahora para octubre siguen siendo consistentes con una inflación muy por encima del objetivo.

Jefferson también presta mucha atención a las expectativas de inflación. Las medidas de corto plazo basadas en encuestas están elevadas, reflejando principalmente los mayores precios de la energía, mientras que la mayoría de las medidas de expectativas de inflación a más largo plazo se han mantenido estables en niveles consistentes con una inflación del 2 por ciento.

En la reunión de política del FOMC del mes pasado, Jefferson se unió a la mayoría de sus colegas para votar a favor de mantener la tasa de fondos federales sin cambios, como se muestra en la figura 7. Los datos recibidos desde esa reunión han sido consistentes con una actividad económica y condiciones del mercado laboral que se mantienen ampliamente sólidas, mientras que las lecturas de inflación muestran presiones de precios persistentes. En consecuencia, Jefferson dijo que considera que la trayectoria de la inflación proporciona la señal más importante para determinar la postura apropiada de la política monetaria. De aquí en adelante, cree que nuevos ajustes de política deberían determinarse examinando cuidadosamente las tendencias de los datos, la evolución de la perspectiva y el balance de riesgos.

Conclusión

Para cerrar, Jefferson volvió a su tema central: las nuevas tecnologías nos hacen revisitar preguntas viejas pero muy importantes. Los caminos desde la innovación hasta la adopción, la adaptación y las ganancias de productividad duraderas pueden ser desiguales e impredecibles, incluso desconcertantes. Las nuevas tecnologías captan nuestra atención mucho antes de afectar la productividad medida, y nos obligan a repensar cómo funciona la economía, haciendo que la elaboración de política monetaria sea emocionante y desafiante. "Afortunadamente, a pesar de todo, nuestra misión en la Fed es clara", dijo: cumplir el mandato dual que el Congreso le dio a la Fed, máximo empleo y estabilidad de precios. "Estas son las metas de cada acción que tomamos".

Notas y referencias del discurso

1. Las opiniones expresadas en el discurso son del propio Jefferson y no necesariamente las de sus colegas de la Junta de Gobernadores de la Reserva Federal ni del Comité Federal de Mercado Abierto.
2. Los recientes avances tecnológicos discutidos en el discurso a veces se denominan superinteligencia, o SI.
3. Robert Solow (1987), "We'd Better Watch Out", New York Times, 12 de julio.
4. El microprocesador Intel 386, una opción de gama alta para PC en ese momento, realizaba alrededor de 200,000 operaciones de punto flotante por segundo (FLOPS). Véase Richard Grehan, Tom Thompson, Curtis Franklin Jr. y George A. Stewart (1988), "Introducing the New BYTE Benchmarks", BYTE, junio. El chip Apple A19, usado en el iPhone 17, realiza 2.07 billones de FLOPS (trillions en inglés). Véase Nanoreview.net (2026), "Apple iPhone 17: Specifications and Benchmarks",
5. La pequeña participación de las computadoras en el stock de capital fue señalada en su momento como la resolución de la paradoja. Véase Stephen D. Oliner, Daniel E. Sichel, Jack E. Triplett y Robert J. Gordon (1994), "Computers and Output Growth Revisited: How Big is the Puzzle?", Brookings Papers on Economic Activity, no. 2, pp. 273–334.
6. Alan Greenspan (1998), "The Implications of Technological Changes", discurso ante la Cámara de Comercio de Charlotte, Charlotte, Carolina del Norte, 10 de julio. Para evidencia de que el aumento de la productividad y la tecnología de la información estaban vinculados, véase Stephen D. Oliner y Daniel E. Sichel (2000), "The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?", Journal of Economic Perspectives, vol. 14 (4), pp. 3–22.
7. Daniel E. Sichel, Stephen Oliner y Kevin J. Stiroh (2007), "Explaining a Productive Decade", Brookings Papers on Economic Activity, primavera, pp. 81–152.
8. Timothy F. Bresnahan, Erik Brynjolfsson y Lorin M. Hitt (2002), "Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence", The Quarterly Journal of Economics, vol. 117 (1), pp. 339–76.
9. Sichel, Oliner y Stiroh, "Explaining a Productive Decade" (véase nota 7).
10. James Moor (2006), "The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years", AI Magazine, 15 de diciembre, pp. 87–91.
11. Brian Tanton (2007), "Becoming More Clear", Mailing Systems Technology, 29 de enero.
12. Alexander Bick, Adam Blandin, David J. Deming y Tyler R. Schumacher (2026), "What Work Does Generative AI Do?", NBER Working Paper Series 35677 (Cambridge, Mass.: National Bureau of Economic Research, agosto).
13. Dado que las grandes empresas representan una parte desproporcionada del empleo total, las tasas de adopción ponderadas por empleo son incluso más altas que las cifras del Censo discutidas. Véase Ivan Yotzov, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Chanya Chawla, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Samil Oh, Katia Garcia Loredo, Monique Reid, Pawel Smietanka, Gregory Thwaites y Ben Zhe Wang (2026), "Firm Data on AI", NBER Working Paper Series 34836 (Cambridge, Mass.: National Bureau of Economic Research, febrero; revisado en octubre de 2026). Este artículo encuentra que la tasa de adopción ponderada por empleo entre empresas de EE. UU. es del 95 por ciento.
14. Erik Brynjolfsson, Danielle Li y Lindsey Raymond (2025), "Generative AI at Work", The Quarterly Journal of Economics, vol. 140 (2), pp. 889–942.
15. Tania Babina, Alex X. He y Renhao Jiang (2026), "Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital", NBER Working Paper Series 35684 (Cambridge, Mass.: National Bureau of Economic Research, agosto).
16. Yotzov et al. (2026), "Firm Data on AI" (véase nota 13). Esta estimación es un promedio ponderado por empleo entre los encuestados.
17. Kathryn Bonney, Cory Breaux, Emin Dinlersoz, Lucia Foster, John Haltiwanger y Aditya Pande (2026), "The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks", Center for Economic Studies Working Paper No. CES-26-25 (Washington: U.S. Census Bureau, abril).
18. Una parte sustancial de esta demanda de inversión, especialmente de equipos de TI, se satisface con importaciones, reduciendo el efecto directo sobre el PIB. Dicho esto, la profundización del capital eleva la productividad laboral, ya sea que el capital haya sido importado o no.
19. En particular, los fabricantes de chips de memoria han anunciado un enorme aumento en la capacidad de producción, lo que aliviará la presión de precios para los productos que usan DRAM en los próximos años.

Fuente: Junta de la Reserva Federal, discurso del vicepresidente Philip N. Jefferson, "Nueva tecnología, viejas preguntas: acertijos de productividad y la macroeconomía", 13 de noviembre de 2026, https://www.federalreserve.gov/newsevents/speech/jefferson20261113a.htm