Predecir los efectos económicos de la inteligencia artificial

En mayo de 2026, la directora de la Reserva Federal Lisa D Cook pronunció una conferencia especial en el Instituto de Políticas Económicas de la Universidad de Stanford, en la que explicó de manera sistemática el doble impacto de la inteligencia artificial en la economía y el sistema financiero de Estados Unidos. La charla, en contexto con la situación macroeconómica actual, abordó el tema de la inteligencia artificial (IA), explicando la transmisión del auge de inversiones en IA en relación con la inflación, el empleo y el crecimiento, analizando el valor innovador y los riesgos potenciales en el sector financiero, además de presentar casos prácticos de la Reserva Federal en la implementación de análisis regulatorios con IA. Con una actitud optimista y prudente, propuso una estrategia de desarrollo que combina innovación y gestión de riesgos, con contenido que combina visión macro y referencias prácticas del sector. El Instituto de Tecnologías Financieras de la Universidad Popular de China realizó una traducción del núcleo de la investigación.

Situación macroeconómica y el impacto de la inteligencia artificial

Lisa comenzó su discurso analizando la situación actual de la economía estadounidense, abordando los múltiples efectos que la IA puede tener en función de los objetivos duales de la Reserva Federal (doble mandato), y basándose en ello, interpretó la lógica de implementación de la política monetaria vigente.

(Uno) Inflación: impacto a corto plazo y presión duradera

El problema de la inflación en Estados Unidos es prominente. Hasta abril de 2026, en los últimos doce meses, el índice de precios del gasto de consumo personal (PCE, por sus siglas en inglés) aumentó un 3.8% interanual, claramente por encima del objetivo del 2% establecido por la Reserva Federal. Excluyendo alimentos y energía, que son más volátiles, el índice de precios del gasto de consumo personal básico (core PCE) subió un 3.3% interanual, alcanzando un máximo desde 2023. La causa directa de esta escalada inflacionaria fue el aumento en los precios del petróleo refinado, impulsado por la situación en Irán. Desde una perspectiva teórica, los conflictos arancelarios y los choques geopolíticos son perturbaciones a corto plazo, y en el mercado de futuros del petróleo se espera que los precios internacionales bajen hacia fin de año.

Lisa enfatizó que, aunque los precios a corto plazo muestran impactos inflacionarios, existe el riesgo de que estos se traduzcan en una inflación a mediano y largo plazo. Las empresas tienden a incorporar aumentos temporales de precios en sus precios normales, y los trabajadores consideran los niveles actuales de precios en las negociaciones salariales, lo que puede generar una espiral salarial-precio (wage-price spiral). Además, el auge de inversiones masivas en IA intensifica el desequilibrio entre oferta y demanda en el mercado. Actualmente, las empresas globales han anunciado planes de construcción de centros de datos por un valor total que supera los 1.5 billones de dólares, y la mayoría de estos proyectos aún están en fase de preparación. La demanda de inversión continúa elevando los precios de chips, hardware y software de alta gama. En el último año, los salarios en trabajos especializados en construcción han subido notablemente, y los precios de electricidad y agua han aumentado en torno a un 5%. Además de los centros de datos, las inversiones en activos fijos relacionados con IA, como robots, seguirán expandiéndose, generando una presión sostenida sobre los precios a mediano y largo plazo.

**

(2) Mercado laboral: estabilidad aparente y riesgos profundos

**

El mercado laboral se mantiene en general estable. En abril de 2026, la tasa de desempleo en EE. UU. fue del 4.3%, sin cambios significativos desde el verano anterior, y coincide con la tasa natural de desempleo, lo que indica un equilibrio general entre oferta y demanda de trabajo. Aunque hay noticias frecuentes de despidos en algunas empresas, las solicitudes iniciales de subsidio por desempleo permanecen en niveles bajos, y la situación del empleo en general se mantiene estable. Sin embargo, Lisa advirtió que los riesgos de una caída en el mercado laboral están acumulándose. La incertidumbre económica derivada de los conflictos en Oriente Medio puede reducir la demanda agregada, y las empresas, en modo de espera, están desacelerando sus contrataciones, lo que caracteriza un mercado laboral con baja intención de contratación. Desde una perspectiva de desarrollo a largo plazo, la IA podría desencadenar la mayor reestructuración del empleo en varias generaciones. Aunque aún no hay un desempleo masivo, la velocidad con la que la IA puede reducir puestos de trabajo probablemente superará la creación de nuevos empleos, y una mayor rotación laboral será inevitable. Según datos de la encuesta de créditos a pequeñas empresas de la Reserva Federal en 2025, la mayoría de las micro y pequeñas empresas aún no han cambiado sus costos laborales debido a la IA, pero la mayoría prevé que en el futuro ajustarán completamente sus modelos operativos basándose en IA, y que la transformación del mercado laboral es solo cuestión de tiempo.

**

(3) Crecimiento: optimismo en productividad y dividendos de la economía del conocimiento

**

En cuanto al crecimiento económico, Lisa mantiene una postura optimista. En el último año, el Producto Interno Bruto (PIB) de EE. UU. mostró un fuerte impulso, y la productividad laboral superó los niveles previos a la pandemia, manteniendo un alto nivel de dinamismo en el espíritu emprendedor. Basándose en la teoría del crecimiento endógeno, afirmó que la IA es una tecnología de carácter revolucionario y que la inversión a largo plazo en economía del conocimiento, que comenzó tras la Segunda Guerra Mundial, está alcanzando un punto de explosión en innovación gracias a la IA. Cuando la IA se integre sistemáticamente en los procesos productivos de las empresas, la productividad laboral se verá aún más impulsada, fortaleciendo el crecimiento económico estable a medio y corto plazo en EE. UU.

**

(4) Política monetaria: observación estable y tendencia a la restricción

**

Con base en una evaluación integral de la macroeconomía, Lisa explicó la estrategia actual de política monetaria. Desde la gestión de riesgos, la mejor opción en este momento es mantener la tasa de interés de referencia sin cambios. La estructura de riesgos de la economía no es equilibrada; el riesgo principal sigue siendo la inflación al alza. Según las proyecciones, la inflación debería disminuir gradualmente en los próximos meses, y el mercado laboral mantenerse estable, por lo que no sería necesario ajustar las tasas por ahora. Sin embargo, EE. UU. ha estado en un ciclo de inflación superior al objetivo durante cinco años consecutivos. Si los precios elevados se consolidan en los mecanismos de fijación de precios y salarios, esto podría generar riesgos a largo plazo. Lisa dejó claro que, si la inflación no disminuye como se espera, la Reserva Federal aumentará las tasas; y si el mercado laboral se deteriora notablemente, también considerará reducir las tasas, ajustando la política de acuerdo con los datos económicos.

Oportunidades de desarrollo para el sistema financiero con la inteligencia artificial

Al hablar del valor de la IA para el sistema financiero, Lisa afirmó que la IA puede mejorar la eficiencia productiva, acelerar la innovación y facilitar la creación de nuevas empresas y empleos, ayudando a aliviar la presión inflacionaria desde una perspectiva macroeconómica. La Reserva Federal fomenta mucho los modelos innovadores de experimentación, aprendiendo de Silicon Valley, liderando la creación de redes de investigación en economía de tecnologías emergentes, compartiendo los resultados y experiencias en toda la estructura de la Fed, y alentando a los empleados a explorar nuevas aplicaciones de la IA, siendo tolerantes con los errores en el proceso de innovación. Actualmente, el sector financiero ya ha adoptado la IA en áreas tradicionales intensivas en mano de obra y recursos, como auditorías de cumplimiento, centros de llamadas y operaciones de back-office, logrando mejoras significativas en eficiencia. Las herramientas de IA también hacen que el análisis de datos sea más eficiente y flexible; mediante técnicas de codificación inteligente, las instituciones financieras pueden resolver problemas de actualización de código heredado, integración de múltiples sistemas y otros desafíos a largo plazo. Grandes empresas tecnológicas y financieras utilizan IA para detectar vulnerabilidades cibernéticas, fortaleciendo la seguridad del sistema. A largo plazo, la IA tiene un potencial enorme para transformar el sector financiero: puede crear productos financieros personalizados, diseñar servicios diferenciados para distintos clientes, ampliar la cobertura de productos complejos, ayudar a los inversores minoristas a detectar tendencias y riesgos con anticipación, y, con una mayor eficiencia operativa, canalizar más fondos hacia créditos e inversiones, activando aún más la economía real y promoviendo un ciclo económico saludable.

Riesgos financieros y vulnerabilidades del sistema provocados por la inteligencia artificial

Lisa también señaló objetivamente que la innovación tecnológica conlleva riesgos, y sin una regulación efectiva, la IA puede amplificar las vulnerabilidades existentes en el sistema financiero y generar riesgos completamente nuevos. Los riesgos asociados a la IA en finanzas se pueden clasificar en cuatro áreas principales.

El primero es el riesgo de mercado derivado del trading algorítmico impulsado por IA, donde los algoritmos tradicionales, basados en códigos fijos y reglas simples, realizan operaciones de alta frecuencia con un modo de funcionamiento rígido. La IA generativa y el aprendizaje automático, que tienen capacidad de autoaprendizaje, pueden ajustar dinámicamente sus estrategias combinando datos históricos, información en tiempo real y textos no estructurados. Este nuevo modo de trading puede provocar comportamientos de mercado convergentes, facilitar colusiones internas, reducir las barreras para manipulación del mercado, y aumentar la concentración del mercado, poniendo en riesgo la estabilidad financiera.

El segundo riesgo es la transmisión de la transformación sectorial al mercado de crédito. La disrupción en sectores tradicionales ya se refleja en el mercado de bonos. La expectativa de reestructuración sectorial ha llevado a un aumento en los diferenciales de crédito de bonos especulativos en tecnología. La entrada de productos específicos de una importante empresa de IA en el mercado de software ha generado preocupaciones sobre activos de crédito relacionados, provocando retiros masivos de fondos y afectando tanto bonos negociados en mercado como empresas de financiamiento perpetuo fuera de mercado.

El tercer riesgo proviene del apalancamiento generado por la infraestructura de IA. Para construir centros de datos y otros equipos de hardware de IA, muchas empresas tecnológicas se financian mediante deuda, emitiendo bonos de grado de inversión y recurriendo a financiamiento privado y mercados de activos respaldados. La expansión del endeudamiento en estos sectores aumenta el apalancamiento y acumula riesgos sistémicos. Lisa advirtió que, aunque el nivel general de apalancamiento aún no alcanza los picos previos a la crisis financiera global, la tendencia de emisión desordenada de deuda requiere atención.

El cuarto riesgo, y el más relevante actualmente, es el de ciberseguridad. La rápida mejora de modelos de lenguaje y agentes de IA puede ser utilizada tanto para proteger sistemas como para ataques maliciosos. Por ejemplo, el modelo Mythos de Anthropic puede detectar vulnerabilidades de software que antes no se podían identificar; si hackers lo usan, puede poner en peligro la seguridad de instituciones financieras y de infraestructura crítica. Además, la reducción de barreras para la escritura de código ha provocado un aumento en la cantidad de software, lo que puede sobrecargar los sistemas de auditoría de seguridad existentes y facilitar fallos no maliciosos que interrumpan servicios financieros. Sin embargo, la IA también puede fortalecer las defensas contra ciberataques, y la competencia en técnicas de ataque y defensa está en plena evolución, creando un escenario de juego de suma positiva.

Prácticas de la Reserva Federal en la aplicación de la inteligencia artificial

Lisa describió en detalle las prácticas internas de la Fed en el uso de IA. Aunque el Comité Federal de Mercado Abierto (FOMC) no utiliza actualmente IA para definir la política monetaria, diferentes departamentos de la Fed ya aplican ampliamente IA en monitoreo de estabilidad financiera y análisis de riesgos. Mediante el desarrollo y la implementación de herramientas inteligentes, las agencias reguladoras pueden identificar con mayor precisión los nuevos riesgos derivados de la IA y detectar vulnerabilidades que los métodos tradicionales podrían pasar por alto.

Las prácticas de IA en la Fed se dividen en dos grandes áreas. La primera consiste en formar equipos especializados en tecnologías como ciberseguridad, IA y computación cuántica, que realizan experimentos simulados con modelos de lenguaje, investigando cómo la IA generativa afecta el comportamiento de los inversores. Los resultados muestran que los agentes inteligentes tienden a basarse en datos y lógica, reduciendo comportamientos impulsivos y la formación de burbujas. Además, usan técnicas de destilación activa de conocimientos para crear modelos livianos que mantienen alta precisión y reducen en un 80% los costos computacionales, facilitando el análisis de documentos regulatorios, informes financieros y noticias en gran volumen. También emplean procesamiento de lenguaje natural para analizar textos históricos como el Beige Book, confirmando que el análisis de sentimientos puede predecir recesiones y mejorar la detección temprana de riesgos macroeconómicos.

La segunda área consiste en organizar ejercicios prácticos con los miembros del Consejo de la Reserva Federal y las 12 reservas regionales, para explorar el uso de agentes inteligentes en análisis de estabilidad financiera. Estos agentes tienen capacidades de razonamiento autónomo, selección de métodos analíticos y ejecución de tareas complejas, superando en rendimiento a los análisis tradicionales. Pueden realizar revisiones sistemáticas de redes financieras complejas y simular escenarios de estabilidad en masa, tareas que antes requerían mucho tiempo y recursos humanos. Para evitar errores en las decisiones algorítmicas, se implementan mecanismos de verificación cruzada, con múltiples agentes que contrastan resultados y consideran opiniones contrarias, y luego los resultados son revisados por analistas humanos, siguiendo un proceso similar al pensamiento crítico y la investigación académica, equilibrando eficiencia y precisión.

Conclusiones y postura de desarrollo

Finalmente, Lisa afirmó que el avance de la IA debe fundamentarse en la experimentación, la regulación y la gestión de riesgos. Tanto las instituciones financieras como las tecnológicas están acelerando la adopción de IA, y la velocidad de innovación aumenta constantemente. Solo mediante la práctica y una comprensión profunda de los sistemas, los reguladores podrán identificar riesgos con precisión y guiar un desarrollo saludable del sector.

La IA posee un gran potencial analítico y puede ampliar las capacidades humanas, pero su éxito depende de un marco de gobernanza sólido. La modalidad más efectiva en la actualidad es la colaboración hombre-máquina, en la que la IA complementa el juicio humano, con mecanismos de verificación en los sistemas para evitar sesgos y errores en las decisiones. En esta etapa de transformación tecnológica, la Reserva Federal mantiene una actitud optimista respecto al desarrollo de la IA, pero también adopta una postura prudente, promoviendo la innovación mientras vela por la estabilidad macroeconómica y financiera.