Por qué los economistas aún no abrazan las IAeconomics
En los últimos meses ha surgido un pequeño grupo de economistas que está replanteando la disciplina desde la inteligencia artificial. The Economist los bautizó como los “AIpilled economists”: investigadores que usan modelos generativos para simular escenarios macroeconómicos, explorar nuevas funciones de producción o anticipar shocks con una granularidad inédita. Son pocos, pero están abriendo una puerta que el resto de la profesión observa con cautela. La pregunta es evidente: ¿por qué la IAeconomics no es aún mainstream?
La primera razón es cultural. La economía se construyó sobre la idea de que los modelos deben ser explicables. La IA, en cambio, es una caja negra que predice mejor de lo que explica. Para un macroeconomista, un modelo que no revela sus mecanismos internos es intelectualmente sospechoso. La disciplina prefiere un modelo imperfecto pero comprensible antes que uno preciso pero opaco. La IA desafía ese pacto epistemológico.
La segunda razón es institucional. Las revistas top —AER, QJE, JPE— funcionan como guardianes metodológicos. Publicar en ellas exige cumplir con estándares que privilegian la econometría clásica y los modelos estructurales. Un paper basado en IA enfrenta un doble riesgo: ser visto como técnicamente “demasiado nuevo” y teóricamente “demasiado poco ortodoxo”. Para un académico joven, apostar por IA puede ser una mala estrategia de carrera.
La tercera razón es conceptual. La IA no solo introduce nuevas herramientas; cuestiona supuestos fundamentales: la racionalidad limitada, la productividad marginal del trabajo, la función de producción tradicional, la noción misma de información. Integrar IA implica reescribir partes del edificio conceptual de la economía. Y las disciplinas no suelen
reformarse desde dentro sin resistencia.
La cuarta razón es temporal. La IA evoluciona en ciclos de meses; la macroeconomía, en ciclos de años. Los modelos económicos requieren validación empírica, calibración y revisión por pares. La IA, en cambio, avanza a una velocidad que desborda los tiempos académicos. Cuando un economista termina de evaluar un modelo, ya existe una versión mejor. La disciplina no está diseñada para fenómenos con aceleración exponencial.
Finalmente, hay una razón práctica: la brecha de habilidades. La mayoría de los economistas no domina machine learning avanzado, ni trabaja con datos no estructurados, ni programa en frameworks modernos. La IA exige una alfabetización
técnica que aún no es parte del currículo estándar.
Pero el artículo de The Economist también sugiere algo más interesante: que esta minoría “AIpilled” no es un accidente, sino un anticipo. Son economistas que entienden que la IA no es solo una herramienta para analizar la economía, sino una fuerza que transforma la economía misma. Y que, como ocurrió con la electricidad o Internet, la teoría siempre
llega después de la práctica.
La pregunta para Chile es si queremos ser espectadores de ese cambio o protagonistas.
La IAeconomics no será marginal por mucho tiempo. Cuando la disciplina finalmente la abrace, quienes hayan aprendido a pensar con ella —no solo sobre ella— tendrán una ventaja estratégica. Porque la economía del futuro no será solo humana ni solo algorítmica, sino una conversación entre ambos.
Alfredo Barriga
Profesor UDP
Autor de “Presente Acelerado: la Sociedad del Conocimiento y el urgente rediseño de la humanidad”, en Amazon.com
