Introducción
La inteligencia artificial (IA) se destaca como una tecnología de uso general potencialmente transformadora (GPT). Al igual que la electricidad o Internet anterior, su potencial no radica en ninguna aplicación, sino en su capacidad para remodelar procesos de producción completos, modelos de negocio y estructuras económicas en toda la economía.
La frontera tecnológica de la IA ha avanzado a un ritmo notable, progresando desde estrechos sistemas de aprendizaje automático capaces de reconocimiento de patrones a grandes modelos de lenguaje y plataformas de IA generativa que pueden realizar tareas cognitivas complejas. Y la frontera sigue cambiando. Con la IA agente, la tecnología puede actuar cada vez más como un agente económico independiente en lugar de una tecnología que simplemente aumenta el esfuerzo humano.
Lo que distingue a la IA de las tecnologías revolucionarias anteriores es su alcance. Las tecnologías anteriores de uso general, desde la energía de vapor hasta la electrificación y la tecnología de la información y las comunicaciones, aumentaron principalmente la productividad de la producción de bienes y servicios al hacer que los procesos ya existentes fueran más rápidos y baratos. Pero la IA tiene el potencial de aumentar también la productividad del proceso de innovación en sí. Los sistemas de IA pueden acelerar significativamente el descubrimiento científico, acortar los ciclos de investigación y desarrollo, y comprimir el tiempo entre la creación de conocimiento y la aplicación comercial. La tecnología está destinada no solo a cambiar el nivel de capacidad productiva, sino también a cambiar la velocidad a la que crece la capacidad productiva.
Esta rápida evolución ha estimulado una literatura de rápido crecimiento en economía y también ha impulsado un extenso trabajo analítico en la comunidad financiera y de consultoría. Una característica llamativa de esta literatura es la extraordinaria dispersión de sus conclusiones. En particular, las estimaciones del impacto macroeconómico de la IA van desde lo modesto a lo transformador, a lo genuinamente perturbador.
Poco después de que la IA generativa emergiera a fines de 2022, un estudio de marzo de 2023 de Goldman Sachs Research proyectó que la adopción generalizada de la IA podría impulsar un aumento del 7 por ciento en el PIB mundial durante una década, aumentando el crecimiento anual de la productividad laboral en alrededor de 1,5 puntos porcentuales.[5] Un estudio de junio de 2023 realizado por McKinsey fue aún más audaz, lo que sugiere que la IA, cuando se combina con una automatización más amplia de las actividades laborales, podría agregar hasta 3.4 puntos porcentuales por año al crecimiento de la productividad hasta 2040.[6]
Los mayores aumentos de productividad se prevén en estudios que permiten que el proceso de innovación sea transformado por la IA, con la tasa de crecimiento potencial impulsada sustancialmente por la potencia de cálculo (“cómputo”) convirtiéndose en una importante contribución al proceso de innovación y la IA también acelerando el progreso en una variedad de tecnologías de frontera. Los escenarios más optimistas prevén que la IA transforme las tareas cognitivas y los robots impulsados por IA transformen las tareas físicas, con la computación generando la parte predominante del valor agregado total. Al mismo tiempo, si algunas tareas y algunas industrias resultan ser difíciles de automatizar, el impacto económico agregado de la IA estaría mucho más contenido debido a la restricción del “eslabón más débil”. Dado que el impacto a largo plazo de la IA necesariamente se desarrollará durante décadas, este debate no se resolverá durante mucho tiempo. En el resto de este discurso, centraré mi atención en el impacto a corto plazo de la IA.
Más allá de la productividad, tres cuestiones analíticas interconectadas se destacan como especialmente importantes para evaluar la importancia macroeconómica de la IA. Primero, la velocidad de adopción. Las tecnologías de propósito general se difundieron históricamente de manera lenta y desigual. Otros formalizaron esta visión en el concepto de la “Curva de Productividad J”, que describe cómo las inversiones en una nueva tecnología de propósito general inicialmente reducen la productividad medida, con ganancias agregadas que se materializan solo después de un retraso sustancial. Al mismo tiempo, se ha calculado que la velocidad de adopción de las tecnologías de propósito general ha aumentado en las últimas décadas. Hay razones para creer, además, que la difusión de la IA puede ser especialmente rápida y amplia, ya que la facilidad de implementación de la IA a través del hardware y software de computadora disponible reduce las barreras de adopción en relación con las tecnologías de propósito general anteriores. Al mismo tiempo, un subproducto de una adopción más rápida es la inevitabilidad de mayores fricciones de ajuste, con menos tiempo para que los trabajadores y las empresas se adapten a los cambios.
En segundo lugar, y estrechamente relacionado, está la escala y la composición de la inversión. La IA ya está impulsando un aumento sustancial en el gasto de capital entre las principales empresas de tecnología, particularmente en infraestructura de centros de datos, semiconductores y sistemas energéticos. La medida en que este auge de inversión se amplíe más allá de un segmento estrecho de la economía dará forma a su huella macroeconómica. A su vez, en vista de los importantes desembolsos de capital inicial, el acceso a la financiación influirá en el ritmo y la distribución de la difusión de la IA.
La distribución geográfica y la naturaleza de la inversión requerida siguen siendo inciertas y, entre otros factores, dependen de las intensidades de capital relativas de los productores de IA y los usuarios de IA. Si la productividad en las regiones que son principalmente usuarios de IA puede beneficiarse del capital (inmaterial y tangible) acumulado en las regiones productoras de IA, entonces la inversión requerida en las regiones que utilizan IA será relativamente menor que en las regiones productoras de IA.
Se trata de una propiedad general en relación con el capital tecnológico. Por ejemplo, un patrón sorprendente es el aumento de cinco veces en la última década en los pagos de los residentes de la zona del euro a los propietarios de propiedad intelectual ubicada en los Estados Unidos. Esto es coherente con la inversión tecnológica en los países fronterizos que también aumentan la productividad en el extranjero: no es necesario que todos los países inviertan en la misma medida.
En tercer lugar, el impacto de la IA en el empleo y el mercado laboral es potencialmente el aspecto social y políticamente más destacado de la difusión de la tecnología. Un conjunto de artículos recientes analiza los efectos en el empleo de la exposición a la IA generativa. Un estudio del FMI de 2024 estima que casi el 40 por ciento del empleo mundial está expuesto a la IA, con una participación que aumenta a alrededor del 60 por ciento en las economías avanzadas donde predominan las ocupaciones intensivas en tareas cognitivas. De los empleos que están expuestos a la IA en las economías avanzadas, aproximadamente la mitad puede beneficiarse de la integración de la IA a través de una mayor productividad, mientras que la otra mitad se enfrenta al riesgo de desplazamiento. Se muestran que alrededor del 80 por ciento de la fuerza laboral de los Estados Unidos podría tener al menos el 10 por ciento de sus tareas de trabajo afectadas por la introducción de grandes modelos de lenguaje. Un estudio de 2026 realizado por Massenkoff y McCrory evalúa el impacto de la IA en el empleo en los Estados Unidos sobre la base de una medida del riesgo de desplazamiento de la IA que combina la capacidad teórica de la IA y los datos de uso del mundo real para diferentes ocupaciones. Estos autores no encuentran un aumento sistemático en el desempleo para los trabajadores altamente expuestos desde finales de 2022, aunque hay evidencia sugerente de que la contratación de trabajadores más jóvenes ha disminuido en las ocupaciones expuestas.
Estos factores varían considerablemente entre las economías y es probable que produzcan resultados divergentes en todos los sectores y grupos de habilidades.
Las tecnologías digitales anteriores eran de alta calificación, aumentando la demanda relativa de trabajadores con educación universitaria, y eran particularmente complementarias con las tareas cognitivas no rutinarias concentradas en la parte superior de la distribución salarial.
Además, al evaluar el impacto macroeconómico de la IA, también es esencial tener en cuenta la cadena de suministro global. El auge de la IA ha sido un factor clave en el reciente aumento del comercio mundial de bienes de alta tecnología, en particular los semiconductores. Los Estados Unidos son un importador neto sustancial de bienes de alta tecnología, lo que refleja la naturaleza intensiva de su auge de la inversión relacionada con la IA. Con algunas excepciones, como ASML en los Países Bajos, la mayoría de las empresas más grandes de la cadena de suministro de IA se encuentran en los Estados Unidos, China, Taiwán y Corea del Sur.
Mario Draghi identificó la brecha digital y de innovación como una debilidad estructural central en la competitividad europea, estimando que alrededor del 70 por ciento de la brecha del PIB per cápita de la UE con los Estados Unidos se puede atribuir a una menor productividad, siendo el principal impulsor la brecha entre los sectores de tecnología de la información y la comunicación (TIC) de los Estados Unidos y Europa en términos de tamaño relativo y crecimiento de la productividad relativa.
Si el dividendo de la productividad de la IA depende de la adopción, entonces la trayectoria de difusión en Europa se convierte en la variable decisiva. Un escenario en el que las empresas europeas adopten la IA de manera más lenta y desigual que sus homólogos estadounidenses no solo comprimiría las ganancias de productividad de Europa en términos absolutos, sino que también podría ampliar la brecha de productividad transatlántica. Una brecha similar puede abrirse frente a China en vista de sus intensos esfuerzos actuales hacia la adopción de la IA en toda la economía. Además, la difusión lenta o desigual entre empresas, sectores y países también podría generar trayectorias de productividad asimétrica dentro de la zona del euro, con efectos secundarios en la dinámica de la inversión, el crecimiento de los salarios y las condiciones macrofinancieras en toda la unión monetaria.
Es en este contexto que se ha llevado a cabo un trabajo reciente sobre la IA en el BCE. El resto de este discurso presenta parte de este trabajo y cómo ayuda a arrojar algo de luz sobre los efectos esperados de la adopción de la IA en Europa. Comienzo revisando lo que los datos ya muestran sobre la huella de la IA en la economía de la zona euro. Luego recurro a las dimensiones financieras y de financiación de la IA. Finalmente, discuto las implicaciones de la IA para la política monetaria. Cerraré algunas observaciones sobre cómo estamos implementando la IA dentro de los propios flujos de trabajo analíticos y operativos del BCE.
Impacto de la IA en la economía de la zona del euro
Permítanme informar brevemente sobre algunas ideas del trabajo reciente del personal del BCE sobre: (i) inversión; (ii) difusión de la IA y crecimiento de la productividad; y (iii) empleo en la economía de la zona del euro.
Desarrollos en inversión digital
Los avances en la inteligencia artificial están fomentando una mayor inversión en tecnologías digitales. Desde 2014, la inversión digital en la zona del euro se ha vuelto mucho más importante, lo que puede ilustrarse mediante un indicador de la inversión digital basada en los datos anuales de las cuentas nacionales de la zona del euro. El aumento general de la inversión digital entre 2014 y 2024 fue más de tres veces la tasa de crecimiento agregado en el PIB y 1,5 veces el crecimiento de la inversión empresarial total durante ese período. La inversión intangible (incluidos el software y las bases de datos, así como el gasto en investigación y desarrollo en el sector de la información y la comunicación) explica la mayor parte de la inversión digital. El gasto empresarial tangible en equipo de TIC también representa una participación significativa, mientras que el indicador sugiere que la inversión en la construcción de centros de datos se ha mantenido relativamente baja en la zona del euro.
Si bien la inversión digital de la zona del euro se ha expandido notablemente, el ritmo se ha mantenido muy por debajo del visto en los Estados Unidos. La ampliación del proxy digital con datos más recientes sugiere que la inversión digital en la zona del euro aumentó fuertemente en 2025, situándose un 60% más que en 2014. A pesar de este fuerte crecimiento, un indicador similar para los Estados Unidos se duplicó con creces durante el mismo período, acelerando notablemente en 2025 debido a un fuerte repunte de la inversión en centros de datos, lo que llevó a una brecha sorprendente y creciente entre la zona del euro y los Estados Unidos.
Se espera que la inversión digital aumente notablemente, impulsada por el capital de riesgo y la financiación de la UE de próxima generación. Además, dos nuevos regímenes a escala de la UE: Plan de acción continental de la IA and Aplicación sobre la estrategia de IA – se han introducido recientemente, con el objetivo de proporcionar una financiación considerable para la inversión digital y aprovechar fondos nacionales adicionales de los Estados miembros de la UE. La última encuesta sobre el acceso a la financiación de empresas (SAFE) indica que las empresas de la zona del euro planean aumentar su inversión en IA en los próximos 12 meses y que las PYME y las grandes empresas esperan asignar un promedio del 9 por ciento de su inversión total a la IA en 2026. Las empresas que ya utilizan el plan de inteligencia artificial para aumentar su inversión en inteligencia artificial más que los no usuarios, lo que apunta a un ciclo potencialmente reforzado de adopción e innovación. En particular, se espera que las PYMES que son usuarios significativos de IA dediquen una mayor parte de sus inversiones a la IA en comparación con las grandes empresas, destacando que algunas PYMES están a la vanguardia de la adopción de la IA. Estas PYME son predominantemente pequeñas, pertenecen al sector de servicios y son en su mayoría de propiedad familiar. Sin embargo, según una encuesta realizada por la Asociación Europea de Centros de Datos, una mayor aceleración de la inversión digital y relacionada con la IA podría verse obstaculizada por la insuficiencia de suministro de energía, la escasez de personal calificado y la sobrerregulación. La inversión digital en la zona del euro también podría ser más lenta si la IA no ofrece las ganancias de productividad esperadas y las reducciones de costos, lo que lleva a revisiones a la baja de la demanda futura.
Este es un ritmo mucho más rápido que la adopción de Internet o computadoras personales, que tomó aproximadamente una década para alcanzar niveles similares. El uso de IA es heterogéneo entre grupos demográficos. Los empleados con una educación universitaria tienen más probabilidades de usar IA (47 por ciento) que los que no (28 por ciento) y los trabajadores de 18 a 34 años tienen muchas más probabilidades de usar la IA en su trabajo (52 por ciento) que los de 55 a 74 años (29 por ciento). Las diferencias de género solo parecen desempeñar un papel marginal en el uso de la IA.
Las encuestas de empresas también muestran altas tasas de adopción, con el tamaño de la empresa jugando un papel importante. Dos tercios de las 5.000 empresas que participaron en el SAFE del BCE informaron que sus empleados utilizan IA. Esto osciló entre casi el 90% de las empresas con 250 o más empleados y el 60% de las empresas con menos de diez empleados. Si bien las tasas de adopción son altas, la mayoría de las empresas de la zona del euro utilizan la IA solo moderada o poco frecuentemente: la proporción de empresas que utilizan la IA es significativamente de solo el 7 por ciento, con poca diferencia entre las pequeñas y las grandes empresas, lo que indica que el uso de la IA se concentra en un conjunto básico de empresas.
La parte relativamente pequeña de las empresas que hacen un uso significativo de la IA sugiere que la IA aún no está integrada en los procesos a nivel corporativo en muchas empresas. Esto es importante porque la adopción de empresas y la reestructuración organizativa son históricamente los principales canales a través de los cuales las tecnologías de propósito general crean aumentos de productividad macroeconómica. Las respuestas de la encuesta indican que la IA se utiliza principalmente para mejorar los procesos básicos y no básicos, y menos para reducir los costos de personal, o apoyar la I + D y la innovación (Gráfico 8, panel b). Las empresas que no utilizan la IA o su uso citan mínimamente la falta de habilidades de IA, preocupaciones éticas o incompatibilidad con los sistemas existentes como barreras para la adopción.
Una adopción más rápida podría generar ganancias potenciales de TFP sustancialmente mayores en la próxima década, en el orden de 0.3-0.4 puntos porcentuales por año, dependiendo de la suposición de la escala de la exposición al PIB a la IA. La lenta adopción, como se observó en las tecnologías de propósito general anteriores, conduciría a aumentos de la PFT de alrededor de 0,2 puntos porcentuales por año. El papel fundamental desempeñado por la tasa de adopción también implica que las políticas centradas en la difusión de la IA, la capacitación y la adopción de PYME podrían ser especialmente beneficiosas para aumentar la productividad agregada.
El impacto de la IA en el empleo
Evaluar el impacto general de la IA en el empleo en esta etapa temprana es especialmente difícil. En línea con la literatura reciente, las pruebas recogidas por el BCE hasta ahora también siguen siendo inconclusas.
Según la Encuesta de Expectativas del Consumidor, aproximadamente el 43 por ciento de todos los trabajadores cree que las nuevas tecnologías tendrán un efecto positivo en su productividad u oportunidades de empleo, otro 34 por ciento no anticipa ningún efecto y el 23 por ciento de los trabajadores tienen expectativas negativas, por temor a la pérdida de empleo o el empeoramiento de las perspectivas de empleo. Existen diferencias visibles entre los grupos demográficos. Los trabajadores con educación universitaria y los trabajadores más jóvenes tienden a tener opiniones más positivas sobre el efecto de la IA en sus perspectivas de empleo.
Si bien los trabajadores de cada sector son netos positivos sobre el impacto en el empleo de la IA, hay algunas diferencias sectoriales claras. En términos generales, los trabajadores de los sectores de alto contacto en los que los puestos de trabajo son más difíciles de automatizar son menos pesimistas sobre el riesgo de pérdida de empleos, pero también son menos optimistas sobre las mejoras en las oportunidades de empleo.
En general, actualmente hay poca evidencia de un efecto sustancial de la IA en el empleo en la zona del euro. Aunque la IA implica riesgos de desplazamiento significativos para muchas ocupaciones, la evidencia reciente sugiere que estos riesgos aún no se han materializado.
La adopción de la IA entre las empresas y los empleados de la zona del euro ha progresado rápidamente, como lo demuestran los recientes análisis del BCE. Esto está alimentando las expectativas de que la IA desempeñará un papel importante en la configuración del crecimiento de la productividad y la dinámica del mercado laboral. Si bien el trabajo reciente arroja luz sobre cómo la IA ya está influyendo en los patrones de inversión, todavía es demasiado pronto para sacar conclusiones firmes sobre sus efectos a largo plazo en la capacidad productiva, la posición internacional y el mercado laboral de la zona del euro.
Las dimensiones financieras y de financiación de la IA
La escala y la naturaleza de la inversión en IA tienen implicaciones sobre cómo se financia. Un punto de partida útil es la distinción entre las empresas fronterizas que desarrollan tecnologías de IA y el conjunto mucho más grande de empresas que buscan adoptar la IA en sus procesos de producción, servicios y organización. Comenzaré con la perspectiva del mercado de valores y luego recurriré a cómo la IA es financiada “sobre el terreno” por estos diferentes tipos de empresas y al papel del sector bancario, que es un usuario intensivo de la IA por derecho propio.
Rendimiento del mercado de valores e intensidad de la IA
La IA ya ha dejado una clara huella en los mercados de renta variable globales. Desde principios de 2023, las narrativas relacionadas con la inteligencia artificial han sido un impulsor central del rendimiento de la equidad en los Estados Unidos, en gran parte debido al extraordinario aumento en las ganancias y valoraciones del “Magnificent 7”, que están en el centro del desarrollo de la IA. En la zona del euro, el panorama es más apagado. El sector de la tecnología euro Stoxx 600 solo ha superado modestamente al amplio índice. Dos grandes empresas con alta exposición a la IA, ASML y SAP, impulsan gran parte de esta tendencia, pero juntas representan solo alrededor del 4 por ciento de la capitalización de mercado euro Stoxx 600. Por el contrario, los Magnificent 7 representan aproximadamente el 40 por ciento del S&P 500.
La diferencia entre la zona del euro y los Estados Unidos se manifiesta claramente también en la reacción del mercado de valores a los shocks de noticias de IA: las expectativas positivas de productividad impulsada por la IA en el momento de presentar una patente de IA desencadenan un aumento mucho más pronunciado en los precios de las acciones estadounidenses que en las acciones de la zona del euro.
Una visión complementaria proviene de la comparación del rendimiento de las empresas de los sectores de alta IA y de baja intensidad de la IA dentro de la zona del euro. Las empresas clasificadas como de alta intensidad de la IA han superado a los sectores menos expuestos en los últimos años a través del crecimiento de los ingresos, los márgenes operativos y las ganancias por acción. Sin embargo, esta brecha de rendimiento se reduce sustancialmente una vez que las instituciones financieras están excluidas del grupo de sectores intensivos en IA.
Financiación de inversiones en IA
La distinción entre los creadores de IA y los adoptantes de IA también es relevante cuando se considera cómo se financia la actividad de IA, aunque ambos comparten el rasgo común de ser menos apalancado que otras empresas.
Las grandes empresas de TI de los Estados Unidos que actualmente están impulsando el auge de la inversión en IA históricamente dependieron de fondos internos, ya que sus operaciones altamente rentables generaron flujos de efectivo que fueron más que suficientes para cubrir sus inversiones. Sin embargo, la escala de los gastos de capital en inteligencia artificial es ahora tan grande que incluso estas empresas han tenido que recurrir a la financiación externa, no solo a través del capital (que puede no ser oportuno o rentable) sino también a través de la emisión de deuda y, cada vez más, el crédito privado.
Las empresas de inteligencia artificial de la frontera jóvenes se enfrentan a altos costos de desarrollo por adelantado, caminos largos e inciertos hacia la rentabilidad y balances dominados por activos intangibles como la propiedad intelectual. Estas características hacen que estas empresas no sean adecuadas para la financiación tradicional de la deuda, como los préstamos bancarios: necesitan financiación a largo plazo, conllevan un riesgo elevado y sus activos no pueden ser fácilmente garantizados. Como resultado, dependen en gran medida del capital de riesgo.
En la zona del euro, la actividad de capital riesgo ha aumentado, y una parte creciente ha sido absorbida por sectores intensivos en IA. Sin embargo, el fondo de capital de riesgo en la zona del euro sigue siendo poco profundo en comparación con los Estados Unidos. Esto limita la capacidad de las start-ups de la zona del euro para alcanzar la escala. A menudo ha ocurrido que, incluso cuando el talento y la investigación en etapa inicial son europeos, los incentivos para reubicar las tecnologías fronterizas pueden ser fuertes y el escalado se lleva a cabo en otros lugares. Por ejemplo, entre 2008 y 2021, cerca del 30 por ciento de los “unicornios” originalmente fundados en Europa, nuevas empresas que pasaron a ser valoradas en más de USD mil millones, se reubicaron en el extranjero, y la gran mayoría se mudó a los Estados Unidos. El Banco Europeo de Inversiones (2026) informa que aquellas empresas que se mudaron al extranjero, especialmente a los Estados Unidos, citaron un mejor acceso al capital, la proximidad a mercados grandes y unificados y la simplicidad regulatoria como razones para su mudanza.
Para los adoptantes de la IA, la combinación de financiación de sus iniciativas de IA hasta ahora se ha basado principalmente en fondos internos. Según el último SAFE, las empresas que financian la inversión de ganancias retenidas tienen más probabilidades de usar la IA hoy (Gráfico 16). Esto es consistente con el reciente aumento observado en el crecimiento de las tenencias de efectivo para empresas con alta actividad de IA.
Los datos también muestran que solo una parte modesta de los préstamos bancarios fluye a sectores de alta adopción de IA. En contraste con la recuperación del crecimiento de los préstamos bancarios observado en la mayoría de los sectores, el crecimiento de los préstamos en los sectores con alto contenido de IA ha estado moderando recientemente. En cambio, las empresas con alto contenido de inteligencia artificial han recurrido cada vez más a la financiación basada en el mercado en el último año. La tasa de crecimiento de los valores de deuda emitidos por los usuarios activos de IA alcanzó el 13 por ciento en enero de 2026, significativamente más alta que en los sectores menos activos de IA.
El crédito privado, que vincula a los inversores directamente con las empresas, ha proporcionado un complemento útil a otras fuentes de financiación en sectores intensivos en IA. Por diseño, los fondos de crédito privados pueden mantener exposiciones ilíquidas por más tiempo. En los últimos tres años, más de la mitad de los volúmenes totales de crédito privado se han destinado a las empresas de “TI y otros medios” y atención médica. En cambio, sólo alrededor del 5% de los préstamos bancarios se dirigen a esos sectores. Los modelos de negocio de los fondos de crédito privados se alinean más estrechamente con los riesgos y las necesidades de financiación de los proyectos relacionados con la IA en comparación con los préstamos bancarios. Pero, a pesar del reciente crecimiento, el crédito privado en la zona del euro sigue siendo muy pequeño y, refleja la brecha de capital de riesgo, muy por debajo de los niveles de Estados Unidos.
Dos implicaciones siguen.
En primer lugar, la capacidad de una empresa para adoptar la IA depende en gran medida de su fuerza de balance. Mejor capitalizadas, las empresas más productivas pueden financiar la adopción interna de la IA o acceder al crédito en condiciones favorables; las empresas más débiles pueden ser incapaces de realizar inversiones que serían rentables. La evidencia SAFE confirma que el acceso a la financiación es una mayor preocupación para las empresas que invierten en IA que para aquellas que no lo son, especialmente en sectores de baja y media intensidad.
En segundo lugar, el sistema financiero del euro centrado en los bancos no está bien alineado con la escala y la naturaleza de la oportunidad de la IA. La financiación basada en el banco es estructuralmente menos adecuada para las inversiones intangibles de horizonte largo, mientras que los canales alternativos como el capital de riesgo y el crédito privado son demasiado superficiales en la zona del euro. En conjunto, estos patrones destacan el doble desafío al que se enfrenta la zona del euro: profundizar la capacidad del mercado de capitales para apoyar a los creadores fronterizos y garantizar al mismo tiempo canales de financiación fiables para la adopción generalizada de la IA. Al mismo tiempo, el crédito privado concentra los riesgos que los mercados públicos y la regulación bancaria fueron diseñados para dispersarse. La opacidad en torno a las valoraciones y los estándares de suscripción, cuando se combina con los desajustes de pasivos de activos a medida que los fondos agregan características líquidas para atraer a los inversores, crea nuevas vulnerabilidades. Estas estructuras pueden enmascarar las pérdidas emergentes y exponer los fondos a la presión de canje justo cuando el sentimiento del mercado cambia.
Esto conduce directamente a la conveniencia de un mercado de capitales más profundo e integrado que pueda ampliar la base de inversores para proyectos intensivos en intangibles, facilitar el reparto transfronterizo de riesgos y reducir la necesidad de financiación basada en los bancos. Como tal, el choque tecnológico de IA sirve para ilustrar la urgencia de entregar la unión de ahorros e inversiones de la Unión Europea.
Implicaciones de la IA para la intermediación financiera
Aunque el sistema bancario puede no ser muy adecuado para financiar la inversión en IA, en sí mismo es un adoptante intensivo de la IA y está invirtiendo activamente en tecnologías digitales, entre las que la IA desempeña un papel destacado. Las inversiones realizadas en 2025 ascienden a más de € 4 mil millones en total, lo que equivale a alrededor del 1,3 por ciento del total de activos tangibles.Casi el 90% de los bancos importantes de la zona del euro ya utilizan tecnologías de IA. La adopción es especialmente alta para el fraude y la detección de delitos cibernéticos (más de la mitad de los bancos), seguida de la comercialización (alrededor del 50 por ciento), los chatbots (40 por ciento) y la puntuación crediticia (30 por ciento).
Los bancos generalmente desarrollan herramientas de inteligencia artificial internamente cuando se relacionan estrechamente con el conocimiento propietario, como la puntuación de crédito o el análisis de clientes. Dependen más de proveedores externos para la detección de fraudes, la ciberseguridad y los informes regulatorios. Este patrón puede reflejar un equilibrio entre la protección de la ventaja competitiva y el acceso a la experiencia externa especializada.
Si se gobierna bien, la IA puede fortalecer la evaluación de riesgos, mejorar la resiliencia operativa y mejorar la eficiencia. Los datos más granulares y las capacidades predictivas más sólidas pueden mejorar los precios del crédito. Unas mejores herramientas de detección pueden mejorar la seguridad y reducir las pérdidas. Con el tiempo, estas mejoras pueden respaldar una asignación más eficiente de crédito y una mayor capacidad de riesgo. En la medida en que permita una asignación más eficiente del crédito y la fijación de precios del riesgo, también puede estimular la demanda de préstamos. De acuerdo con esto, la dispersión de las tasas de interés de los préstamos a nuevo plazo ha aumentado con el tiempo para los bancos que informan una adopción más fuerte de la IA para la puntuación crediticia en relación con otros bancos, en línea con una mayor disponibilidad de información para la fijación de precios de préstamos.
Pero la IA también trae nuevos riesgos. Lo más obvio es que hay una carrera armamentista entre los cibercriminales y los bancos en relación con la implementación de la IA para la generación de fraude y la protección contra el fraude. En términos de riesgos de crédito, una vulnerabilidad clave se debe a la creciente exposición del sector financiero de la zona del euro a las empresas estadounidenses en la frontera del desarrollo de la IA. Una revalorización abrupta de estas valoraciones podría generar efectos secundarios en el sistema financiero de la zona del euro. Una segunda preocupación es que el énfasis en el crédito privado y los mercados de deuda vinculados a la IA podría extenderse a los bancos de la zona del euro y a los intermediarios financieros no bancarios. Los riesgos también pueden surgir de la estructura de la propia industria de la IA. Si la provisión de herramientas críticas de inteligencia artificial se concentra en un pequeño número de empresas de tecnología, las dependencias operativas, incluido el riesgo cibernético, se profundizarán, lo que podría reforzar la dinámica de “demasiado grande a falla”.
También existe el riesgo de que la IA pueda distorsionar la asignación de crédito. La evidencia de investigaciones recientes indica que los modelos de crédito de aprendizaje automático pueden empeorar el acceso al crédito para las minorías en los Estados Unidos. El análisis del personal del BCE muestra que los algoritmos de fijación de precios impulsados por la IA pueden permitir a los bancos explotar el poder del mercado, lo que podría aumentar los márgenes de los préstamos y reducir la presión competitiva. Una base de clientes más grande genera más datos, lo que permite a los bancos refinar productos y ampliar los servicios, lo que a su vez produce aún más datos, poniendo en marcha un bucle de retroalimentación.
Implicaciones de la IA para la política monetaria
Las implicaciones de la política monetaria de la IA son muy inciertas.
Un análisis de referencia natural es ver la IA como un aumento permanente de la productividad, aumentando los ingresos. Si los hogares y las empresas internalizan rápidamente la naturaleza permanente del shock de productividad e incorporan aumentos futuros de los ingresos en sus decisiones de gasto, el advenimiento y la adopción de la IA podrían ejercer una presión al alza sobre la inflación a través de este mecanismo de demanda ya desde el principio durante la fase de transición.
Sin embargo, suponiendo que los hogares y las empresas conozcan precisamente la naturaleza, el tamaño y la persistencia de los choques de productividad futuros no es realista. Una respuesta de consumo más lenta también se puede racionalizar si el nivel de consumo rezagado es un determinante importante de los beneficios del consumo actual, como en los modelos de “formación de hábitos”. Los consumidores también se enfrentan a una gran incertidumbre específica de cada individuo sobre las implicaciones de ingresos de la transición de la IA, proporcionando una razón adicional para ser lentos para ajustar el consumo. Es más plausible postular que los hogares y las empresas aprenderán sobre el impacto en los ingresos y el empleo de los shocks de productividad a lo largo del tiempo de manera concurrente y solo adaptarán lentamente el gasto a él. En este caso, el efecto inflacionario inicial se vería fuertemente disminuido.
En términos más generales, dentro del lapso de los resultados macroeconómicos que se originan en diferentes grados de incorporación de la productividad y las ganancias de ingresos en las decisiones de gasto, los efectos inflacionarios de la transición de la IA dependerán de una serie de factores.
Un factor para determinar los efectos de los ingresos, la distribución y la demanda es si el impulso tecnológico de la IA será el aumento de la mano de obra o del capital. La tecnología a menudo se modela como un aumento de la mano de obra: se puede producir más con el mismo número de trabajadores. Este efecto aumenta los ingresos laborales de los trabajadores, con la escala dependiendo de su poder de negociación y de los factores institucionales. Por el contrario, si la IA aumenta el capital, es decir, no mejora la productividad del trabajo, los aumentos de ingresos se acumularán para los propietarios de capitales, en lugar de la mano de obra, lo que aumentará la desigualdad de los ingresos laborales y de capital. Un aumento en las desigualdades de ingresos y riqueza podría limitar la medida en que la demanda se expande en todos los sectores de la economía y, por lo tanto, amortiguar las tendencias inflacionarias asociadas con las ganancias de productividad impulsadas por la IA.
Un segundo factor es la escala de inversión necesaria para integrar la IA en la cadena de valor económico. Aquí, es probable que se requiera una potencia informática sustancial tanto en la construcción de modelos fundamentales de IA como en la implementación de la IA en entornos empresariales. La construcción de la infraestructura computacional requerida requiere un aumento sustancial de los gastos de capital.
Un tercer factor es que la expansión en el cálculo relacionado con la IA implica un aumento sustancial de la demanda de energía y, hasta que el suministro de energía se ponga al día, ejerce una presión al alza sobre los precios de la energía. Es probable que esta dinámica aumente la presión inflacionaria durante la fase de adopción de la IA.
Podemos traducir las propuestas competitivas sobre el grado de anticipación de los efectos macroeconómicos de la transición de la IA en implicaciones para la tasa natural de interés, definida como la tasa real de interés que alinea el ahorro y la inversión deseados. En una dirección, el optimismo sostenido sobre los ingresos y las ganancias de productividad de la IA aumentaría la inversión y reduciría el ahorro, ejerciendo una presión al alza sobre R *. En la dirección opuesta, cuanto más hogares y empresas no estén seguros de la trayectoria de la trayectoria de los ingresos inducidos por la IA y la distribución de las ganancias de ingresos entre regiones y grupos de ingresos, menor será el aumento de R*. En particular, los ahorros de precaución podrían aumentar debido a la incertidumbre sobre el desplazamiento de mano de obra o sobre las limitaciones para financiar la inversión relacionada con la IA.
El perfil de tiempo de R* también depende de la trayectoria de la adopción de la tecnología. Bajo un escenario, la IA sigue el patrón típico en forma de S, donde la adopción avanza lentamente en sus primeras etapas, se acelera durante una fase de implementación generalizada y, finalmente, se estanca a medida que la tecnología madura. Este perfil significa que la IA aumenta permanentemente el nivel de productividad, pero no aumenta permanentemente la tasa de crecimiento de la productividad. Por el contrario, un escenario alternativo es que la IA mejora el proceso de innovación, cambiando así la economía a una tasa de crecimiento de la productividad permanentemente más alta. En la medida en que el crecimiento de la productividad se traduce uno a uno en producción y crecimiento del consumo, en el primer escenario R* eventualmente volvería al nivel que prevalece antes de la transformación tecnológica, ya que la trayectoria de crecimiento del consumo vuelve a bajar una vez que disminuyen los aumentos de productividad, mientras que en el último escenario se mantendría en un nivel permanentemente más alto.
El sentimiento del mercado financiero hacia la inversión relacionada con la IA también puede estar sujeto a oleadas de optimismo y pesimismo, en vista de la amplia gama de puntos de vista sobre el impacto a largo plazo de la IA. De hecho, puede existir múltiples equilibrios, con la transición a un equilibrio de alto capital auto validado por creencias optimistas que generan un bucle de retroalimentación de financiamiento. En la transición a la inversión de equilibrio de capital alto, inicialmente aumenta y la tasa de interés es alta, pero la tasa de interés posteriormente cae bruscamente a medida que el capital se vuelve abundante y los ingresos se acumulan principalmente para los propietarios de capital de alto ahorro. Al mismo tiempo, este mecanismo es inherentemente frágil: una pérdida de confianza puede desencadenar un choque autocumplido.
Finalmente, si las oportunidades de producción de IA siguen concentradas en los Estados Unidos y la tasa de adopción de la IA es más alta en China que en Europa, existe un escenario en el que la inversión disminuye en Europa, con los inversores reasignando capital tanto a los Estados Unidos como a China. Especialmente si el capital de la inteligencia artificial en el extranjero todavía puede aumentar la productividad europea a través de acuerdos de licencia, este escenario aún podría generar altos ingresos en Europa, pero con relativamente poca inversión interna, lo que implica una presión a la baja sobre R * en Europa. Algunos elementos de este escenario son consistentes con la alta asignación a las acciones tecnológicas estadounidenses en las carteras de capital de la zona del euro, el alto nivel de las importaciones europeas de productos de propiedad intelectual de los Estados Unidos y la creciente sustituibilidad entre productos chinos y europeos en una gama de sectores de tecnología media y alta tecnología.
Dados estos diferentes mecanismos, el efecto neto de la transición de la IA en R* sigue siendo incierto. Las actualizaciones más recientes de las estimaciones de personal de la zona del euro R* no indican un cambio material (observando que estas se obtuvieron antes del inicio de la guerra actual en el Medio Oriente).
Las últimas observaciones para las estimaciones basadas en encuestas son para el primer trimestre de 2026 para Consensus y SMA; para los modelos semiestructurales son para el tercer trimestre de 2025 para HLW y para HLW-2y, HLW-5y y BMA, y el cuarto trimestre de 2025 para Proxy y BM; para las estimaciones basadas en la estructura a plazo son para el cuarto trimestre de 2025 para Ajevskis y el primer trimestre de 2026 para BGL, GI
Hasta ahora, me he centrado en esta discusión en las implicaciones del shock de la IA para la política monetaria. Al adoptar una perspectiva más amplia, también es importante reconocer el posible impacto de la IA en relación con otros shocks cíclicos que pueden afectar a la economía. Permítanme describir tres ejemplos (posiblemente interrelacionados): (a) un choque energético; (b) un shock financiero; y (c) un shock de recesión. La intensidad energética de la IA significa que un choque al alza persistente a los precios de la energía podría limitar la tasa de progreso en la construcción de nuevos modelos de IA y también reducir la tasa de adopción de la IA. La intensidad del capital de la producción de IA y la adopción de la IA significa que un endurecimiento de las condiciones financieras también tendría un impacto adverso en los sectores productores de IA y de uso de la IA. Finalmente, al ofrecer un sustituto del trabajo, la IA podría intensificar el desprendimiento de mano de obra durante una recesión.
Inteligencia Artificial en el ECB
Permítanme ahora pasar a cómo se está implementando la IA en el entorno analítico y de preparación de políticas del BCE.
Durante el año pasado, el BCE ha ampliado significativamente el conjunto de herramientas analíticas que incorporan IA y técnicas de aprendizaje automático. Los proyectos analíticos se centran en: (i) mejorar el rendimiento de la previsión, especialmente mediante la integración de indicadores de alta frecuencia; (ii) la extracción de señales de datos alternativos, como grandes conjuntos de datos textuales y numéricos, incluidas noticias, informes corporativos e información orientada al consumidor; y (iii) mejorar la transmisión y mejorar la detección de los puntos de inflexión. Estos esfuerzos están ampliando la frontera analítica pertinente para la política, permitiendo evaluaciones económicas y financieras más rápidas y granulares.
Una aplicación bien establecida es el despliegue de bosques de regresión cuantil para producir pronósticos de densidad de inflación. Este enfoque de aprendizaje automático permite al personal modelar toda la distribución de los posibles resultados de inflación en lugar de un solo pronóstico puntual, mejorando así la evaluación del riesgo en torno a la línea de base. La mediana de la distribución de pronósticos sirve como un punto de referencia basado en datos para las proyecciones de inflación a corto plazo. Las aplicaciones recientes permiten al personal capturar relaciones no lineales, evaluar cómo contribuyen los diferentes controladores de inflación a lo largo de la distribución y generar actualizaciones en tiempo real incluso cuando falta o se imputa parte del conjunto de datos. Estas herramientas ya se utilizan en ejercicios de previsión, donde ayudan a cuantificar los riesgos de la cola y apoyar el diseño de escenarios en el proceso de preparación de la política monetaria. Las técnicas de interpretabilidad como las descomposiciones de valor de Shapley se aplican a los productos forestales de regresión cuantil para ayudar a comprender los factores que configuran los riesgos de inflación.
También se está implementando IA para agilizar los procesos de negocio, donde las herramientas de automatización de flujos de trabajo ayudan a acelerar y mejorar las tareas recurrentes, como la preparación de reuniones informativas o la generación de resúmenes. La IA agnóstica está empezando a desempeñar un papel cada vez más importante en este contexto, también para las aplicaciones de la banca central. Estas aplicaciones operan en un entorno seguro y controlado establecido por el BCE para garantizar la seguridad de los datos y el cumplimiento normativo. Estas primeras aplicaciones ya se muestran en velocidad, consistencia y precisión analítica. También reducen la carga de trabajo manual, liberando recursos para centrarse en tareas más conceptuales. Todos los resultados generados por la IA son cuidadosamente revisados por expertos humanos antes de su uso, asegurando que los estándares analíticos de calidad y rendición de cuentas se mantengan completamente.
Un ejemplo destacado de estas ganancias es una herramienta impulsada por la IA para la Encuesta Telefónica Corporativa. La herramienta aplica la IA generativa para racionalizar uno de los procesos clave de inteligencia de negocios del BCE. Prepara automáticamente primeros resúmenes de borrador de entrevistas de la empresa a partir de transcripciones y propone puntuación numérica. En la práctica, esto ha reducido el tiempo necesario para cada escritura, generalmente de alrededor de una hora a 20-30 minutos, sin reducir la calidad y la consistencia de la producción. Estas ganancias de eficiencia han ayudado a reducir el trabajo de horas extras durante las rondas de encuestas ocupadas. De cara al futuro, también queremos aplicar técnicas de procesamiento de lenguaje natural al rico conjunto de datos de texto de la Encuesta Telefónica Corporativa para extraer indicadores cuantitativos y utilizarlos en el análisis económico y la previsión.
En última instancia, nuestro objetivo es integrar la IA más profundamente en nuestro ciclo de preparación de políticas: en el período previo a las reuniones del Consejo de Gobierno, las herramientas de inteligencia artificial se pueden utilizar para escanear y condensar grandes volúmenes de información entrante, incluidos indicadores económicos y desarrollos del mercado financiero, pero también fuentes de información alternativas como noticias, satélites y datos de redes sociales. Esto ayuda a los economistas a difundir ahora los desarrollos macrofinancieros e identificar patrones emergentes. Después de las reuniones, las herramientas mejoradas por IA respaldan el procesamiento y archivo eficiente de documentos para mantener la memoria institucional.
La alineación con las salvaguardias de gobernanza y la Ley de IA de la UE garantiza que la IA aumente en lugar de reemplazar el juicio de los expertos, al tiempo que cumple con los altos estándares de fiabilidad, trazabilidad y responsabilidad.
Durante 2026 y 2027, pasaremos de la experimentación a la implementación sistemática de la IA en todo el BCE. Con este fin, hemos desarrollado un programa de digitalización de la banca central. Diseñado como una iniciativa de abajo hacia arriba impulsada por el área de negocio, el programa garantiza que las herramientas de inteligencia artificial prometedoras maduren de los pilotos aislados hacia capacidades institucionales escalables. Lo hace a través de tres pilares que se refuerzan mutuamente. En primer lugar, un centro de análisis de datos proporciona un entorno de aprendizaje automático y de datos multimodal y listo para la IA para fortalecer el análisis económico, financiero y de mercado. En segundo lugar, también estamos estableciendo un laboratorio de investigación de IA que fomenta la innovación, la investigación económica aplicada y la capacitación del personal para equipar a los colegas con técnicas analíticas de vanguardia. En tercer lugar, se está diseñando un “estudio de asistentes” para convertirse en un banco de trabajo para la construcción y despliegue de asistentes de inteligencia artificial que automatizan y mejoran los procesos de negocio de la banca central. En última instancia, nuestro objetivo es integrar la IA en la mayoría de los procesos de negocio del BCE.
Conclusiones
Para la zona euro, la evidencia hasta la fecha apunta a una rápida difusión de la IA entre empresas y trabajadores, un aumento de la inversión digital y un creciente interés por parte de los mercados financieros. Al mismo tiempo, los efectos agregados de la IA sobre la productividad, el empleo y la inflación siguen siendo limitados e inciertos en esta fase. Su impacto macroeconómico dependerá en gran medida de la rapidez y amplitud de adopción, la escala y composición de la inversión, y la capacidad de las economías para adaptarse.
Los estudios del BCE informados en este discurso destacan tanto las oportunidades como las vulnerabilidades. La IA puede apoyar el crecimiento de la productividad, incluso mediante el fortalecimiento de las capacidades analíticas en toda la economía y la mejora de una gama de procesos de negocio. El mayor impacto se logrará si la IA aumenta materialmente el ritmo de la innovación, ya que, en lugar de simplemente aumentar el nivel de productividad, esto podría aumentar la tasa de crecimiento potencial a largo plazo.
Sin embargo, la respuesta de inversión relativamente más lenta de Europa, los mercados de capital de riesgo menos profundos y la dependencia de las tecnologías fronterizas extranjeras corren el riesgo de limitar el tamaño y la distribución de las ganancias de la IA. Garantizar un amplio acceso a la financiación, apoyar la difusión entre las empresas más pequeñas e invertir en habilidades y activos intangibles complementarios será fundamental para aprovechar el potencial de la IA y limitar los costos de ajuste.
En relación con la política monetaria, el personal del BCE continuará profundizando su trabajo analítico y empírico sobre la IA. Los efectos a corto y largo plazo de la IA justifican un seguimiento cuidadoso, en el contexto de una amplia gama de posibles caminos futuros para la economía y una alta incertidumbre sobre los resultados de la distribución y los efectos de contagio globales. A su vez, qué camino se sigue determinará las implicaciones para la dinámica de la demanda y la oferta y el impacto neto en las presiones de los precios a mediano plazo. En consecuencia, es prudente seguir un enfoque dependiente de los datos al identificar la postura de política monetaria adecuada.