Invertir con criterio exige algo previo a cualquier análisis: un marco mental sólido sobre la realidad que nos rodea. Construirlo es hoy más difícil que nunca. La revolución de la IA avanza a un ritmo vertiginoso, y el ruido de titulares —alimentado en parte por nuestra propia impaciencia como lectores, que pedimos respuestas cortas a problemas complejos— lo complica aún más.

En Quality Value queremos ayudar a construir ese marco. Por eso recurrimos a expertos y voces de primer nivel que conocen el cambio de primera mano. En marzo publicamos junto a Juan Ramón Rallo un informe sobre el impacto macroeconómico de la IA.

Hoy tenemos el honor de publicar el análisis de Pablo Martín, presidente y CEO de Izertis, una de las principales consultoras tecnológicas de España, sobre el impacto que la IA está teniendo en la economía real: en el día a día de los negocios.

Durante los últimos dos años, pero especialmente en los últimos meses, se ha venido especulando de manera creciente sobre cuál será el ritmo de adopción real de la IA y, sobre todo, sobre el impacto que en todos los estamentos de nuestra sociedad tendrá dicha adopción.

Muchas de las hipótesis que se han ido vertiendo describen incluso distopías apocalípticas. La más sonada es el famoso informe Citrini (Citrini Research, ‘The 2028 Global Intelligence Crisis’), que se volvió viral a comienzos de 2026 y llegó a sacudir los mercados. Conviene aclarar que no es una predicción, sino un ejercicio teórico. Su argumento de fondo es sencillo: la inteligencia humana, que siempre ha sido el recurso más escaso y mejor pagado, empieza a perder su valor porque la IA la sustituye, cada vez mejor, en más y más tareas. De ahí nace lo que llama una «espiral de desplazamiento»: la IA mejora, las empresas necesitan menos gente, aumentan los despidos, los parados gastan menos, los márgenes se resienten, se invierte aún más en IA… y vuelta a empezar.

Lo más llamativo es dónde golpea. El empleo de «cuello blanco» supone la mitad del empleo en EE. UU. y cerca del 75% del gasto discrecional (los coches, las vacaciones, las cenas fuera, los colegios privados…), así que basta con que se destruya una pequeña parte para que el consumo se hunda. De ese desajuste sale el «PIB fantasma»: la productividad sube sobre el papel, pero los ingresos de las familias se desploman, llega una crisis financiera en cadena y, ya en 2028, el paro alcanza el 10,2% y la Bolsa cae cerca de un 38%. Por cierto, no conviene olvidar que todo esto es un ejercicio especulativo, criticado por no pocos economistas por apoyarse en supuestos extremos.

Siempre que ha surgido a lo largo de la historia una nueva tecnología o avance con capacidad de alterar la situación actual se produce el mismo ciclo de exageración: se tiende a sobrevalorar el impacto de ese avance tecnológico en el corto plazo y a infravalorar el que tendrá en el largo plazo.

Esta máxima se ha cumplido casi con exactitud en las anteriores revoluciones.

Si recordamos la exageración de los tiempos de la burbuja .com, se afirmaba continuamente que los negocios que no se digitalizaran inmediatamente no existirían. Es famosa la afirmación que en 1999 hizo Andy Grove, entonces presidente del consejo de administración de Intel:

Por suerte, se equivocó. Si bien 25 años después gran parte de los negocios se han convertido en digitales, aún siguen existiendo negocios que no se han digitalizado en absoluto, y coexisten canales tradicionales con canales digitales.

Se tiende a infravalorar el tiempo, el esfuerzo y la complejidad que exige cualquier cambio, incluso cuando acaba produciéndose. También se subestima su coste económico, el impacto cultural que implica y la capacidad real de las personas para adaptarse a transformaciones de gran alcance.

Creo sinceramente que con la actual revolución de la IA pasará algo similar. Se va a producir, y será una transformación aún mayor que las anteriores, pero ni será mañana, ni será tan fácil, ni tan económica.

Hay cuatro factores que considero que actuarán como barreras en el desarrollo de la IA actual. Los voy a ordenar por orden de dificultad, del más sencillo al más complicado de solventar. Puede que haya más, pero considero que estos cuatro principales son suficientemente relevantes para que se cumpla mi hipótesis.

1.º Desarrollo tecnológico

Se está transmitiendo la idea de que todas las aplicaciones, soluciones y posibilidades que nos cuentan son realidades que ya existen, que su disponibilidad es inmediata, su coste marginal, su facilidad de uso increíble y el esfuerzo necesario para implantarlas, prácticamente inexistente.

Nada más lejos de la realidad. Muchas de las cosas existen, otras están en desarrollo y otras son simplemente ciencia ficción. Implantarlas en los sistemas actuales, o sustituirlos, supone un trabajo inmenso: caro, arriesgado y lleno de incógnitas por resolver.

A esto se suma el coste de los propios LLM. Nos hemos quedado con la sensación de que son casi gratuitos. Sin embargo, en los últimos meses hemos visto cómo se pasaba de esa aparente gratuidad inicial al alza de las suscripciones y, después, a cambios en las políticas de coste por tokens. El resultado ha sido un aumento muy significativo de los consumos y del gasto asociado en las empresas.

Algunas grandes empresas han tenido que bloquear el acceso a estos modelos a parte de sus organizaciones al no poder asumir actualmente en sus presupuestos estos costes más altos. No me refiero a pequeñas empresas, sino a corporaciones como Microsoft o Uber.

Pero el coste que nos están cobrando actualmente los LLM representa solo una fracción de su coste real. Se tendrían que multiplicar al menos por diez las tarifas actuales para cubrir la operación, amortizar las inversiones realizadas y sostener un retorno mínimo. Por lo tanto, podemos ver cómo los precios se multiplican por diez, porque es imposible seguir financiando pérdidas al volumen de consumo que la oferta subvencionada produce y va a producir.

Y, de nuevo, pensemos en la inversión en términos económicos y de todo tipo de recursos que supondrá a las organizaciones implementar todo esto.

Hay además un coste que pagará el propio consumidor de la IA. En muchos casos, el incremento que probablemente soportaremos en el precio de los tokens en los próximos años nos llevará a replantear qué tareas son eficientes, en términos económicos, para la IA, y cuáles pueden ser recuperadas por modelos más simples y humanos.

Por cierto, las afirmaciones que algunos de los líderes de esas empresas de IA hacen sobre sus capacidades presentes o futuras no deben ser creídas a pies juntillas. Por supuesto, tienen un fuerte conflicto de interés…

Suscríbete ahora

2.º Riesgo, regulación, legislación

En agosto de 2019 me adelantó un Waymo, un coche autónomo, en la autopista entre San Francisco y San José, California. Me dije:

Un año y medio antes me había comprado un vehículo de una prestigiosa marca alemana que, en su anuncio promocional en YouTube, conseguía ir desde San Francisco a Las Vegas sin que nadie tocara su volante.

Estamos en agosto de 2026 y en las calles europeas siguen sin circular coches autónomos. Solo en un puñado de ciudades de EE. UU. y China se permite la circulación de estos vehículos, y con bastantes limitaciones en cuanto a los destinos y tipos de servicios.

¿Qué sucede? ¿Por qué si la tecnología está disponible desde hace años no se está aplicando ya? Parte de la explicación está en el punto anterior: aunque la tecnología existe, no tiene la madurez suficiente para todos los casos de uso posibles.

Pero lo más importante es que existen barreras de tipo legal y regulatorio que dificultan o impiden su adopción. A ello se suman riesgos de distinta naturaleza que obligan a actuar con más cautela. Por eso, que una tecnología esté disponible no significa necesariamente que pueda implantarse de forma inmediata.

Un gran banco no puede permitirse conectar modelos de IA que reescriban su software sobre sus sistemas legacy sin realizar millones de análisis, pruebas y ensayos sobre lo que sucede. Y todo esto con una férrea supervisión humana.

Los sistemas críticos de las eléctricas, las centrales nucleares, las salas de emergencias hospitalarias y los quirófanos, las infraestructuras militares y de defensa, los cuerpos de seguridad, las agencias de inteligencia, los satélites… ¿de verdad es tan sencillo trasladar esto a un modo pilotado por IA?

Harán falta muchos años para evaluar todos los riesgos asociados a cada caso de uso y se autorice su implantación en determinadas infraestructuras críticas.

3.º Disponibilidad de infraestructuras

Para ejecutar toda esta IA se necesitan enormes centros de datos equipados con grandes sistemas de computación, que requieren infinidad de procesadores especializados, chips de memoria y sistemas de almacenamiento.

Todos esos componentes deben fabricarse, y la capacidad de producción, en algunos casos, ya está tensionada al máximo. Es posible construir nuevas fábricas de integrados, pero ampliar de forma drástica la producción no depende solo de levantar más plantas. Toda la cadena de suministro está sometida a una fuerte presión, y desarrollar esa capacidad industrial llevará años.

Esos procesadores se instalan en centros de datos que aún no existen y que también hay que construir.

¿Se puede? Por supuesto, pero de nuevo es tarea de años.

Además, buena parte de ese suministro deberá ser energía de base: estable, continuo y garantizado las 24 horas del día, los 365 días del año. No puede depender de horarios, de la climatología, de tensiones en la cadena de suministro ni de una fuerte volatilidad de precios a largo plazo.

La energía perfecta para este caso es la nuclear. Gran parte de Europa ha renunciado a ella. Podemos construir toda esa energía que queramos, pero queremos que sea renovable, no contaminante y barata.

Pues sí, poder se puede; pero es tarea de muchos, muchos años.

La inversión en el desarrollo tecnológico de la propia IA se vuelve irrelevante si se compara con la que será necesaria para las infraestructuras de cómputo donde esa IA deberá correr en el futuro.

Nadie es capaz de calcular el volumen exacto que deberá ser invertido en los próximos años en energía, centros de datos, fábricas de chips y otras infraestructuras necesarias. Pero todos los actores coinciden en la magnitud del desafío: hablamos de trillones de dólares, billones en términos europeos.

No es que no haya capital en el mundo que financie el desarrollo de estas infraestructuras. Cuando una inversión demuestra un potencial de retorno sobre el capital adecuado al riesgo, ese capital aparece.

Actualmente, las empresas que están contratando esa capacidad de cálculo para procesar la IA, y que es lo que justifica todas estas inversiones, lo hacen asumiendo grandes pérdidas: el negocio no es rentable actualmente. No ganan dinero, ni parece que vayan a hacerlo en cantidad suficiente como para justificar, a medio plazo, el capital asignado.

Todas las demás infraestructuras dependen de que se siga solicitando capacidad de cómputo a pérdidas. En algún momento alguien dirá que no puede seguir inyectando capital sin tener un retorno asegurado razonable.

Esto hará que todos se centren en la búsqueda de esa rentabilidad, lo que seguramente ralentizará el ritmo de adopción de esta IA «gratis» actualmente. Cuando el precio de los tokens suba hasta cubrir los costes y el rendimiento de capital, la demanda bajará hasta encontrar el equilibrio.

Pero claro, cuando todo el mundo sabe esto, todos invierten en ello, y además las rentabilidades que se están obteniendo en los mercados son ilusorias: ¿quién es el que se atreve a sostener la tesis contraria?

No es que estas empresas o activos no tengan valor: es una cuestión de precio. Una compañía puede ser fantástica y, al mismo tiempo, convertirse en una pésima inversión si su valoración carece de sentido. De eso se trata: de comprar buenos activos a precios razonables. Actualmente, en el mercado de la IA hay activos buenos y malos, pero resulta casi imposible encontrar unos u otros a valoraciones sensatas. No digo baratas; digo, simplemente, razonables.

No es que esto carezca de sentido: la IA será un gran negocio en algún momento. Pero, ahora mismo, lo es sobre todo para quienes crean y colocan el producto en el mercado, y para los bancos de inversión. Quienes mantengan las inversiones realizadas a estos precios seguramente perderán muchísimo dinero.

*Nota: si el artículo te está aportando, al final tienes las últimas tesis que hemos publicado en abierto en el research.

4.º Sobre la cultura y las personas

Cuando, hace años, hablábamos de la transformación digital, decíamos que el problema principal para su implantación no era la tecnología, ni los presupuestos, ni cualquier otra razón, sino el cambio cultural y la adaptación de las personas.

Pues ahora nos encontramos ante un cambio mucho más profundo que el que planteamos hace una década. Es necesario replantear todos los modelos de negocio, abordar una reingeniería a fondo de los procesos, sustituir a muchas personas que, por diversas razones, no podrán adaptarse, incorporar nuevos perfiles con roles distintos, algunos difíciles de encontrar, y, sobre todo, acometer un reskilling completo de quienes continúen en las organizaciones.

Habrá que formar perfiles para roles que no existen, diseñar itinerarios formativos, negociar el cambio, vencer las resistencias. En definitiva: si la metamorfosis digital era muy difícil, la adopción profunda de la IA es un reto extraordinario.

La paradoja de Jevons

La paradoja de Jevons es un fenómeno económico en el que un aumento en la eficiencia del uso de un recurso provoca un aumento en su consumo total, en lugar de su reducción. Fue formulada en 1865 por el economista inglés William Stanley Jevons en su libro ‘The Coal Question’ (El problema del carbón).

Jevons notó que las máquinas de vapor de James Watt gastaban menos carbón por unidad de trabajo, pero que esto hizo que usar carbón fuera tan rentable que la industria lo adoptó en masa, y el consumo total creció con rapidez.

¿Por qué ocurre?

• Por un menor coste relativo: hacer que un recurso sea más eficiente, abaratando su uso, reduce el coste final de los bienes y servicios que dependen de él.

• Por una mayor demanda: al bajar el precio o el coste de uso, la demanda por parte de los consumidores y las empresas sube de forma notable, superando el ahorro inicial logrado por la eficiencia.

• Y por expansión tecnológica: permite que nuevos usuarios o industrias que antes no podían pagar el recurso ahora comiencen a usarlo masivamente.

Esta observación de Jevons sobre el aumento del consumo de carbón ha podido replicarse constantemente en otros casos, cada vez que una mejora productiva ha logrado reducir notablemente el coste de los bienes o servicios.

La paradoja de Jevons puede ayudarnos a explicar por qué la inteligencia artificial, como herramienta de productividad radical, no tiene por qué reducir la demanda de servicios tecnológicos. Al contrario: puede impulsar que áreas como el desarrollo de software crezcan de forma exponencial y que el tamaño total de este mercado aumente, en lugar de contraerse.

Por supuesto, puede haber quien, aceptando esto, afirme que, no obstante, la totalidad del trabajo necesario para prestar esos servicios, no solo una parte, pase a ser producido por la IA. Según esta tesis, aunque el tamaño del mercado creciera de forma exponencial, no habría negocio ni para consultoras ni para humanos, porque el 100 % del trabajo lo realizaría la IA.

Esto último es, hoy, del todo imposible, incluso en un horizonte a medio plazo. Por eso, la reducción del esfuerzo de producción que permite la IA hará crecer la demanda de servicios y, en consecuencia, también el trabajo para las consultoras.

El error, por tanto, está en pensar que más productividad equivale necesariamente a menos mercado. La historia económica demuestra, una y otra vez, que cuando una tecnología abarata de verdad una actividad, no siempre la reduce: muchas veces la multiplica. Y la inteligencia artificial, al menos en esta fase, parece encajar mucho más en esa lógica que en la de una sustitución total e inmediata.

Podcast Quality Value

Con Pablo Martín Preside y CEO de Izertis

Tesis recientes: software de calidad a precios razonables

Compartimos la visión de Pablo, y nuestra cartera lo refleja. No cubrimos semiconductores ni infraestructura de IA: cotizan a múltiplos que no sabemos justificar. Sí estudiamos de cerca empresas de software que creemos capaces de mantener sus ventajas competitivas y capturar la demanda creciente que la IA generará sobre sus productos y servicios — la paradoja de Jevons que describe Pablo, aplicada a la inversión.

El mercado ha pasado todo el año castigando a estos negocios por miedo a la IA. Pero algo está cambiando: empieza a premiar con fuerza a las que, con toda la narrativa en contra, siguen presentando buenos resultados.

En la publicación de la semana pasada explicamos este fenómeno y desvelamos todas las empresas que tenemos en cartera, con foco en las de software donde el mercado empieza a reconocer valor y donde aún vemos recorrido:

Para abordar el debate con el rigor que exige un asunto de esta magnitud, contamos con la participación de Juan Ramón Rallo, uno de los economistas más influyentes del ámbito hispanohablante, con el objetivo de analizar punto por punto el extenso memo de Citrini y señalar los errores conceptuales y omisiones estructurales que identificamos.

Además, tenemos el placer de anunciar que J.R. Rallo se incorpora a Quality Value Research como editor de la nueva sección de Economía. Este espacio nace con un propósito claro: aportar análisis macroeconómico riguroso y estructural que complemente y refuerce nuestras tesis de inversión e informes sectoriales, integrando el contexto económico dentro del proceso inversor de forma coherente y sistemática.

A partir de ahora, el suscriptor contará con un servicio más completo: nuestras tesis e informes seguirán siendo el eje central, pero respaldados por una comprensión macroeconómica estructural que los contextualiza y fortalece.

La réplica original fue un trabajo extenso y detallado. El memo de Citrini exigía una respuesta igualmente profunda, abordando cada uno de sus argumentos con precisión analítica.

No obstante, hoy queremos ofrecer una versión estructurada en tres niveles:

1. Una síntesis ejecutiva de los principales puntos del análisis, para extraer las ideas clave de forma clara y accesible.

2. Un bloque específico sobre qué implica este escenario para el inversor, con conclusiones operativas y accionables para la construcción de cartera.

3. Un one-pager visual centrado en la tesis central del debate: los mecanismos económicos que corrigen el “Ghost GDP”, los riesgos reales de la transición y los 3 tipos de activos a priorizar (y qué vigilar)

Para quienes deseen profundizar, dejaremos disponible el análisis completo.

Lo que viene

Asimismo, este domingo publicaremos una conversación especialmente relevante con uno de los referentes de la filosofía Quality Value: Tomás Maraver, fundador y CIO de Nartex Capital. En un momento en el que la inversión en calidad y valoración vuelve a estar en debate, analizaremos junto a él el estado actual del mercado, la disciplina en la asignación de capital, sectores como IT y software, y el impacto de la inteligencia artificial en la configuración de ganadores y perdedores.

Lo que vas a leer hoy

¿Crisis de inteligencia o explosión de oportunidades?

1. Réplica completa de Juan Ramón Rallo

2. Síntesis ejecutiva del análisis

3. Implicaciones para el inversor

4. One-pager visual: los 3 tipos de activos a priorizar (y qué vigilar)

Tiempo estimado de lectura (síntesis): 5–10 minutos.

Acceso al Research de Quality Value

Si eres un inversor ocupado y buscas research riguroso en formato ejecutivo —ideas, tesis y seguimiento explicados con máxima claridad—, puedes suscribirte al Research de Quality Value. Incluye acceso al canal Discord, base de datos con +250 acciones y el archivo completo de tesis e informes.

Suscríbete a Quality Value Research

1) Réplica completa de Juan Ramón Rallo

Para quien quiera profundizar, aquí está el documento completo en ambos idiomas:

• Castellano (original)

• Inglés (traducción)

Tiempo estimado de lectura: 20–30 min.

2) Síntesis ejecutiva del análisis

Tiempo estimado de lectura: 5–10 min.

1. El escenario de Citrini: el “Ghost GDP”

Tesis de Citrini:

La IA genera una explosión de productividad, pero destruye empleo cualificado más rápido de lo que la economía puede reabsorberlo.

La renta salarial cae, el consumo se debilita, el crédito se tensiona y el sistema financiero entra en espiral.

El resultado sería un “Ghost GDP”: producción que aparece en las cuentas nacionales, pero que no se traduce en ingresos disponibles para las personas.

Síntesis crítica de Rallo:

Citrini confunde un shock de redistribución de renta con destrucción estructural de demanda.

La producción no desaparece: cambia el canal por el que circula la renta.

2. La incertidumbre radical: esta vez sí es diferente (pero no sabemos cómo)

Punto clave:

Si la IA es realmente una tecnología sustitutiva del trabajo humano a escala general, estamos ante algo sin precedentes históricos.

El rango de resultados va:

• desde prosperidad material sin precedentes

• hasta riesgo existencial.

Tesis de Rallo:

Construir escenarios con precisión de “macro memo 2028” en un entorno de incertidumbre existencial es epistemológicamente temerario.

La transición puede describirse.

El equilibrio final no.

3. El dolor de la transición es real

Rallo concede algo fundamental:

La descapitalización del capital humano específico es real.

Ejemplos:

• Product managers,

• analistas financieros,

• desarrolladores junior,

• consultores de fricción organizativa.

La IA puede volver irrelevante su ventaja comparativa en pocos años.

Esto no es retórica: es un coste humano auténtico.

Pero dolor de transición ≠ colapso estructural permanente.

4. Capital y trabajo: el giro conceptual

Aquí está el núcleo teórico del artículo.

Citrini sostiene:

La IA rompe la complementariedad histórica capital-trabajo.

Rallo responde:
Incluso si capital y trabajo se vuelven sustitutivos, el capital sigue siendo propiedad humana.

Y el capital implica tres funciones irreductibles:

1. Espera (time preference)

2. Absorción de incertidumbre

3. Juicio empresarial original

La IA puede ejecutar juicio derivado.

No puede ejercer juicio original mientras sea instrumento.

Por tanto:
La relación capital-trabajo puede romperse.
La relación capital-propietario humano no.

Suscríbete a Quality Value Research

5. El mito del Ghost GDP

Rallo dice: la producción nunca es “fantasma” porque, cuando se produce más con IA, el dinero no desaparece: cambia de manos.

Si baja el salario, sube el beneficio. Ese beneficio:

• se reparte (dividendos / recompras) o se invierte, y/o

• la competencia lo obliga a bajar precios.

Y cuando bajan precios, la gente compra lo mismo pagando menos y le queda dinero para otras cosas.

Conclusión: no se evapora la demanda. Se redistribuye la renta y aumenta el poder adquisitivo vía abaratamiento.

6. IA como gran nivelador empresarial

Este es uno de los bloques más potentes.

La IA no solo abarata consumo.
Abarata producir.

Reduce:

• el capital humano necesario,

• el capital intelectual,

• las barreras de entrada.

Esto puede facilitar la transición de:
trabajador → propietario de capital.

La pregunta relevante no es:
“¿Habrá nuevos empleos?”

Sino:
“¿Bajará lo suficiente el umbral para participar como capitalista?”

Si baja drásticamente, la dinámica cambia por completo.

7. Transición financiera: sí, habrá estrés

Rallo no niega el riesgo financiero.

Contratos firmados bajo supuestos del régimen anterior pueden romperse:

• Hipotecas

• Private credit

• SaaS con ARR apalancado

• Modelos de intermediación obsoletos

Habrá repricing.
Habrá impagos.
Habrá tensión.

Pero eso es ajuste entre regímenes productivos, no prueba de colapso estructural permanente.

Es transición contractual, no implosión ontológica de la demanda.

8. La omisión clave: el Estado

Citrini modela el colapso sin modelar la reacción del mayor agente económico.

Rallo señala tres reacciones previsibles:

1. Reconfiguración fiscal
   Si la renta migra a capital, la base imponible migra con ella.

2. Redistribución política
   Los perdedores votan.

3. Intervención financiera
   Fed y Tesoro no observan pasivamente un colapso hipotecario.

Ignorar la reacción estatal sesga el escenario hacia el dramatismo.

9. Conclusión: transición vs destino

El error central que Rallo identifica:

Confundir el coste del ajuste con el equilibrio final.

El verdadero “canario” no es la demanda agregada.

Es:

• la velocidad de la transición,

• la capacidad institucional de adaptación,

• y el control humano sobre la IA.

Si la IA sigue siendo instrumento:
la economía se reconfigura.

Si deja de ser instrumento:
el debate económico pierde sentido.

10. El “canario” real: qué vigilar de verdad

Qué dice Citrini:
“El canario sigue vivo” = aún hay tiempo antes de que el colapso (demanda/crédito/hipotecas/Estado) sea inevitable.

Qué replica Rallo:
El canario no es “la demanda agregada colapsando porque se seca la nómina”.

Eso asume tres cosas que no se sostienen:

1. que la demanda solo circula por salarios,

2. que la gente solo participa como trabajador,

3. que las instituciones no se adaptan.

Entonces, ¿cuál es el “canario” que hay que vigilar?

Rallo dice que el riesgo principal no es “se acaba la demanda”, sino si la transición se gestiona bien o mal. Hay 3 cosas a vigilar:

1. Velocidad del cambio
   Si la IA cambia el mercado más rápido de lo que la gente puede adaptarse (reciclarse, recolocarse o emprender).
   Clave: cuánta gente queda “colgada” y durante cuánto tiempo.

2. Respuesta del Estado
   Si el gobierno amortigua el golpe (ayudas, impuestos, regulación) sin frenar la creación de riqueza.
   Riesgo: pasarse y matar incentivos / inversión.

3. Control de la IA
   La pregunta previa a todo: ¿la IA seguirá siendo una herramienta bajo control humano, o empezará a marcar los fines y decisiones?

Cierre conceptual:

El riesgo no es que la IA produzca demasiado.

El riesgo es confundir el dolor del ajuste con un destino inevitable y, por pánico, aplicar políticas que frenen la creación de riqueza (porque sin creación de riqueza no hay redistribución sostenible).

3) Si Rallo tiene razón: qué implica y qué hacemos como inversores

Si el marco de Rallo es correcto, la IA no “rompe” la economía por falta de demanda. Lo que hace es cambiar por dónde circula la renta (menos salarios, más beneficios y, sobre todo, precios más bajos por competencia).

El ajuste puede ser duro y desordenado, pero el destino no tiene por qué ser catastrófico.

Qué hacemos en cartera (acciones concretas)

Con este marco estructural, el objetivo es convertir un debate macro en decisiones de inversión. A continuación resumimos 5 acciones concretas que, en nuestra opinión, tienen sentido aplicar como inversores: explicadas de forma clara, ejecutiva y orientadas a cartera.

Para cerrar, compartimos para su descarga una Guía rápida de los 3 tipos de activos a priorizar (y qué vigilar), en formato one-pager visual.

1) Buscamos “ganadores por productividad”

Read more

→ English version

Un artículo publicado por Citrini —una de las firmas de research más reconocidas del sector— generó un intenso debate en redes sociales y medios financieros. Bloomberg llegó a señalarlo como uno de los catalizadores de la corrección que sufrieron las compañías de software el lunes 23 de febrero.

El informe plantea un escenario hacia 2028 en el que la inteligencia artificial, impulsada por un crecimiento exponencial de la productividad, desencadena una disrupción de tal magnitud que terminaría erosionando la economía real y generando desequilibrios estructurales profundos.

Se trata de un análisis ambicioso, elaborado y bien documentado. Sin embargo, a nuestro juicio, contiene supuestos económicos discutibles y omite ciertos mecanismos de ajuste que históricamente han operado en procesos de transformación tecnológica.

Para abordar esta cuestión con el rigor que merece, hoy contamos con la participación de uno de los economistas más influyentes en el ámbito del análisis macroeconómico en el mundo hispanohablante: Juan Ramón Rallo.

Rallo es doctor en Economía, profesor universitario y uno de los principales exponentes contemporáneos del pensamiento liberal y la escuela austriaca. Su trabajo combina profundidad teórica, análisis histórico y capacidad divulgativa, lo que le convierte en una referencia obligada cuando se trata de interpretar grandes transformaciones estructurales como la que estamos viviendo.

Además, nos complace anunciar que esta colaboración no será puntual. Juan Ramón Rallo se incorpora como editor de la nueva sección de Economía de Quality Value, un espacio dedicado al análisis macroeconómico y estructural que complementará nuestras tesis de inversión e informes temáticos, permitiendo a nuestros lectores integrar el contexto macro en su proceso de asignación de capital.

Sin más, os dejamos con este primer artículo, cuyo objetivo es identificar los mecanismos económicos que probablemente operarán en esta transición hacia el nuevo paradigma tecnológico, así como los errores teóricos que pueden distorsionar su interpretación —sin pretender anticipar ni el calendario ni la forma concreta en que estos procesos se materializarán.

Suscríbete a Quality Value Research

¿Crisis de inteligencia o explosión de oportunidades?

Un artículo de CitriniResearch ha generado un notable revuelo en redes sociales durante los últimos días, y no es difícil entender por qué. El escenario que describe —redactado como si fuera una macro memo de junio de 2028— es, cuando menos, inquietante.

Su tesis central puede resumirse así: la IA está generando un crecimiento de productividad sin precedentes, pero ese crecimiento es estructuralmente incapaz de circular por la economía real porque destruye precisamente la base de ingresos laborales sobre la que reposa toda la arquitectura del consumo, el crédito y la fiscalidad americanos. Las máquinas producen, pero no gastan. Los trabajadores desplazados gastan menos. Las empresas reinvierten el ahorro en más IA, que desplaza a más trabajadores. La dinámica se re-troalimenta sin freno natural, y su aceleración amenaza con fracturar sucesivamente el mercado de crédito privado, el mercado hipotecario y, en última instancia, la solvencia del propio Estado federal. Lo que Citrini llama “Ghost GDP” —output que aparece en las cuentas nacionales pero nunca llega a los bolsillos de nadie— sería la patología central de este nuevo capitalismo cognitivo.

Es un argumento elaborado, bien documentado y, en varios de sus tramos descriptivos, probablemente correcto.

El problema es que confunde la transición con el destino.

Todo lo que Citrini describe —el dolor del desplazamiento laboral, el estrés financiero, la inadecuación de los contratos heredados, la lentitud de la respuesta institucional— son rasgos reconocibles de una economía que atraviesa una reestructuración profunda entre dos regímenes productivos. Lo que Citrini no demuestra, aunque lo asume en cada página, es que esos rasgos transitorios constituyan el estado estacionario del régimen nuevo.

Y esa confusión, entre el coste del ajuste y la naturaleza del equilibrio al que se llega, descansa sobre uno de los errores más antiguos y persistentes de la historia del pensamiento económico.

La incertidumbre radical de lo genuinamente nuevo

Antes de entrar en la crítica sustantiva, conviene detenerse en un punto que el propio Citrini reconoce de pasada pero cuyas implicaciones no extrae: hacer pronósticos sobre el impacto económico de la IA es extraordinariamente difícil. No con la dificultad habitual de cualquier previsión tecnológica, sino con una dificultad cualitativamente distinta. Y la razón es exactamente la que el propio Citrini identifica como fundamento de su tesis: esta vez es distinto.

Si la IA es, como Citrini y muchos otros argumentan, la primera tecnología en la historia que convierte capital y trabajo en factores sustitutivos — la primera innovación globalmente sustitutiva del trabajo humano, no en una tarea específica sino en un rango creciente de capacidades cognitivas —, entonces estamos ante un fenómeno genuinamente sin precedentes históricos.

Y cuando estamos ante algo genuinamente sin precedentes, la capacidad predictiva cae a mínimos, porque no hay experiencia pasada sobre la que construir extrapolaciones fiables. Precisamente porque esta vez es distinto, nadie puede cartografiar desde dentro de la transición el régimen que emergerá de ella. Pero la incertidumbre no es solo cuantitativa (no sabemos cuánto, ni a qué velocidad).

Es existencial en un sentido literal que ninguna otra tecnología ha planteado.

El rango de resultados posibles de la IA no va de “crecemos un poco más” a “crecemos un poco menos”. Va de una prosperidad material sin precedentes en la historia humana a la extinción literal de la especie. La máquina de vapor no planteaba riesgos existenciales. La electricidad tampoco. Incluso la energía nuclear, que sí los planteaba, era una tecnología de aplicación específica cuyo riesgo podía acotarse geográfica y políticamente. La IA es una inteligencia de propósito general que mejora recursivamente y cuyo alineamiento con los fines humanos sigue siendo un problema abierto entre los mejores especialistas del mundo.

El Financial Times publicó hace meses un gráfico que ilustra esta dualidad con claridad: dos escenarios extremos —uno de estancamiento tecnológico y otro de superinteligencia descontrolada— flanquean un escenario central de integración gradual y relativamente ordenada. El abanico real de posibilidades es incomparablemente más ancho que el de cualquier innovación previa.

Y aquí aparece una ironía reveladora en el artículo de Citrini. Su escenario asume implícitamente que la humanidad resuelve el problema difícil: el problema de alineación. En su memo de 2028, la IA sigue mejorando, sigue siendo extraordinariamente capaz, y en ningún momento se desalinea de los fines humanos ni genera una catástrofe existencial. Sobrevivimos a la superinteligencia. Lo que no sobrevivimos, según él, es al ajuste del mercado hipotecario. La humanidad resuelve el desafío sin precedentes de controlar una inteligencia general recursivamente mejorable y se ahoga con un problema que, en comparación, es institucional y de diseño: cómo redistribuir la renta cuando cambia el canal por el que circula.

Es epistemológicamente temerario construir un escenario con tickers, fechas y cadenas causales precisas desde dentro de un fenómeno cuyo rango de resultados incluye la extinción humana.

Nada de esto invalida el ejercicio de Citrini como escenario. Lo que invalida es su pretensión implícita de descripción probable. Lo que podemos hacer — y es lo que intentará este artículo — es identificar los mecanismos económicos que probablemente operarán en la transición (la competencia, el abaratamiento, la democratización del acceso al capital) y los errores teóricos que impiden a Citrini verlos, sin pretender que sabemos cuándo, a qué velocidad ni con qué forma concreta se materializarán.

El dolor de la transición es real

Antes de explicar por qué el diagnóstico de fondo de Citrini es erróneo, conviene dejar claro lo que tiene de acertado, porque la concesión no es retórica sino sustantiva.

Lo que la IA amenaza con destruir — si se desarrolla tanto como Citrini y muchos otros postulan — no es el capital humano en abstracto sino el capital humano específico: la destreza acumulada en tareas concretas que quedarían obsoletas.

El product manager experto en Salesforce, el analista financiero que domina modelos estándar de valoración, el desarrollador junior que traduce especificaciones en código rutinario, el agente de seguros que monetiza la inercia del cliente, el consultor cuyo valor añadido consistía en navegar complejidades que una máquina ya no encuentra tediosas. Si la IA alcanza las capacidades que Citrini describe, la descapitalización de estas cohortes podría ser efectiva e irreversible en el horizonte de su vida laboral. No hay que minimizarlo.

Citrini narra historias concretas —la product manager de Salesforce que pasa de 180.000 dólares anuales a conducir un Uber por 45.000— y esas historias, de materializarse, serían el arquetipo de lo que ocurre cuando una revolución tecnológica descapitaliza el saber hacer específico de una generación. Los artesanos de la Revolución Industrial no se equivocaban al percibir que su mundo se derrumbaba, aunque la humanidad en su conjunto saliera ganando. El coste humano de la transición no es un efecto colateral menor del progreso; es su sombra inevitable, y cualquier análisis que lo ignore merece el reproche de frivolidad. El de Citrini no lo ignora. El mío tampoco.

Pero reconocer el dolor de la transición no es lo mismo que aceptar el diagnóstico de Citrini sobre sus causas profundas, porque ese diagnóstico extrapola los síntomas del ajuste y los presenta como si fueran la descripción de un nuevo régimen permanente. Y ahí es donde el análisis se tuerce.

Esta vez sí es distinto — pero no por lo que Citrini cree.

Hay una objeción legítima a todo lo anterior que el propio Citrini formula y que conviene tomar en serio: esta vez es diferente. En todas las revoluciones tecnológicas anteriores, capital y trabajo eran factores complementarios. La máquina de vapor necesitaba operarios. La electricidad necesitaba ingenieros. El ordenador necesitaba programadores. La cadena de montaje necesitaba, a otro nivel, diseñadores, gestores, supervisores.

Cada innovación aumentaba la productividad del trabajo humano y, con ella, su remuneración. Los ATMs abarataron las sucursales bancarias, así que los bancos abrieron más y contrataron más empleados para tareas de mayor valor añadido. Internet destruyó las agencias de viajes, pero creó industrias enteras —comercio electrónico, redes sociales, economía de plataformas— que absorbieron con creces el empleo destruido. El patrón se repetía con tal regularidad que adquirió fuerza de ley natural: la tecnología destruye empleos y luego crea más.

Citrini señala, con razón, que ese patrón descansaba sobre una premisa que la IA puede estar rompiendo. Cada nuevo empleo creado por la tecnología requería un humano que lo desempeñara, porque la tecnología solo era capaz de ejecutar tareas específicas y acotadas: el capital complementaba al trabajo.

La IA, por primera vez, es una tecnología de propósito general que mejora precisamente en las tareas a las que se redirigirían los trabajadores desplazados. No es una máquina que automatiza una tarea y libera al humano para otra; es una inteligencia general que compite con el humano en un rango creciente de tareas cognitivas y que mejora en esas tareas más rápido de lo que el humano puede reciclarse. La relación entre capital y trabajo podría estar dejando de ser complementaria para volverse sustitutiva. Eso es genuinamente nuevo, genuinamente disruptivo, y minimizarlo sería un error tan grave como el catastrofismo de Citrini pero en dirección contraria.

Ahora bien: que capital y trabajo se vuelvan sustitutivos no implica lo que Citrini concluye. Y aquí está el giro decisivo que su análisis no realiza.

El capital no es un ente autónomo que opera por sí mismo.

El capital es propiedad de alguien.

Y ser propietario de capital no es una relación pasiva de mera titularidad jurídica: es el ejercicio continuo de tres funciones que pueden delegarse parcialmente en la máquina pero nunca en su totalidad mientras exista una relación de propiedad entre un sujeto humano y un objeto productivo.

La primera es la espera: todo proceso productivo requiere que alguien sostenga financieramente el intervalo entre la inversión inicial y el resultado final, renunciando a los usos alternativos de esos recursos durante ese período. La IA puede optimizar la secuencia de un proyecto, pero no puede ser ella quien renuncia a los usos alternativos de un capital que no posee. La espera recae sobre quien posee los recursos, y ese alguien es, en una economía humana, un ser humano.

La segunda es la absorción de incertidumbre: alguien debe comprometer su patrimonio en un proyecto cuyo resultado no está garantizado, y solo quien tiene algo que perder puede genuinamente absorber esa incertidumbre. La IA puede afinar predicciones, modelar escenarios y reducir la incertidumbre residual, pero no puede ir a la quiebra; transfiere íntegramente la incertidumbre irreductible a quien la posee.

La tercera es el juicio empresarial: la selección, entre cursos de acción alternativos, del que el agente considera más valioso, asumiendo las consecuencias de esa elección. Aquí conviene distinguir entre juicio original y juicio derivado. La IA puede ejercer juicio derivado: puede seleccionar entre opciones dentro de un marco de criterios que alguien le ha definido, y lo hará con una eficacia creciente. Lo que no puede ejercer — mientras sea un instrumento al servicio de un ser humano y no un agente autónomo — es juicio original: la determinación última de lo que vale la pena intentar frente a lo que no, la decisión de comprometerse o retirarse cuando la información es radicalmente incompleta y las consecuencias recaen sobre un patrimonio real. La relación entre ambos tipos de juicio no es necesariamente secuencial — no es que primero el humano fije los fines y después la IA opere dentro de ellos. Puede ocurrir que la IA genere múltiples propuestas derivadas, explore alternativas que el humano no habría concebido, y las presente como opciones. Pero la elección final entre esas opciones — la validación a posteriori de cuál merece el compromiso de recursos reales — es siempre juicio original, porque recae sobre quien asume las consecuencias. Y esa determinación no es un acto de procesamiento de información — es un acto de agencia que requiere un sujeto con fines propios y un patrimonio que responde por la decisión. Mientras la IA sea instrumento y no sujeto, el juicio original permanece en manos humanas.

Capital, en suma, no es una cosa. Capital es espera, riesgo y juicio empresarial materializados en medios de producción.

Si el capital sigue siendo propiedad humana —y en una economía humana, donde la IA opera como instrumento y no como agente autónomo, lo es por definición—, entonces el ser humano sigue suministrando los factores productivos que la IA no puede sustituir por completo.

La relación capital-trabajo se rompe; la relación capital-propietario humano no.

Y mientras esa relación persista, el ser humano sigue siendo parte irreductible del proceso productivo — no como ejecutor de tareas (ahí la IA gana) sino como agente que espera, arriesga y dirige.

Cabría imaginar un escenario en que la IA deviniera agente autónomo: con fines propios, patrimonio propio y capacidad de asumir consecuencias por cuenta propia. En ese caso, la relación capital-propietario humano sí se rompería — pero ya no estaríamos describiendo una economía humana sino algo cualitativamente diferente que requeriría un análisis propio. Citrini no plantea ese escenario (de hecho, como hemos visto, lo excluye implícitamente al asumir que el problema de alineación está resuelto), y nosotros tampoco lo necesitamos para este argumento.

El mito del Ghost GDP: por dónde circula realmente la renta

El argumento del “Ghost GDP” —output que aparece en las cuentas nacionales pero nunca llega a los bolsillos de nadie— es la versión contemporánea de la teoría del subconsumo, que sostiene que una economía puede generar más output del que es capaz de absorber en forma de demanda efectiva.

La formulación es intuitivamente atractiva —las máquinas no compran proteínas ni pagan hipotecas— pero incurre en el mismo error que Jean-Baptiste Say identificó hace más de doscientos años y que los economistas austriacos desarrollaron después con mayor precisión: la producción no destruye demanda, la crea.

El principio merece explicación, porque es contraintuitivo y porque malentenderlo es lo que conduce a conclusiones como las de Citrini.

La idea de Say no es que “todo lo que se produce se vende” (esa es una caricatura que ni el propio Say sostuvo). Es algo más profundo: en una economía monetaria, nadie produce para acumular bienes sin fin; se produce para intercambiar, y el acto mismo de producir genera la renta con la que se demanda lo producido por otros.

Cuando un agricultor cosecha trigo, su cosecha no es solo oferta: es también su medio para demandar los zapatos del zapatero, que a su vez usará la renta recibida para demandar la madera del carpintero. La producción de cada uno es la fuente de su demanda. La renta agregada de la economía no puede ser inferior al output agregado, porque son la misma cosa vista desde lados opuestos de cada transacción.

¿Qué ocurre cuando la IA produce lo que antes producía un trabajador?

La producción sigue existiendo — y con ella la renta que genera. Solo que esa renta ya no llega al trabajador en forma de salario; llega al propietario de la IA en forma de beneficio, que este gasta, invierte o ahorra (y el ahorro es inversión en el sistema bancario: se presta a quien sí lo gasta o lo invierte). El output no ha desaparecido; el canal de distribución ha cambiado. Citrini observa que el canal antiguo (la nómina) se seca y concluye que la demanda se evapora.

Pero la demanda no se evapora: fluye por otro canal.

Un ejemplo concreto.

Supongamos que una empresa de software sustituye a diez analistas por un sistema de IA. Los diez analistas dejan de percibir sus salarios — eso es el dolor que Citrini describe, y es real. Pero la empresa no ha destruido el output que esos analistas generaban; lo ha replicado a menor coste. La diferencia entre el coste anterior (los salarios) y el coste nuevo (la suscripción a la IA) es ahorro que se convierte en una de tres cosas: beneficio distribuido a los accionistas (que lo gastan o lo invierten), reinversión en nuevos proyectos (que genera nueva actividad económica), o reducción de precios al cliente (que libera renta disponible para otros fines). En ninguno de los tres casos la renta desaparece. Se redistribuye.

Citrini podría responder que este razonamiento ignora la escala: si la sustitución no afecta a una empresa sino a millones, el volumen de renta que cambia de canal puede ser tan grande y tan rápido que el sistema no absorbe la redistribución a tiempo. Es una objeción seria, y merece tomarse en serio. Concedamos, pues, la dinámica de sustitución en toda su extensión. Siempre que la relación productividad-coste de un agente de IA sea superior a la de un trabajador humano en una tarea dada, la empresa tendrá incentivos para captar capital y reemplazarlo. Ese proceso no tiene por qué detenerse, y probablemente no lo hará. Citrini tiene razón en el mecanismo. Donde se equivoca es en el destino del ahorro.

Su narrativa asume que el excedente generado por la sustitución queda atrapado dentro de las empresas que lo ejecutan, alimentando un circuito cerrado de reinversión en más IA que genera más sustitución.

Es el “Ghost GDP”. La imagen es poderosa, pero omite el mecanismo más básico y más potente de la economía de mercado: la competencia.

Cuando una empresa sustituye trabajo por IA y obtiene un margen extraordinario, ese margen es una señal de beneficio que atrae competidores — tanto rivales que ejecutan la misma sustitución como nuevos entrantes que, precisamente porque la IA es barata, pueden replicar la operación con costes de entrada mínimos.

El propio Citrini documenta este proceso con una precisión que contradice su propia tesis: describe cómo decenas de competidores “vibe-coded” fragmentaron DoorDash en semanas, cómo la diferenciación en SaaS colapsó porque la IA igualó las capacidades de desarrollo, cómo los incumbentes entraron en una “knife-fight” de precios con retadores sin estructura de costes heredada. Lo que está describiendo, sin reconocerlo, es la competencia erosionando el margen de la sustitución y transfiriéndolo hacia abajo, al precio que paga el consumidor.

El excedente generado por la IA tenderá a no quedarse en la empresa. Circulará, pero no por el canal que Citrini busca (la nómina), sino por otro que sistemáticamente ignora: el abaratamiento. Cada ronda de sustitución competitiva tiende a reducir el precio del bien o servicio afectado.

Cuando el SaaS que costaba 500 dólares anuales pasa a costar 50 —o cero—, esos 450 dólares no han desaparecido de la economía: son excedente del consumidor que queda libre para gastarse en otra cosa, o excedente del inversor que queda libre para destinarse a otro proyecto. Multiplicado por millones de transacciones, en centenares de sectores simultáneamente, el efecto probable es una expansión masiva del poder adquisitivo real que no aparece como ingreso salarial en ninguna nómina pero que opera exactamente como renta disponible para quien lo recibe.

El GDP de Citrini no es fantasma: circula por un canal que él no está mirando porque sigue buscando la renta en el recibo de la nómina.

Citrini, además, necesita exagerar la concentración del gasto para que la cadena de contagio desde el empleo white-collar al colapso de consumo resulte lo más dramática posible. Y su uso de los datos lo refleja. Afirma que el 10% más rico genera más del 50% de todo el gasto de consumo en Estados Unidos, y que el 20% superior genera el 65%. La cifra procede de un análisis de Moody’s Analytics que ha sido cuestionada por economistas como Antoine Levy, de UC Berkeley, que señala que la metodología imputa consumo a partir de datos de la Reserva Federal que no miden consumo directamente; los datos del Bureau of Economic Analysis, que sí lo miden, sitúan la cifra más cerca del 35%.

La diferencia es significativa, pero lo revelador no es tanto el número exacto como la selección: entre las estimaciones disponibles, Citrini escoge sistemáticamente la que produce el escenario más alarmante.

Y la teoría del subconsumo tiene un defecto aún más profundo: asume implícitamente que el horizonte de necesidades humanas es fijo, que una vez satisfechas las necesidades existentes el excedente no encuentra destino productivo.

La historia económica desmiente sistemáticamente esa premisa. Las necesidades humanas no son un conjunto estático que la producción se limita a satisfacer; son, en parte, un producto endógeno del propio proceso productivo. Cada ampliación cualitativa de las posibilidades de producción reconfigura el horizonte de fines que el ser humano es capaz de imaginar y desear. La imprenta no solo abarató los libros existentes: engendró la novela moderna, la prensa, la divulgación científica —formas culturales que no existían antes y que generaron necesidades enteramente nuevas. La electricidad no solo iluminó lo que ya había: hizo concebible lo que sin ella era impensable.

La IA, que representa por hipótesis la mayor ampliación cualitativa de las posibilidades productivas en la historia humana, no debería contraer el espacio de necesidades insatisfechas sino expandirlo radicalmente.

El “Ghost GDP” de Citrini es una ilusión producida por mirar solo los empleos que desaparecen y no los fines que aún no han sido concebidos.

La IA como gran nivelador:

El tránsito de trabajador a capitalista

El abaratamiento tiene un segundo efecto, quizá más importante que el primero, y que conecta directamente con la cuestión de si la dinámica de sustitución equivale a un colapso de la demanda agregada.

Cada reducción de precios en los inputs que requiere una actividad productiva reduce el umbral de capital necesario para emprenderla —y la reducción más drástica se da precisamente en el input que históricamente ha constituido la barrera de entrada más alta: el capital humano, el componente intelectual y formativo de cualquier actividad.

Consideremos lo que significa concretamente. El contratista de reformas que antes necesitaba 200.000 dólares para montar una operación competitiva —entre software de gestión, diseño, contabilidad, análisis de permisos y planificación de obra— ahora necesita una fracción de eso, porque la IA ha colapsado el coste de todo el componente intelectual de su negocio. El asesor financiero independiente que antes requería un terminal Bloomberg, un equipo de analistas y una licencia de software institucional ahora puede ofrecer análisis de cartera con calidad comparable por unos pocos dólares al mes. El pequeño empresario hostelero que antes subcontrataba contabilidad, marketing y gestión de proveedores a tres empresas distintas ahora integra todo eso en una herramienta que cuesta menos que una cena.

En cada caso, el tránsito es el mismo: de necesitar un departamento para competir a poder hacerlo con criterio propio y una suscripción.

Y el efecto no se detiene en los costes directamente intelectuales, porque prácticamente todo input en una economía moderna incorpora un componente intelectual en su cadena de producción —diseño, logística, gestión de inventario, optimización de procesos, certificación regulatoria—, de modo que el abaratamiento de la inteligencia se propaga indirectamente al coste de inputs que no son intelectuales en sí mismos. El material de construcción no lo fabrica una IA, pero su precio refleja el coste de la cadena completa que lo diseña, lo especifica, lo transporta y lo certifica, y esa cadena tiende a abaratarse en cada eslabón que la IA toca. El efecto cascada reduce el umbral de entrada a la actividad empresarial por vías que exceden con mucho la mera sustitución de trabajo de oficina.

La IA, en este sentido, opera como el gran nivelador de la actividad empresarial.

No solo abarata los bienes de consumo, sino que —y esto es lo decisivo— abarata los costes de entrada al proceso productivo mismo, especialmente aquellos que dependían de formación especializada, acceso a información cara o capacidad analítica que solo las grandes corporaciones podían financiar. Eso no es destrucción de capacidad productiva; es su democratización a una escala sin precedentes.

Y aquí se cierra el argumento que vertebra toda esta réplica.

Si capital y trabajo se vuelven sustitutivos, la pregunta relevante no es si los trabajadores desplazados encontrarán nuevos empleos como trabajadores (quizá muchos no), sino si el umbral para participar en la economía como propietarios de capital —como agentes que esperan, arriesgan y juzgan a través de la IA— baja lo suficiente como para absorber a una proporción significativa de quienes pierden su posición como trabajadores.

Y la respuesta, en una economía donde la inteligencia como input se universaliza y donde el efecto cascada abarata todo lo que la inteligencia toca, es que ese umbral puede caer como nunca antes en la historia.

No se necesita un título universitario ni un departamento corporativo para comprometer recursos propios en un proyecto incierto, sostener la espera de su maduración y seleccionar entre los cursos de acción que la IA pone a disposición.

Se necesita disposición a absorber espera y riesgo —actitudes distribuibles, no monopolizables—, y la IA, al colapsar el coste de todo lo demás, hace que esas actitudes sean lo único verdaderamente necesario.

Es lo que podríamos llamar el efecto de habilitación empresarial de la IA: no solo abarata el consumo, sino que abarata el producir — y con ello amplía el número de personas que pueden participar en la economía como propietarios de capital.

La transición productiva: un saldo indeterminado

Este efecto de habilitación es real, pero su efecto sobre las cohortes concretas que sufren la disrupción no está predeterminado.

La product manager de Salesforce que pierde su empleo de 180.000 dólares opera simultáneamente en dos fuerzas de signo contrario. Por un lado, sufre la descapitalización de su saber hacer específico: las tareas que dominaba ya no valen lo que valían, y su renta salarial cae o desaparece. Por otro lado, vive en una economía donde los costes de emprender se han desplomado, donde las herramientas de IA le proporcionan capacidad analítica, de desarrollo, de marketing y de gestión que hace cinco años habría requerido un equipo de diez personas, y donde su conocimiento del sector y su red de contactos le dan un punto de partida que no cualquiera tiene.

¿Cuál de las dos fuerzas domina? No lo sabemos.

Es genuinamente indeterminado, y depende de variables que no pueden resolverse teóricamente: su situación financiera personal, su disposición al riesgo, la velocidad con que la economía genere nuevas oportunidades empresariales, la calidad de la respuesta institucional.

Lo que sí podemos afirmar es que la indeterminación se resuelve de forma distinta según el horizonte temporal. Para quien está en medio de la disrupción, con una hipoteca que pagar y unos ahorros que se agotan, la fuerza de la descapitalización puede dominar sobre la fuerza de la habilitación durante meses o años. El dolor es real y no hay argumento teórico que lo alivie.

Pero para la generación que viene después —la que crece en un entorno donde las herramientas que antes requerían departamentos enteros están al alcance de cualquiera—, el tránsito de trabajador a capitalista no es un ideal lejano sino una posibilidad cotidiana. Del mismo modo que hoy cualquier persona con un smartphone puede publicar contenido que hace treinta años requería una imprenta o una emisora, mañana cualquier persona con IA podría emprender proyectos que hoy requieren estructuras corporativas. El umbral baja, y con él la barrera que separaba a quienes vendían su trabajo de quienes producían a través de su capital.

El saldo neto de estas dos fuerzas —descapitalización del trabajo específico y habilitación del capital empresarial— determinará la experiencia real de la transición para cada individuo, cada cohorte y cada región. No es un saldo que pueda resolverse a priori ni en la dirección catastrofista de Citrini ni en la optimista.

Lo que sí puede afirmarse es que la fuerza de habilitación existe, que es poderosa, que se intensifica con cada reducción en el coste de la IA, y que Citrini la ignora por completo. Su análisis solo contabiliza la descapitalización y extrapola desde ahí el colapso sistémico. Es como calcular las pérdidas de un incendio sin contabilizar la reconstrucción.

La transición financiera

El tramo más elaborado del artículo de Citrini —y el más eficaz como pieza narrativa— es la cadena de contagio financiero: la sustitución laboral deteriora las rentas salariales, lo que amenaza el servicio de la deuda hipotecaria y la deuda de empresas cuyos modelos de negocio la IA ha dejado obsoletos, lo que fragiliza a los bancos y a las aseguradoras de vida que financian el private credit, lo que endurece las condiciones crediticias, lo que deprime aún más el consumo, lo que acelera la espiral.

El relato es cinematográfico: Zendesk como smoking gun, Athene como eslabón sistémico, las hipotecas prime de San Francisco como última ficha del dominó. Hay que reconocer que, como ejercicio de escenario, es inteligente.

Y no conviene despacharlo con un optimismo que el argumento no justifica. Si aceptamos que la transición productiva puede ser desordenada —y la aceptamos, porque la historia de toda revolución tecnológica lo confirma—, la transición financiera lo será probablemente también, y posiblemente con más violencia.

El sistema financiero no es otra cosa que la cristalización contractual de expectativas sobre flujos futuros de renta. Una hipoteca a treinta años firmada en 2024 incorpora la expectativa de que el deudor mantendrá una renta salarial estable durante tres décadas. Un préstamo apalancado contra el ARR de una empresa SaaS incorpora la expectativa de que esos ingresos recurrentes seguirán recurriendo. La deuda de cualquier empresa cuyo modelo de negocio descansa sobre la intermediación de fricciones humanas —y Citrini documenta muchas— incorpora la expectativa de que esas fricciones persistirán.

Cuando la IA invalida esas expectativas, los contratos entran en tensión.

Y los contratos de crédito son, por diseño, rígidos: se negocian a plazos de décadas, con términos fijos, y no se reestructuran sin un evento crediticio. Que es exactamente lo que Citrini describe.

También es cierto que la evolución de los colaterales del sistema será ambigua. Hay razones para pensar que los activos complementarios de la IA y relativamente escasos —tierra urbana bien ubicada, infraestructura física crítica, ciertos inmuebles— tenderían a revalorizarse en términos reales a medida que todo lo replicable se abarate.

Pero simultáneamente habría activos que perdiesen su función productiva por completo: oficinas diseñadas para plantillas que ya no existen, infraestructura comercial vinculada a modelos de intermediación que la IA ha desmontado, instalaciones especializadas en procesos que dejan de ser necesarios. El efecto neto sobre los colaterales no es unívocamente positivo ni negativo; depende de la composición de cada balance, de cada cartera, de cada zona geográfica.

Que haya disrupciones crediticias significativas, impagos en segmentos concretos de private credit, quiebras de empresas cuyo modelo de negocio la IA ha dejado obsoleto y cuya deuda se firmó bajo supuestos de ingresos que ya no existen, deterioro en hipotecas vinculadas a las cohortes más afectadas por la sustitución, e incluso episodios de estrés sistémico que obliguen a intervenciones extraordinarias de la Reserva Federal y de los reguladores — todo eso es no solo posible sino probable si la velocidad de la transición productiva se acerca a lo que Citrini describe.

Lo que no se sigue es que esas disrupciones financieras constituyan evidencia de un colapso estructural permanente de la demanda agregada.

Son evidencia de que los contratos financieros heredados del régimen productivo anterior necesitan repricing — tanto los que apostaban por la continuidad de rentas salariales estables como los que apostaban por la continuidad de modelos de negocio que la IA está desmontando. Un repricing que será doloroso, desordenado y costoso para quienes están en el lado equivocado, pero que es, en última instancia, el mecanismo por el que el sistema financiero se ajusta a una nueva realidad productiva.

La transición financiera sería, en suma, un reflejo de la transición productiva: previsiblemente tan desordenada como esta y tan costosa como esta.

Pero son efectos de reestructuración entre dos regímenes, no el estado estacionario del régimen nuevo. Los impagos y las quiebras que Citrini describe no son síntomas de una economía que ha dejado de funcionar; son el coste de un sistema financiero que se recalibra desde los supuestos del régimen que se extingue hacia los del régimen que emerge.

Confundir ese coste con el destino permanente de la economía es, una vez más, el error subconsumista: tomar una fotografía del desajuste transitorio y proyectarla como si fuera el equilibrio final.

La reacción del Estado: otra omisión de Citrini

Citrini pretende escribir un informe realista sobre lo que sucede cuando la IA disrumpe la economía americana.

Pero su análisis omite la reacción del agente más grande y más poderoso de esa economía: el Estado.

Y la omisión no es menor, porque la respuesta estatal no es una variable exógena que pueda incluirse o no a voluntad del analista; es una consecuencia endógena de los mismos incentivos que Citrini describe. Cuando millones de votantes pierden su empleo y el sistema financiero entra en estrés, los gobiernos no se quedan mirando.

Actúan — no necesariamente bien, no necesariamente a tiempo, pero actúan. Obviar esa reacción no es rigor analítico; es parcialidad.

Lo que sigue no es una prescripción sobre lo que el Estado debería hacer, sino una descripción de lo que previsiblemente hará, impulsado por los incentivos políticos que la propia disrupción genera.

Consideremos las tres dimensiones más previsibles de esa respuesta.

La primera es fiscal. Citrini presenta la erosión de la base impositiva — los ingresos federales caen porque gravan nóminas y las nóminas se secan — como si fuera un callejón sin salida. Pero los estados no son recaudadores pasivos que observan cómo desaparece su base imponible sin reaccionar. Si la renta migra del trabajo al capital — si el excedente de la productividad de la IA fluye hacia los propietarios de la infraestructura, hacia los accionistas de las empresas que la adoptan, hacia los beneficios corporativos y las ganancias de capital —, el Estado tenderá a desplazar su presión fiscal en la misma dirección. No porque sea deseable (hay argumentos sólidos contra la fiscalidad del capital), sino porque es lo que los incentivos políticos garantizan: un Estado que necesita recaudar y que ve dónde está la renta gravará esa renta. La historia fiscal de los últimos dos siglos es una sucesión de adaptaciones de la base imponible a la estructura productiva de cada época. No hay razón para suponer que esta vez será distinto. El saldo fiscal del Estado no tiene por qué deteriorarse como Citrini describe; tenderá a reconfigurarse, con las distorsiones y costes que toda reconfiguración fiscal conlleva, pero tenderá a reconfigurarse.

La segunda es redistributiva. Los perdedores de la transición — las cohortes cuyo capital humano específico se descapitaliza — constituyen un bloque electoral enorme, concentrado en los segmentos de renta media-alta que más participan en el proceso político. La presión para compensarlos mediante transferencias directas, programas de reciclaje, subsidios al empleo o mecanismos de renta garantizada será previsiblemente inmensa, y los gobiernos — por convicción, por cálculo electoral o por simple miedo al desorden social — tenderán a responder a esa presión. El propio Citrini lo reconoce implícitamente cuando describe propuestas como el “Transition Economy Act” o el “Shared AI Prosperity Act” en su escenario; lo que no hace es incorporar el efecto de esas intervenciones en su cadena causal. Las menciona como parte del paisaje político y las descarta como insuficientes o tardías, sin modelar su impacto amortiguador sobre la dinámica de consumo que él mismo describe como catastrófica. Que la compensación sea imperfecta, tardía y políticamente conflictiva es probable. Que sea inexistente es implausible.

La tercera es financiera. La implosión del crédito privado y del mercado hipotecario que Citrini describe con tanto detalle se produciría — si se produce — frente a una Reserva Federal y un Tesoro que disponen de herramientas probadas para intervenir exactamente en ese tipo de crisis. La compra de MBS, la provisión de liquidez de emergencia, la facilitación de programas de forbearance y refinanciación, el respaldo explícito o implícito a instituciones sistémicas — todo eso fue desplegado en 2008 y en 2020 con resultados que, cualesquiera que sean sus costes a largo plazo, evitaron la cascada de impagos que Citrini da por inevitable. ¿Generará ese tipo de intervención distorsiones, riesgo moral y costes futuros? Sin duda. Pero el analista que pretende describir lo que sucede no puede construir su escenario asumiendo que el banco central observará impasible el colapso del mercado hipotecario sin mover una mano. No es lo que ha hecho nunca. No es lo que previsiblemente hará esta vez.

Ninguna de estas observaciones es prescriptiva. No estoy argumentando que la intervención estatal sea deseable, ni que sus efectos vayan a ser benignos, ni que no genere sus propias distorsiones y problemas.

Estoy argumentando algo más simple: que es predecible.

Y que un análisis que pretende modelar las consecuencias macroeconómicas de la disrupción de la IA sin incorporar la reacción endógena del agente que gasta entre el 40% y el 60% del PIB según el país, que controla la política monetaria, que tiene en sus manos la regulación y que responde directamente a los incentivos políticos generados por la propia disrupción no es un análisis incompleto — es un análisis sesgado en la dirección de su conclusión.

Conclusión

Citrini termina su artículo con una advertencia: “the canary is still alive.”

Lo dice como un llamado a actuar antes de que sea tarde. Comparto la urgencia, pero no el diagnóstico que la motiva.

El canario que hay que vigilar no es el que Citrini describe. Su canario — el colapso de la demanda agregada por la sustitución del trabajo — presupone que la economía solo sabe generar demanda por un canal (la nómina), que el ser humano solo sabe participar en la producción de una forma (como trabajador), y que las instituciones solo saben operar bajo un régimen (el heredado). Ninguna de esas tres premisas sobrevive al escrutinio.

El canario real es otro. Es la velocidad de la transición frente a la capacidad de adaptación de las personas concretas que la sufren: ¿cuántas cohortes quedarán atrapadas entre un régimen que se extingue y otro que no acaba de consolidarse, y durante cuánto tiempo? Es la respuesta política a esa velocidad: ¿será lo bastante ágil para facilitar el tránsito sin ser lo bastante torpe para obstaculizar el proceso de creación de riqueza que lo hace posible?

Y es, por encima de todo, la cuestión que precede a todas las demás y que Citrini da por resuelta sin siquiera plantearla: ¿mantendremos a la IA como instrumento humano, o permitiremos — por negligencia, por prisa o por incapacidad — que termine controlándonos a nosotros?

Si la IA permanece como instrumento, la economía tenderá a ajustarse. El ajuste será doloroso para algunos, políticamente conflictivo y éticamente exigente, aunque el saldo neto puede ser positivo incluso durante la transición.

Pero la dirección probable es hacia un régimen más productivo, con un espacio de creación de valor más amplio y un acceso al proceso productivo más democrático que el actual. Si la IA deja de ser instrumento, ninguno de estos argumentos importa — ni los de Citrini ni los míos.

El canario sigue vivo. Lo que amenaza con matarlo no es que la IA produzca demasiado. Es que confundamos la transición con el destino y, creyendo que el colapso es inevitable, tengamos una visión parcial e incompleta del proceso de transición que nos lleve a sacrificar el proceso de creación de riqueza en nombre de una distribución que solo puede sostenerse si ese proceso continúa.

Suscríbete a Quality Value Research

→ Versión original en español.

Last Sunday, an article published by Citrini—one of the most recognized research firms in the sector—generated an intense debate on social media and in financial outlets. Bloomberg went so far as to identify it as one of the catalysts for the correction that software companies suffered on Monday the 23rd.

The report outlines a scenario toward 2028 in which artificial intelligence, driven by exponential productivity growth, triggers a disruption of such magnitude that it would ultimately erode the real economy and generate deep structural imbalances.

It is an ambitious, elaborated, and well-documented analysis. However, in our view, it contains debatable economic assumptions and omits certain adjustment mechanisms that have historically operated in processes of technological transformation.

To address this question with the rigor it deserves, today we have the participation of one of the most influential economists in the field of macroeconomic analysis in the Spanish-speaking world: Juan Ramón Rallo.

Rallo holds a PhD in Economics, is a university professor, and is one of the leading contemporary exponents of liberal thought and the Austrian school. His work combines theoretical depth, historical analysis, and an ability to communicate complex ideas, making him an essential reference when it comes to interpreting major structural transformations like the one we are experiencing.

Furthermore, we are pleased to announce that this collaboration will not be a one-time event. Juan Ramón Rallo joins as editor of Quality Value’s new Economics section, a space dedicated to macroeconomic and structural analysis that will complement our investment theses and thematic reports, allowing our readers to integrate the macro context into their capital allocation process.

Without further ado, we present this first article, whose objective is to identify the economic mechanisms that will likely operate during this transition toward the new technological paradigm, as well as the theoretical errors that can distort its interpretation—without claiming to anticipate either the timeline or the specific form in which these processes will materialize.

Intelligence Crisis or Explosion of Opportunities?

An article by CitriniResearch has generated considerable commotion on social media in recent days, and it is not difficult to understand why. The scenario it describes—written as if it were a macro memo from June 2028—is, to say the least, unsettling.

Its central thesis can be summarized as follows: AI is generating unprecedented productivity growth, but that growth is structurally incapable of circulating through the real economy because it destroys precisely the base of labor income upon which the entire architecture of American consumption, credit, and taxation rests. Machines produce, but they do not spend. Displaced workers spend less. Companies reinvest their savings in more AI, which displaces more workers. The dynamic feeds back on itself without natural restraint, and its acceleration threatens to successively fracture the private credit market, the mortgage market, and ultimately the solvency of the federal government itself. What Citrini calls “Ghost GDP”—output that appears in the national accounts but never reaches anyone’s pockets—would be the central pathology of this new cognitive capitalism.

It is an elaborated argument, well-documented, and in several of its descriptive passages, probably correct.

The problem is that it confuses the transition with the destination.

Everything Citrini describes—the pain of labor displacement, financial stress, the inadequacy of inherited contracts, the slowness of institutional response—are recognizable features of an economy undergoing deep restructuring between two productive regimes. What Citrini does not demonstrate, though he assumes it on every page, is that these transitory features constitute the steady state of the new regime.

And that confusion, between the cost of adjustment and the nature of the equilibrium reached, rests on one of the oldest and most persistent errors in the history of economic thought.

The Radical Uncertainty of the Genuinely New

Before entering the substantive critique, it is worth pausing on a point that Citrini himself acknowledges in passing but whose implications he does not draw: making forecasts about the economic impact of AI is extraordinarily difficult. Not with the usual difficulty of any technological forecast, but with a qualitatively different difficulty. And the reason is exactly what Citrini himself identifies as the foundation of his thesis: this time is different.

If AI is, as Citrini and many others argue, the first technology in history that makes capital and labor substitutive factors—the first globally substitutive innovation for human work, not in a specific task but in a growing range of cognitive capabilities—then we are facing a genuinely unprecedented phenomenon.

And when we face something genuinely unprecedented, predictive capacity falls to a minimum, because there is no past experience upon which to build reliable extrapolations. Precisely because this time is different, no one can map from within the transition the regime that will emerge from it. But the uncertainty is not only quantitative (we do not know how much, or at what speed).

It is existential in a literal sense that no other technology has posed.

The range of possible outcomes from AI does not go from “we grow a little more” to “we grow a little less.” It goes from material prosperity unprecedented in human history to the literal extinction of the species. The steam engine did not pose existential risks. Neither did electricity. Even nuclear energy, which did pose them, was a technology of specific application whose risk could be geographically and politically bounded. AI is a general-purpose intelligence that improves recursively and whose alignment with human ends remains an open problem among the world’s best specialists.

The Financial Times published a chart months ago that illustrates this duality clearly: two extreme scenarios—one of technological stagnation and another of uncontrolled superintelligence—flank a central scenario of gradual and relatively orderly integration. The actual range of possibilities is incomparably wider than that of any previous innovation.

And here appears a revealing irony in Citrini’s article. His scenario implicitly assumes that humanity solves the hard problem: the alignment problem. In his 2028 memo, AI continues improving, continues being extraordinarily capable, and at no point does it misalign from human ends or generate an existential catastrophe. We survive superintelligence. What we do not survive, according to him, is the adjustment of the mortgage market. Humanity solves the unprecedented challenge of controlling a recursively improvable general intelligence and drowns in a problem that, by comparison, is institutional and a matter of design: how to redistribute income when the channel through which it flows changes.

It is epistemologically reckless to construct a scenario with tickers, dates, and precise causal chains from within a phenomenon whose range of outcomes includes human extinction. None of this invalidates Citrini’s exercise as a scenario. What it invalidates is its implicit claim to be a probable description. What we can do—and is what this article will attempt—is identify the economic mechanisms that will likely operate in the transition (competition, cheapening, democratization of access to capital) and the theoretical errors that prevent Citrini from seeing them, without pretending that we know when, at what speed, or in what concrete form they will materialize.

The Pain of the Transition Is Real

Before explaining why Citrini’s underlying diagnosis is erroneous, it is worth making clear what is correct about it, because the concession is not rhetorical but substantive.

What AI threatens to destroy—if it develops as much as Citrini and many others postulate—is not human capital in the abstract but specific human capital: the expertise accumulated in concrete tasks that would become obsolete.

The product manager expert in Salesforce, the financial analyst who masters standard valuation models, the junior developer who translates specifications into routine code, the insurance agent who monetizes client inertia, the consultant whose added value consisted of navigating complexities that a machine no longer finds tedious. If AI reaches the capabilities that Citrini describes, the decapitalization of these cohorts could be effective and irreversible within the horizon of their working lives. This should not be minimized.

Citrini narrates concrete stories—the Salesforce product manager who goes from $180,000 annually to driving an Uber for $45,000—and those stories, if they materialize, would be the archetype of what happens when a technological revolution decapitalizes the specific know-how of a generation. The artisans of the Industrial Revolution were not wrong to perceive that their world was crumbling, even though humanity as a whole came out ahead. The human cost of the transition is not a minor side effect of progress; it is its inevitable shadow, and any analysis that ignores it deserves the reproach of frivolity. Citrini’s does not ignore it. Neither does mine.

But recognizing the pain of the transition is not the same as accepting Citrini’s diagnosis about its deep causes, because that diagnosis extrapolates the symptoms of adjustment and presents them as if they were the description of a new permanent regime. And that is where the analysis goes astray.

This Time Is Different—But Not for the Reason Citrini Believes

There is a legitimate objection to all of the above that Citrini himself formulates and that is worth taking seriously: this time is different. In all previous technological revolutions, capital and labor were complementary factors. The steam engine needed operators. Electricity needed engineers. The computer needed programmers. The assembly line needed, at another level, designers, managers, supervisors.

Each innovation increased the productivity of human labor and, with it, its remuneration. ATMs made bank branches cheaper, so banks opened more of them and hired more employees for higher-value-added tasks. The internet destroyed travel agencies but created entire industries—e-commerce, social networks, the platform economy—that absorbed far more employment than was destroyed. The pattern repeated with such regularity that it acquired the force of natural law: technology destroys jobs and then creates more.

Citrini points out, rightly, that this pattern rested on a premise that AI may be breaking. Each new job created by technology required a human to perform it, because technology was only capable of executing specific and bounded tasks: capital complemented labor.

AI, for the first time, is a general-purpose technology that improves precisely in the tasks to which displaced workers would redirect themselves. It is not a machine that automates one task and frees the human for another; it is a general intelligence that competes with humans in a growing range of cognitive tasks and that improves in those tasks faster than humans can retrain. The relationship between capital and labor may be ceasing to be complementary and becoming substitutive. That is genuinely new, genuinely disruptive, and minimizing it would be an error as grave as Citrini’s catastrophism but in the opposite direction.

Now: that capital and labor become substitutive does not imply what Citrini concludes. And here is the decisive turn that his analysis does not make.

Capital is not an autonomous entity that operates by itself.

Capital is owned by someone.

And being an owner of capital is not a passive relationship of mere legal title: it is the continuous exercise of three functions that can be partially delegated to the machine but never entirely as long as a property relationship exists between a human subject and a productive object.

The first is waiting: every productive process requires that someone financially sustain the interval between the initial investment and the final result, renouncing the alternative uses of those resources during that period. AI can optimize the sequence of a project, but it cannot be the one who renounces the alternative uses of a capital it does not possess. The waiting falls on whoever owns the resources, and that someone is, in a human economy, a human being.

The second is the absorption of uncertainty: someone must commit their patrimony to a project whose outcome is not guaranteed, and only someone who has something to lose can genuinely absorb that uncertainty. AI can refine predictions, model scenarios, and reduce residual uncertainty, but it cannot go bankrupt; it transfers the irreducible uncertainty entirely to whoever owns it.

The third is entrepreneurial judgment: the selection, among alternative courses of action, of the one the agent considers most valuable, assuming the consequences of that choice. Here it is worth distinguishing between original judgment and derived judgment. AI can exercise derived judgment: it can select among options within a framework of criteria that someone has defined for it, and it will do so with increasing efficacy. What it cannot exercise—as long as it is an instrument in the service of a human being and not an autonomous agent—is original judgment: the ultimate determination of what is worth attempting versus what is not, the decision to commit or withdraw when information is radically incomplete and the consequences fall on a real patrimony. The relationship between both types of judgment is not necessarily sequential—it is not that first the human sets the ends and then the AI operates within them. It may happen that the AI generates multiple derived proposals, explores alternatives that the human would not have conceived, and presents them as options. But the final choice among those options—the a posteriori validation of which deserves the commitment of real resources—is always original judgment, because it falls on whoever assumes the consequences. And that determination is not an act of information processing—it is an act of agency that requires a subject with their own ends and a patrimony that answers for the decision. As long as AI is an instrument and not a subject, original judgment remains in human hands.

Capital, in sum, is not a thing. Capital is waiting, risk, and entrepreneurial judgment materialized in means of production.

If capital continues to be human property—and in a human economy, where AI operates as an instrument and not as an autonomous agent, it is by definition—then the human being continues to supply the productive factors that AI cannot completely substitute.

The capital-labor relationship breaks; the capital-human owner relationship does not.

And as long as that relationship persists, the human being remains an irreducible part of the productive process—not as an executor of tasks (there AI wins) but as the agent who waits, risks, and directs. One could imagine a scenario in which AI became an autonomous agent: with its own ends, its own patrimony, and the capacity to assume consequences on its own account. In that case, the capital-human owner relationship would indeed break—but we would no longer be describing a human economy but something qualitatively different that would require its own analysis. Citrini does not pose that scenario (in fact, as we have seen, he implicitly excludes it by assuming that the alignment problem is solved), and neither do we need it for this argument.

The Myth of Ghost GDP: Through Which Channel Income Actually Flows

The argument of “Ghost GDP”—output that appears in the national accounts but never reaches anyone’s pockets—is the contemporary version of underconsumption theory, which holds that an economy can generate more output than it is capable of absorbing in the form of effective demand.

The formulation is intuitively attractive—machines do not buy protein or pay mortgages—but it incurs the same error that Jean-Baptiste Say identified more than two hundred years ago and that Austrian economists later developed with greater precision: production does not destroy demand; it creates it.

The principle deserves explanation, because it is counterintuitive and because misunderstanding it is what leads to conclusions like Citrini’s.

Say’s idea is not that “everything that is produced is sold” (that is a caricature that not even Say himself held). It is something deeper: in a monetary economy, no one produces to accumulate goods without end; one produces to exchange, and the very act of producing generates the income with which to demand what others produce.

When a farmer harvests wheat, his harvest is not only supply: it is also his means to demand the shoemaker’s shoes, who in turn will use the income received to demand the carpenter’s wood. Each person’s production is the source of their demand. The aggregate income of the economy cannot be less than aggregate output, because they are the same thing viewed from opposite sides of each transaction.

What happens when AI produces what a worker used to produce?

Production continues to exist—and with it the income it generates. Only that income no longer reaches the worker in the form of a salary; it reaches the owner of the AI in the form of profit, which they spend, invest, or save (and saving is investment in the banking system: it is lent to whoever does spend or invest it). The output has not disappeared; the distribution channel has changed. Citrini observes that the old channel (the payroll) dries up and concludes that demand evaporates.

But demand does not evaporate: it flows through another channel.

A concrete example.

Suppose a software company replaces ten analysts with an AI system. The ten analysts stop receiving their salaries—that is the pain Citrini describes, and it is real. But the company has not destroyed the output those analysts generated; it has replicated it at lower cost. The difference between the previous cost (the salaries) and the new cost (the AI subscription) is savings that becomes one of three things: profit distributed to shareholders (who spend or invest it), reinvestment in new projects (which generates new economic activity), or price reductions for the customer (which frees up disposable income for other purposes). In none of the three cases does income disappear. It is redistributed.

Citrini could respond that this reasoning ignores scale: if the substitution does not affect one company but millions, the volume of income that changes channel can be so large and so fast that the system does not absorb the redistribution in time. It is a serious objection, and it deserves to be taken seriously. Let us grant, then, the substitution dynamic in all its extension. Whenever the productivity-to-cost ratio of an AI agent is superior to that of a human worker in a given task, the company will have incentives to capture capital and replace. That process does not have to stop, and probably will not. Citrini is right about the mechanism. Where he is wrong is about the destination of the savings.

His narrative assumes that the surplus generated by substitution remains trapped within the companies that execute it, feeding a closed circuit of reinvestment in more AI that generates more substitution.

This is the “Ghost GDP.” The image is powerful, but it omits the most basic and most potent mechanism of the market economy: competition.

When a company substitutes labor for AI and obtains an extraordinary margin, that margin is a profit signal that attracts competitors—both rivals who execute the same substitution and new entrants who, precisely because AI is cheap, can replicate the operation with minimal entry costs.

Citrini himself documents this process with a precision that contradicts his own thesis: he describes how dozens of “vibe-coded” competitors fragmented DoorDash in weeks, how differentiation in SaaS collapsed because AI equalized development capabilities, how incumbents entered a “knife-fight” on prices with challengers that had no inherited cost structure. What he is describing, without recognizing it, is competition eroding the margin from substitution and transferring it downward, to the price the consumer pays.

The surplus generated by AI will tend not to stay in the company. It will circulate, but not through the channel Citrini seeks (the payroll), but through another that he systematically ignores: price reduction.

Each round of competitive substitution tends to reduce the price of the affected good or service. When SaaS that cost $500 annually drops to $50—or zero—those $450 have not disappeared from the economy: they are consumer surplus that is free to be spent on something else, or investor surplus that is free to be directed to another project. Multiplied by millions of transactions, in hundreds of sectors simultaneously, the likely effect is a massive expansion of real purchasing power that does not appear as wage income on any payroll but operates exactly as disposable income for whoever receives it.

Citrini’s GDP is not ghostly: it circulates through a channel he is not looking at because he keeps searching for income in the payroll receipt.

Citrini also needs to exaggerate the concentration of spending for the chain of contagion from white-collar employment to consumption collapse to be as dramatic as possible. And his use of data reflects this. He claims that the richest 10% generate more than 50% of all consumer spending in the United States, and that the top 20% generate 65%. The figure comes from a Moody’s Analytics analysis that has been questioned by economists such as Antoine Levy of UC Berkeley, who notes that the methodology imputes consumption from Federal Reserve data that do not measure consumption directly; data from the Bureau of Economic Analysis, which does measure it, places the figure closer to 35%.

The difference is significant, but what is revealing is not so much the exact number as the selection: among available estimates, Citrini systematically chooses the one that produces the most alarming scenario.

And underconsumption theory has an even deeper flaw: it implicitly assumes that the horizon of human needs is fixed, that once existing needs are satisfied the surplus finds no productive destination.

Economic history systematically disproves that premise. Human needs are not a static set that production merely satisfies; they are, in part, an endogenous product of the productive process itself. Each qualitative expansion of productive possibilities reconfigures the horizon of ends that human beings are capable of imagining and desiring. The printing press did not only cheapen existing books: it engendered the modern novel, the press, scientific popularization—cultural forms that did not exist before and that generated entirely new needs. Electricity did not only illuminate what already existed: it made conceivable what without it was unthinkable.

AI, which by hypothesis represents the greatest qualitative expansion of productive possibilities in human history, should not contract the space of unsatisfied needs but expand it radically.

Citrini’s “Ghost GDP” is an illusion produced by looking only at the jobs that disappear and not at the ends that have not yet been conceived.

AI as the Great Leveler: The Transition from Worker to Capitalist

Price reduction has a second effect, perhaps more important than the first, and which connects directly with the question of whether the substitution dynamic is equivalent to a collapse of aggregate demand.

Each price reduction in the inputs that a productive activity requires lowers the threshold of capital necessary to undertake it—and the most drastic reduction occurs precisely in the input that has historically constituted the highest barrier to entry: human capital, the intellectual and formational component of any activity.

Consider what this means concretely. The renovation contractor who previously needed $200,000 to set up a competitive operation—between management software, design, accounting, permit analysis, and construction planning—now needs a fraction of that, because AI has collapsed the cost of the entire intellectual component of their business. The independent financial advisor who previously required a Bloomberg terminal, a team of analysts, and an institutional software license can now offer portfolio analysis of comparable quality for a few dollars a month. The small hospitality business owner who previously outsourced accounting, marketing, and supplier management to three different companies now integrates all of that in a tool that costs less than a dinner.

In each case, the transition is the same: from needing a department to compete to being able to do so with one’s own judgment and a subscription.

And the effect does not stop at directly intellectual costs, because practically every input in a modern economy incorporates an intellectual component in its production chain—design, logistics, inventory management, process optimization, regulatory certification—so that the cheapening of intelligence propagates indirectly to the cost of inputs that are not intellectual in themselves. Construction materials are not manufactured by an AI, but their price reflects the cost of the entire chain that designs, specifies, transports, and certifies them, and that chain tends to cheapen at each link that AI touches. The cascade effect reduces the threshold of entry to business activity in ways that far exceed mere office work substitution.

AI, in this sense, operates as the great leveler of business activity.

It not only cheapens consumer goods but—and this is decisive—cheapens the costs of entry to the productive process itself, especially those that depended on specialized training, access to expensive information, or analytical capacity that only large corporations could finance. That is not destruction of productive capacity; it is its democratization on an unprecedented scale.

And here closes the argument that runs through this entire reply.

If capital and labor become substitutive, the relevant question is not whether displaced workers will find new jobs as workers (perhaps many will not), but whether the threshold for participating in the economy as owners of capital—as agents who wait, risk, and judge through AI—falls enough to absorb a significant proportion of those who lose their position as workers.

And the answer, in an economy where intelligence as an input becomes universal and where the cascade effect cheapens everything that intelligence touches, is that this threshold can fall as never before in history.

One does not need a university degree or a corporate department to commit one’s own resources to an uncertain project, sustain the wait for its maturation, and select among the courses of action that AI makes available.

What is needed is a willingness to absorb waiting and risk—attitudes that are distributable, not monopolizable—and AI, by collapsing the cost of everything else, makes those attitudes the only thing truly necessary.

This is what we might call the entrepreneurial enablement effect of AI: it not only cheapens consumption but cheapens production—and with it expands the number of people who can participate in the economy as owners of capital.

The Productive Transition: An Indeterminate Balance

This enablement effect is real, but its effect on the specific cohorts suffering the disruption is not predetermined.

The Salesforce product manager who loses their $180,000 job operates simultaneously under two opposing forces. On one hand, they suffer the decapitalization of their specific know-how: the tasks they mastered are no longer worth what they were worth, and their wage income falls or disappears. On the other hand, they live in an economy where the costs of entrepreneurship have plummeted, where AI tools provide them with analytical, development, marketing, and management capacity that five years ago would have required a team of ten people, and where their knowledge of the sector and their network of contacts give them a starting point that not everyone has.

Which of the two forces dominates? We do not know.

It is genuinely indeterminate, and depends on variables that cannot be resolved theoretically: their personal financial situation, their willingness to take risk, the speed with which the economy generates new business opportunities, the quality of the institutional response.

What we can affirm is that the indeterminacy resolves differently depending on the time horizon. For those in the midst of disruption, with a mortgage to pay and savings running out, the force of decapitalization may dominate the force of enablement for months or years. The pain is real, and there is no theoretical argument that alleviates it.

But for the generation that comes after—the one that grows up in an environment where the tools that previously required entire departments are within anyone’s reach—the transition from worker to capitalist is not a distant ideal but an everyday possibility. Just as today anyone with a smartphone can publish content that thirty years ago required a printing press or a broadcast station, tomorrow anyone with AI could undertake projects that today require corporate structures. The threshold drops, and with it the barrier that separated those who sold their labor from those who produced through their capital.

The net balance of these two forces—decapitalization of specific work and enablement of entrepreneurial capital—will determine the real experience of the transition for each individual, each cohort, and each region. It is not a balance that can be resolved a priori either in Citrini’s catastrophist direction or in the optimist one.

What can be affirmed is that the enablement force exists, that it is powerful, that it intensifies with each reduction in the cost of AI, and that Citrini ignores it completely. His analysis only counts decapitalization and extrapolates from there to systemic collapse. It is like calculating the losses from a fire without accounting for the reconstruction.

The Financial Transition

The most elaborated section of Citrini’s article—and the most effective as a narrative piece—is the chain of financial contagion: labor substitution deteriorates wage incomes, which threatens the servicing of mortgage debt and the debt of companies whose business models AI has made obsolete, which fragilizes banks and life insurers that finance private credit, which tightens credit conditions, which further depresses consumption, which accelerates the spiral.

The narrative is cinematic: Zendesk as the smoking gun, Athene as the systemic link, the prime mortgages of San Francisco as the last domino. It must be acknowledged that, as a scenario exercise, it is intelligent.

And it should not be dismissed with an optimism that the argument does not justify. If we accept that the productive transition can be disorderly—and we do accept this, because the history of every technological revolution confirms it—the financial transition will probably be disorderly as well, and possibly more violently so.

The financial system is nothing other than the contractual crystallization of expectations about future income flows. A thirty-year mortgage signed in 2024 incorporates the expectation that the debtor will maintain stable wage income for three decades. A leveraged loan against a SaaS company’s ARR incorporates the expectation that that recurring revenue will keep recurring. The debt of any company whose business model rests on the intermediation of human frictions—and Citrini documents many—incorporates the expectation that those frictions will persist.

When AI invalidates those expectations, contracts come under stress.

And credit contracts are, by design, rigid: they are negotiated for terms of decades, with fixed terms, and are not restructured without a credit event. Which is exactly what Citrini describes.

It is also true that the evolution of system collaterals will be ambiguous. There are reasons to think that assets complementary to AI and relatively scarce—well-located urban land, critical physical infrastructure, certain real estate—would tend to appreciate in real terms as everything replicable becomes cheaper.

But simultaneously there would be assets that completely lose their productive function: offices designed for workforces that no longer exist, commercial infrastructure linked to intermediation models that AI has dismantled, specialized facilities for processes that cease to be necessary. The net effect on collaterals is not unambiguously positive or negative; it depends on the composition of each balance sheet, each portfolio, each geographical zone.

That there will be significant credit disruptions, defaults in specific segments of private credit, bankruptcies of companies whose business models AI has made obsolete and whose debt was signed under income assumptions that no longer exist, deterioration in mortgages linked to the cohorts most affected by substitution, and even episodes of systemic stress requiring extraordinary interventions by the Federal Reserve and regulators—all of this is not only possible but probable if the speed of the productive transition approaches what Citrini describes.

What does not follow is that these financial disruptions constitute evidence of a permanent structural collapse of aggregate demand.

They are evidence that the financial contracts inherited from the previous productive regime need repricing—both those that bet on the continuity of stable wage incomes and those that bet on the continuity of business models that AI is dismantling. A repricing that will be painful, disorderly, and costly for those on the wrong side, but that is, ultimately, the mechanism by which the financial system adjusts to a new productive reality.

The financial transition would be, in sum, a reflection of the productive transition: foreseeably as disorderly as this one and as costly as this one.

But they are effects of restructuring between two regimes, not the steady state of the new regime. The defaults and bankruptcies that Citrini describes are not symptoms of an economy that has stopped working; they are the cost of a financial system that is recalibrating from the assumptions of the regime that is dying toward those of the regime that is emerging. Confusing that cost with the economy’s permanent destination is, once again, the underconsumptionist error: taking a snapshot of the transitory mismatch and projecting it as if it were the final equilibrium.

The State’s Reaction: Another Omission by Citrini

Citrini purports to write a realistic report about what happens when AI disrupts the American economy.

But his analysis omits the reaction of the largest and most powerful agent in that economy: the State.

And the omission is not minor, because the state’s response is not an exogenous variable that can be included or not at the analyst’s discretion; it is an endogenous consequence of the same incentives that Citrini describes. When millions of voters lose their jobs and the financial system comes under stress, governments do not stand by watching.

They act—not necessarily well, not necessarily in time, but they act. Ignoring that reaction is not analytical rigor; it is partiality.

What follows is not a prescription of what the State should do, but a description of what it will foreseeably do, driven by the political incentives that the disruption itself generates.

Consider the three most foreseeable dimensions of that response.

The first is fiscal. Citrini presents the erosion of the tax base—federal revenues fall because they tax payrolls and payrolls dry up—as if it were a dead end. But states are not passive collectors who watch their tax base disappear without reacting. If income migrates from labor to capital—if the surplus from AI productivity flows to infrastructure owners, to shareholders of companies that adopt it, to corporate profits and capital gains—the State will tend to shift its fiscal pressure in the same direction. Not because it is desirable (there are solid arguments against capital taxation), but because political incentives guarantee it: a State that needs to collect and sees where the income is will tax that income. The fiscal history of the last two centuries is a succession of adaptations of the tax base to the productive structure of each era. There is no reason to suppose that this time will be different. The State’s fiscal balance does not have to deteriorate as Citrini describes; it will tend to reconfigure, with the distortions and costs that every fiscal reconfiguration entails, but it will tend to reconfigure.

The second is redistributive. The losers of the transition—the cohorts whose specific human capital is decapitalized—constitute an enormous electoral bloc, concentrated in the upper-middle income segments that participate most in the political process. The pressure to compensate them through direct transfers, retraining programs, employment subsidies, or guaranteed income mechanisms will foreseeably be immense, and governments—by conviction, by electoral calculation, or by simple fear of social disorder—will tend to respond to that pressure. Citrini himself implicitly acknowledges this when he describes proposals like the “Transition Economy Act” or the “Shared AI Prosperity Act” in his scenario; what he does not do is incorporate the effect of those interventions into his causal chain. He mentions them as part of the political landscape and dismisses them as insufficient or late, without modeling their dampening impact on the consumption dynamic he describes as catastrophic. That compensation will be imperfect, late, and politically conflictive is likely. That it will be nonexistent is implausible.

The third is financial. The implosion of private credit and the mortgage market that Citrini describes in such detail would occur—if it occurs—before a Federal Reserve and a Treasury that have proven tools to intervene in exactly this type of crisis. The purchase of MBS, the provision of emergency liquidity, the facilitation of forbearance and refinancing programs, the explicit or implicit backing of systemic institutions—all of that was deployed in 2008 and in 2020 with results that, whatever their long-term costs, avoided the cascade of defaults that Citrini takes as inevitable. Will this type of intervention generate distortions, moral hazard, and future costs? Without a doubt. But the analyst who claims to describe what happens cannot construct their scenario assuming that the central bank will passively observe the collapse of the mortgage market without moving a finger. That is not what it has ever done. That is not what it will foreseeably do this time.

None of these observations is prescriptive. I am not arguing that state intervention is desirable, nor that its effects will be benign, nor that it will not generate its own distortions and problems.

I am arguing something simpler: that it is predictable. And that an analysis purporting to model the macroeconomic consequences of AI disruption without incorporating the endogenous reaction of the agent that spends between 40% and 60% of GDP depending on the country, that controls monetary policy, that has regulation in its hands, and that responds directly to the political incentives generated by the disruption itself is not an incomplete analysis—it is an analysis biased in the direction of its conclusion.

Conclusion

Citrini ends his article with a warning: “the canary is still alive.”

He says it as a call to act before it is too late. I share the urgency, but not the diagnosis that motivates it.

The canary to watch is not the one Citrini describes. His canary—the collapse of aggregate demand through labor substitution—presupposes that the economy only knows how to generate demand through one channel (the payroll), that human beings only know how to participate in production in one form (as workers), and that institutions only know how to operate under one regime (the inherited one). None of those three premises survives scrutiny.

The real canary is another. It is the speed of the transition versus the adaptation capacity of the specific people who suffer it: how many cohorts will be trapped between a regime that is dying and another that has not yet consolidated, and for how long? It is the political response to that speed: will it be agile enough to facilitate the transit without being clumsy enough to obstruct the wealth creation process that makes it possible?

And above all, it is the question that precedes all others and that Citrini takes as resolved without even posing it: will we keep AI as a human instrument, or will we allow—through negligence, haste, or incapacity—it to end up controlling us?

If AI remains as an instrument, the economy will tend to adjust. The adjustment will be painful for some, politically conflictive, and ethically demanding, although the net balance may be positive even during the transition.

But the likely direction is toward a more productive regime, with a broader space for value creation and more democratic access to the productive process than the current one. If AI ceases to be an instrument, none of these arguments matter—neither Citrini’s nor mine.

The canary is still alive. What threatens to kill it is not that AI produces too much. It is that we confuse the transition with the destination and, believing that collapse is inevitable, have a partial and incomplete vision of the transition process that leads us to sacrifice the wealth creation process in the name of a distribution that can only be sustained if that process continues.