Formato de impresión

Tres frenos a la inteligencia artificial en Europa 

2021-12-23

Mia Hofmann y Laura Nurski | Política Exterior 

Las carencias de mano de obra cualificada, datos y financiación limitan la innovación europea en inteligencia artificial.

Las deficiencias en Europa en cuanto a capital humano, datos y financiación disponible están frenando la adopción de la inteligencia artificial (IA) por parte de las empresas europeas. Estas mismas barreras también limitan la investigación y el desarrollo de la IA en Europa. El cuadro 1 muestra cómo las barreras en términos de competencias, financiación y datos entran en juego de forma diferente en cada una de las tres etapas de la innovación.

Ventajas en la investigación, desarrollo y difusión de la IA pueden generar beneficios económicos y geopolíticos. La rápida adopción de la IA en el sector privado promete ganancias de productividad y una ventaja competitiva en los mercados mundiales. La creciente demanda de tecnologías de IA generará beneficios económicos en los países que alberguen a los desarrolladores de productos de IA de vanguardia. El desarrollo de la IA también podría reforzar la autonomía estratégica, al reducir la dependencia de la tecnología extranjera y ofrecer oportunidades a los responsables políticos para dar forma a las normas internacionales. Asimismo, los países afiliados a los académicos que llevan a cabo investigaciones de vanguardia sobre IA pueden beneficiarse de la transferencia de conocimientos a los estudiantes y de los efectos indirectos en el sector privado, así como de la capacidad de establecer prioridades de investigación a través de la política. No es de extrañar que más de 30 países cuenten con estrategias nacionales de IA, entre ellos Estados Unidos y China.

Resultados de la innovación

Para medir los avances se necesitan diferentes parámetros para las tres etapas de la innovación: investigación, desarrollo y difusión. La investigación en IA puede considerarse un éxito cuando da lugar a citas en revistas y conferencias; el desarrollo de la IA puede considerarse un éxito cuando da lugar a patentes o unicornios, esto es, empresas de nueva creación valoradas en 1,000 millones de dólares o más; y la difusión de la IA puede considerarse un éxito cuando las empresas pilotan o integran la IA en sus operaciones. En cada una de estas áreas, Europa está teniendo menos éxito que sus homólogos internacionales, como muestra el primer gráfico. A ello contribuyen las deficiencias de Europa en materia de competencias, datos y financiación.

Disponibilidad de competencias

Una mano de obra cualificada es un factor clave para el avance tecnológico. Las universidades competitivas y el talento académico permiten a los países participar en la investigación de vanguardia. Los investigadores cualificados generan productividad y efectos indirectos de calidad para sus equipos y coautores. Se ha comprobado que unos niveles elevados de capital intelectual y de competencias impulsan el rendimiento de la innovación en las empresas de alta tecnología, y el número y el éxito de las empresas de nueva creación de IA dependen de los conocimientos especializados de sus fundadores. Por último, la disponibilidad de habilidades digitales entre el personal es fundamental para la adopción de la IA. Cuatro quintas partes de las empresas de la UE consideran que la falta de competencias en la mano de obra es un obstáculo fundamental para la adopción de la IA.

Las métricas mostradas en el segundo gráfico reflejan las dotaciones de habilidades de las tres economías para cada etapa de avance de la IA. La UE cuenta con una excelente base de competencias en términos de investigación en IA (columna 1), pero parece tener menos ventaja cuando se trata de aprovechar esta experiencia en el sector privado. El indicador de la intensidad de las competencias en las empresas muestra que la UE tiene de media menos de la mitad de investigadores de IA empleados en las principales empresas de IA que EU. Además, la capacidad de las empresas de la UE para adoptar sistemas de IA y ajustarlos a sus necesidades operativas se ve limitada por la relativamente baja disponibilidad de programadores e ingenieros de datos en el mercado laboral, según el número de títulos de informática (columna 3). En este caso, en consonancia con las estimaciones de adopción de la IA, la mano de obra china parece estar mejor equipada para atender las necesidades de las empresas.

Disponibilidad de datos

La disponibilidad de datos es el segundo motor importante del avance de la IA. La capacidad de procesar y almacenar enormes cantidades de datos ha sido uno de los principales propulsores de la investigación y desarrollo recientes en dicho terreno. En combinación con los avances en los sistemas informáticos escalables, la aparición de cantidades masivas de datos (públicos y privados) ha permitido explorar algoritmos básicos de IA –como el aprendizaje profundo y el aprendizaje por refuerzo– a una escala y un alcance sin precedentes. Sin embargo, para la adopción de la IA por parte de las empresas normales, la disponibilidad de datos internos de la empresa es un factor determinante más crucial, ya que las tecnologías de IA deben ajustarse al contexto específico de cada organización. Este ajuste algorítmico requiere la adopción de tecnologías “básicas” previas, como el almacenamiento de datos y la potencia de cálculo, ya que, a menos que los datos puedan ser recogidos, almacenados y transformados, las empresas no pueden comenzar a aprender de ellos o utilizarlos para apoyar la toma de decisiones inteligentes. Más de la mitad de las empresas de la UE han citado la falta de datos internos como un obstáculo mayor o menor para la adopción de la IA.

La disponibilidad de datos en formato digital viene determinada tanto por la cantidad de datos generados como por su accesibilidad para investigadores y empresas. Los grandes conjuntos de datos de productividad y los datos generados a partir de dispositivos y aparatos conectados pueden, por ejemplo, utilizarse para entrenar algoritmos de aprendizaje automático en entornos comerciales o industriales y son especialmente relevantes para la investigación y el desarrollo de la IA. La generación de datos en la UE es significativamente menor que en EU y China (tercer gráfico), probablemente debido a los bajos niveles de digitalización de las economías europeas. Por desgracia, la falta de información sobre la recogida de datos a nivel de empresa nos impide hacer comparaciones sobre la disponibilidad de datos internos.

Financiación de la IA

Intuitivamente, el acceso a la financiación es crucial para que las empresas de IA de nueva creación escalen y hagan realidad sus ideas. El capital de riesgo  parece ser especialmente adecuado para colmar esta laguna, ya que, además de proporcionar financiación, la inversión en capital riesgo se asocia a efectos beneficiosos en las operaciones de las empresas. Del mismo modo, las limitaciones financieras son una barrera importante para la adopción de la tecnología en las empresas que no se dedican a la IA. Las tecnologías complejas como la IA requieren importantes ajustes operativos y organizativos, cuyos costes pueden ser prohibitivos para algunas empresas. Los gobiernos que deseen estimular la adopción de la IA deberían considerar la posibilidad de conceder subvenciones o incentivos fiscales.

En comparación con sus homólogas estadounidenses y chinas, las empresas europeas se enfrentan a graves limitaciones presupuestarias en lo que respecta a la IA (cuarto gráfico). En 2020, los flujos de capital riesgo hacia las empresas emergentes de la UE representaban menos de una cuarta parte de los flujos hacia China, y menos de una décima parte de los de EU. Lo mismo ocurre con la inversión privada en IA. Según observatorio de políticas de IA de la OCDE, basado en 13 agencias gubernamentales, la financiación pública total de I+D en IA se situó en 3,600 millones de dólares en 2019, la gran mayoría representada por el gasto de EU y la UE (los datos sobre la inversión pública china en I+D no están disponibles para la comparación).

A la zaga de Estados Unidos y China

En comparación con China y EU, la falta de financiación parece ser la barrera más importante a la que se enfrenta Europa en general. La adquisición de la tecnología y la adaptación de los procesos operativos en torno a la IA resultan limitantes para las empresas normales. Las comparaciones internacionales se centran a menudo en el déficit de la UE en la inversión de capital riesgo en IA, que es crucial para el desarrollo de la IA. Pero para estimular la adopción de la IA entre las empresas normales no tecnológicas, los gobiernos podrían considerar mejor las deducciones fiscales o las subvenciones que apoyan la adquisición de tecnología de IA y servicios relacionados.

La falta de disponibilidad de conocimientos de IA parece ser el principal factor que frena la adopción final de la IA en las empresas normales. Las comparaciones internacionales muestran que, a pesar del gran número de investigadores académicos de IA de la UE, Europa no aporta la misma cantidad de mano de obra cualificada a las empresas privadas, lo que se traduce en una falta de científicos de datos cualificados que puedan dar a la IA un uso comercial práctico. Esto sugiere que el mercado laboral es una limitación vinculante para la adopción de la IA y un área a la que la UE y los Estados miembros deberían prestar atención. Los primeros pasos que hay que dar son mejorar las oportunidades de aprendizaje de los adultos y hacer que las competencias en materia de datos formen parte de más programas educativos.

Por último, en lo que respecta a la disponibilidad de datos, la generación de datos en la UE parece ir a la zaga de EU y China, como consecuencia del retraso en la transformación digital de las empresas y la administración pública en Europa. Mientras que el acceso a los datos externos (privados y públicos) es necesario para la investigación y el desarrollo de la IA, la disponibilidad de los datos internos de las empresas es más crucial para la adopción de la IA por parte de las empresas que no son de I+D, por ejemplo, el ajuste fino de los algoritmos de la IA para los fines de empresas específicas. Por tanto, los gobiernos deberían promover primero la digitalización de las empresas y la administración, y apoyar las inversiones necesarias para mejorar la preparación tecnológica necesaria para la adopción de la IA. A continuación, los responsables políticos pueden centrarse en la apertura de los datos públicos (anonimizados) y en la mejora de la accesibilidad y comparabilidad de los conjuntos de datos entre países.

Aliviar estas limitaciones más acuciantes en términos de competencias, financiación y datos contribuiría en gran medida a promover el avance de la IA en Europa.