Ejecutar sin transformar [I]

Infografía: de la inversión a la transformación productiva (fuente: elaboración propia asistido por ChatGPT)

Los fondos europeos constituyen una de las mayores intervenciones de inversión pública realizadas en España en las últimas décadas. Formalmente, dichos fondos tienen como objetivo hacer las economías «más sostenibles, resilientes y mejor preparadas para los desafíos y oportunidades de las transiciones ecológica y digital». Se trata por tanto de un objetivo en último término cualitativo. Sin embargo, la discusión sobre su impacto suele comenzar por cifras fácilmente observables y cuantificables: cuánto dinero ha recibido España, cuánto se ha adjudicado, cuánto se ha ejecutado y cuántos proyectos se han puesto en marcha. Cifras que responden principalmente a la pregunta de cuánto se ha utilizado de los recursos disponibles, pero no de cómo.

Una inversión puede ejecutarse completamente y producir actividad económica sin que la organización que la recibe se haya transformado con la adquisición de nuevas capacidades. Puede instalarse una tecnología sin que se incorpore todo el conocimiento necesario para utilizarla, adaptarla o desarrollarla. Puede aumentar la producción por trabajador sin que haya aumentado la capacidad productiva física de la instalación. El indicador de productividad del trabajo puede confundir una sobrecarga de la capacidad existente o de la carga absorbida por el empleado con mejoras reales de la capacidad productiva. Por eso, evaluar los fondos europeos exige seguir un proceso más largo que el que va desde la adjudicación hasta la ejecución. Hay que preguntarse qué ocurre con los recursos cuando entran en contacto con las capacidades que ya existen en las empresas y en la economía: qué conocimiento se incorpora, qué procesos cambian, qué capacidades se acumulan y qué permanece cuando termina el proyecto.

Ejecutar una inversión no equivale necesariamente a transformar la capacidad productiva.

A partir de ahí aparecen cuatro preguntas relacionadas: qué capacidades encuentran los fondos cuando llegan, qué significa realmente un aumento de la productividad, qué condiciones permiten convertir una inversión en capacidad acumulativa y, finalmente, cómo podemos medir esa transformación.

1. El problema inicial: andar hacia un pozo no calma la sed

La situación actual de los fondos europeos permite observar el problema desde sus primeros resultados. Según BBVA Research, hasta finales de junio de 2026 se habían adjudicado 62.726 millones de euros, equivalentes al 78 % del volumen de inversiones del Mecanismo de Recuperación. Si se mantuviera el ritmo de ejecución observado, podrían quedar sin ejecutar unos 10.000 millones. La distribución presenta además una importante concentración: las grandes empresas representan solamente el 1,5 % de los beneficiarios, pero absorben casi un tercio de los fondos, una cantidad incluso superior a la destinada a las pymes, que representan el 28 % de los beneficiarios y reciben aproximadamente el 27 % de los recursos [1].

Más relevante que el volumen ejecutado es lo que estas cifras permiten preguntar sobre la capacidad de absorción de la economía española: un estudio publicado en 2026 sobre los efectos de Next Generation EU en la transformación industrial española, utilizando las bases ELISA y SABI, encuentra fuertes asimetrías territoriales y sectoriales y muestra que la asignación de los fondos a nivel empresarial está estrechamente relacionada con capacidades estructurales preexistentes [2].

Es decir, la absorción a determinada escala de los fondos está vinculada con la capacidad previa de la organización para utilizarlos. Esto plantea un problema de fondo: si la inversión se absorbe principalmente allí donde ya existen las capacidades organizativas necesarias para aprovecharla, puede reforzar las estructuras productivas que ya disponen de esas capacidades sin transformar en la misma medida aquellas que precisamente presentan el déficit que la inversión pretendía corregir. En definitiva, la relación entre capacidades previas y absorción introduce un mecanismo acumulativo o preferencial:

capacidad previa ➡️ mayor capacidad para absorber fondos ➡️ mayor inversión ➡️ capacidad posterior.

Y, en sentido contrario:

baja capacidad organizativa ➡️ menor capacidad para diseñar y ejecutar proyectos ➡️ menor absorción ➡️ menor acumulación de capacidades.

La cuestión adquiere especial relevancia en una economía cuya productividad presenta déficits persistentes. El Consejo de la Productividad de España ha situado la inversión en capital tecnológico e intangible, el capital humano y la calidad de la gestión entre los factores relevantes para el crecimiento de la productividad. También ha señalado que la baja inversión en capital tecnológico e intangible ha contribuido significativamente a la desaceleración de la productividad española [3].

La cuestión va más allá, por tanto, de cuánto capital recibe una economía: se trata de qué organizaciones tienen capacidad para absorberlo, cómo se distribuye esa capacidad y qué parte de los recursos se convierte finalmente en capacidad productiva acumulativa. Pero incluso cuando observamos un aumento de la producción o de la productividad, seguimos sin tener una respuesta definitiva a esta pregunta. El problema es que los indicadores de productividad registran el resultado de la utilización de los recursos, pero no permiten observar por sí solos qué ha ocurrido con las capacidades que están detrás de ese resultado.

2. El efecto fantasma de la productividad

Las variaciones de la productividad deben interpretarse teniendo en cuenta la forma en que las empresas ajustan sus recursos ante los cambios de la demanda. Cuando la actividad disminuye, la producción se reduce y las organizaciones buscan adaptar sus costes. Una de las principales variables mediante las que puede producirse ese ajuste es el empleo.

Esto resulta especialmente relevante en España, donde la evolución de la productividad laboral ha presentado históricamente una relación estrecha con las fluctuaciones del empleo. Durante las fases de contracción, la reducción de trabajadores puede producir aumentos de la productividad por trabajador, mientras que durante las fases de expansión la incorporación de nuevos trabajadores puede reducirla. Esta relación entre empleo, ciclo económico y productividad constituye una de las características que han contribuido al denominado «puzzle» de la productividad española [17]. El problema puede ilustrarse mediante un ejemplo sencillo. Supongamos una empresa que produce inicialmente 100 unidades con 1.000 trabajadores:

1.000 trabajadores ➡️ 100 unidades ➡️ productividad: 0,10

Si la demanda disminuye y la empresa reduce simultáneamente su producción y su plantilla:

700 trabajadores ➡️ 70 unidades ➡️ productividad: 0,10

la productividad por trabajador permanece igual. La empresa produce menos, pero también utiliza menos trabajo para hacerlo. Ahora bien, supongamos una situación diferente. La plantilla permanece en 700 trabajadores, pero la producción aumenta hasta 90 unidades:

700 trabajadores ➡️ 90 unidades ➡️ productividad: 0,129

La productividad medida ha aumentado aproximadamente un 29 %. La cuestión es entonces: ¿qué ha ocurrido? ¿Cómo ha sido posible producir más con el mismo número de trabajadores cuando anteriormente no se conseguía? ¿Se ha realizado una inversión tecnológica? ¿Se ha modificado la maquinaria? ¿Ha aparecido un nuevo proceso de producción? ¿Ha mejorado la organización? ¿Se están utilizando de forma diferente los recursos que ya existían? Y, si es este el caso, ¿cuáles han sido los factores que han permitido ese cambio en una coyuntura y no en otra?

El cálculo de la productividad registra el resultado, pero no responde por sí mismo a estas preguntas. Una empresa puede aumentar la producción por trabajador y, sin embargo, mantener esencialmente la misma infraestructura, los mismos procesos y la misma tecnología. El aumento observado a través de una métrica simple puede proceder de una transformación de la capacidad productiva, pero no permite distinguirlo de los casos en los que se someten a sobrecarga los recursos existentes. Lo más interesante, sobre todo en el caso español, es que este no es un ejemplo ficticio; es, en todo caso, una simplificación de lo que realmente ocurre.

La investigación de Comin, Quintana, Schmitz y Trigari proporciona una evidencia relevante para este problema [18]. Su trabajo muestra que las estimaciones convencionales de la Productividad Total de los Factores pueden confundir cambios en la eficiencia con cambios en la utilización de los factores productivos. Los autores incorporan información sobre beneficios, costes de ajuste y utilización de la capacidad y obtienen estimaciones de la PTF considerablemente menos volátiles y menos procíclicas que las obtenidas mediante los métodos convencionales.

El resultado es especialmente relevante porque obliga a distinguir entre un cambio en la eficiencia o capacidad productiva y un cambio en la forma en que se están utilizando los recursos disponibles. Una variación de la productividad puede reflejar una transformación tecnológica u organizativa, pero también una modificación de la intensidad con que se utilizan el capital y el trabajo.

Esta cuestión adquiere una importancia particular cuando el empleo constituye una variable de ajuste. Una empresa puede reducir su plantilla y redistribuir las tareas entre los trabajadores que permanecen. También puede concentrar una proporción mayor del tiempo disponible en la producción inmediata. El mecanismo podría representarse de la siguiente manera:

reducción de plantilla
        ⬇️
redistribución de tareas
        ⬇️
mayor concentración en la producción inmediata
        ⬇️
aumento de la productividad medida

Pero esta reorganización puede tener consecuencias que no aparecen directamente en el indicador. En las organizaciones manufactureras, una parte del trabajo no está destinada exclusivamente al output inmediato. La formación, el mantenimiento preventivo, la coordinación, la documentación, la prevención de errores, la mejora de procesos y la innovación incremental contribuyen a conservar y desarrollar capacidades cuyo rendimiento puede aparecer posteriormente.

Durante un periodo de ajuste, algunas de estas actividades pueden reducirse para concentrar los recursos disponibles en la producción inmediata. La organización puede mantener o aumentar el output utilizando una plantilla menor, mientras una parte mayor del trabajo de quienes permanecen se concentra en las actividades directamente relacionadas con la producción.

Esto permite distinguir entre dos fenómenos que no tienen por qué coincidir. Por una parte, puede aumentar la producción obtenida por cada trabajador. Por otra, puede mantenerse relativamente estable —o incluso reducirse— la capacidad de la organización para conservar conocimiento, formar trabajadores, adaptarse y desarrollar nuevos procesos.

Podemos denominar provisionalmente efecto fantasma de la productividad a esta posible divergencia entre la productividad que registra el indicador y la transformación efectiva de la capacidad productiva de la organización. El concepto no pretende cuestionar el cálculo: si aumenta la producción por trabajador, el aumento registrado es real. Lo que se plantea es qué parte de esa variación corresponde a una transformación de la capacidad productiva y qué parte puede proceder de una modificación de la cantidad, composición o utilización del trabajo y de otros recursos existentes.

La evidencia disponible permite observar algunos de los mecanismos que intervienen en esta relación. En España, diversos estudios han encontrado que determinadas características del mercado laboral dual pueden reducir los incentivos para la formación y afectar negativamente a la productividad total de los factores [19]. También se ha observado que una elevada presencia de empleo temporal puede dificultar la conversión de los esfuerzos de innovación en innovaciones de producto [20].

Estos resultados no permiten reconstruir mediante un único indicador todo lo que ocurre dentro de una organización. Pero muestran que la forma en que se ajusta y utiliza el trabajo tiene consecuencias que van más allá de la cantidad de producción obtenida en un momento determinado. El empleo no constituye únicamente un factor cuyo volumen puede aumentar o reducirse. Su estabilidad, composición y utilización afectan también a la formación, a la acumulación de conocimiento, a la innovación y a la continuidad de determinadas capacidades organizativas.

Por ello, las variaciones de productividad deben interpretarse junto a otros procesos que habitualmente permanecen separados en las estadísticas. El indicador registra el output obtenido por los recursos empleados, pero no permite observar directamente qué sucede con las capacidades que permitirán a la organización producir, adaptarse o innovar en el futuro.

El efecto fantasma de la productividad designa precisamente ese problema de observación: una variación de la productividad medida puede ser perfectamente real sin corresponderse necesariamente con una transformación equivalente de la capacidad productiva subyacente. Cuando el indicador está influido por cambios en la utilización de los factores y por la forma en que se ajusta el empleo, resulta necesario observar también qué sucede dentro de la organización. De lo contrario, podemos confundir una modificación en la utilización de una capacidad existente con una transformación de la capacidad misma.

3. El problema de la capacidad de absorción

Llegados a este punto, la pregunta inicial sobre los fondos europeos ha de plantearse en otros términos. No se trata solamente de cuánto dinero ha recibido España, cuánto se ha adjudicado o cuánto se ha ejecutado. Tampoco basta con determinar si los proyectos financiados han producido actividad económica. Todas estas variables describen diferentes fases del proceso, pero dejan abierta la cuestión fundamental: qué capacidad permanece después de la inversión.

Los fondos europeos proporcionan recursos financieros extraordinarios. Pero esos recursos llegan a empresas, administraciones y sectores que ya poseen una determinada estructura productiva, un determinado capital humano, unas determinadas capacidades de gestión y unas determinadas relaciones entre organizaciones. Por eso, la capacidad para aprovechar una inversión no comienza cuando llega el dinero. La capacidad de absorción depende, precisamente, de las condiciones que permiten a una organización o a una economía incorporar recursos externos, combinarlos con los recursos ya existentes y convertirlos posteriormente en capacidades propias.

La inversión puede proporcionar parte de estos recursos, pero no sustituye de manera inmediata las capacidades organizativas, las relaciones productivas y el conocimiento que una economía ha acumulado durante años. Esto introduce una diferencia fundamental entre financiar una capacidad y disponer de las condiciones necesarias para utilizarla. La misma cantidad de capital puede producir resultados diferentes dependiendo de la organización que la recibe y del ecosistema productivo en el que se integra. Se puede representar esta relación de forma sencilla:

          capital externo ➡️ inversión ➡️ capacidad productiva

pero también:

  capital externo           ➕
  capital humano            ➕ 
  conocimiento organizativo ➕ 
  gestión                   ➕ 
  ecosistema productivo     ➡️ capacidad productiva acumulativa.

La segunda cadena permite entender por qué la disponibilidad de capital no garantiza por sí sola una transformación. Si algunos de los componentes necesarios para absorber, utilizar e integrar los recursos son insuficientes, una parte de la inversión puede seguir produciendo actividad, empleo o producción sin generar una capacidad equivalente para afrontar la siguiente transformación. Esta limitación tiene además una dimensión temporal. Una carencia que ya existía antes de la llegada de los fondos no desaparece necesariamente por el hecho de disponer ahora de más recursos financieros.

Si el objetivo de los fondos es transformar la estructura productiva, no basta con conseguir que el dinero llegue a un proyecto elegible. Hay que conseguir que la inversión produzca capacidades que permanezcan cuando desaparezca la financiación. Eso exige prestar atención a variables que no siempre aparecen en la evaluación inmediata de los programas: formación, conocimiento interno, capacidad de gestión, integración entre departamentos, colaboración entre empresas y centros de investigación, desarrollo de proveedores, capacidad tecnológica propia y mecanismos para conservar y transmitir el conocimiento generado. En este sentido, la cuestión política que plantean los fondos europeos es más compleja que decidir dónde gastar el dinero.

Hay que decidir qué capacidades necesita la economía para poder aprovecharlo y cómo se construyen esas capacidades.

Si una economía llega a una transformación tecnológica sin suficiente capacidad para identificar, utilizar y desarrollar el conocimiento disponible, sin mecanismos eficaces de transmisión del conocimiento, sin organizaciones capaces de aprender y sin un ecosistema industrial capaz de desarrollar la nueva tecnología, el dinero puede financiar la adquisición de soluciones externas, puede incluso generar actividad económica considerable, pero una parte sustancial de la capacidad necesaria para la siguiente transformación seguirá teniendo que importarse. Esto permite reformular finalmente la pregunta que estaba detrás de todo el análisis:

¿Hasta qué punto los fondos europeos están financiando una transformación de la capacidad productiva española y hasta qué punto están financiando inversiones que una estructura productiva preexistente todavía no está en condiciones de convertir plenamente en capacidad propia?

La cuestión relevante no consiste en evaluar el uso de los fondos únicamente en términos de beneficio económico inmediato o de rentabilidad política, sino en analizar cuáles eran los problemas previos cuya solución no dependía necesariamente de disponer de más dinero, sino de cambios en las estructuras organizativas, productivas e institucionales. La naturaleza de estos problemas hace que sus implicaciones trasciendan necesariamente los ciclos políticos y las diferencias partidistas.

4. La importancia de lo que no se mide

Si la cuestión fundamental es qué capacidad permanece después de la inversión, entonces el problema ya no es solamente qué se financia ni cuánto se ejecuta, sino qué somos capaces de observar sobre ese proceso de transformación. A lo largo del análisis hemos encontrado distintas formas de medir la actividad económica y productiva: recursos adjudicados, inversión ejecutada, empleo, producción, productividad, gasto en I+D, incorporación de tecnología, formación o número de proyectos realizados. Cada una de estas variables permite observar una parte del proceso. Sin embargo, la utilización efectiva de los recursos no depende únicamente de que estos hayan sido asignados o ejecutados, sino también de la capacidad de las organizaciones y de la economía para integrarlos en su funcionamiento. Esta cuestión conecta directamente con la preocupación expresada por las instituciones europeas respecto a la capacidad de España para aprovechar plenamente los recursos del Plan de Recuperación [24].

Sin embargo, entre la entrada de recursos y la aparición de una nueva capacidad productiva existe una diferencia que no puede reducirse a la simple suma de esas variables. Una inversión puede ejecutarse, una tecnología puede instalarse y un proyecto puede producir un resultado sin que ello implique necesariamente que la organización haya incorporado plenamente esa inversión a su funcionamiento ni que haya sustituido o transformado las capacidades y procedimientos anteriores.

Para que una inversión se convierta en una capacidad propia deben producirse procesos adicionales. El capital debe combinarse con el conocimiento existente, las nuevas tecnologías deben integrarse en los procesos de trabajo, los trabajadores deben adquirir o adaptar competencias, la información debe circular entre diferentes niveles de la organización y las soluciones desarrolladas deben incorporarse de manera estable a su funcionamiento.

Podemos observar, por ejemplo, cuánto dinero se ha destinado a un proyecto, qué tecnología se ha adquirido, cuántas personas han participado o qué resultado inmediato se ha obtenido. Resulta más difícil determinar qué ha ocurrido después con la organización que ha recibido esa inversión: qué conocimiento se ha generado, qué conocimiento previo se ha utilizado, cómo se han combinado ambos, quién ha participado en la adaptación de la solución, qué procesos han cambiado y qué parte de esa experiencia permanece disponible para afrontar problemas posteriores. La diferencia puede expresarse de forma sencilla:

recursos ➡️ proyecto ➡️ resultado

frente a:

recursos ➡️ integración ➡️ adaptación ➡️ aprendizaje ➡️ capacidad permanente

La primera secuencia permite observar la ejecución de una actividad. La segunda exige observar cómo esa actividad modifica la organización y si el resultado obtenido llega realmente a incorporarse a su funcionamiento.

Esta diferencia resulta especialmente importante para el problema que plantean los fondos europeos. Si el objetivo consiste únicamente en ejecutar una inversión, resulta suficiente comprobar que los recursos han sido adjudicados, utilizados y justificados. Pero si el objetivo consiste en transformar la capacidad productiva, es necesario observar algo más: qué ha cambiado en la organización como consecuencia de la inversión y qué capacidad posee después que no poseía antes.

Aquí aparece una primera dificultad. La transformación constituye uno de los objetivos declarados de una inversión de esta magnitud, pero resulta mucho más fácil encontrar indicadores sobre la adjudicación y ejecución de los recursos, la realización de proyectos o sus resultados inmediatos que mecanismos capaces de seguir sistemáticamente cómo esos recursos se convierten en nuevas capacidades dentro de las organizaciones.

La cuestión no consiste simplemente en añadir más indicadores a una estadística existente. El problema es anterior: para medir la transformación es necesario decidir qué entendemos por transformación y observar el proceso mediante el cual se produce.

Esto explica también por qué determinados indicadores pueden resultar insuficientes. Un aumento de la productividad medida no determina por sí mismo si ha aumentado la capacidad productiva subyacente. La realización de un proyecto no determina si su resultado ha quedado incorporado al funcionamiento ordinario. La adquisición de una tecnología no determina si la organización ha aprendido a utilizarla, modificarla o desarrollar nuevas aplicaciones a partir de ella. La formación de trabajadores tampoco garantiza que sus conocimientos encuentren un lugar en el que puedan ser utilizados. En todos estos casos es posible observar una actividad o un resultado sin observar completamente la transformación que debería producirse entre ambos.

La ausencia de esta información resulta significativa. No porque la falta de una medición concreta permita determinar por sí sola sus causas, sino porque revela una diferencia en la atención que reciben distintas partes del proceso. Existe un interés considerable por conocer cuánto dinero se adjudica, cuánto se ejecuta, cuántos proyectos se realizan o qué resultados inmediatos pueden atribuirse a una inversión. Sin embargo, existe una atención mucho menor hacia la cuestión de cómo se modifica la capacidad de las organizaciones que reciben esos recursos.

Es posible, por tanto, que una evaluación registre simultáneamente:

fondos adjudicados    ✅
fondos ejecutados     ✅
proyecto realizado    ✅
tecnología incorporada✅
resultado obtenido    ✅

sin poder responder con la misma precisión:

❓ ¿Qué conocimiento permanece?
❓ ¿Qué procesos han cambiado?
❓ ¿Qué capacidad nueva posee la organización?
❓ ¿Qué problemas podrá resolver ahora que antes no podía resolver?
❓ ¿Qué parte de esa capacidad seguirá existiendo cuando desaparezca la financiación?

Esta última dimensión conecta los problemas examinados anteriormente. Una organización puede disponer de trabajadores cualificados cuyo conocimiento no se utiliza plenamente, incorporar tecnología desarrollada externamente, recibir capital para financiar nuevos proyectos y obtener resultados inmediatos. Pero nada de ello garantiza por separado que la organización haya aumentado su capacidad para producir, aprender y adaptarse. La cuestión decisiva es cómo se combinan esos recursos y si la organización consigue incorporarlos a sus propias capacidades.

Esto permite conectar una preocupación expresada desde la evaluación europea con los problemas observados a lo largo del análisis. La dificultad para aprovechar plenamente una inversión puede hacerse visible en los resultados de ejecución y utilización de los recursos, pero sus causas pueden encontrarse en condiciones anteriores a la llegada de los fondos: formación insuficiente, dificultades de coordinación, problemas de gestión, escasa integración del conocimiento, estructuras organizativas rígidas, separación entre conocimiento y autoridad o limitaciones para conservar y transmitir la experiencia acumulada.

El problema, por tanto, no comienza necesariamente cuando llegan los recursos. En muchos casos, la inversión encuentra una estructura productiva y organizativa previa que determina lo que puede hacerse con ella.

Precisamente esta dimensión ocupa un lugar mucho menos visible en los sistemas habituales de evaluación. Puede declararse como objetivo la transformación de una estructura productiva y medir con gran precisión la ejecución de los recursos, los proyectos realizados y sus resultados inmediatos sin disponer de información equivalente sobre cómo se incorporan posteriormente a la capacidad de las organizaciones.

La propia estructura de evaluación introduce otra cuestión relevante. El Mecanismo de Recuperación y Resiliencia es un instrumento basado en el cumplimiento de hitos y objetivos previamente acordados entre los Estados miembros y las instituciones europeas. Los desembolsos dependen de la evaluación del cumplimiento satisfactorio de esos parámetros [25]. Este sistema permite comprobar con precisión determinados resultados de las reformas e inversiones, pero no garantiza por sí mismo que todos los procesos relevantes para valorar una transformación estructural estén incluidos entre los elementos observados.

En este contexto resulta significativa la preocupación expresada por las instituciones europeas respecto a la capacidad de España para aprovechar plenamente los recursos disponibles. Esa preocupación conecta directamente con el análisis anterior: disponer de recursos para realizar una inversión no garantiza que una organización o una economía pueda integrarlos plenamente en su funcionamiento, utilizar las posibilidades que generan y transformar con ellos su capacidad productiva.

Si la transformación constituye el objetivo, la evaluación debería permitir determinar qué ha cambiado como consecuencia de la inversión respecto a la capacidad anterior.

5. Conclusión

Los fondos europeos permiten observar con especial claridad un problema que, en realidad, es anterior a los propios fondos. Una economía no comienza a construir capacidad productiva cuando recibe recursos financieros. Los recursos llegan a organizaciones que ya poseen determinadas formas de conocimiento, estructuras de gestión, relaciones productivas y capacidades tecnológicas.

Por eso, entre la inversión y la transformación existe un proceso intermedio que resulta decisivo. El capital debe combinarse con capacidades existentes; la tecnología debe integrarse; el conocimiento debe circular; los trabajadores deben poder utilizar y transmitir lo aprendido; y los resultados de los proyectos deben incorporarse a la organización.

Esto también explica por qué algunos indicadores pueden ofrecer una imagen incompleta. Los fondos pueden estar adjudicados y ejecutados, los proyectos pueden realizarse, la tecnología puede incorporarse y la productividad puede aumentar. Todo ello puede ser cierto sin que sepamos todavía qué capacidad nueva posee la organización después de la inversión.

La cuestión, por tanto, no es sustituir los indicadores existentes, sino añadir una dimensión que permita observar lo que sucede entre el resultado inmediato y la capacidad futura.

Una evaluación de la transformación productiva debería poder responder, al menos, a una pregunta elemental: qué puede hacer ahora una organización que antes de la inversión no podía hacer, o no podía hacer en las mismas condiciones.

Porque, en último término, transformar no significa simplemente utilizar recursos para producir un resultado. Significa que, después de utilizarlos, queda una capacidad que antes no existía.

6. Bibliografía

[1] BBVA Research. (2026, 28 de agosto). España | ¿Cómo va la ejecución de los fondos NGEU? Actualizado el 2 de septiembre de 2026. BBVA Research. Enlace: BBVA Research — ¿Cómo va la ejecución de los fondos NGEU?  [volver]

[2] Lozano-Reina, G., Sánchez-Marín, G., y Baixauli-Soler, J. S. (2026). «Next Generation EU and industrial transformation: Evidence from Spain». Structural Change and Economic Dynamics, 77, 123–136. https://doi.org/10.1016/j.strueco.2026.01.002 [volver]

[3] Consejo de la Productividad de España. (2026). I Informe del Consejo de la Productividad de España (2025). Ministerio de Economía, Comercio y Empresa. Enlace: Consejo de la Productividad de España — I Informe (2025) [volver]

[17] Hospido, L. y Moreno-Galbis, E. (2015). «The Spanish Productivity Puzzle in the Great Recession». Banco de España Working Paper No. 1501. Enlace: PDF — The Spanish Productivity Puzzle in the Great Recession  [volver]

[18] Comin, D., Quintana, J., Schmitz, T. y Trigari, A. (2025). «Revisiting Productivity Dynamics in Europe: A New Measure of Utilization-Adjusted TFP Growth». Journal of the European Economic Association, 23(4), 1598–1633. https://doi.org/10.1093/jeea/jvaf003 [volver]

[19] Dolado, J. J., Ortigueira, S. y Stucchi, R. (2016). «Does Dual Employment Protection Affect TFP? Evidence from Spanish Manufacturing Firms». SERIEs, 7(4), 421–459. https://doi.org/10.1007/s13209-016-0150-9 [volver]

[20] Rodríguez-Ruiz, Ó., Fernández-Menéndez, J., Díaz-Martínez, Z. y Fossas-Olalla, M. (2020). «The Impact of Temporary Workers on the Conversion of Innovation Efforts into Product Innovations: The Case of Spanish Companies». Evidence-based HRM: A Global Forum for Empirical Scholarship, 9(3), 276–292. https://doi.org/10.1108/EBHRM-01-2020-0005  [volver]

[24] European Commission (2025). Country Report – Spain 2025. European Semester. EUR-Lex / European Commission. Enlace: European Commission — Country Report Spain [volver]

[25] European Commission. Recovery and Resilience Scoreboard: Milestones and Targets; Common Indicators. European Commission. Enlace: European Commission — Recovery and Resilience Facility / Scoreboard [volver]

Extracto del artículo publicado originalmente en la plataforma LinkedIn ampliado y adaptado al formato blog.

La anomalía china explicada

En una reciente entrevista, una joven de origen chino explicaba en un podcast cómo las nuevas generaciones están rechazando el modelo de trabajo denominado «9-9-6» (doce horas al día, seis veces por semana). Si bien una entrevista a una joven «random» (como se suele decir ahora) no parece ser una fuente lo suficientemente fiable, sin embargo, ha servido como estímulo para averiguar con algo más de detalle qué hay detrás de esta afirmación. Y el resultado es esclarecedor:

➡️ Desde el 2021 existe el fenómeno de tang ping («躺平», literalmente «tumbarse»), asociado precisamente a jóvenes que rechazan la carrera laboral convencional, la sobreexplotación y la expectativa de trabajar hasta el límite. También ha aparecido posteriormente el llamado bai lan («dejarse llevar»).

➡️ Por otro lado, un informe de la OIT de 2025 sobre China encuentra una polarización creciente entre trabajadores con jornadas muy cortas y trabajadores con jornadas excesivamente largas. Reuters también señalaba en 2025 que, pese a que el 996 fue declarado ilegal en 2021, continuaba practicándose en determinados sectores.

➡️ Además, el informe del Cheung Kong Graduate School of Business, basado en 17.000 respuestas y 2,4 millones de datos de distintas generaciones, compara explícitamente a la Gen Z china (18-25 años) con grupos de mayor edad. La Gen Z aparece como la generación menos satisfecha con su equilibrio entre vida y trabajo.

Por tanto, sí puede afirmarse que existe una disconformidad significativa y un creciente cuestionamiento entre las nuevas generaciones respecto al modelo laboral chino. Esta revelación abre una serie de cuestiones nada anecdóticas sobre la supuesta «revolución china»:

⏺️ Para algunos sectores, China representaba una supuesta «superación» del modelo occidental fundamentado en las «democracias liberales» y el «mercado libre», logrado gracias a su vez, al superar igualmente el modelo comunista soviético (véase esta interpretación sobre la fusión ideológica de Marx y Confucio).

⏺️ Para otros, suponía una anomalía respecto a la llamada «hipótesis de la modernidad» de Lipset en 1959 (todas las sociedades «avanzadas» convergen a la «democracia») con la aparición de una sociedad china cuyas condiciones materiales avanzaban como un cohete mientras que continuaba aceptando a un gobierno «autoritario».

La aparente dificultad en clasificar a China dentro de las categorías políticas y económicas occidentales (democracia, comunismo, liberalismo, etc.) ha dado lugar a discusiones sobre su modelo económico y político. Sin embargo, probablemente esta dicotomía decía más de la carencia de Occidente para definir la frontera entre ambos ámbitos, una duda que persiste desde que la Comisión Trilateral de 1975 publicó su informe en el que señalaban que las «exigencias de la población no podían ser satisfechas». La creciente desconfianza en las instituciones y el imparable aumento de la influencia del ámbito económico y financiero parecen apoyar esta tesis. Paradójicamente, parece estar ocurriendo justo lo contrario de lo que postuló Lipset: el propio modelo occidental podría estar contribuyendo a erosionar la democracia, en lugar de consolidarla. Esto nos trae de vuelta a la Gen Z. En artículos anteriores se señalaba que en Occidente se está experimentando un rechazo similar en este sector de la población. Y aquí es dónde se produce algo fascinante: la convergencia entre Occidente y China sí existe, pero no en la «democracia».

Algunos estudios ya ponen el dedo en la llaga sobre este asunto y plantean precisamente la necesidad de reformular la hipótesis de la modernidad. Hace no mucho se publicó aquí una propuesta de investigación que pretendía algo similar: reformular el llamado «motor de la historia»: este no sería una reducción del problema a una «lucha de clases» sino a una continua repetición de determinadas estructuras jerárquicas y relaciones de poder transversales, no necesariamente visibles en un determinado modelo político formal, sino a través de las relaciones de poder que se dan en todos los ámbitos, desde el social al laboral. El resultado no trata de una cuestión meramente ideológica, sino de las consecuencias físicas y psicológicas cuando un organismo adaptado a unas condiciones choca contra modelos sociopolíticos que instrumentalizan al individuo, en lugar de favorecerlo o darle un propósito. Materialismo al fin y al cabo, pero no un materialismo «histórico», sino evolutivo y biológico.

No es nuevo: las llamadas «enfermedades de la civilización» son una advertencia sistemáticamente ignorada. En Occidente son ya habituales los fenómenos como la «gran renuncia» o el burnout, la cuestión es: ¿China representa una excepción a estos problemas? La evidencia indica de manera contundente que no:

➡️ Un estudio longitudinal basado en datos nacionales de China encontró que las jornadas laborales largas se asociaban significativamente con un mayor riesgo de problemas de salud mental, con efectos especialmente marcados entre trabajadores de cuello blanco y empleados de pequeñas empresas.

De alguna manera, la gente ha dejado de enfermar por una causa para enfermar por otra. Por añadidura, el resultado continúa sin convencer dada la creciente disconformidad. Sus consecuencias no son meros berrinches caprichosos, tienen efectos medibles y consecuencias palpables. China ha encontrado una alternativa al modelo político occidental, pero todavía no ha encontrado necesariamente una alternativa al modelo de organización social que genera determinados problemas humanos.

¿Y si la variable verdaderamente universal no fuera la demanda de democracia, sino la demanda de mayor autonomía, seguridad, control sobre el propio tiempo y capacidad efectiva de intervenir sobre las condiciones de vida?

China tal vez no sea la respuesta, pero tal vez nos proporcione las preguntas adecuadas.

Artículo publicado originalmente para la plataforma Linkedin y adaptado posteriormente a este formato.

Leer más

Los límites de la computación y la capacidad humana

El modelo no es la realidad

En una era en la que inteligencia artificial está sustituyendo a cada vez más humanos en tareas que hace poco más de un siglo se consideraban propias de nuestra especie y que, en aquel entonces, se explicaban por una «esencia humana» de origen cercano a lo divino; resulta tentador especular con una creación tecnológica que haya adquirido consciencia y cuya inteligencia sea cercana o incluso superior a la humana. No solo que sea posible, sino que esté a la vuelta de la esquina. 

Pero este optimismo tecnológico no es un fenómeno aislado. El ser humano se ha sorprendido de sus propias creaciones, a veces se atemoriza de ellas, otras por el contrario, cree que puede jugar a ser un dios con ellas. Los avances científicos han tardado en aparecer, necesitando derribar antiguos paradigmas. Pero cuando lo hacen, los colectivos humanos especulan abiertamente con ellos y se imaginan superando las ataduras a sus limitaciones físicas. Anhelan haber hallado por fin una explicación universal que les libere de la incertidumbre, de la duda eterna que ha atenazado a los seres humanos desde que son conscientes de su existencia. 

Esta tendencia recurrente en cuanto a extrapolar más allá de lo que realmente permite el nuevo paradigma, ha sido un patrón histórico bastante característico y, me atrevería a decir, la mayoría de las veces equivocado de maneras catastróficas. Por supuesto, la culpa no es ni de los científicos ni de la ciencia. Es una trampa en la que el ser humano cae, consecuencia de sus propias capacidades pero también, de sus limitaciones, cuando creemos haber dado solución a misterios que nos angustiaban. El primer ejemplo significativo de esta tendencia histórica tuvo como protagonista a la formulación de la Ley de la gravitación universal de Isaac Newton.  

A nadie se le ocurriría culpar al célebre científico británico por haber dado explicación a una parte fundamental del funcionamiento del universo. Sin embargo, la sorprendente capacidad del inglés para articular una serie de formulaciones de carácter matemático y preciso sobre el universo al que se tenía acceso con los medios de la época, tuvo importantes efectos filosóficos, sociales y políticos. En primer lugar, las corrientes de pensamiento idealistas, representadas mayoritariamente por filósofos alemanes, asistían sorprendidos a cómo una visión materialista y mecanicista «ponía orden» en el universo. Otra de las consecuencias fue que, dado el sorprendente éxito del nuevo marco de conocimiento, se inició una tendencia a buscar «leyes universales» que explicaran diversos aspectos de la realidad. 

Uno de los casos más paradigmáticos fue el del Karl Marx que, como reacción a los abusos que en el ámbito laboral se estaban dando, «gracias» de nuevo a los descubrimientos tecnológicos de la Revolución Industrial, creyó ver una ley fundamental que explicaba «el motor de la historia», cuya corriente filosófica se le llamó materialismo histórico y que lo reducía todo a la «lucha de clases». Otro caso fue el de Sigmund Freud, que deseando dar respuesta a los males que afectaban a la mente humana al tener que vivir en un mundo cada vez más alejado del que vio nacer a la especie de la que forma parte, analizó casos particulares de individuos coetáneos y los interpretó como universales a todo el género humano y parte fundamental de su naturaleza. 

Estos marcos ontológicos compartían la característica de ser herméticos y difícilmente refutables dentro de su propio ámbito. Sin embargo, este aparente logro se alcanzaba ignorando todo lo que no encajaba dentro de él o reinterpretándolo de manera que sí lo hiciera. Por ejemplo, Freud zanjaba las criticas a su modelo respecto a la pulsión de muerte o culpa por «matar al padre» diciendo que «no lo recordaban». En el  caso de la filosofía materialista, las criticas se interpretaban como «idealismo» o incluso, «materialismo vergonzante».

Varios sucesos ocurrieron posteriormente que cuestionaban la posibilidad de que un marco cerrado de este tipo pudiera servir como modelo preciso de la realidad. Un aviso fue protagonizado por el matemático y filósofo británico Bertrand Russell al formular su famosa paradoja. Con ella, se advertía de ciertos límites intrínsecos de la lógica formal. Esta limitación no fue inconveniente, sino que más bien fue estímulo, para que el matemático alemán David Hilbert pretendiera elaborar lo que llamó programa de fundamentación completa de Hilbert, un conjunto finito de axiomas que contuviera todas las matemáticas. Es decir, que cualquier formulación matemática que se propusiera podía ser realizada dentro o a partir de dicho conjunto de axiomas. Una de las particularidades de dicho programa era el concepto de «decibilidad» o la posibilidad de poder decidir a partir de dicho conjunto de axiomas si un problema dado cualquiera tenía solución o no. Nota importante: no se trata de la dificultad en encontrar la solución a un problema, sino en poder determinar para todo problema dado si la solución es posible no no.

Algo más tarde apareció el austriaco Kurt Gödel, que con su teorema de la incompletitud acabo tirando por tierra —probablemente sin proponérselo— todo intento de normalizar y formalizar la realidad en un conjunto de axiomas aritméticos. Gödel demostró que ningún sistema formal suficientemente axiomatizado como para ser completamente coherente puede llegar a ser completo a la vez. Es decir, que para ser coherente y completo es necesaria una validación externa a todo marco ontológico. ¿Qué ocurre con la Ley de la Gravedad? ¿Acaso se ha demostrado que es falsa? No, lo que se evidenció es que la famosa ley no explica toda la realidad y que es necesaria otra teoría para llegar a ciertas partes de ella, como fue la de la relatividad de Albert Einstein. Así mismo, la teoría del científico de origen alemán tampoco explica toda la realidad, como también quedo patente con la mecánica cuántica.

Curiosamente, a pesar de todas estas lecciones históricas, el ser humano parece repetir cabezonamente tendencias similares sin mantener la cautela necesaria. Cuando Alan Turing desarrolló la teoría de la computación que hoy define todos los sistemas de tal ámbito, prácticamente de inmediato surgió la posibilidad de explicar «toda» la inteligencia y la capacidad humana, lo que incluiría también la consciencia, la creatividad, la intuición o el pensamiento simbólico, en términos de dicha teoría de la computación. Dicho de otra manera: existía una voluntad ontológica en caracterizar la inteligencia humana en algo intrínsecamente computable. El propio Turing consideró esta posibilidad y para ello propuso un hipotético test para establecer cuando un sistema computacional habría alcanzado una capacidad equivalente a la humana.

Sin embargo, si bien la computación parecía sugerir una capacidad similar a la mente humana al poder realizar tareas que hasta ese momento solo un humano podía acometer, de esto no puede deducirse que sea computable en su totalidad. Que la computación nos permita modelizar o crear «conjuntos de axiomas», también llamados algoritmos dentro de la teoría de la computación, que realizan actividades que hasta ese momento solo podía hacer un ser humano, no implica en absoluto que todo lo que la mente humana puede realizar esté incluido dentro de dicho conjunto de axiomas o que pueda diseñarse uno que la incluya. Es decir, la mente humana hace muchas cosas, algunas —incluso probablemente la mayoría— son computables, pero no todas las que hace o sobre todo, las que puede llegar a hacer —los límites de la mente humana todavía están por definir— tienen por qué serlo.

A pesar de ello, esto es precisamente lo que los defensores de la inteligencia artificial fuerte defienden, simplemente porque la computación puede explicar que ciertos procesos algorítmicos realizan funciones similares a algunas que hasta ahora solo el cerebro humano podía hacer. El resto de las características humanas que continúan fuera de las posibilidades de esta tecnología no son tenidas en cuenta como un verdadero obstáculo y responden con frases del tipo: «se logrará en el futuro» ¿Les suena de algo esto? En definitiva, no solo no se puede afirmar que la mente es «computable», sino que no se tiene ningún motivo para pensar que sea así. El computacionalismo se convierte de esta manera en un marco ontológico hermético y difícilmente falsable, y por ello mismo, insuficiente para lo que cree poder alcanzar.

De la misma manera que la gravedad nunca explicó todo lo que ocurre en el universo —a pesar de lo extraordinariamente precisa que era para aquello que sí podía explicar—, la teoría de la computación tampoco tiene por qué explicar un fenómeno singular y único como es el de la consciencia humana. Que la mente parece estar ubicada en el órgano cerebral —cosa que no está nada clara, menos todavía la consciencia—, el hecho de ser un sistema físico como lo es también un computador, no implica que sea el mismo fenómeno físico el que explique ambos. Un órgano evolucionado durante millones de años puede responder a paradigmas de funcionamiento muy diferentes al de un sistema diseñado en el garaje de una vivienda durante el fin de semana. 

Los límites de la computación

Llegados a este punto, con un contexto aproximado lo suficientemente preciso que el medio y sobre todo, la limitada capacidad de su autor permiten, es factible preguntarse ¿Qué sabemos acerca de los límites de la computación? Si la mente no es necesariamente computable entonces debería ser posible formalizar los límites de la actual teoría de la computación que señalen esa frontera. Algunos ya se han indicado, como el teorema de la incompletitud de Gödel: si un sistema algorítmico puede definirse como un conjunto finito de axiomas, este nunca podrá ser completo y coherente a la vez. Ahora bien, la pregunta siguiente sería ¿lo es la mente humana? Es difícil responder a esta cuestión, pero todavía más lo es responder a la de si puede un sistema informático desarrollar la demostración del teorema de la incompletitud de Gödel, «sabiendo» qué es lo que ha demostrado.

Si estas cuestiones resultan abrumadoras puede empezarse por algo más modesto. Precisamente, el propio Turing descubrió que las máquinas que llevan su nombre, la base de toda la teoría de la computación actual —incluida la computación cuántica y la inteligencia artificial— tienen un límite muy preciso. El matemático británico se dio cuenta que para una serie de problemas de un tipo concreto, un sistema computacional basado en la máquina de Turing no podía decidir si había alcanzado una solución o por el contrario, esta no existía. 

Si recordamos el concepto de decibilidad que pretendía Hilbert, consistía en determinar si un problema  cualquiera tiene solución o no dentro de un conjunto de axiomas dado. Turing comprobó que no existe un algoritmo general que pueda concluir, para un problema cualquiera dado, si este tiene solución o no. A este tipo de problemas se les llama indecidibles y el llamado problema de la parada constituye el ejemplo más conocido en el ámbito de la computación. Este se da cuando una máquina de Turing ha de resolver uno de estos problemas y nunca llega a una solución porque en efecto, esta no existe. Nótese de nuevo que aquí la dificultad no radica en encontrar solución a un problema, ya que por definición, este tipo de problemas no la tienen, no hay solución a la que llegar. El «problema», o más bien habría que decir «metaproblema», consiste en identificar precisamente que no tienen solución y dar como resultado dicha conclusión. 

La capacidad humana

Con el conocimiento actual, ni tan siquiera un número infinito de máquinas de Turing —que según la propia teoría seguiría siendo otra máquina de Turing— serían capaces de identificar que un problema es indecidible y por tanto, no emplear ni un solo ciclo de reloj en intentar solucionarlo. Turing sí que pudo no solo identificarlo, sino además demostrar que ninguna máquina de Turing podía hacerlo. Gödel también pudo demostrar que a veces hace falta una validación externa. Einstein, amigo de Gödel, descubrió la relatividad gracias a dejar atrás el concepto newtoniano de la física y a sus experimentos mentales. Según el famoso físico alemán:

«no podemos resolver un problema si razonamos de la misma manera en la que lo creamos»

¿Sabe una máquina de Turing cuando ha de razonar fuera de su propio marco definido? Según la indecibilidad de Turing y el principio de incompletitud de Gödel, no parece que un sistema algorítmico pueda cambiar de marco cognitivo e incluso crear uno nuevo si el conocido no es suficiente. Newton, Turing, Gödel, Einstein y muchos otros, salvo noticia de última hora, eran todos humanos. Ellos pudieron hacerlo. Por tanto, el ser humano, en determinadas condiciones, es potencialmente capaz de realizar actividades que no pueden ser explicadas a la luz actual de la teoría de la computación. La cuestión no es si todos los humanos podemos hacerlo —probablemente no a voluntad— la cuestión es: ¿Cuál es ese mecanismo que puede identificar la necesidad de cambio de marco cognitivo para resolver un problema?

Estos obstáculos no parecen importar a los defensores del computacionalismo fuerte, asumiendo de manera ontológica que cualquier tipo de procesamiento es reducible a la teoría de la computación. Tal vez argumenten que el procedimiento para averiguar si un problema es indecidible puede ser computable. Y tendrán probablemente razón: una vez hallado, el proceso de demostración puede ser formalizado. Pero de nuevo, en este punto se corre el riesgo de pasar por alto el «metaproblema»: no es «identificar un problema indecidible», sino, dado un problema cualquiera, desarrollar el método necesario para identificar si es decidible o no. Dicho método sería el resultado, pero el proceso para lograr ese método constituye el verdadero reto para el que no existe un método algorítmico válido.

Hasta donde alcanza el conocimiento actual, no disponemos de ningún procedimiento efectivo general que describa ese proceso. Si existe, permanece desconocido; si no existe, el computacionalismo fuerte tendría que afrontar una profunda revisión. Para entender la envergadura de esta acción es necesario hacer el siguiente planteamiento: hasta ahora se han definido algunos de los límites matemáticos a la computación pero no se ha mencionado nada acerca de la naturaleza de lo computable. Esta cuestión se recoge en la llamada tesis de Church-Turing, que sostiene que todo procedimiento efectivo —todo método que pueda descomponerse en pasos sucesivos, por numerosos o complicados que sean— es computable, es decir, que existe un algoritmo que puede llevar a cabo dicha tarea. Aquí es donde el computacionalismo fuerte introduce una premisa adicional que no se deriva de la teoría de la computación ni de la tesis de Church-Turing: que todo proceso cognitivo humano constituye, en último término, un procedimiento efectivo. Sin embargo, esa afirmación nunca ha sido demostrada. 

La cuestión no es si un procedimiento efectivo puede ejecutar un razonamiento previamente formalizado. La cuestión es si el proceso mediante el cual un investigador reconoce la insuficiencia de un marco conceptual y construye otro nuevo puede describirse, él mismo, mediante un procedimiento efectivo general. Mientras no se describa un procedimiento de este tipo, la computabilidad completa de la mente humana seguirá siendo una hipótesis filosófica y un programa de investigación, no una consecuencia establecida de la teoría de la computación..

Frente a esta situación, la postura metodológicamente más prudente consiste en distinguir entre aquello que hoy sabemos describir mediante procedimientos efectivos y aquello para lo que todavía no disponemos de una descripción semejante. Si bien es legitimo intentar modelizar la mente humana hasta alcanzar los límites que la teoría de la computación puede ofrecer, actuar como si esa fuera la única explicación físicamente plausible, tiene el riesgo de descartar de antemano otras posibilidades que, siendo también hoy especulativas, podrían abrir nuevos caminos para ampliar los límites del conocimiento científico. 

Este artículo no cuestiona la posibilidad de que algún día pueda construirse un sistema artificial con capacidades equiparables a las humanas, sino que la teoría actual de la computación baste, por sí sola, para justificar que la cognición humana sea completamente computable. Si algún día se lograra modelizar la mente humana de alguna forma, probablemente requerirá ampliar de manera sustancial el marco conceptual actual, ya fuera mediante una nueva noción de procedimiento efectivo o mediante un paradigma todavía desconocido. Afirmar desde hoy que la mente humana será necesariamente computable, cuando todavía se desconocen los principios que harían posible esa explicación, constituye un salto lógico que corre el riesgo de convertir la tesis en difícilmente falsable. 

Este tipo de posiciones epistemológicamente cerradas —hayan adoptado la forma de positivismo, cientificismo, determinismo mecanicista o cualquier otro marco que pretenda abarcar la realidad desde una única perspectiva— rara vez han ampliado el conocimiento. Con mayor frecuencia han contribuido a retrasar el reconocimiento de fenómenos que no podían describirse mediante las herramientas conceptuales disponibles en su tiempo. La historia de la ciencia muestra precisamente lo contrario: los grandes avances han surgido cuando se ha reconocido que un marco explicativo había agotado su capacidad para responder a nuevas preguntas y ha sido necesario construir otro más amplio. Ningún modelo debe confundirse con la realidad que intenta describir, ni el éxito extraordinario de una teoría autoriza a convertirla en una ontología universal. Si el ser humano llega a construir una mente artificial, será porque primero habrá comprendido con precisión qué explica la teoría actual y qué deja sin explicar.

El cultivo de la creatividad

Resulta paradójico que el computacionalismo fuerte adopte como punto de partida su propio marco sin cuestionar si es suficiente para el objetivo que pretende respecto a la cognición humana. Precisamente, cuestionar la suficiencia del marco vigente fue una de las actitudes intelectuales decisivas que permitieron a Gödel y Turing formular sus teoremas. El hecho de que los defensores del computacionalismo fuerte insistan en proponer un marco que deja de lado el argumento clave que puede cuestionarlo, nos hacer volver la vista hacía el otro protagonista: el ser humano y sus propios límites. No todas las personas podemos identificar o determinar si un problema es indecidible, ni las que son capaces lo han sido siempre. Afortunadamente, cada ser humano es único, no es producto de una cadena de fabricación en serie como lo son los sistemas computacionales. Las personas somos el resultado, no solo de un proceso evolutivo de millones de años, sino que cada individuo lo es de una vida llena de experiencias, de aprendizaje, de conocimiento interior, de vicisitudes y de traumas. 

En algunas ocasiones, trabajando como afirmaba Pablo Picasso —creador del cubismo— la inspiración llega a nuestra mente. En otras viene paseando o mientras se realiza cualquier otra actividad. En cualquier caso, no parece que el proceso de creatividad responda a lo que se ha definido como «procedimiento efectivo». No hay una lista de pasos, una receta para lograrla, aunque ha sido objeto de leyendas y mitos conseguirla. El arte, la filosofía, incluso las matemáticas y la ciencia, no son el resultado de un procedimiento efectivo, sino probablemente de todo lo contrario. A veces las ideas llegan incluso en los sueños. 

Más bien se trata de una cualidad que ha de ser cultivada. Un proceso laborioso y paciente cuyos resultados no pueden determinarse hasta que aparecen. Dicho cultivo puede incluir prácticas como la meditación, las artes marciales y en general, un aprendizaje lento y pausado. Todo aprendiz puede que se haya preguntado alguna vez sobre la utilidad de sus materias de estudio. Y tendrá razón en preguntárselo, porque el resultado no se sabe ni cuando ni cómo llega. Solo se sabe que, a veces, ocurre.

Leer más

El individualismo contra el individuo

Cuando la individualidad destruye al individuo

Es muy común pensar que, dado que el «pensamiento único» conduce a una limitación de la diversidad, la inteligencia colectiva reside en el desacuerdo. La variedad de opiniones permitiría que la mejor idea terminara imponiéndose. Esta intuición contiene una parte importante de verdad: sin diversidad de perspectivas no puede haber evaluación de opciones. Sin embargo, detener el análisis en ese punto supone dejar incompleto el propio mecanismo que hace posible la inteligencia colectiva.

La diversidad constituye únicamente el comienzo del proceso. Para que un grupo sea realmente inteligente no basta con que existan hipótesis diferentes; es necesario que esas hipótesis puedan compararse, coordinarse provisionalmente alrededor de una estrategia común y, sobre todo, ser revisadas posteriormente a la luz de sus consecuencias. 

La evolución selecciona. La inteligencia colectiva aprende. Confundir ambos procesos conduce a interpretar las sociedades humanas como si debieran funcionar del mismo modo que el proceso evolutivo que les dio origen. La inteligencia colectiva no consiste únicamente en seleccionar una alternativa, sino en desarrollar la capacidad del grupo para aprender de la experiencia. Por ello, se manifiesta en un ciclo continuo de diversidad, coordinación y autocorrección mediante el contraste con la realidad.

Ciclo de tres fases: diversidad de perspectivas, acción coordinada y contraste con la realidad.
(Fuente: elaboración propia usando ChatGPT)

Este punto resulta especialmente importante porque modifica completamente la interpretación evolutiva de la cooperación. La teoría evolutiva y la teoría de juegos muestran que la cooperación constituye la principal estrategia adaptativa sobre la que se ha construido la evolución humana. No porque elimine el desacuerdo, sino precisamente porque permite aprovecharlo. La cooperación no consiste en pensar todos igual; consiste en transformar diferencias cognitivas en una estrategia colectiva susceptible de ser corregida posteriormente por la realidad. 

El desacuerdo nunca desaparece. Se convierte simplemente en el punto de partida de un proceso adaptativo continuo. Sin embargo, este mecanismo requiere una condición previa: la capacidad de abandonar provisionalmente la propia posición cuando la evidencia lo exige. Precisamente esta condición parece cada vez más difícil en un contexto donde las posiciones políticas e ideológicas funcionan como identidades. Cambiar de postura choca entonces con la necesidad de defender convicciones que percibimos como propias, aunque con frecuencia sean marcos ideológicos difundidos y posteriormente interiorizados.

Este fenómeno tiene una explicación evolutiva que, paradigmáticamente, también explica por qué lo que ahora es un problema, en el entorno evolutivo donde surgieron nuestras disposiciones era funcional: en los grupos relativamente reducidos donde surgieron dichas predisposiciones humanas, la deliberación constante y la competencia mutua era una estrategia muy ineficiente. La evolución no favoreció únicamente individuos más competitivos. Favoreció también grupos capaces de coordinar mejor el conocimiento distribuido entre sus miembros, identificando entre ellos a las personas que demostraban habilidades en tareas concretas. Esta reputación percibida, posible en aquellos grupos reducidos donde se convivía permanentemente, funcionaba como indicador de selección de líderes. El grupo, aún albergando disparidad de opiniones y habilidades, seguía al considerado mejor preparado. Si se equivocaba de manera reiterada, la reputación percibida quedaba mermada y emergía un nuevo líder.

Sin embargo, los modelos contemporáneos oscilan dicotómicamente entre la confianza ciega en un líder que parece tener siempre todas las respuestas y determinadas concepciones anarcoliberales que aceptan la coordinación únicamente cuando emerge espontáneamente de acuerdos voluntarios, mientras contemplan con profunda desconfianza cualquier mecanismo institucional diseñado para producirla. El desacuerdo pasa así a convertirse no en el origen sino en el destino final del sistema. La competencia permanente entre estrategias individuales sustituye cualquier mecanismo explícito de aprendizaje colectivo. Se espera que sea la propia selección competitiva quien determine retrospectivamente cuál era la mejor estrategia.

Este modelo posee una simplicidad atractiva. Pero precisamente esa simplicidad puede ocultar una dinámica sistémica mucho más problemática que suele pasar desapercibida: seleccionar un vencedor no equivale a que un sistema haya aprendido. Confundir ambos procesos constituye uno de los errores conceptuales más persistentes de nuestro tiempo. Los sistemas que únicamente seleccionan vencedores pueden sobrevivir durante largos periodos sin llegar a comprender por qué tuvieron éxito ni por qué terminan fracasando. Sin aprendizaje colectivo, los mismos errores tienden a reproducirse bajo formas distintas. Quizá por eso la historia parece repetirse: no como un destino inevitable, sino como un continuo intento de adaptación a un mundo cuyas condiciones ya han cambiado. Esta interpretación se desarrolla con mayor profundidad en El motor de la historia como desajuste evolutivo en ResearchGate.

Muchas de esas dinámicas tienen su equivalente en diversos modelos matemáticos, como el Yard-Sale Model, al mostrar que sistemas donde la acumulación puede perpetuarse tienden espontáneamente a concentrar riqueza mediante mecanismos de selección preferencial y realimentación positiva. El resultado son distribuciones de tipo ley de potencia, donde pequeñas diferencias iniciales terminan amplificándose hasta concentrar una parte muy importante de los recursos en un número reducido de nodos. En todo sistema con capacidad de acumulación persistente, la tendencia a la concentración —de riqueza, en este caso— constituye así una propiedad emergente del propio sistema. 

De ello no se deduce, sin embargo, que esa dinámica sea deseable, pues conduce también a una pérdida progresiva de diversidad efectiva. Lo verdaderamente significativo es que dicha concentración no requiere una intervención deliberada para producirse; emerge espontáneamente de la propia dinámica del sistema. Son precisamente los mecanismos de compensación —institucionales, jurídicos, educativos o de cualquier otra naturaleza— los que requieren un diseño consciente para limitar esa tendencia.

La conclusión resulta paradójica: quienes defienden la eliminación de mecanismos institucionales de coordinación suelen hacerlo en nombre de la libertad, la diversidad y la espontaneidad. Sin embargo, si la propia dinámica del sistema conduce a concentraciones crecientes de riqueza, poder, información o capacidad de decisión, entonces esas mismas condiciones terminan destruyendo precisamente aquello que pretendían preservar. La concentración reduce la diversidad efectiva del sistema así como las posibilidades de cooperación entre iguales y, en definitiva, la propia capacidad adaptativa o inteligencia colectiva del conjunto.

La paradoja consiste en que un modelo construido para proteger la «libre competencia» tiende, según varios modelos matemáticos así como la propia realidad de todos los días, a concentrar poder, opinión e influencia en nodos opacos que se protegen y perpetúan a sí mismos. Internet, un cibermundo abierto a todos, se ha convertido en el principal medio a través del cual esos mismos procesos de concentración se extienden desde la riqueza hacia la información, la atención pública y la capacidad de influencia, reduciendo la diversidad cognitiva necesaria para que la inteligencia colectiva pueda seguir aprendiendo y adaptándose a nuevos desafíos.

La pregunta entonces pasar a ser qué modelo resulta, al menos, tan funcional como lo era el de aquellos grupos humanos que aprendían de la experiencia y de los errores en lugar de cuál ideología es «mejor». Las instituciones no deberían evaluarse por su tamaño, sino por su capacidad para impedir dinámicas de concentración que destruyan la diversidad cognitiva necesaria para la inteligencia colectiva. Toda cooperación auténtica es necesariamente voluntaria. Precisamente por ello, el problema no se soluciona «obligando a cooperar», sino diseñando condiciones donde la cooperación continúe siendo una estrategia viable y evolutivamente estable frente a dinámicas acumulativas que terminan dificultándola hasta hacerla prácticamente inviable.

No se trata pues de entender la cooperación por un supuesto «valor moral» sino por su valor para convertirse en una propiedad adaptativa del sistema. La evolución explica cómo surgió nuestra capacidad para cooperar, no se sigue de ello que una sociedad inteligente deba limitarse a reproducir mecánicamente el proceso competitivo mediante el cual esa capacidad apareció. El objetivo no ha de consistir únicamente en producir mejores resultados económicos o de reducir el sufrimiento humano —aunque ambas cuestiones sean relevantes— sino, precisamente, de que la cooperación constituye una innovación evolutiva porque permite aprender antes de que sea la selección quien elimine las alternativas.

La inteligencia colectiva no consiste en esperar a que sobreviva el vencedor. Consiste en preservar la capacidad colectiva de aprender antes de que la concentración del poder reduzca las alternativas disponibles. La evolución selecciona. Una sociedad inteligente aprende.

Bibliografía relacionada

• Axelrod, Robert. La evolución de la cooperación. Madrid: Alianza Editorial, 1986. (Ed. original: The Evolution of Cooperation, Basic Books, 1984).
• Barabási, Albert-László, y Réka Albert. «Emergence of Scaling in Random Networks». Science 286, n.º 5439 (1999): 509-512. Disponible en: https://web.archive.org/web/20120417112354/http://www.nd.edu/~networks/Publication%20Categories/03%20Journal%20Articles/Physics/EmergenceRandom_Science%20286,%20509-512%20(1999).pdf
• Boghosian, Bruce M., Adrian Devitt-Lee y Hongyan Wang. «The Growth of Oligarchy in a Yard-Sale Model of Asset Exchange: A Logistic Equation for Wealth Condensation». Proceedings of the 1st International Conference on Complex Information Systems (2016), pp. 187-193. Preprint disponible en arXiv: https://doi.org/10.48550/arXiv.1608.05851.
• Hilbert, Martin. «Scale-free power-laws as interaction between progress and diffusion». Complexity 19, n.º 5 (2014): 10-17. Publicado online el 18 de diciembre de 2013. https://doi.org/10.1002/cplx.21485.
• Nowak, Martin A., y Roger Highfield. Supercooperadores. Barcelona: Ediciones B, 2012. (Ed. original: SuperCooperators, Free Press, 2011).
• Ostrom, Elinor. El gobierno de los bienes comunes. La evolución de las instituciones de acción colectiva. México: Fondo de Cultura Económica, 2000. (Ed. original: Governing the Commons, Cambridge University Press, 1990).
• Von Neumann, John, y Oskar Morgenstern. Teoría de juegos y comportamiento económico. México: Fondo de Cultura Económica. (Ed. original: Theory of Games and Economic Behavior, Princeton University Press, 1944).

Conceptos relacionados

• Yard-Sale Model (modelo de intercambio patrimonial).
• Selección preferencial (Preferential Attachment).
• Distribuciones de ley de potencia (Power-law distributions).
• Teoría de juegos evolutiva.
• Inteligencia colectiva.
• Cooperación evolutiva.

Leer más

El capitalismo como juego de suma cero

Los límites de los modelos ideales

En matemáticas, y más concretamente en la teoría de juegos, suele distinguirse entre juegos de suma cero y juegos de suma no cero. En los primeros, la ganancia de unos participantes implica necesariamente una pérdida equivalente para otros. La suma total de ganancias y pérdidas permanece constante, por lo que todo aquello que un jugador obtiene procede, directa o indirectamente, de lo que dejan de poseer los demás. Juegos clásicos como el ajedrez, las damas o el póker ilustran este principio: la victoria de un jugador supone la derrota de otro.

Por el contrario, en un juego de suma no cero la suma total de ganancias y pérdidas no está determinada de antemano. Dependiendo de las decisiones de los participantes, todos pueden beneficiarse, todos pueden perjudicarse o algunos obtener mayores ventajas que otros. Aunque la cooperación no forma parte de su definición, suele ser el mecanismo que permite ampliar el beneficio conjunto. Lo que caracteriza a estos juegos es precisamente que el resultado global puede aumentar o disminuir en función de las estrategias adoptadas y no queda reducido a una simple redistribución entre vencedores y vencidos.

Esta clasificación funciona con relativa claridad en juegos formales y sistemas cerrados, donde las reglas, los participantes y las condiciones de victoria están perfectamente definidos. Sin embargo, las dificultades aparecen cuando estas categorías se trasladan a fenómenos sociales, económicos o políticos reales. La razón es sencilla: los modelos matemáticos describen situaciones idealizadas, del mismo modo que no existen triángulos perfectos, burocracias perfectas, mercados perfectos o democracias perfectas, tampoco debe sorprendernos que en el mundo real sea poco evidente encontrar ejemplos «perfectos» de juegos de suma cero. Que la realidad no coincida exactamente con el modelo no implica que el modelo deje de ser útil para describir una tendencia o una estructura.

Las sociedades humanas constituyen sistemas abiertos formados por multitud de ámbitos relativamente diferenciados —económicos, políticos, culturales, tecnológicos, educativos o familiares— que interactúan entre sí de maneras complejas. Ninguno de estos ámbitos existe de forma aislada y, aunque en ocasiones puedan analizarse por separado, mantienen conexiones constantes que alteran su comportamiento y dificultan cualquier clasificación simple. Por este motivo, difícilmente encontraremos en el mundo real ejemplos puros de juegos de «suma cero» o de «suma no cero». 

Sin embargo, precisamente por estas limitaciones y dificultades, los modelos ideales permiten identificar tendencias, mecanismos y patrones estructurales que, aun sin manifestarse en estado puro, ayudan a comprender el funcionamiento de sistemas mucho más complejos. Por tanto, el uso de expresiones como «suma cero» o «suma no cero» no debe interpretarse como una descripción matemática literal de la realidad, sino como una herramienta analítica para reconocer dinámicas que pueden aproximarse, en mayor o menor medida, a dichos modelos ideales.

Crecimiento y estructura: el problema de la pirámide

La discusión sobre si el capitalismo constituye o no un juego de suma cero suele tropezar con una dificultad metodológica. Sus defensores suelen señalar que la existencia de crecimiento económico, innovación tecnológica o reducción de la pobreza extrema bastaría para descartar dicha posibilidad. Sin embargo, esta objeción presupone que la única forma legítima de utilizar el concepto es su definición matemática estricta.

Por lo comentado anteriormente, ese mismo criterio impediría aplicar prácticamente cualquier modelo ideal a la realidad social. Ningún triángulo físico reproduce con exactitud el modelo geométrico, ninguna democracia elimina por completo la arbitrariedad del poder y ninguna burocracia funciona como un reloj suizo. Del mismo modo, tampoco encontraremos sistemas históricos que reproduzcan exactamente las condiciones de un juego de suma cero o de suma no cero. La cuestión relevante no es, por tanto, si una sociedad coincide plenamente con el modelo, sino si presenta dinámicas estructurales que se aproximan a él.

Para ilustrar esta diferencia resulta útil recurrir a la metáfora de la pirámide. Una pirámide puede crecer, hacerse más alta, incorporar nuevos niveles o mejorar las condiciones materiales de quienes ocupan su base. Sin embargo, ninguna de estas transformaciones altera necesariamente su estructura. La cuestión fundamental no es el tamaño de la pirámide sino su topología: quién controla el excedente, quién toma las decisiones y cómo se distribuyen los beneficios generados por la cooperación colectiva.

Desde esta perspectiva, afirmaciones como «hay más riqueza que antes» o «la pobreza extrema ha disminuido» describen una modificación del tamaño pero no responden a la pregunta sobre su forma —las proporciones de la pirámide (altura respecto de la base) serían un indicativo de mayor o menor desigualdad—. Un sistema puede aumentar considerablemente su producción y, al mismo tiempo, conservar mecanismos de apropiación muy similares a los que poseía anteriormente.

El motor y la apropiación del excedente

La segunda metáfora útil es la del motor. El capitalismo puede entenderse como un mecanismo capaz de transformar determinados insumos en actividad económica y crecimiento. Sin embargo, esos insumos no son creados por el propio mecanismo. Proceden del trabajo humano, la cooperación social, el conocimiento acumulado, la educación, las infraestructuras, los recursos naturales o las instituciones que sostienen la vida colectiva.

La pregunta relevante pasa entonces a ser qué ocurre con el excedente generado por ese proceso. Una parte retorna necesariamente al sistema para garantizar su reproducción inmediata: los trabajadores deben sobrevivir, las infraestructuras mantenerse y las capacidades productivas renovarse. Sin embargo, la reproducción a largo plazo de estas condiciones no depende exclusivamente del propio mecanismo económico, sino también de procesos sociales, institucionales y cooperativos mucho más amplios que lo exceden. Una parte significativa del excedente es apropiada, concentrada o redistribuida según las reglas específicas que gobiernan dicho mecanismo. Habitualmente, quienes generan directamente el valor reciben una compensación limitada a su participación inmediata en el proceso productivo, mientras que la propiedad del resultado y la capacidad de beneficiarse de él permanecen separadas de quienes lo hicieron posible.

En este punto aparece una cuestión que suele quedar oculta cuando toda mejora social se atribuye automáticamente al capitalismo. Muchas de las transformaciones históricas que han ampliado derechos, mejorado salarios o fortalecido la protección social no surgieron necesariamente de la lógica interna del capital, sino de la interacción de múltiples fuerzas paralelas: sindicatos, movimientos sociales, regulación estatal, educación pública, presión democrática o conflictos políticos de diversa naturaleza.

Por ello, atribuir al capitalismo todos los avances producidos en las sociedades donde opera equivale a confundir el motor con el conjunto del vehículo. El hecho de que un sistema participe en un proceso de transformación social no implica que sea el único responsable de sus resultados. La cuestión central no es, por tanto, si existe crecimiento. Tampoco si las condiciones materiales de vida han mejorado respecto al pasado. La cuestión es si dicho crecimiento altera o no la lógica de apropiación del excedente.

Dicho de otro modo: una pirámide puede hacerse más grande sin dejar de ser una pirámide. Del mismo modo, un motor puede transformar cada vez más energía sin dejar de depender del combustible que hace posible esa transformación.

La lógica capitalista puede entenderse como una estructura piramidal que crece alimentándose de procesos cooperativos mucho más amplios que ella misma. La innovación, el conocimiento, la creatividad, la educación o la investigación generan continuamente nuevas capacidades sociales y productivas. Sobre esa base, los mecanismos de acumulación capturan una parte del excedente producido y lo transforman en «crecimiento económico» .  

La escena recuerda a un juego de suma cero incrustado dentro de un entorno de suma no cero. 

La cooperación amplía constantemente las posibilidades del sistema, mientras que la apropiación determina quién controla los beneficios derivados de esa ampliación —pirámide más grande o más alta—. El crecimiento de la pirámide depende precisamente de la existencia de una base capaz de generar más recursos, más conocimiento y más innovación de los que ella misma es capaz de producir. De la misma manera que un motor necesita combustible para funcionar, las dinámicas de acumulación necesitan una fuente continua de creatividad y cooperación sobre la que operar. La cuestión fundamental deja entonces de ser cuánto crece el sistema y pasa a ser quién controla los resultados de ese crecimiento y cómo se distribuye el excedente generado.

Por esta razón, la utilidad de la expresión «juego de suma cero» no reside en describir literalmente una realidad matemática inexistente, sino en señalar la posible existencia de dinámicas de captura y concentración del excedente que, aun coexistiendo con crecimiento e innovación, pueden seguir desempeñando un papel estructural en el funcionamiento del sistema.

Leer más