Dos variables que decidirán si la IA pasa de largo por África
El FMI acaba de publicar su primer modelo económico serio sobre la IA en el África subsahariana, y la matemática es sorprendentemente fácil de entender, incluso si no tienes formación en economía. Explica algo en lo que he estado trabajando desde distintos ángulos durante los últimos años.
Los dos números que importan
El FMI aplicó el mismo modelo de productividad usado para Estados Unidos y Europa, pero al África subsahariana.
Bajo las condiciones actuales, la IA añade un 0,2% a la productividad de la región durante la próxima década. Bajo un escenario de alta adopción, ese número se convierte en 2,1%, con un efecto sobre el PIB de alrededor del 4%.
Es una diferencia de 10x. La misma tecnología, la misma región, la misma década.
¿Qué determina entonces qué número te toca? Definitivamente no la tecnología. Son las condiciones que la rodean.
Para ver por qué, hay que mirar dentro del modelo mismo, y es más simple de lo que esperarías.
Todo el modelo son tres números multiplicados entre sí
Quita la notación y el marco del FMI dice que la ganancia de productividad es igual a:
Exposición × Adopción × Ahorro
- Exposición: ¿qué proporción del trabajo puede realmente tocar la IA?
- Adopción: ¿qué proporción de las empresas la usa de verdad?
- Ahorro: cuando la usan, ¿cuánto más productiva se vuelve cada tarea?
La multiplicación es la parte importante. Si cualquiera de los tres números está cerca de cero, el resultado entero está cerca de cero, así que no importa cuán buena se vuelva la tecnología.
Ahora introduce los números actuales del África subsahariana:
- Exposición: solo alrededor del 22% (0,22) de los empleos son tocados de forma significativa por la IA, frente a aproximadamente el 55% en Europa.
- Adopción: por debajo del 10% (0,1), entre dos y tres veces menor que en Europa o las Américas. Multiplica esos dos números pequeños entre sí, luego por un ahorro por tarea de aproximadamente el 10%, y aterrizas en el 0,2%.
La ecuación te dice exactamente dónde está la palanca. Poco puedes hacer con el tercer número, porque el ahorro por tarea lo fija la propia tecnología. Pero los dos primeros los fijamos nosotros. La exposición y la adopción no son leyes intocables de la física. Son el resultado de decisiones sobre infraestructura, productos y políticas.
Todo aquello en lo que he trabajado se sitúa en algún punto de esas dos variables.
Piensa en la IA como herramientas eléctricas en una aldea sin electricidad
Imagina enviar un contenedor de herramientas eléctricas a una aldea sin red eléctrica.
Las herramientas funcionan perfectamente. La gente tiene habilidad. Pero no pasa nada, porque las herramientas necesitan algo que el entorno todavía no proporciona.
Esa es la variable de adopción en forma física. La IA eleva la productividad cuando va acompañada de energía fiable, conectividad, habilidades e instituciones.
Los economistas llaman a esto «condiciones complementarias», pero a mí me gusta pensar en ello como la red eléctrica. Y el problema de la red no es abstracto. El setenta y ocho por ciento de las empresas de la región reporta cortes de energía rutinarios, perdiendo el 8,4% de sus ventas anuales frente a un promedio global del 5,2%. El ochenta y seis por ciento de las empresas nigerianas posee o comparte un generador.
Cuando tu punto de partida es «puede que no haya luz», una herramienta dependiente de la nube es difícil de vender, por impresionante que sea la demo.
El número de «baja exposición» es en parte un truco de medición
Aquí es donde se pone interesante, y donde creo que el propio informe del FMI argumenta silenciosamente contra su número de titular.
La medición de la exposición funciona descomponiendo los empleos en tareas y preguntando: ¿puede la IA actual hacer esta tarea?
Según ese método, la agricultura puntúa cerca de cero porque las tareas de un agricultor son mayormente físicas… la IA no puede sembrar maíz, ¿verdad?
Pero mira lo que pasa cuando haces una pregunta distinta: no «¿puede la IA hacer las tareas del agricultor?», sino «¿puede la IA cerrar las brechas de información del agricultor?».
Los rendimientos típicos de los cultivos en la región rondan el 25–33% de su potencial. Esto nunca fue una cuestión de habilidad… es simplemente porque carecen de información en tiempo real sobre el clima, el suelo, las plagas, los precios y los tiempos. Un ensayo aleatorizado de un servicio de asesoría agrícola por SMS impulsado por IA encontró un aumento del 16,6% en el rendimiento y del 23% en los ingresos en una sola temporada. Por SMS. En teléfonos básicos. Sin necesidad de red eléctrica.
El FMI pasó esta lógica por su propio modelo. Extender la IA solo a la agricultura añade 0,8 puntos porcentuales: la palanca individual más grande de todo el marco, cuatro veces el tamaño del total bajo condiciones actuales.
La exposición no tiene que ver con el empleo en sí. Tiene que ver con cómo entregas la inteligencia.
Cuando mides la agricultura por automatización de tareas, no está expuesta; pero cuando la mides por apoyo a las decisiones, se convierte en la mayor oportunidad del continente.
El mismo replanteamiento aplica al comercio informal; guarda esa idea.
Sigue el dinero: la trampa del consumidor
Antes de la parte optimista, tenemos que sentarnos con la parte incómoda. Esta es la sección en la que quiero que sientas el peso.
Digamos que un negocio de Lagos adopta herramientas de IA y se vuelve un 20% más productivo. Buen resultado, ¿no? Ahora sigue el rastro del dinero.
La suscripción está denominada en dólares. El modelo corre en servidores en Virginia o Dublín. Los chips vinieron de una empresa, la nube de tres. Así que cada mes, un negocio que gana en nairas convierte a dólares y envía valor hacia arriba por una pila en la que no participa, en ninguna capa.
Ahora multiplica eso por toda una economía. Millones de negocios, todos más productivos, todos convirtiendo moneda local a dólares por el mismo insumo importado.
Individualmente, es muy racional. Colectivamente, es presión sostenida sobre el tipo de cambio, y una dependencia estructural creciente de una infraestructura cotizada en la moneda de otro y gobernada por las reglas de otro.
A esto me refiero con la diferencia entre consumir IA y participar en ella. Una relación de consumo concentra las ganancias en el punto de producción y las extrae del punto de uso. Ya hemos visto este ciclo antes: materias primas que salen, bienes terminados que entran, valor capturado en otra parte. La mercancía esta vez es la inteligencia, pero la geometría es vieja.
El FMI lo dice en lenguaje institucional: dependencia de proveedores extranjeros, infraestructura «cara, concentrada y moldeada por la fragmentación geopolítica». Yo he escrito sobre ello en un lenguaje más crudo aquí.
Sea como sea, la ganancia de productividad es real y la extracción es real. Ambas cosas son ciertas a la vez, y cualquier estrategia honesta tiene que sostener las dos.
La gobernanza es una posición negociadora, no un reglamento
Esta es la pregunta que produjo NEAIF, el marco de gobernanza de IA que publiqué para el contexto nigeriano.
La mayoría de los marcos de gobernanza parten del despliegue: los sistemas existen, la gente los usa, ¿cómo los regulamos? Aunque esa suene como la mejor pregunta para Bruselas, es la primera pregunta equivocada para Abuya, porque asume que ya tienes influencia sobre los sistemas, y no la tienes.
Piénsalo como presentarte a una negociación comercial sin nada que la otra parte quiera. Los demás venden motores a reacción, drones de larga distancia, chips de silicio, suscripciones de SaaS empresarial, y todo lo que tú tienes es una «población creciente con un potencial inmenso» y una reserva menguante de cacao en bruto.
Puedes escribir todas las reglas que quieras. Nadie tiene motivo para sentarse a tu mesa salvo que exista una oportunidad de explotación.
¿Qué te da un asiento? Sobre todo, los datos. Los sistemas de IA están hambrientos de datos que no tienen: idiomas locales, patrones de comercio local, condiciones agrícolas locales. Un país que controla conjuntos de datos locales de alta calidad y bien gobernados tiene algo con qué negociar. Un país que no, es un tomador de reglas.
Ese es el argumento de Governing by Data, el marco complementario de NEAIF: construye primero la posición de datos, porque convierte la gobernanza de un ejercicio de cumplimiento en una ficha de negociación.
Algo de esto lo entendí mal, por cierto. Subestimé cuánto tarda el trabajo de gobernanza en ganar tracción sin respaldo institucional, y aprendí que llegar temprano y ser legible son cosas muy distintas. Que el FMI ahora modele este mismo terreno no prueba automáticamente que los marcos tuvieran razón, pero muestra con fuerza que la conversación por fin tiene un punto de referencia compartido.
Lo que nos enseña la historia del dinero móvil
Ahora viene la parte alentadora, y la discutiremos usando el propio ejemplo del FMI.
El África subsahariana nunca construyó redes de telefonía fija a escala. Llegaron los teléfonos móviles, y la región se saltó la era de la línea fija por completo. Hoy concentra 1.200 millones de las 2.100 millones de cuentas de dinero móvil registradas en el mundo.
El líder mundial se construyó sobre una capa que se saltó.
El mecanismo importa más que el resultado. M-Pesa funcionó porque encontró a la gente exactamente donde estaba: teléfonos básicos, economías de efectivo, sin cuentas bancarias. No pidió a los usuarios que primero se «bancarizaran». Hizo innecesario el viejo prerrequisito.
Ese es el patrón de diseño: no arrastres a la gente por la vieja escalera. Construye el piso nuevo bajo sus pies.
Construir para la capa que se está formando
Aplica ese patrón al comercio, y obtienes la apuesta detrás de Paylo.
Imagina a una comerciante que vende zapatos en Aba. Es buena en su negocio. Toda su existencia comercial transcurre por WhatsApp y transferencias en efectivo.
Según la medición del FMI, su trabajo tiene una exposición a la IA cercana a cero. La era del comercio electrónico en gran medida la pasó de largo, porque los sitios web costaban demasiado, las plataformas se quedaban con demasiado y la logística centralizada no llegaba hasta ella.
Esto es lo que está cambiando bajo sus pies: la gente está empezando a preguntarle a los asistentes de IA qué comprar. «¿Dónde consigo zapatos de cuero de calidad cerca de mí?» Cuando esa pregunta se formula, la IA responde a partir de los datos comerciales estructurados que puede alcanzar. Hoy, nuestra comerciante no existe en esa respuesta, simplemente porque no tiene ninguna superficie que la IA pueda ver. Nada dramático le ocurre todavía, pero cada comprador que le pregunta a una IA en lugar de preguntar por ahí es un comprador que ella nunca supo que existía.
Así que eso es lo que construimos. Paylo le da una tienda que es datos estructurados primero y página web después. Operamos un servidor MCP: una interfaz estándar que permite a los sistemas de IA consultar nuestro catálogo de comerciantes directamente, igual que las aplicaciones consultan una base de datos. Detectamos las plataformas de IA que llegan a la API, para poder ver la capa de descubrimiento formándose en tiempo real.
Fíjate en lo que la comerciante tiene que aprender sobre IA para que esto funcione: absolutamente nada.
Ella publica sus zapatos. La capa hace el resto, de la misma manera que un usuario de M-Pesa nunca necesitó entender la infraestructura de telecomunicaciones. En los términos del modelo, no estamos esperando a que ella se vuelva expuesta. Estamos fabricando la exposición y entregándosela.
Y fíjate en lo que esto le hace al ciclo de extracción de antes. El descubrimiento ocurre en modelos extranjeros: esa capa que todavía no controlamos. Pero ¿la relación con el comerciante, la transacción, los datos de comercio, los rieles locales? Esos se quedan en casa. Esa es una posición de participación, no de consumo. Parcial, imperfecta, pero estructuralmente distinta.
La ventana es real
La conclusión del FMI es contundente: la brecha entre los caminos es de 10x, el camino por defecto es el bajo, y las decisiones que se están tomando ahora mismo determinan qué camino se consolida.
Ventanas como esta no permanecen abiertas. Los efectos de red y las economías de escala hacen que las posiciones tempranas se compongan; el propio informe advierte que las industrias digitales se concentran, y que los que llegan tarde terminan alquilando infraestructura a los que llegaron temprano. Cada año de deriva hace más difícil abandonar el camino bajo.
A mí eso me resulta clarificador más que alarmante, porque hace el trabajo legible.
- Mueve el número de adopción: red eléctrica, conectividad, productos que sobreviven a un apagón.
- Mueve el número de exposición: construye superficies donde la medición dice que no hay nada.
- Retén las ganancias: posiciones de datos y gobernanza que te den algo con qué negociar.
Distintas personas trabajan en distintas piezas. Los marcos son una, los productos son otra, y dejar la estructura por escrito es una tercera.
Nada de esto está terminado, así que es importante tomar el informe del FMI por lo que es: un dato que hace más fácil tener la conversación, y no una conclusión sombría sobre nuestro futuro colectivo.
Este texto se empareja con La infraestructura no se presenta bien, y aun así gana. Es la misma ventana, vista desde el lado del capital.