AI and Economic Transition: consumer cohort effects — Interpretación del informe

Visión general

Este informe macroeconómico analiza cómo la adopción de IA podría afectar a los grupos de consumidores estadounidenses mediante los ingresos laborales, la riqueza financiera y la inflación. La conclusión central de Morgan Stanley es que los hogares CHIC —universitarios, de altos ingresos y urbanos— pueden estar más protegidos de lo que sugieren las preocupaciones habituales por el desplazamiento de trabajadores de cuello blanco, aunque los profesionales jóvenes y un escenario de adopción rápida siguen siendo vulnerables.

Perspectivas principales

Morgan Stanley estructura el efecto de la IA sobre los consumidores en tres canales conectados: mercados laborales, riqueza y precios. Su trabajo previo de equilibrio general indica que el resultado depende principalmente de la velocidad de difusión de la IA, de la velocidad y escala de creación de nuevas tareas y de los efectos de retroalimentación de los mercados de activos. El escenario base supone difusión durante unos 10 años, aproximadamente el doble de rápido que internet, y efectos riqueza conservadores. En ese escenario, el desplazamiento temporal se compensa con crecimiento de salarios reales impulsado por productividad, nuevos empleos, mayores beneficios y desinflación, elevando producción e ingresos. El desempleo máximo aumenta alrededor de 0.2-0.5pp en el caso base, frente a 0.6pp-4.1pp en un caso bajista de difusión rápida, con adopción plena en seis años, donde los desajustes de habilidades y la debilidad de la demanda superan la creación de empleo. El informe cuestiona que los consumidores de cuello blanco sean automáticamente las principales víctimas de la IA. Su análisis ocupacional basado en tareas muestra que las ocupaciones de alta exposición se concentran en hogares universitarios, de altos ingresos y metropolitanos, denominados CHIC. Aproximadamente el 26% de los trabajadores está en ocupaciones de alta exposición, frente al 56% en exposición media y el 18% en exposición baja. La renta mediana es $97k en el grupo de alta exposición y $46k en el de baja; casi el 70% de los trabajadores de alta exposición tiene al menos licenciatura, frente a alrededor del 10% en el grupo de baja exposición. Sin embargo, la exposición puede significar automatización o aumento de capacidades. El desempleo en ocupaciones muy expuestas está aproximadamente 0.5pp por encima de lo que sugieren las tendencias cíclicas, pero el informe considera que los efectos hasta ahora siguen siendo relativamente pequeños. Los trabajadores jóvenes están más expuestos a la automatización de tareas iniciales, mientras los más experimentados pueden capturar aumentos de productividad y salarios. La creación de empleo es un contrapeso importante en el escenario base. Las vacantes relacionadas con IA se concentran en servicios profesionales y técnicos, información y finanzas, suelen tener salarios estimados mayores que las vacantes no vinculadas a IA y se orientan a trabajadores con experiencia. Entre las vacantes con requisitos numéricos de experiencia, el 32% de las vacantes de IA se dirige a trabajadores con 0-2 años de experiencia, frente al 55% de todas las vacantes. Los empleos relacionados con IA pasaron del 2.1% al 4.7% de todas las vacantes durante el último año. Por tanto, el informe concluye que los mismos hogares CHIC más expuestos en sus ocupaciones actuales, especialmente quienes ya tienen experiencia, parecen estar mejor posicionados para los nuevos empleos creados por IA. La IA incorporada y la robótica podrían afectar más directamente a ocupaciones manuales, pero Morgan Stanley prevé una difusión más lenta por los costes de hardware, requisitos de seguridad, intensidad de capital y falta de datos de interacción física. Su Global Robot Model proyecta 35 million robots en Estados Unidos para 2030, frente a 15 million en 2026, y los robots humanoides no alcanzan 1 million hasta 2035. Los efectos riqueza vuelven especialmente relevante este resultado distributivo. El quintil superior de ingresos representa el 87% de las tenencias directas de acciones corporativas y fondos mutuos; los hogares universitarios representan el 85% y los hogares de 55 años o más, el 79%. Las acciones son alrededor del 30% de la riqueza neta del 20% de mayores ingresos, frente al 10% del 40% inferior. La riqueza de los hogares aumentó alrededor de $21tn entre 1Q24 y 1Q26, y las acciones directas aportaron la mitad del incremento. Morgan Stanley estima que los consumidores suelen gastar 3-5 centavos por cada dólar de aumento de riqueza permanente. Dado que la riqueza accionaria del grupo de mayor ingreso equivale aproximadamente a seis veces el ingreso laboral anual, una subida permanente del 4% en riqueza accionaria puede compensar el efecto sobre el gasto de una caída del 1% en ingresos laborales, bajo el supuesto de una propensión marginal a consumir de 90% desde ingresos laborales y 4% desde riqueza financiera; el 40% inferior necesitaría un aumento de riqueza del 24%. Por ello, ganancias de activos relativamente modestas y sostenidas pueden respaldar el gasto de los consumidores acomodados incluso con debilidad temporal de ingresos laborales. La inflación genera un patrón distributivo distinto entre el corto y el largo plazo. La demanda de infraestructura de IA podría elevar precios de electricidad, software y bienes vinculados a chips, aunque muchas de estas categorías tienen ponderaciones pequeñas en CPI y PCE. La electricidad es la principal preocupación inmediata: representa el 4% del gasto de los grupos de menor ingreso frente al 2% de los de mayor ingreso; el gasto en vehículos es 8% para consumidores de mayor ingreso frente a 5% para los de menor ingreso. El informe observa más evidencia de presión sobre precios de electricidad asociada a centros de datos que de traslado de mayores costes de chips a precios de vehículos; en zonas con mayor concentración de centros de datos, la electricidad ha subido más. Los hogares de bajos ingresos, sin educación universitaria y del Sur están por ello más expuestos a presiones de precios a corto plazo. A medio y largo plazo, Morgan Stanley espera que las ganancias de productividad sean desinflacionarias, primero en industrias de mayor adopción como tecnología de la información, finanzas y comunicaciones. Los hogares de mayores ingresos destinan alrededor del 11% de su gasto a servicios financieros y seguros, frente al 4% del quintil inferior, y 11% a otros servicios, incluidos servicios profesionales y de comunicaciones, frente al 5% del grupo de menores ingresos, quedando mejor posicionados para beneficiarse antes de la desinflación de servicios. Al combinar los canales, el escenario base es positivo para los hogares CHIC en conjunto: los efectos riqueza, los salarios por productividad, los nuevos empleos y la eventual desinflación superan el desplazamiento, aunque los trabajadores jóvenes muy cualificados pueden experimentar debilidad a corto plazo y aumenta la desigualdad. Morgan Stanley espera que la elevada participación de estos hogares en gasto discrecional, incluidos muebles, vehículos, bienes de lujo y ocio, respalde esas categorías. Los hogares de menores ingresos aún podrían beneficiarse en términos absolutos de aumentos salariales más amplios, desinflación o posible relajación monetaria, pero reciben menos del beneficio inicial y afrontan mayor presión inflacionaria inmediata. En el caso bajista, el rápido despliegue provoca primero un shock de empleo para los hogares CHIC; si los precios de los activos también caen 25-30% o más de manera sostenida, estos hogares reducen gasto discrecional y su gran peso en el gasto transforma el shock en debilidad de demanda para todos los grupos. La respuesta monetaria y fiscal se vuelve entonces crucial.

Marco de análisis

El informe comienza con escenarios de equilibrio general de adopción de IA, uno base y otro bajista, y luego aplica microdatos de ocupaciones, balances de hogares y pautas de gasto por ingresos, educación, región y edad. Evalúa desplazamiento laboral, salarios ligados a productividad y creación de empleo; traduce las tenencias de acciones en efectos de consumo mediante supuestos de propensión marginal a consumir; y compara cestas de gasto por grupos para evaluar la exposición a inflación de corto plazo y desinflación de largo plazo.

Notas metodológicas

• Marco macroeconómicoOtro

  Escenarios de adopción de IA de equilibrio general

  Morgan Stanley utiliza modelos previos de equilibrio general para comparar una difusión moderada en el escenario base con una difusión rápida en el escenario bajista, incorporando creación de tareas, retroalimentación de riqueza y ajuste laboral.

• Marco de análisis sectorialDescomposición de volumen y precio

  Análisis de transmisión al consumidor mediante tres canales

  El informe separa el impacto de la IA sobre consumidores en ingresos laborales, riqueza financiera e inflación, y compara cómo cada canal afecta a los grupos demográficos.

• Teoría cuantitativa, factorial y de carterasOtro

  Índice de exposición ocupacional a IA basado en tareas

  Con el marco de Felten et al., las ocupaciones se puntúan según cómo sus tareas y capacidades se alinean con las capacidades actuales y anticipadas de IA, distinguiendo exposición de un resultado necesariamente negativo.

• Marco de fundamentales corporativos y finanzasAnálisis del flujo de caja libre

  Propensión marginal a consumir desde ingreso laboral y riqueza

  El informe estima cómo los cambios permanentes de riqueza accionaria podrían compensar la pérdida de ingresos laborales en el consumo; los resultados difieren marcadamente según el nivel de riqueza de cada grupo.

Datos clave

• Difusión de IA en el escenario baseAbout 10 years; roughly 2x the internet’s paceSupone ganancias de productividad sin provocar una recesión.
• Aumento máximo del desempleo en el escenario base+0.2-0.5ppEl alza temporal se compensa con salarios, creación de tareas, desinflación y efectos riqueza.
• Aumento máximo del desempleo en el escenario bajista+0.6pp to +4.1ppEscenario de adopción rápida en seis años; el resultado depende de efectos indirectos de riqueza y demanda.
• Trabajadores en ocupaciones de alta exposición a IA26%Frente a 18% en baja exposición y 56% en exposición media.
• Renta mediana por grupo de exposición$97k high exposure; $46k low exposureBasado en datos de salario anual mediano por ocupación disponibles a 2024.
• Proporción de vacantes relacionadas con IA4.7%, up from 2.1% over the past yearEvidencia de expansión de la contratación relacionada con IA.
• Participación del 20% superior en tenencias directas de acciones y fondos mutuos87%Ilustra la concentración de los efectos riqueza relacionados con IA.
• Cambio en la riqueza de los hogaresAbout $21tn from 1Q24 to 1Q26Las acciones directas representaron la mitad del incremento.
• Aumento de activos necesario para compensar una caída del 1% en ingreso laboral4% for top 20%; 24% for bottom 40%Supone una propensión marginal a consumir de 90% desde ingreso laboral y 4% desde riqueza financiera.

Impacto e implicaciones

Morgan Stanley sostiene que los resultados de la IA para el consumidor no pueden inferirse solo de la exposición ocupacional. En su escenario base, la propiedad de activos y el posicionamiento para capturar productividad y nuevos empleos de los hogares urbanos, acomodados y con educación universitaria respaldan el consumo discrecional agregado, mientras aumenta la desigualdad distributiva. Un despliegue rápido acompañado de una caída significativa de los mercados de activos invertiría esta lógica y extendería la debilidad de demanda a todos los grupos de consumidores.

Riesgos

• La difusión rápida de IA podría hacer que el desplazamiento laboral supere la creación de tareas y produzca resultados similares a una recesión.
• Una caída prolongada de 25-30% o más en los mercados de activos podría llevar a los hogares acomodados a reducir gasto y amplificar un shock de demanda más amplio.
• Los desajustes de habilidades pueden impedir que los trabajadores desplazados pasen rápidamente a nuevos empleos relacionados con IA.
• Las presiones de precios de software u otras categorías relacionadas con IA podrían superar las expectativas y reducir el poder adquisitivo.
• Los resultados distributivos dependen del ritmo de adopción, del comportamiento de los mercados de activos y de las respuestas monetarias y fiscales.

Aspectos que vigilar

• Indicadores mensuales y trimestrales de empleo, desempleo, crecimiento salarial e ingresos laborales por grupo.
• El AI labor tracker y el AI productivity tracker de Morgan Stanley.
• Vacantes relacionadas con IA, incluidos sector, compensación y requisitos de experiencia.
• Cambios en riqueza neta y riqueza accionaria por ingreso, edad y educación.
• Medidas de inflación por grupo, especialmente precios de electricidad en regiones con concentración de centros de datos.
• Tendencias de gasto en categorías discrecionales y por ingreso, edad, geografía y educación.