Bloomberg — A los pocos meses de iniciarse el segundo mandato de Trump, me encontré en una sala abarrotada junto a altos cargos de la Oficina de Estadísticas Laborales (BLS). El tema, “Garantizar la calidad de las estadísticas de Estados Unidos”, habría provocado poco más que un bostezo colectivo hace una década. Sin embargo, desde aquella conferencia, el presidente Donald Trump destituyó al comisionado de la BLS, un tercio de los altos cargos de la oficina abandonó sus puestos y el cierre gubernamental más prolongado de la historia interrumpió la recopilación de datos. Mientras tanto, la inteligencia artificial ha proporcionado a los investigadores un acceso rápido a información que puede utilizarse para crear nuevos indicadores.
En este contexto, el presidente de la Reserva Federal, Kevin Warsh, ha creado un grupo de trabajo centrado en mejorar la calidad y la puntualidad de los indicadores económicos. La urgencia de abordar esta cuestión lleva años aumentando. Durante lo peor de la pandemia de la COVID-19, cuando trabajaba en la Reserva Federal, me asignaron una misión en el Consejo de Asesores Económicos de la Casa Blanca. La recopilación de datos oficiales se vio gravemente interrumpida, por lo que nos apresuramos a buscar alternativas en el sector privado: tráfico de las torres de telefonía móvil, servicios de gestión de nóminas, transacciones con tarjetas de crédito.
Ningún dato quedaba fuera de nuestro alcance. Desde entonces, la demanda de datos privados se ha disparado, principalmente debido a tres factores determinantes: la necesidad de puntualidad, las interrupciones en la recopilación y una economía en rápida evolución. Los bancos centrales, los gobiernos y los operadores financieros deben tomar decisiones en tiempo real, mientras que los organismos estadísticos solo pueden mejorar la precisión a medida que se dispone de más información. Ver más: JPMorgan eleva a 8.000 puntos su objetivo para el S&P 500 por impulso de la IA La pandemia agravó esos retos.
Los confinamientos de emergencia y los protocolos de seguridad obligaron a la Oficina de Estadísticas Laborales (BLS) a suspender la recopilación de datos presencial, lo que provocó un repunte en la tasa de falta de respuesta a las encuestas. Aunque los confinamientos terminaron, las tasas de respuesta nunca se recuperaron por completo. Los problemas de recopilación de datos en tiempo real se convirtieron en una cuestión estructural duradera tras la pandemia. En 2021, cuando la Reserva Federal comenzaba a hacer frente a una inflación elevada, esos problemas de recopilación contribuyeron a revisiones al alza acumuladas de 1,9 millones de puestos de trabajo en los datos del gobierno.
Con información precisa, es probable que la Reserva Federal hubiera subido las tasas de interés antes. Por el contrario, en 2024 y 2025, las cifras de empleo se revisaron a la baja en más de un millón de puestos de trabajo cada año, lo que distorsionó la situación del mercado laboral y retrasó los recortes de tasas. Durante el cierre del gobierno en el otoño de 2025, las autoridades simplemente no publicaron el índice de precios al consumo de octubre. ¿Alcanzaron su punto álgido ese mes los costes de los aranceles de Trump, tal y como indican los propios datos de Bloomberg Economics? Nunca lo sabremos.
Ver más: Ejecutivos ponen la formación en IA por encima de un MBA para contratar talento Mientras tanto, los precios se trasladaron cada vez más al ámbito digital, donde pueden variar a diario en lugar de mensualmente. Las diferencias geográficas se redujeron a medida que el comercio electrónico mermaba el poder de fijación de precios a nivel local. Sin embargo, gran parte del IPC se basa en métodos de recopilación desarrollados décadas antes de que el comercio minorista en línea se generalizara. La Oficina de Estadísticas Laborales (BLS) lleva años experimentando con datos de escáneres y otras fuentes nuevas, pero nunca ha adoptado plenamente esas prácticas debido a su cautela y a las restricciones presupuestarias.
Durante el auge de la productividad de finales de la década de 1990, el entonces presidente de la Reserva Federal, Alan Greenspan, se interesó profundamente por la medición de la inflación, ya que determinar con precisión el precio de los ordenadores era esencial para comprender el crecimiento de la productividad. Ver más: EE.UU. eximirá de pruebas de seguridad a modelos chinos de IA de peso abierto De hecho, declaró ante la Comisión de Finanzas del Senado que el IPC anual publicado era, en realidad, entre 0,5 y 1,5 puntos porcentuales superior al que debería ser o, en términos económicos, presentaba un “sesgo al alza”, debido a mejoras de calidad relacionadas con la tecnología que no se habían medido. El auge actual de la inteligencia artificial plantea un reto similar. Supongamos que un asistente de programación cuesta ahora lo mismo que hace seis meses, pero su capacidad se ha duplicado. ¿Se ha mantenido realmente inalterada la inflación? ¿O ha mejorado tanto la calidad que los economistas están subestimando el crecimiento de la productividad?
Todos estos avances han abierto una oportunidad para los datos alternativos. El sector privado controla gran parte de la información que genera la economía moderna, incluidos los precios en línea, los registros de nóminas, los pagos y las transcripciones de las conferencias sobre resultados. Las empresas y las universidades pueden incorporar nuevas tecnologías con mayor rapidez que los organismos estadísticos oficiales. En lo que respecta a la inflación, el proyecto Billion Prices Project —actualmente inactivo—, fundado por los economistas Alberto Cavallo, de la Universidad de Harvard, y Roberto Rigobon, del Instituto Tecnológico de Massachusetts, demostró hace años que podía replicar las medidas oficiales de inflación utilizando datos extraídos de la web.
El fabricante de software Adobe Inc. (ADBE) publica un índice de precios digital, basado en millones de transacciones en línea. Una empresa llamada Truflation ha desarrollado un indicador de inflación de alta frecuencia que los inversores siguen cada vez más, junto con el IPC oficial. Los avances tecnológicos han hecho que el procesamiento de big data sea una tarea menos abrumadora. La potencia de cálculo se ha ampliado drásticamente gracias a la inteligencia artificial.
Los grandes modelos lingüísticos pueden rastrear señales macroeconómicas a partir de cientos de transcripciones de resultados con una precisión que antes era imposible. Ninguna de estas tecnologías elimina la necesidad de una metodología rigurosa, pero permiten a los economistas trabajar con datos que en su momento habrían resultado demasiado voluminosos o desordenados para su uso. Al mismo tiempo, los inversores tratan constantemente de encontrar una ventaja competitiva, y disponer de datos oportunos y precisos puede marcar la diferencia. Ver más: El auge de la IA se extiende a las acciones industriales, según Wells Fargo Bloomberg Economics ha abordado esta oportunidad a través del Bloomberg Price Project, una iniciativa destinada a crear una cesta de la compra desde cero, manteniéndose fiel a la metodología oficial de la Oficina de Estadísticas Laborales (BLS).
El proyecto realiza un seguimiento de aproximadamente 140.000 productos y más de 321.000 observaciones de precios mensuales, lo que supone unas tres veces la cantidad recopilada para el IPC oficial. Esa granularidad ofrece una visión más detallada de la dinámica de la inflación. En cualquier momento, cientos de componentes del IPC están respondiendo a diferentes perturbaciones de la oferta y la demanda. Al analizar más allá de los agregados publicados, se revelan tendencias que aún permanecen ocultas tras las cifras generales de inflación.
Un dato interesante ha sido la fuerte aceleración de los precios de los discos duros, las tarjetas SD y los módulos de memoria, como consecuencia del desarrollo de la inteligencia artificial. Los conjuntos de datos alternativos también permiten a los economistas plantear cuestiones que escapan a las estadísticas oficiales, lo que ilustra las fortalezas complementarias de los datos públicos y privados. Los organismos gubernamentales aportan rigor, coherencia y transparencia. Las empresas privadas ofrecen flexibilidad, detalle y la libertad de explorar nuevas cuestiones.
La Oficina de Estadísticas Laborales (BLS) cuenta con una plantilla de aproximadamente 2.000 personas, muchas de las cuales recopilan, validan y revisan datos económicos. Los agentes de IA pueden realizar parte del filtrado y la validación iniciales que tradicionalmente llevan a cabo los trabajadores sobre el terreno. Es poco probable que la IA sustituya a los estadísticos oficiales, pero puede complementar su labor, aprovechando al máximo los escasos recursos públicos y mejorando al mismo tiempo la rapidez y la coherencia. En ocasiones, la información más valiosa proviene de lo que dicen las empresas antes de que los cambios se reflejen en los datos oficiales.
Durante décadas, la Reserva Federal se ha basado en los denominados “informes anecdóticos” —procedentes de empresas de todo el país— para complementar los indicadores económicos tradicionales. El expresidente Jerome Powell solía hacer referencia a dichos informes durante los debates sobre política monetaria, ya que podían ofrecer una especie de avance de los cambios económicos. Bloomberg Economics ha adoptado un enfoque similar a través de lo que denominamos el Libro Naranja. Este utiliza la IA para analizar miles de transcripciones de conferencias sobre resultados empresariales en busca de temas recurrentes relacionados con la contratación, los precios, la inversión, la demanda de los consumidores y la inflación.
El valor de este enfoque ha quedado especialmente patente durante la guerra con Irán. Históricamente, un fuerte repunte de los precios del petróleo podría perjudicar el crecimiento de EE.UU. Sin embargo, los datos sugerían que la economía presentaba un fuerte impulso en el primer trimestre. En todos los sectores, los ejecutivos siguieron describiendo una demanda sólida, un aumento de los pedidos en el ámbito de la defensa y una expansión de la inversión en inteligencia artificial.
Mostraron más confianza de la que habrían sugerido los modelos macroeconómicos tradicionales, y los datos nos impidieron predecir de forma instintiva una recesión. Los ejecutivos también relataron cómo la inteligencia artificial estaba transformando el propio concepto de trabajo. Algunas empresas informaron de que producían más con menos empleados. Otras hicieron hincapié en este tipo de ganancias de productividad, en lugar de en reducciones directas de puestos de trabajo.
Sigue sin estar claro si esos cambios se traducirán en un debilitamiento del empleo. No obstante, las conferencias sobre resultados ofrecen una visión temprana de cómo se están adaptando las empresas. Ver más: La carrera por la IA impulsa la emisión de deuda de las grandes tecnológicas Estados Unidos sigue contando con el sistema estadístico más sofisticado del mundo, y los datos gubernamentales seguirán constituyendo la base del análisis económico. No obstante, el arte de la economía de mercado está cambiando.
Cuando comencé mi carrera hace más de dos décadas, los economistas y los operadores se centraban en el calendario de datos disponibles públicamente para pronosticar las publicaciones mensuales que influyen en el mercado, como las nóminas, el IPC y las ventas al por menor. Hoy en día, el mercado dedica más recursos a detectar señales macroeconómicas a partir de datos de mayor frecuencia y más especializados que permitan diferenciarse del resto. El futuro de la economía de mercado no recae únicamente en Washington ni en Wall Street. Las agencias gubernamentales establecen los estándares; el sector privado amplía las fronteras.
Lea más en Bloomberg.com