TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: ¿La clave del crecimiento? Correr junto a las máquinas
Filmed:
Readability: 4.6
1,321,770 views
Conforme las máquinas toman más puestos de trabajo, muchos se encuentran sin trabajo o con aumentos pospuestos indefinidamente. ¿Es este el fin del crecimiento? No, dice Erik Brynjolfsson, son simplemente los dolores del crecimiento de una economía radicalmente reorganizada. Un caso fascinante para grandes innovaciones por venir... si pensamos en las computadoras como nuestras compañeras de equipo. Asegúrense de ver el punto de vista opuesto de Robert Gordon.
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Double-click the English transcript below to play the video.
00:12
Growth is not dead.
0
605
2272
El crecimiento no está muerto.
00:14
(Applause)
1
2877
1386
(Aplausos)
00:16
Let's start the story 120 years ago,
2
4263
3963
La historia comienza
hace 120 años,
hace 120 años,
00:20
when American factories began to electrify their operations,
3
8226
3632
cuando las fábricas estadounidenses empezaron
a usar electricidad en sus operaciones,
a usar electricidad en sus operaciones,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
dando inicio a la Segunda
Revolución Industrial.
Revolución Industrial.
00:27
The amazing thing is
5
15202
1111
Lo más sorprendente es
00:28
that productivity did not increase in those factories
6
16313
2777
que la productividad no aumentó
en esas fábricas
en esas fábricas
00:31
for 30 years. Thirty years.
7
19090
3256
durante 30 años. 30 años.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Es tiempo suficiente para que
una generación de gerentes se retire.
una generación de gerentes se retire.
00:37
You see, the first wave of managers
9
25820
2222
Verán, la primera oleada de gerentes
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
simplemente sustituyó las máquinas
de vapor por motores eléctricos,
de vapor por motores eléctricos,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
pero no rediseñaron las fábricas
para sacar provecho
para sacar provecho
00:46
of electricity's flexibility.
12
34469
2341
de la flexibilidad de la electricidad.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Quedó en manos de la siguiente generación
inventar nuevos procesos de trabajo,
inventar nuevos procesos de trabajo,
00:52
and then productivity soared,
14
40794
2727
y entonces la productividad se disparó,
00:55
often doubling or even tripling in those factories.
15
43521
3665
a menudo duplicándose, o incluso
triplicándose en esas fábricas.
triplicándose en esas fábricas.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
La electricidad es un ejemplo
de tecnología multipropósito,
de tecnología multipropósito,
01:03
like the steam engine before it.
17
51909
2230
como lo fue primero la máquina de vapor.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Las tecnologías multipropósito impulsan
la mayoría del crecimiento económico,
la mayoría del crecimiento económico,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
porque desatan una cascada de
innovaciones complementarias,
innovaciones complementarias,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
como las bombillas y, sí,
el rediseño de fábricas.
el rediseño de fábricas.
01:16
Is there a general purpose technology of our era?
21
64641
3610
¿Existe una tecnología multipropósito
en nuestros tiempos?
en nuestros tiempos?
01:20
Sure. It's the computer.
22
68251
2508
Claro. La computadora.
01:22
But technology alone is not enough.
23
70759
2659
Pero la tecnología por sí
sola no es suficiente.
sola no es suficiente.
01:25
Technology is not destiny.
24
73418
2766
La tecnología no es el destino.
01:28
We shape our destiny,
25
76184
1580
Nosotros forjamos nuestro destino,
01:29
and just as the earlier generations of managers
26
77764
2516
y, tal y como las anteriores
generaciones de gerentes
generaciones de gerentes
01:32
needed to redesign their factories,
27
80280
2298
necesitaron rediseñar sus fábricas,
01:34
we're going to need to reinvent our organizations
28
82578
2229
nosotros necesitaremos reinventar
nuestras organizaciones.
nuestras organizaciones.
01:36
and even our whole economic system.
29
84807
2555
e incluso todo nuestro
sistema económico.
sistema económico.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
No estamos haciendo tan buen
trabajo como deberíamos.
trabajo como deberíamos.
01:42
As we'll see in a moment,
31
90964
1230
Como veremos en un momento,
01:44
productivity is actually doing all right,
32
92194
2722
la productividad en realidad va bien,
01:46
but it has become decoupled from jobs,
33
94916
3862
pero se ha desacoplado del empleo,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
y el ingreso del trabajador
medio se está estancando.
medio se está estancando.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Estos problemas a veces
se diagnostican erróneamente
se diagnostican erróneamente
01:57
as the end of innovation,
36
105716
3712
como el fin de la innovación,
02:01
but they are actually the growing pains
37
109428
2129
pero son en realidad
las dificultades crecientes
las dificultades crecientes
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
de lo que Andrew McAfee y yo
llamamos la nueva era de las máquinas.
llamamos la nueva era de las máquinas.
02:09
Let's look at some data.
39
117147
1882
Miremos algunos números.
02:11
So here's GDP per person in America.
40
119029
2902
Aquí está el PIB per cápita en EE.UU.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Hay algunos baches en
el camino, pero la gran noticia
el camino, pero la gran noticia
02:16
is you could practically fit a ruler to it.
42
124697
2715
es que uno prácticamente
podría ajustar una regla.
podría ajustar una regla.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Es una escala logarítmica, así que
lo que parece un crecimiento constante
lo que parece un crecimiento constante
02:22
is actually an acceleration in real terms.
44
130688
3043
es realmente una aceleración
en términos reales.
en términos reales.
02:25
And here's productivity.
45
133731
2160
Y aquí está la productividad.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Pueden ver una pequeña
desaceleración a mediados de los 70,
desaceleración a mediados de los 70,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
pero coincide bastante bien con
la Segunda Revolución Industrial,
la Segunda Revolución Industrial,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
cuando las fábricas fueron aprendiendo
a electrificar sus operaciones.
a electrificar sus operaciones.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Después de un retraso,
la productividad se acelera otra vez.
la productividad se acelera otra vez.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Así que tal vez
"la historia no se repite,
"la historia no se repite,
02:43
but sometimes it rhymes."
51
151691
2568
pero a veces rima".
02:46
Today, productivity is at an all-time high,
52
154259
3136
Hoy en día, la productividad
está en un nivel más alto,
está en un nivel más alto,
02:49
and despite the Great Recession,
53
157395
1977
y a pesar de la Gran Recesión,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
creció más rápido en la década
del 2000 que en la de 1990,
del 2000 que en la de 1990,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
el rugido de los 90 y
más rápido que los 70 o los 80.
más rápido que los 70 o los 80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Está creciendo más rápido de lo que
lo hizo en la Segunda Revolución Industrial.
lo hizo en la Segunda Revolución Industrial.
03:03
And that's just the United States.
57
171434
1743
Y eso es solo en EE.UU.
03:05
The global news is even better.
58
173177
3248
Las noticias mundiales
son incluso mejores.
son incluso mejores.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Los ingresos en todo el mundo
han crecido a un ritmo más rápido
han crecido a un ritmo más rápido
03:10
in the past decade than ever in history.
60
178785
2496
en la última década que
nunca antes en la historia.
nunca antes en la historia.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
En todo caso, todos estos números
realmente subestiman nuestro progreso,
realmente subestiman nuestro progreso,
03:18
because the new machine age
62
186332
1912
porque la nueva era de la máquina
03:20
is more about knowledge creation
63
188244
1664
es más sobre la creación de conocimiento
03:21
than just physical production.
64
189908
2331
que solo la producción física.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
Es mente no materia,
inteligencia no fuerza,
inteligencia no fuerza,
03:27
ideas not things.
66
195177
2062
ideas no cosas.
03:29
That creates a problem for standard metrics,
67
197239
2570
Crea un problema
para las métricas estándar,
para las métricas estándar,
03:31
because we're getting more and more stuff for free,
68
199809
3502
ya que estamos recibiendo
más y más cosas gratis,
más y más cosas gratis,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
como Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
y si publican en la web,
incluso esta charla TED.
incluso esta charla TED.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Conseguir cosas gratis
es bueno, ¿correcto?
es bueno, ¿correcto?
03:44
Sure, of course it is.
72
212318
1765
Seguro, por supuesto que lo es.
03:46
But that's not how economists measure GDP.
73
214083
3868
Pero no es cómo
los economistas miden el PIB.
los economistas miden el PIB.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Cero precio significa cero peso
en las estadísticas del PIB.
en las estadísticas del PIB.
03:55
According to the numbers, the music industry
75
223543
2112
Según los números,
la industria de la música
la industria de la música
03:57
is half the size that it was 10 years ago,
76
225655
3000
es la mitad del tamaño
que era hace 10 años,
que era hace 10 años,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
pero yo estoy escuchando más
y mejor música que nunca
y mejor música que nunca
04:04
You know, I bet you are too.
78
232311
2192
y apuesto que Uds. también.
04:06
In total, my research estimates
79
234503
2723
En total, mi investigación estima
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
que a las cifras del PIB le faltan
más de USD 300 mil millones al año
más de USD 300 mil millones al año
04:13
in free goods and services on the Internet.
81
241980
3346
en bienes y servicios
gratuitos en Internet.
gratuitos en Internet.
04:17
Now let's look to the future.
82
245326
1789
Ahora echemos un vistazo al futuro.
04:19
There are some super smart people
83
247115
2263
Hay algunas personas superinteligentes
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
que sostienen que hemos
llegado al final del crecimiento,
llegado al final del crecimiento,
04:26
but to understand the future of growth,
85
254397
3558
pero para entender
el futuro del crecimiento,
el futuro del crecimiento,
04:29
we need to make predictions
86
257955
2683
necesitamos hacer predicciones
04:32
about the underlying drivers of growth.
87
260638
3290
sobre las causas subyacentes del crecimiento.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Soy optimista, porque
la nueva era de la máquina
la nueva era de la máquina
04:39
is digital, exponential and combinatorial.
89
267734
5030
es digital, exponencial y combinatoria.
04:44
When goods are digital, they can be replicated
90
272764
2264
Cuando las mercancías
son digitales, se pueden replicar
son digitales, se pueden replicar
04:47
with perfect quality at nearly zero cost,
91
275028
4509
con una calidad perfecta
a un costo casi cero,
a un costo casi cero,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
y pueden ser entregadas
de forma casi instantánea.
de forma casi instantánea.
04:55
Welcome to the economics of abundance.
93
283555
2800
Bienvenido a la economía
de la abundancia.
de la abundancia.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Pero hay un beneficio más sutil
de la digitalización del mundo.
de la digitalización del mundo.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
La medición es el alma
de la ciencia y el progreso.
de la ciencia y el progreso.
05:06
In the age of big data,
96
294645
2148
En la era de 'big data',
05:08
we can measure the world in ways we never could before.
97
296793
4286
podemos medir el mundo de
maneras que nunca pudimos antes.
maneras que nunca pudimos antes.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
En segundo lugar, la nueva era
de la máquina es exponencial.
de la máquina es exponencial.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Las computadoras mejoran más rápidamente
que cualquier otra cosa alguna vez.
que cualquier otra cosa alguna vez.
05:23
A child's Playstation today is more powerful
100
311109
3568
La Playstation de un niño
hoy es más potente
hoy es más potente
05:26
than a military supercomputer from 1996.
101
314677
4056
que un superordenador militar de 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Pero nuestros cerebros están
cableados para un mundo lineal.
cableados para un mundo lineal.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
A consecuencia de ello, las tendencias
exponenciales nos toman por sorpresa.
exponenciales nos toman por sorpresa.
05:37
I used to teach my students that there are some things,
104
325828
2602
Yo solía enseñar a mis alumnos
que hay algunas cosas,
que hay algunas cosas,
05:40
you know, computers just aren't good at,
105
328430
1934
saben, en las que las computadoras
no son buenas,
no son buenas,
05:42
like driving a car through traffic.
106
330364
2385
como conducir un coche
a través del tráfico.
a través del tráfico.
05:44
(Laughter)
107
332749
2013
(Risas)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Es cierto, aquí estamos Andy y yo
sonriendo como locos
sonriendo como locos
05:50
because we just rode down Route 101
109
338253
2384
porque acabamos
de recorrer la Ruta 101
de recorrer la Ruta 101
05:52
in, yes, a driverless car.
110
340637
3669
en, sí, un coche sin conductor.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
En tercer lugar, la nueva era
de la máquina es combinatoria.
de la máquina es combinatoria.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
El punto de vista estacionario
es que las ideas se agotan
es que las ideas se agotan
06:02
like low-hanging fruit,
113
350937
1856
como las frutas maduras,
06:04
but the reality is that each innovation
114
352793
3163
pero la realidad es
que cada innovación
que cada innovación
06:07
creates building blocks for even more innovations.
115
355956
3256
crea bloques de construcción
para incluso más innovaciones.
para incluso más innovaciones.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Un ejemplo. En cuestión
de unas semanas,
de unas semanas,
06:14
an undergraduate student of mine
117
362557
2072
un estudiante mío de pregrado
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
construyó una aplicación que
alcanzó 1,3 millones de usuarios.
alcanzó 1,3 millones de usuarios.
06:20
He was able to do that so easily
119
368740
1699
Fue capaz de hacer
eso muy fácilmente
eso muy fácilmente
06:22
because he built it on top of Facebook,
120
370439
1827
porque lo construyó
sobre Facebook,
sobre Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
y Facebook se construyó sobre la web,
06:26
and that was built on top of the Internet,
122
374199
1698
que fue construida sobre internet,
06:27
and so on and so forth.
123
375897
2418
y así y así, sucesivamente.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Ahora individualmente, digital,
exponencial y combinatoria
exponencial y combinatoria
06:35
would each be game-changers.
125
383080
2350
cada uno es un transformador del juego.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Al ponerlos juntos, vemos una onda
06:39
of astonishing breakthroughs,
127
387620
1393
de avances sorprendentes,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
como robots que hacen el trabajo de
fábrica o corren tan rápido como un guepardo
fábrica o corren tan rápido como un guepardo
06:44
or leap tall buildings in a single bound.
129
392073
2796
o saltan edificios altos en un solo salto.
06:46
You know, robots are even revolutionizing
130
394869
2232
Saben, los robots están
incluso revolucionando
incluso revolucionando
06:49
cat transportation.
131
397101
1829
el transporte de gatos.
06:50
(Laughter)
132
398930
2270
(Risas)
06:53
But perhaps the most important invention,
133
401200
2732
Pero quizás la invención
más importante,
más importante,
06:55
the most important invention is machine learning.
134
403932
5065
la invención más importante,
es el aprendizaje de las máquinas.
es el aprendizaje de las máquinas.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Consideren un proyecto:
Watson de IBM.
Watson de IBM.
07:04
These little dots here,
136
412373
1589
Estos puntos pequeños
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
son todos los campeones
en el concurso "Jeopardy".
en el concurso "Jeopardy".
07:10
At first, Watson wasn't very good,
138
418822
2544
Al principio, Watson
no era muy bueno,
no era muy bueno,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
pero mejoró a un ritmo más rápido que
cualquier humano hubiera podido hacer,
cualquier humano hubiera podido hacer,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
y poco después de que
Dave Ferrucci mostró esta tabla
Dave Ferrucci mostró esta tabla
07:21
to my class at MIT,
141
429675
1652
a mi clase en el MIT,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson venció al campeón
del mundo de "Jeopardy".
del mundo de "Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
A los 7 años, Watson
está todavía en su niñez.
está todavía en su niñez.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Recientemente, sus profesores lo dejaron
navegar por Internet sin supervisión.
navegar por Internet sin supervisión.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Al día siguiente, comenzó a responder
a las preguntas con blasfemias.
a las preguntas con blasfemias.
07:42
Damn. (Laughter)
146
450122
2274
Maldita sea. (Risas)
07:44
But you know, Watson is growing up fast.
147
452396
2280
¿Pero saben? Watson está
creciendo rápidamente.
creciendo rápidamente.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Está siendo probado para puestos de trabajo
en los centros de llamadas, y se los están dando.
en los centros de llamadas, y se los están dando.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Solicita empleo legal, bancario y médico,
07:54
and getting some of them.
150
462612
1950
y le dan algunos.
07:56
Isn't it ironic that at the very moment
151
464562
1889
¿No es irónico que, en el mismo momento
07:58
we are building intelligent machines,
152
466451
2234
en que estamos construyendo
máquinas inteligentes,
máquinas inteligentes,
08:00
perhaps the most important invention in human history,
153
468685
3449
quizás la invención más importante
en la historia de la humanidad,
en la historia de la humanidad,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
algunas personas argumenten que
se está estancando la innovación?
se está estancando la innovación?
08:08
Like the first two industrial revolutions,
155
476109
2419
Como las dos primeras
revoluciones industriales,
revoluciones industriales,
08:10
the full implications of the new machine age
156
478528
3134
todas las implicaciones de
la nueva era de la máquina
la nueva era de la máquina
08:13
are going to take at least a century to fully play out,
157
481662
2682
se van a tomar al menos un siglo
para desarrollarse plenamente
para desarrollarse plenamente
08:16
but they are staggering.
158
484344
3032
pero son asombrosas.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Así que, ¿quiere decir esto que
no tenemos nada de qué preocuparnos?
no tenemos nada de qué preocuparnos?
08:22
No. Technology is not destiny.
160
490712
3680
No. La tecnología no es un destino.
08:26
Productivity is at an all time high,
161
494392
2569
La productividad es la
más alta de todos los tiempos
más alta de todos los tiempos
08:28
but fewer people now have jobs.
162
496961
2983
pero ahora, menos
personas tienen empleo.
personas tienen empleo.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Hemos creado más riqueza en
la última década que nunca antes,
la última década que nunca antes,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
pero para la mayoría de los estadounidenses,
sus ingresos han disminuido.
sus ingresos han disminuido.
08:38
This is the great decoupling
165
506968
2312
Esta es la gran disociación
08:41
of productivity from employment,
166
509280
2976
entre productividad y trabajo,
08:44
of wealth from work.
167
512256
3104
entre riqueza y trabajo.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Saben, no es de extrañar
que millones de personas
que millones de personas
08:49
have become disillusioned by the great decoupling,
169
517706
2846
estén desilusionadas
por la gran disociación,
por la gran disociación,
08:52
but like too many others,
170
520552
1747
pero como muchos otros,
08:54
they misunderstand its basic causes.
171
522299
3097
malinterpretan sus causas básicas.
08:57
Technology is racing ahead,
172
525396
2610
La tecnología es
una carrera por delante,
una carrera por delante,
09:00
but it's leaving more and more people behind.
173
528006
3550
pero está dejando
más y más gente detrás.
más y más gente detrás.
09:03
Today, we can take a routine job,
174
531556
3519
Hoy en día, podemos
tomar un trabajo rutinario,
tomar un trabajo rutinario,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
codificarlo en un conjunto de
instrucciones legibles por una máquina,
instrucciones legibles por una máquina,
09:10
and then replicate it a million times.
176
538166
2827
y luego replicarla
un millón de veces.
un millón de veces.
09:12
You know, I recently overheard a conversation
177
540993
2279
Saben, recientemente
escuché una conversación
escuché una conversación
09:15
that epitomizes these new economics.
178
543272
1952
que epitoma esta nueva economía.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
El hombre dice:
"No, yo no uso más a H&R Block.
"No, yo no uso más a H&R Block.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboTax hace todo lo que
hacía mi asesor de impuestos,
hacía mi asesor de impuestos,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
pero más rápido,
más barato y más preciso".
más barato y más preciso".
09:28
How can a skilled worker
182
556427
1799
¿Cómo puede un trabajador calificado
09:30
compete with a $39 piece of software?
183
558226
3009
competir con un paquete
de software de 39 dólares?
de software de 39 dólares?
09:33
She can't.
184
561235
1967
No puede.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Hoy en día, millones de
estadounidenses tienen más rápido,
estadounidenses tienen más rápido,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
más barato, más precisa,
su declaración de impuestos
su declaración de impuestos
09:40
and the founders of Intuit
187
568369
1486
y los fundadores de Intuit
09:41
have done very well for themselves.
188
569855
2493
lo han hecho muy bien para sí mismos.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Pero 17 % de los asesores de
impuestos ya no tienen empleo.
impuestos ya no tienen empleo.
09:48
That is a microcosm of what's happening,
190
576562
2078
Es un microcosmos de
lo que está sucediendo,
lo que está sucediendo,
09:50
not just in software and services, but in media and music,
191
578640
4677
no solo en software y servicios, sino
en los medios de comunicación y la música,
en los medios de comunicación y la música,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
en finanzas y manufactura,
venta al por menor y comercio,
venta al por menor y comercio,
09:59
in short, in every industry.
193
587003
3895
en definitiva, en todas las industrias.
10:02
People are racing against the machine,
194
590898
3095
Las personas están
compitiendo contra las máquinas,
compitiendo contra las máquinas,
10:05
and many of them are losing that race.
195
593993
3090
y muchos están perdiendo esa carrera.
10:09
What can we do to create shared prosperity?
196
597083
3886
¿Qué podemos hacer para
crear prosperidad compartida?
crear prosperidad compartida?
10:12
The answer is not to try to slow down technology.
197
600969
3017
La respuesta es no intentar
frenar la tecnología.
frenar la tecnología.
10:15
Instead of racing against the machine,
198
603986
2557
En vez de competir
contra la máquina,
contra la máquina,
10:18
we need to learn to race with the machine.
199
606543
3677
tenemos que aprender a
competir con la máquina.
competir con la máquina.
10:22
That is our grand challenge.
200
610220
3129
Es nuestro gran desafío.
10:25
The new machine age
201
613349
2324
La nueva era de la máquina
10:27
can be dated to a day 15 years ago
202
615673
3113
se puede fechar a
un día hace 15 años
un día hace 15 años
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
cuando Gary Kasparov,
el campeón mundial de ajedrez,
el campeón mundial de ajedrez,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
jugó con Deep Blue,
una supercomputadora.
una supercomputadora.
10:37
The machine won that day,
205
625370
2012
La máquina ganó ese día,
10:39
and today, a chess program running on a cell phone
206
627382
2968
y hoy, un programa de ajedrez
corriendo en un teléfono celular
corriendo en un teléfono celular
10:42
can beat a human grandmaster.
207
630350
2296
puede vencer a
un gran maestro humano.
un gran maestro humano.
10:44
It got so bad that, when he was asked
208
632646
3365
Se puso tan feo, que
cuando se le preguntó
cuando se le preguntó
10:48
what strategy he would use against a computer,
209
636011
2563
qué estrategia usaría
contra una computadora,
contra una computadora,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
Jan Donner, el gran
maestro holandés, respondió:
maestro holandés, respondió:
10:54
"I'd bring a hammer."
211
642590
1771
"Traería un martillo".
10:56
(Laughter)
212
644361
3680
(Risas)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Pero hoy en día una computadora ya no
es más la campeona mundial de ajedrez.
es más la campeona mundial de ajedrez.
11:04
Neither is a human,
214
652585
2654
Tampoco es un ser humano,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
porque Kasparov organizó
un torneo de estilo libre
un torneo de estilo libre
11:10
where teams of humans and computers
216
658818
1916
donde los equipos de seres
humanos y computadoras
humanos y computadoras
11:12
could work together,
217
660734
2099
podían trabajar juntos,
11:14
and the winning team had no grandmaster,
218
662833
3157
y el equipo ganador no tenía
ningún gran maestro,
ningún gran maestro,
11:17
and it had no supercomputer.
219
665990
2465
y no tenía ninguna supercomputadora.
11:20
What they had was better teamwork,
220
668455
4175
Lo que tenían era
el mejor trabajo en equipo,
el mejor trabajo en equipo,
11:24
and they showed that a team of humans and computers,
221
672630
5016
y demostraron que un equipo
de seres humanos y computadoras,
de seres humanos y computadoras,
11:29
working together, could beat any computer
222
677646
3048
trabajando juntos, podría
vencer a cualquier computadora
vencer a cualquier computadora
11:32
or any human working alone.
223
680694
3520
o a cualquier humano
que trabaja solo.
que trabaja solo.
11:36
Racing with the machine
224
684214
1664
Compite con la máquina
11:37
beats racing against the machine.
225
685878
2343
gánale la carrera
contra la máquina.
contra la máquina.
11:40
Technology is not destiny.
226
688221
2564
La tecnología no es un destino.
11:42
We shape our destiny.
227
690785
1742
Conformamos nuestro destino.
11:44
Thank you.
228
692527
1447
Gracias.
11:45
(Applause)
229
693974
5016
(Aplausos)
ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcherErik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.
Why you should listen
The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.
His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).
Erik Brynjolfsson | Speaker | TED.com