Vinod Khosla pide reformar el IRPF por la IA

Párrafo principal

Vinod Khosla, inversor en OpenAI, dijo al Financial Times el 29 de marzo de 2026 que los sistemas actuales de impuesto sobre la renta no están adaptados a una economía transformada por la inteligencia artificial y que se requiere una reforma integral para abordar la ansiedad de los votantes por la pérdida de empleo (FT, 29 de marzo de 2026). Sus comentarios llegan en un momento políticamente sensible: las elecciones de medio término de EE. UU. de 2026 están programadas para el 4 de noviembre de 2026, y la preocupación pública por la automatización se ha convertido en un tema recurrente en el discurso de campaña. Khosla afirmó que el debate no se limitará a estrechos círculos tecnológicos, sino que migrará a la política electoral convencional, alterando las prioridades políticas y el conjunto de herramientas fiscales que los gobiernos consideran. El llamado a rediseñar el sistema tributario por parte de un inversor tecnológico de primer plano cristaliza una tensión creciente entre las ganancias del lado del capital derivadas de la productividad impulsada por la IA y los costes de ajuste en el mercado laboral que soportan los trabajadores.

Contexto

La intervención de Khosla destaca porque enmarca la IA no meramente como un asunto de productividad o competitividad, sino como un desafío fiscal y redistributivo que requiere instrumentos de política directa, como reformas del impuesto sobre la renta (FT, 29 de marzo de 2026). Históricamente, la política fiscal ha reaccionado a cambios económicos estructurales: la Ley de Reforma Fiscal de EE. UU. de 1986 es un precedente notable que simplificó tipos y amplió bases tras cambios materiales en la composición de los ingresos (US Tax Reform Act, 1986). La novedad en el argumento de Khosla es la proposición de que la aceleración de la IA forzará rediseños preventivos, en lugar de exclusivamente reactivos, incluidos replanteamientos de tipos marginales, créditos y, posiblemente, nuevos gravámenes por sustitución salarial.

Las declaraciones de Khosla deben leerse en el contexto de estimaciones publicadas sobre el riesgo de automatización del empleo. El documento de la OCDE de 2019 estimó que el 14% de los empleos en países de la OCDE están en alto riesgo de automatización, y un 32% adicional probablemente afrontará cambios significativos en las tareas (OCDE, 2019). El análisis de McKinsey de 2017 proyectó que aproximadamente el 15% de la fuerza laboral mundial podría ser desplazada por la automatización para 2030, aunque los resultados varían ampliamente según el país, el sector y la respuesta política (McKinsey Global Institute, 2017). Estos puntos de datos sugieren que la magnitud de la potencial disrupción del mercado laboral no es trivial, lo que explica por qué un inversor destacado podría presionar por una reforma fiscal fundamental.

Análisis de datos

Cuantificar las implicaciones fiscales del desplazamiento impulsado por la IA es complejo, pero algunos puntos de referencia provisionales son instructivos. Si el 14% de los empleos en economías avanzadas son altamente automatizables (OCDE, 2019), y si esos puestos se concentran en ocupaciones de salario medio, la compresión de ingresos resultante podría reducir de forma notable los ingresos por impuestos sobre la nómina a menos que se implemente una ampliación de la base imponible o ajustes de tipos. Por ejemplo, un escenario simplificado: una caída del 5% en la renta salarial agregada en los sectores afectados se traduciría en un impacto proporcional en los ingresos por impuestos sobre la nómina y podría exigir bien recortes del gasto, bien subidas de impuestos para mantener el equilibrio fiscal en economías con tasas de desempleo ya bajas.

Las elecciones de política producen distintos resultados distributivos. Un realineamiento progresivo del impuesto sobre la renta que aumente los tipos marginales en la parte alta mientras amplía la base podría recaudar sin agravar inmediatamente la desigualdad; por el contrario, introducir gravámenes tipo nómina sobre rendimientos de capital o rentas derivadas de la productividad de la IA desplazaría la carga hacia los propietarios del capital de automatización. Ambas estrategias tienen precedentes: los sistemas tributarios pueden ajustarse mediante créditos, mecanismos de impuesto negativo sobre la renta o gravámenes dirigidos a flujos específicos de ingresos. Cualquier modelización creíble debe considerar las respuestas conductuales —evasión fiscal, sustitución de insumos y traslado de empresas— que atenuarán las ganancias nominales de recaudación salvo que se refuercen la fiscalización y la coordinación internacional.

Implicaciones sectoriales

Los sectores más expuestos a la sustitución impulsada por la IA —servicios administrativos rutinarios, algunas operaciones financieras, aspectos del trabajo jurídico y contable, y ciertos segmentos de la manufactura— verán impactos heterogéneos y, por tanto, requerirán calibraciones políticas diferenciadas. Las empresas de software y servicios en la nube probablemente experimentarán ganancias de productividad y expansión de beneficios desproporcionadas, mientras que los servicios intensivos en mano de obra podrían afrontar contracción de la demanda o la necesidad de recapacitar a sus plantillas. Para gestores de activos e inversores institucionales, esto implica retornos sectoriales asimétricos: el capital en software y automatización podría superar en rendimiento por empleado, mientras que los proveedores de servicios tradicionales podrían sufrir compresión de márgenes si no se adaptan estratégicamente.

Las comparaciones entre países son relevantes. Las naciones con mercados laborales más flexibles e infraestructuras sólidas de reciclaje pueden absorber el desplazamiento con mayor fluidez, preservando la demanda de los consumidores y las bases impositivas, mientras que países con mecanismos de seguro social más débiles podrían experimentar reacciones políticas y una adopción más lenta de la IA que mejore la productividad. Esa divergencia crea un arbitraje de política transfronterizo: si una jurisdicción implementa impuestos generadores de ingresos sobre las rentas por IA y destina los ingresos a la capacitación, podría preservar la cohesión social y la demanda agregada, mientras que las jurisdicciones que no actúen corren el riesgo de sufrir presión populista y respuestas políticas improvisadas durante los ciclos electorales.

Evaluación de riesgos

Existen tres riesgos centrales en la intersección de IA, fiscalidad y política. Primero, el desajuste temporal de la política: impuestos onerosos o mal dirigidos sobre la IA podrían frenar la inversión y ralentizar las ganancias de productividad, reduciendo la base impositiva a largo plazo y perjudicando el crecimiento. Segundo, la tensión distributiva: si las ganancias se concentran predominantemente en el capital y en la mano de obra altamente cualificada, la polarización política podría intensificarse, aumentando la probabilidad de medidas redistributivas abruptas y mal diseñadas. Tercero, las externalidades transfronterizas: medidas fiscales unilaterales sobre capital móvil y servicios digitales invitan a la elusión y al traslado, creando una carrera a la baja salvo que vayan acompañadas de marcos multilaterales.

Mitigar estos riesgos requiere un diseño calibrado. Los instrumentos fiscales sh