Segun arXiv q-fin, un estudio reciente propone un modelo teórico que integra el costo de procesar información mediante inteligencia artificial (IA) dentro de la economía, y cómo este impacta la inflación, el bienestar y la política monetaria. El trabajo introduce una curva modificada del comportamiento de precios —la Curva de Phillips de Costos de Inference (ICPC)— que incorpora un componente clave de IA en los costos marginales que las empresas enfrentan al producir bienes diferenciados. Este componente, representado por lambda-bar, se suma al modelo clásico de New Keynesian, y se demuestra que la pendiente estructural del modelo, kappa*_inf, se deriva como el producto de lambda-bar y la pendiente estándar del modelo Calvo-Yun (kappa).
El estudio también desarrolla una descomposición de bienestar de tipo Hicks-Kaldor, que permite medir cómo las perturbaciones en los costos de inferencia afectan al consumidor. Además, se establece una regla generalizada del principio de Taylor, adaptada a una economía con impactos de IA, y se define un coeficiente óptimo de respuesta monetaria, psi*_inf, igual a (1 + phi*rho) × lambda-bar × kappa, bajo condiciones de compromiso. La formulación completa del modelo incluye una fórmula de pérdida de bienestar de segundo orden, que lo cierra en forma cerrada.
El análisis empírico se basa en datos mensuales de Estados Unidos, desde enero de 2022 hasta abril de 2026, utilizando un estimador por momentos de dos pasos (GMM) con corrección de errores de Newey-West y prueba de Hansen. El resultado muestra una pendiente estimada de kappa-hat_inf = 0.087 (error estándar HAC: 0.021), que se encuentra dentro de un error estándar de la predicción estructural. Una regresión escalada sobre 50 ventanas móviles produce un coeficiente b-hat = 0.987 (R² = 0.998), indicando una elasticidad casi unitaria en la transmisión de costos a la inflación. En un panel reducido de los países de la G7, se obtiene b-hat^G7 = 0.094 (error estándar: 0.026), y una prueba de Wald no rechaza la homogeneidad entre países (p = 0.78).
Para el lector peruano, este desarrollo es relevante porque, aunque el modelo se basa en datos estadounidenses, ilumina cómo las tecnologías emergentes como la IA pueden transformar los costos de producción y, por ende, la transmisión de precios. Si bien el Perú aún no registra una amplia adopción de IA en sectores clave, el crecimiento de servicios digitales y el avance en infraestructura tecnológica sugieren que el impacto de estos costos podría ser significativo en el futuro. Los resultados indican que, si bien la transmisión de costos es fuerte, su efecto sobre la inflación es moderado, lo cual puede ayudar a diseñar políticas monetarias más flexibles y adaptadas a las nuevas realidades tecnológicas. Este marco teórico ofrece una herramienta para comprender cómo la IA, aunque aún en etapas iniciales, podría influir en el equilibrio macroeconómico, tanto en el sector privado como en la gestión de la política monetaria nacional.