¿Quién pagará mi jubilación? El reto de fiscalizar a los agentes autónomos de IA y el fin de la cotización tradicional
Cómo reconfigurar la arquitectura fiscal del Estado para evitar que la transición hacia una economía hiperautomatizada culmine en un colapso del sistema de pensiones
Estos nuevos sistemas de software no requieren de un estímulo humano continuo para operar; son capaces de establecer sus propios subobjetivos, evaluar dinámicamente entornos financieros variables, redactar y autoejecutar contratos inteligentes, gestionar cadenas de suministro transfronterizas y resolver complejas auditorías regulatorias de modo 100% independiente.
Esta capacidad de acción autónoma traslada la frontera de la automatización desde las tareas mecánicas de las fábricas directamente al epicentro de la economía del conocimiento: los puestos administrativos, los analistas de gestión, los asesores jurídicos de primera línea y los técnicos intermedios.
El desplazamiento acelerado de este rango específico de la población activa genera una distorsión macroeconómica sin precedentes. Históricamente, la clase media profesional ha constituido el pilar estructural sobre el que se asientan la recaudación fiscal directa y la sostenibilidad financiera de los sistemas de previsión social. Los modelos de pensiones de reparto solidario, basados en la transferencia intergeneracional de rentas, dependen de una premisa matemática fundamental: que la base de trabajadores cotizantes crezca en proporción simétrica a la masa de beneficiarios pasivos. Al contraerse de forma abrupta la masa salarial humana en los sectores de servicios y gestión administrativa, el nexo causal entre empleo y cotización social se rompe.
Ante este escenario, los gobiernos occidentales se enfrentan a un dilema de economía política de escala existencial. La erosión de las bases imponibles tradicionales amenaza con desfinanciar el estado del bienestar en pleno invierno demográfico, justo cuando las tasas de dependencia alcanzan sus máximos históricos. El debate actual ya no se centra, por tanto, en si la inteligencia artificial incrementará el Producto Interior Bruto global, sino en cómo reconfigurar la arquitectura fiscal del Estado para evitar que la transición hacia una economía hiperautomatizada culmine en un colapso del sistema de pensiones y en una insostenible polarización de las rentas del capital sobre las del trabajo.
La paradoja de la productividad y el empleo
El despliegue de estos agentes genera una desconexión macroeconómica profunda, similar a una versión ampliada de la paradoja de Solow. Mientras el tejido empresarial experimenta un incremento drástico en la velocidad transaccional y una reducción sin precedentes de sus costes operativos, los indicadoras de productividad nacional muestran un decalaje temporal. Las ganancias de eficiencia quedan concentradas en corporaciones tecnológicas y sectores nativos digitales, ensanchando la brecha de desigualdad.
El desplazamiento de los mandos intermedios hacia empleos de menor cualificación o hacia el desempleo estructural deprime la demanda agregada. La pérdida de ingresos por cotizaciones directas en la Seguridad Social erosiona las cuentas públicas mucho antes de que el crecimiento del Producto Interior Bruto (PIB), impulsado por la IA, consiga compensar la balanza a través de tributos indirectos. Ante este escenario, diseñar una "Tasa IA" que capture el rendimiento de estos agentes autónomos se ha convertido en la prioridad de la política económica contemporánea.
¿Cómo medir el impuesto de la IA?: el laberinto técnico del hecho imponible
El diseño de un marco fiscal para la IA autónoma se topa con la elusiva naturaleza del hecho imponible. En la ciencia tributaria, para que un impuesto sea eficiente debe aplicarse sobre una métrica clara, medible y difícil de eludir. Los agentes de software desafían las tres dimensiones de esta premisa a través de tres posibles vías de cuantificación:
- La métrica por capacidad técnica (cómputo y uso de CPU/GPU): Propone fiscalizar la infraestructura física que sostiene al algoritmo, midiendo los teraflops consumidos o el gasto energético de los centros de datos. La limitación técnica es evidente: la potencia de cálculo no correlaciona de forma lineal con la productividad económica. Un modelo ineficiente puede devorar recursos informáticos para tareas triviales, mientras que un agente optimizado mediante técnicas de cuantización puede generar millones de euros con una fracción del cómputo. Además, este enfoque desataría una deslocalización inmediata hacia regiones con energía barata y nula presión fiscal.
- La métrica por impacto social (puestos humanos equivalentes - PHE): Consiste en auditar qué tareas realizaban los trabajadores humanos antes de la automatización e imponer una tasa sustitutiva equivalente a las cotizaciones perdidas. Aunque resulta atractiva a nivel político, esta fórmula queda obsoleta casi al instante. Los agentes autónomos no sólo sustituyen; expanden la capacidad operativa a niveles hiper-escalables que un humano nunca podría ejecutar por límites físicos de tiempo, como analizar decenas de miles de carteras de inversión por segundo. Asimismo, penaliza injustamente a las startups nativas digitales que nacen automatizadas y que nunca dispusieron de una plantilla tradicional que reemplazar.
- La métrica por rendimiento económico (fraccionamiento del valor añadido bruto - VAB): Este modelo prescinde de medir el software o el hardware para centrarse exclusivamente en el incremento del margen de beneficio empresarial derivado de la autonomía digital. El reto aquí es de ingeniería contable: aislar con precisión qué porcentaje del valor añadido bruto (VAB) de un servicio es atribuible estrictamente al agente de IA y que responde al diseño estratégico humano, al valor de marca o al capital físico. Sin estándares internacionales estandarizados, las multinacionales podrían recurrir a precios de transferencia internos para trasladar los beneficios de la IA a jurisdicciones de baja tributación.
Conclusiones y recomendaciones de política pública:
El análisis técnico y macroeconómico demuestra que los intentos de fiscalizar la infraestructura (el silicio) o de replicar con nostalgia las estructuras laborales del pasado (los humanos equivalentes) introducen graves distorsiones que frenan la innovación sin resolver el problema de fondo. La solución regulatoria no pasa por penalizar la eficiencia de la inteligencia artificial, sino por desvincular progresivamente la financiación de los sistemas de pensiones de las rentas del trabajo.
El camino hacia la sostenibilidad fiscal exige mutar el modelo contributivo hacia las rentas del capital y el valor tecnológico. Esto implica una profunda reforma del impuesto de sociedades global para capturar el VAB digital en el lugar donde se genera el consumo, combinada con la creación de Fondos Soberanos de Inversión Públicos. Estos fondos, nutridos por participaciones directas en el rendimiento de los activos intangibles del país, permitirían que los dividendos de la automatización financien de manera directa la hucha de las pensiones, transformando una amenaza de exclusión laboral en un motor de bienestar colectivo.
