El último llamado para los economistas tradicionales

O la profesión migra hacia una formación que mezcle teoría, instrumentos cuantitativos y herramientas de ciencia de datos, o se enfrentará a un desplazamiento progresivo.

El tiempo nos ha mostrado que la economía, como ciencia social, ha experimentado revoluciones internas que han definido el rumbo de la disciplina. A finales del Siglo XIX, la revolución marginalista rompió, y de forma estructural, con la tradición clásica: la teoría del valor del trabajo defendida por Smith y Ricardo fue reemplazada por la teoría del valor subjetivo y de equilibrio general desarrollada por Menger, Jevons y Walras, lo que hizo que la economía abrazara con gran fervor un lenguaje formal y matemático. En la segunda mitad de la década de 1970, la crítica de Lucas generó una nueva sacudida que derivó en la consolidación de la econometría actual. Entonces, los economistas que no dominaron la estadística y los modelos de regresión fueron quedando rezagados mientras otros ganaban influencia al llevar la economía a un terreno cada vez más científico y cuantitativo.

Hoy nos encontramos ante un desafío similar, pero con un matiz decisivo: la irrupción y el auge de la ciencia de datos. En ese sentido, con esta columna quiero explorar tres aspectos vinculados con este reto. El primero, asociado a cómo la llegada de algoritmos, big data y machine learning ha transformado la forma de analizar fenómenos económicos. El segundo, relacionado con los riesgos que enfrentan aquellos economistas aferrados a la tradición frente a nuevos profesionales que ocupan espacios clave en gobiernos, empresas y organismos internacionales. Y el tercero, sobre las implicaciones que esto tiene en la enseñanza de la economía en los programas de pregrado.

Sobre el auge de la ciencia de datos

Sin duda alguna, el auge de la ciencia de datos es uno de los fenómenos intelectuales y profesionales con mayor disrupción en nuestro tiempo. Jamás habíamos tenido la oportunidad de acceder a grandes volúmenes de información, ni a la capacidad de procesarlos con tanta rapidez. Algoritmos de machine learning, modelos de predicción y herramientas basadas en la IA permiten anticipar comportamientos de consumo, patrones financieros, dinámicas de empleo y otras cuantas cosas más, con tal precisión que los economistas tradicionales difícilmente podían ofrecer hace un par de décadas.

Lo novedoso es que esta revolución metodológica no surgió dentro de la economía, como sí lo hicieron el marginalismo y la econometría moderna, sino desde disciplinas vecinas como la estadística, la informática y la ingeniería. Y es que la actualidad del mercado de trabajo no tiene duda alguna en privilegiar a un data science porque este responde a una demanda inmediata de predicción operativa y rápidos resultados. Bajo este nuevo escenario, la teoría parece un completo lujo, y la explicación causal un complemento secundario.

La consecuencia inmediata es que la economía se enfrenta a una competencia inédita. Ya no se trata de un debate interno sobre ideas, escuelas y paradigmas, sino de una disputa por la relevancia en los espacios público, académico y del mercado de trabajo. Hoy, los data science ocupan funciones que antes se consideraban exclusivas de los economistas: desde el análisis de riesgos financieros y la formulación de políticas económicas, hasta la evaluación de políticas públicas. En ese sentido, la economía como disciplina corre el riesgo de quedar rezagada si no logra apropiarse de estas herramientas y redefinir su papel en este nuevo entorno en el que gira el conocimiento.

Riesgos para los economistas tradicionales

El auge de la ciencia de datos se constituye en una amenaza directa para aquellos economistas que se aferran a enfoques tradicionales. Un primer riesgo es la irrelevancia profesional. Mientras los data science entregan resultados casi que inmediatos, ajustan algoritmos y generan predicciones con gran precisión, muchos economistas siguen modelos elegantes, pero con limitadas capacidades predictivas. Dado lo anterior, en un mercado de trabajo donde prima la inmediatez, la brecha entre ambos perfiles tiende a ampliarse cada vez más.

Un segundo riesgo es el rezago metodológico. Programas de economía que no ofrezcan una formación solida en programación, machine learning y minería de datos condenan a sus egresados a competir con herramientas limitadas en el mercado de trabajo. En este punto, la formación cuantitativa juega un papel fundamental: sin un dominio sólido de las matemáticas y la estadística, el economista difícilmente podrá comprender las nuevas técnicas. Así como en las décadas de 1970 y 1980 quienes ignoraron la econometría quedaron rezagados, hoy aquellos que no dominen lenguajes de programación, ni cuenten con las bases matemáticas necesarias para comprender algoritmos y modelos avanzados, están destinados a perder terreno frente a perfiles más técnicos y versátiles.

El tercer riesgo, de tipo epistemológico, toca un área sensible: la historia económica. Si bien la narrativa histórica y el análisis institucional aportan profundidad, en un entorno dominado por los datos el peligro de que se les relegue como saberes “ornamentales” es alto. La disciplina podría entonces reducirse a correlaciones y patrones de corto plazo, sacrificando su capacidad de comprender procesos de largo plazo. Sin embargo, si los economistas insisten en seguir refugiados en contextos históricos, corren el riesgo de ser vistos como “comentaristas del pasado”, con poca capacidad de responder a las demandas actuales.

La enseñanza de la economía

En gran medida, el futuro de la economía se juega en las aulas universitarias. En la actualidad los programas de pregado enfrentan un gran dilema: ¿formar economistas con una sólida base histórica e institucional o apostar por perfiles altamente técnicos, capaces de manejar lenguajes de econometría avanzada y ciencia de datos? Este trade-off no es trivial dado que su resolución dependerá de las posiciones que en el mercado de trabajo ocupen los hoy estudiantes y futuros egresados. Asimismo, determinará el lugar que facultades y programas, en temas de calidad y representación, ocuparán a nivel nacional.

Aquí, la formación cuantitativa ocupa un papel determinante en la discusión. Sin bases rigurosas, dar el salto hacia una comprensión adecuada de modelos de predicción, algoritmos de machine learning y el análisis de big data será muy complejo para el estudiante de economía. En otros términos, lo que antes se consideraba un lujo y una ventaja, hoy en día es la condición mínima para que futuros economistas compitan de una forma ecuánime con otros perfiles en un mercado de trabajo dominado por los datos.

Lo anterior implica repensar planes de estudios y contenidos programáticos. Cursos de contabilidad, proyectos, historia y doctrinas económicas no deben desaparecer, pero es evidente que necesitan un ajuste toda vez que, dada la necesidad imperante, ya no pueden ocupar el mismo lugar central de antaño. Hoy día el desafío más grande, y urgente, consiste en fortalecer el análisis econométrico avanzado, introducir cursos de formación en etapas tempranas en programación aplicada y métodos computacionales basados en la IA. Solo de esta manera el futuro economista podrá competir con el data science, presumiendo de la ventaja teórica y conceptual adquirida gracias a sus cursos de microeconomía y macroeconomía.

El último llamado para los economistas tradicionales ya ha sonado. O la profesión migra hacia una formación que mezcle teoría, instrumentos cuantitativos y herramientas de ciencia de datos, o se enfrentará a un desplazamiento progresivo. Lo anterior no versa en un capricho académico, tampoco en una moda transitoria, más bien en garantizar la supervivencia misma de la disciplina. El reto es ambicioso y consiste entonces en redefinir el significado de ser economista en una era llena de algoritmos. De no hacerlo, seremos recordados como los historiadores de un campo que otras disciplinas terminaron conquistando. 

Le recomendamos: La Economía colombiana: entre el alivio aparente y la fragilidad subyacente

* Este artículo hace parte de la alianza entre Razón Pública y la facultad de Economía de la Universidad Externado de Colombia. Las opiniones expresadas son responsabilidad del autor.