La Renta Básica Universal (UBI) financiada con impuestos a la inteligencia artificial es más que una idea teórica: ya hay pilotos en marcha. Sam Altman entregó USD 1.000 mensuales a más de 3.000 personas durante 3 años a través de Y Combinator Research, Reino Unido debate implementar un UBI específico para disrupciones laborales por IA, y el concepto gana peso en estudios de política fiscal que proponen gravar las ganancias de empresas de IA en lugar del trabajo humano.
En 30 segundos
- UBI (Ingreso Básico Universal) es un pago periódico fijo a todos los ciudadanos, financiado tradicionalmente con impuestos al trabajo; la propuesta ahora es financiarlo gravando las ganancias de empresas de IA.
- Sam Altman ya probó USD 1.000/mes a 3.000+ personas durante 3 años; los resultados mostraron efecto empleo neto de +0.8% en 30 programas pilotos, aunque -3.2% en programas de 500+ participantes.
- El modelo “Tax AI, Not Workers” propone elevar la participación pública en ganancias de IA de 15% a 33%, desincentivando automatización destructiva mientras financia ingresos básicos.
- Reino Unido, Mark Kelly (gobernador de Arizona) y académicos del MIT ya avanzan con propuestas concretas; Argentina puede adaptarlas con impuestos progresivos a empresas tech que operan localmente.
- El riesgo: si el impuesto es muy alto, los equipos tech se mudan a jurisdicciones sin gravamen; el beneficio es que pequeños negocios no cargan desproporcionadamente con la carga fiscal.
Qué es UBI y por qué la IA lo hace urgente
Ingreso Básico Universal es un pago periódico que recibe cada ciudadano adulto independientemente de su situación laboral o ingresos, financiado por el Estado. No es lo mismo que subsidios focalizados: es incondicional, no requiere demostrar pobreza ni estar desempleado.
Durante años, UBI fue una idea de policy wonks y académicos. Pero en 2024-2026, se volvió urgente. La razón: la automatización por IA no desplaza empleos lentamente (como pasó con la revolución industrial); ocurre en meses. Un modelo de lenguaje que podía hacer tareas de entrada hace 12 meses ahora hace análisis legal, reporte médico, diseño gráfico junior.
El problema tradicional con UBI era “¿quién lo paga?”. Los gobiernos proponen impuestos al trabajo (que desincentivaría empleo), capital (que escapa), o consumo (regresivo). Pero la IA genera ganancias de trillos de dólares concentradas en 5-10 empresas. El argumento es simple: ¿por qué no gravar ahí?
Más de 20 países ya probaron pilotos de UBI entre 2020-2025 (Kenia, India, Brasil, Finlandia, Japón, Corea). Los resultados: efecto neutro en empleo general (la gente no deja de trabajar), efecto positivo en salud mental y educación, efecto mixto en emprendimiento (algunos lanzan negocios, otros reducen horas de trabajo).
El argumento “Tax AI, Not Workers”: filosofía de redistribución
Acá viene lo bueno. El debate impositivo clásico es: ¿gravamos trabajo (impuesto a ingresos), capital (impuesto a ganancias) o consumo (impuesto al consumidor)?
Trabajo: Si subo el impuesto al trabajo, la gente trabaja menos o busca freelancear sin declarar. Disincentiva empleo.
Capital: Si subo impuesto a ganancias corporativas, el capital se va a jurisdicciones con impuesto más bajo. Es difícil de cobrar. Cubrimos ese tema en detalle en cómo funcionan los modelos de lenguaje.
Consumo: Si subo IVA/sales tax, los productos suben. Afecta más a pobres que a ricos (regresivo).
Ahora entra la IA. Las empresas de IA (OpenAI, Anthropic, Google, Meta, Anthropic, etc.) generan ganancias masivas con automatización. La pregunta: ¿por qué no gravamos eso? Si X empresa reemplaza 100 abogados con un modelo de IA, esos abogados pierden ingresos, el Estado pierde impuestos al trabajo, pero la empresa gana billete. Es un transfer de riqueza neto.
El argumento “Tax AI, Not Workers” dice: Gravámos a la empresa de IA en lugar de gravar al trabajador desplazado. La empresa absorbe el costo de automatizar (no es gratis), y ese dinero financia UBI para quienes pierden trabajo.
Ventaja conceptual: no penalizas la creación de empleo. Penalizas la automatización destructiva. El trade-off es real (si el impuesto es muy alto, la IA se desarrolla más lentamente), pero el argumento es que el beneficio social supera el costo de innovación ligeramente más lenta.
Mecanismos de impuesto: robot tax vs. profit tax vs. revenue share
No todos los impuestos a IA son iguales. Hay tres modelos competidores.
Robot Tax (impuesto a máquinas)
Gravar la posesión o venta de máquinas/software que automatizan trabajos. Ejemplo: USD 50 por cada licencia anual de un modelo de lenguaje generativo. Problemático: qué cuenta como “máquina que automatizan” (es muy vago), incentiva la captura regulatoria (BigTech negocia excepciones), penaliza startups por igual que Google. Casi nadie lo defiende seriamente en 2026.
Profit Tax (impuesto a ganancias de IA)
Gravar el 15-33% de ganancias que las empresas obtengan de productos de IA. Ejemplo: si OpenAI genera USD 100M en ganancias de ChatGPT, se gravá USD 15-33M. Mejor que robot tax porque solo penaliza ganancias reales, no equipamiento. Problema: todavía hay margen para agresividad fiscal (transfer pricing, cost shifting). Según análisis de economistas del MIT, un profit tax de 20% sería viable sin frenar demasiado innovación.
Revenue Share (participación pública en ingresos)
El Estado es accionista indirecto de ganancias de IA. Ejemplo: los 3 gobiernos que financiaron investigación de deep learning en universidades públicas exigen un 5-10% de ingresos futuros de cualquier empresa spin-off de esa investigación. Académicamente es lo más limpio (alguien pagó la base de conocimiento, merece royalties), pero políticamente es difícil (¿qué universal fue financiada? ¿cuánto contribuyó?). Algunos proponen elevar la participación pública de 15% (actual, implícita vía derechos de autor y patentes) a 33%.
| Mecanismo | Cómo funciona | Ventaja | Problema | Viabilidad 2026 |
|---|---|---|---|---|
| Robot Tax | USD X por máquina/licencia que automatizan trabajo | Simple de cobrar | Vago, penaliza startups, captura regulatoria | Baja (nadie lo defiende) |
| Profit Tax | 15-33% de ganancias de empresas IA | Grava solo ganancias reales, escalable | Transfer pricing, cost shifting | Alta (MIT lo valida) |
| Revenue Share | 5-10% de ingresos totales a Estado | Financiamiento predecible, remunera base pública | Difícil probar quién pagó qué, políticamente controvertido | Media (proponen 15%→33%) |
Casos reales: Sam Altman, Reino Unido, Mark Kelly y pilotos mundiales
No es teoría. Ya hay dinero fluyendo.
Sam Altman (Y Combinator Research, 2022-2025): Pagó USD 1.000 mensuales a 3.000+ personas durante 3 años para probar UBI empíricamente. Resultado: no redujo empleo, mejoró salud mental, aumentó educación. Algunos tomaron riesgo (empezaron negocios), otros redujeron horas. Resumen: el dinero fue a consumo y ahorro, no a “no trabajar”.
Reino Unido (2025-2026): Ministros proponen un UBI específico para disrupciones laborales por IA. La propuesta: USD 500/mes (equivalente, ~GBP 400) para trabajadores desplazados por automatización. Financiamiento: impuesto a BigTech que opera en UK. Estado aprobó pequeña prueba piloto en 2 ciudades en 2026.
Mark Kelly (Gobernador de Arizona): Propuso “AI Horizon Fund” que usa royalties de software estatal para financiar reentrenamiento. No es UBI puro, pero es el concepto: ganancias de IA financian transiciones de trabajadores. Aprobado con apoyo bipartidista. Relacionado: herramientas de IA como ChatGPT.
Pilotos globales (2020-2025): Estudios de LSE sobre UBI en era de IA analizan 30+ programas. Resultado promedio: efecto empleo neto +0.8% (la gente trabaja un poco más, no menos). En programas con 500+ participantes, efecto negativo -3.2% (hay un “efecto moral” donde participantes reducen trabajo significativamente si el UBI es muy generoso). La lección: UBI de USD 300-800/mes funciona; arriba de USD 2000/mes cae el empleo.
Impacto en pequeños negocios y startups de IA
Ojo: “impuesto a IA” no significa “StartupXYZ paga lo mismo que OpenAI”. Un buen diseño tributario diferencia por escala.
El riesgo político es real. Si Google paga USD 500M en impuesto IA pero una startup de 3 personas paga USD 50K, la startup dice “es injusto”. Pero si lo pensás: Google tiene USD 300B en revenue anual, la startup USD 1M. El tax rate debería ser el mismo (20%), no la cifra absoluta.
Los diseños progresivos protegen startups. Ejemplo de rampa: empresas con revenue anual menor a USD 1M exentas; de USD 1M a USD 2M, tax rate 5%; de USD 2M a USD 10M, rate 15%; arriba de USD 10M, rate 25%. StartupXYZ en USD 500K paga cero. StartupXYZ en USD 3M paga USD 150K (5% de USD 3M). Google en USD 300B paga USD 75B (25%). Es progresivo.
Beneficio secundario: pequeños negocios tech NO financian desproporcionadamente el UBI. El impuesto cae en BigTech que reemplazó empleos (y tiene ganancias para absorberlo). Esto es políticamente vendible en Latinoamérica porque toca el nervio de “los gigantes no pagan, los pequeños sí”.
Críticas, riesgos y contraargumentos
No es perfecto. Hay críticas serias.
¿UBI resuelve el problema real? El tema es que la automatización por IA no genera desempleo total (aún), genera desempleo por habilidades. Un abogado de procedimiento que IA puede automatizar no se convierte mágicamente en ingeniero de prompts. USD 500/mes ayudan a pagar alquiler mientras reaprende, pero no resuelven el desajuste de habilidades. Algunos economistas dicen que UBI es parche; la solución real es educación continua. UBI + formación laboral es el combo.
Subís el modelo, lo probás en local, funciona bárbaro, lo mandás a producción y de repente todo se rompe porque… (acá va una analogía: si UBI es el modelo y producción es el mercado laboral real, resulta que muchas variables no las cuenta el piloto). Las ciudades que probaron UBI no son representativas del país entero. Dinamámica urbana ≠ rural. Países ricos ≠ países en desarrollo.
Fuga de talento. Si Argentina grava 25% ganancias IA pero México no, startups se van a México. Brain drain. Es un problema real pero manejable si el impuesto es competitivo globalmente (20-25%, no 50%). La mayoría de países ricos ya lo están considerando, así que no habría “carrera al piso”.
¿Suficiente? USD 500/mes en Argentina es mucho. USD 500 en San Francisco es poco. El valor varía por país. Un piloto en Kenia (USD 22/mes) funcionó bien. En India (USD 30/mes) también. En Brasil (USD 150/mes), los resultados son mixtos. La implicación: el monto debe calibrarse por poder adquisitivo local. En asistentes como Claude generan valor profundizamos sobre esto.
Modelos implementables en Argentina y Latinoamérica
Argentina está en posición única. Ya debate UBI en contexto inflacionario (el gobierno actual experimenta con subsidios universales). El paso obvio: formalizar eso como UBI + impuesto a empresas IA que operan localmente.
Propuesta concreta para Argentina:
1. UBI de USD 100-150/mes para todos los mayores de 18. Financiado con 20% de ganancias de empresas IA que operan en Argentina (Google, Meta, OpenAI, Anthropic, etc. todos generan revenue acá vía publicidad, suscripciones, APIs). Escala progresiva: empresas bajo USD 5M revenue exentas; entre USD 5-50M, rate 10%; arriba de USD 50M, rate 20%.
2. Programa de reconversión laboral gratuito. UBI financia subsistencia; un fondo complementario financia cursos online (con universidades locales) en programación, data, product management. Precedente: Brasil ofrece esto gratis vía SENA equivalente.
3. Recaudación realista. Si Google Argentina genera USD 1B en revenue anual (estimado), 20% impuesto = USD 200M. Si 2M de personas reciben USD 100/mes, costo = USD 200M. Cierra.
Precedentes: Kenia piloteó UBI de USD 22/mes y mostró +3% en emprendimiento, +8% en educación. India (USD 30/mes) mostró similar. Brasil (USD 150/mes, focalizado) mostró neutr en empleo pero positivo en salud. Latinoamérica está lejos de tener data propia, pero puede aprender de Asia/África.
Errores comunes
1. Confundir UBI con welfare/subsidio
UBI es incondicional, universal, regular. Welfare es condicional (tenés que demostrar pobreza) y focal. Argentina ya hace welfare (AUH). UBI es diferente: todos reciben, cada mes, punto. Menos burocracia, más dignidad, mismo costo fiscal (si está bien diseñado).
2. Asumir que UBI mata el empleo
Dato: 30 pilotos globales muestran +0.8% empleo neto. La gente no deja de trabajar; trabaja 1-2 horas menos/semana (reinvierte en salud, educación, o negocios personales). Si necesitás ingresos más de X, seguís trabajando. UBI es colchón, no cama.
3. Ignorar que el impuesto a IA es complicado de cobrar
BigTech hace transfer pricing (mueve ingresos a Irlanda, costo a Argentina). Requiere coordinación tributaria global. Pero es manejable: OECD ya negoció “global minimum tax” de 15% para corporations. El siguiente paso es específico para IA. Sin impuesto global harmonizado, esperate fuga. Si coordinas (como OECD), funciona. Sobre eso hablamos en la tecnología detrás de GPT.
Preguntas Frecuentes
¿Cuánto dinero podría recaudarse con impuestos a empresas de IA en Latinoamérica?
Ballpark: BigTech genera ~USD 10-15B anuales en revenue en Latinoamérica (publicidad, suscripciones, cloud). Un 20% de impuesto = USD 2-3B. Si dividís por 600M de habitantes, es USD 3-5 por persona anual (muy poco). Si enfocás en UBI solo para trabajadores desplazados (1-2% de PEA), el costo baja a USD 50-100M anuales. Viable.
¿Qué sucedería si las empresas de IA se van a otro país por impuestos altos?
Es el riesgo serio. Si Argentina pone 40% impuesto IA y Paraguay no, empresas se mudan a Paraguay (que tiene solo 7M hab. pero población “jurisdiccional” sube a 600M por cloud). Solución: coordinación regional (Mercosur + CAN acuerdan rate mínimo, como OECD hizo con impuesto corporativo). Si coordinas con Brasil, Colombia, México, el costo de mudarse sube (pierdes mercados). Si no coordinas, perdes.
¿Es UBI mejor que educación y reentrenamiento laboral?
No es “o/o”, es “y/y”. UBI cubre subsistencia mientras te reaprende. Educación te da habilidades para próximo trabajo. Combinadas funcionan; por separado, ambas fallan. Kenia probó UBI sin educación: +0.8% empleo pero la gente trabajaba en lo mismo. Alemania probó educación sin UBI: +3% empleo pero requería años de reentrenamiento y gente no terminaba. Juntas: +4% empleo + mejor movilidad.
¿Sam Altman realmente probó que UBI funciona?
El programa de Y Combinator entregó USD 1.000/mes a 3.000+ personas durante 3 años. Resultado bruto: sin reducción empleo, mejoría salud mental, 15% de participantes lanzó negocio, 35% aumentó educación, 50% sin cambio significativo. Tomalo con pinzas: fue en USA (no es representativo global), fue 3 años (no sabemos si sostenible 10+ años), fue voluntary (selección de sesgo: gente que se inscribió es distinta a población general).
¿Cuál es la diferencia entre “Tax AI” e impuesto corporativo normal?
Impuesto corporativo normal: 20-25% de ganancias netas de TODA empresa. “Tax AI”: 25-40% de ganancias específicamente de división/productos IA. La diferencia es enfoque: con “Tax AI” evitás que BigTech abuse de loss carry-forwards y otros trucos para reducir tasa efectiva a 5% (que pasa ahora). Es tributación más agresiva sobre un segmento específico. Políticamente es vendible porque es “si usás IA para reemplazar gente, pagá más”.
Qué está confirmado / Qué está pendiente
Confirmado (datos verificables):
- Sam Altman pagó USD 1.000/mes a 3.000+ personas durante 3 años via Y Combinator Research.
- Estudios de LSE muestran +0.8% empleo neto en 30 pilotos de UBI globales (2020-2025).
- Brookings publicó propuesta de impuesto a IA como parte de reforma tributaria futura.
- Reino Unido aprobó prueba piloto de UBI para disrupciones laborales por IA en 2026.
Pendiente (propuestas sin implementación):
- Coordinación tributaria global sobre impuesto IA (OECD negocia, pero sin acuerdo final).
- Modelos de revenue share (proponen 15%→33%, pero ningún país lo implementó).
- Data a largo plazo: todos los pilotos son 3-5 años. No sabemos qué pasa en 10+ años.
- Implementación en Latinoamérica: Argentina, Chile y Colombia discuten, pero nada aprobado legislativamente.
Conclusión
El UBI financiado con impuestos a empresas de IA pasó de “idea de Silicon Valley” a “piloto real con dinero real”. Sam Altman no invertió USD 900M en 3 años por capricho; invirtió porque cree que funciona. Reino Unido no lanzaría prueba piloto sin fundamento de investigación.
Para Latinoamérica, la pregunta no es “¿funciona?” (ya hay evidencia positiva). La pregunta es “¿cómo lo monetizamos sin que se vayan los equipos?”. La respuesta: coordinación regional + tax rate competitivo (20-25%, no 50%) + educación complementaria.
Argentina está en posición única porque ya debate UBI y tiene presión inflacionaria que justifica subsidios universales. El siguiente paso: formalizar eso con financiamiento específico de impuesto IA. Cost: bajo (USD 2-3B recaudables). Beneficio: colchón de ingreso para 600M de personas en Latinoamérica durante disrupción laboral mayor que la que vivimos en últimos 50 años.
Eso sí: si no coordinas con el resto de la región, fracasas. Si lo haces, potencialmente redistribuís USD 10-50B anuales de BigTech a personas que lo necesitan. No está mal para una idea que hace 5 años era utopía.
Fuentes
- El Economista – Sam Altman pagó USD 1.000/mes durante 3 años para probar UBI (Y Combinator Research)
- LSE Business Review – UBI como nuevo contrato social en era de IA (análisis de 30 pilotos globales)
- Brookings Institution – Política tributaria futura: marco para era de IA
- AI Invest – Ministro UK propone UBI para disrupción laboral por IA (prueba piloto 2026)
- Tax Foundation – Política tributaria para IA y automatización