- 374 empresas del S&P 500 mencionaron la IA en sus reportes de resultados, pero en una encuesta a 6,000 ejecutivos cerca del 90% respondió que la IA no había afectado el empleo ni la productividad en los últimos 3 años
- La paradoja de la productividad planteada por Robert Solow, ganador del Nobel de Economía en 1987, se está repitiendo en la era de la IA, con una situación en la que los efectos de la IA no se observan en los datos macroeconómicos
- El tiempo de uso de IA por parte de los ejecutivos es de apenas unas 1.5 horas por semana, y el 25% de los encuestados no usa IA en absoluto en el trabajo
- En una encuesta de ManpowerGroup, el uso regular de IA en 2025 aumentó un 13%, pero la confianza en la tecnología cayó 18%
- Existe el precedente de que el boom de TI de las décadas de 1970 y 1980 llevó a un fuerte aumento de la productividad en los años 90, por lo que la IA también podría crecer con una curva en J tras un periodo de retraso
La paradoja de la productividad de Solow y la IA
- En 1987, el economista Robert Solow observó que, incluso después de la aparición del transistor, el microprocesador, los circuitos integrados y los chips de memoria, la tasa de crecimiento de la productividad cayó de 2.9% entre 1948 y 1973 a 1.1% después de 1973
- Dejó la famosa frase: "La era de las computadoras se ve en todas partes, pero no en las estadísticas de productividad"
- En ese momento, las computadoras más bien producían un exceso de información, lo que incluso perjudicaba la productividad, por ejemplo imprimiendo en masa reportes excesivamente detallados
Resultados de la encuesta a CEOs: impacto real limitado de la IA
- Entre septiembre de 2024 y 2025, 374 empresas del S&P 500 mencionaron la IA en sus reportes de resultados y evaluaron positivamente su adopción
- Sin embargo, no hay un reflejo claro en los indicadores macro de productividad
- En un estudio publicado este mes por el NBER (National Bureau of Economic Research), se realizó una encuesta a 6,000 ejecutivos de EE. UU., Reino Unido, Alemania y Australia
- Cerca de dos tercios respondieron que usan IA, pero el tiempo de uso es de apenas unas 1.5 horas por semana
- El 25% de los encuestados no usa IA en absoluto en el trabajo
- Cerca del 90% de las empresas respondió que la IA no había afectado el empleo ni la productividad en los últimos 3 años
- Aun así, los ejecutivos prevén que en los próximos 3 años la IA aumentará la productividad en 1.4% y la producción en 0.8%
- Las empresas esperan que el empleo caiga 0.7%, pero los trabajadores individuales prevén, por el contrario, un aumento del empleo de 0.5%
Resultados divididos entre los estudios académicos
- Un estudio del MIT de 2023 sostuvo que, con la adopción de IA, el desempeño de los trabajadores podría mejorar hasta 40%
- Sin embargo, aunque la inversión empresarial en IA se disparó a más de 250 mil millones de dólares para 2024, la prometida mejora de productividad no se ha materializado
- Torsten Slok, economista en jefe de Apollo, señaló que "la IA no aparece en los datos de empleo, en los datos de productividad ni en los datos de inflación"
- Fuera de los Magnificent Seven, tampoco hay señales del efecto de la IA en márgenes de ganancia ni en perspectivas de ingresos
- La Reserva Federal de St. Louis anunció que, desde la adopción de ChatGPT, la tasa acumulada de crecimiento de la productividad aumentó en más de 1.9%
- En cambio, un estudio del MIT de 2024 (del Nobel Daron Acemoglu) presentó una cifra más conservadora de 0.5% de aumento de productividad para los próximos 10 años
- Acemoglu evaluó que "no hay que subestimar el 0.5%, pero comparado con lo que la industria y los medios prometieron, es un nivel decepcionante"
Caída de la confianza de los trabajadores y respuesta de las empresas
- En la encuesta 2026 Global Talent Barometer de ManpowerGroup (a unos 14,000 trabajadores de 19 países), el uso regular de IA en 2025 aumentó 13%, pero la confianza en la utilidad de la tecnología cayó 18%
- Nickle LaMoreaux, CHRO de IBM, anunció la semana pasada que triplicará la contratación de puestos de nivel inicial
- La empresa considera que la IA puede automatizar algunas tareas, pero reemplazar al personal de entrada podría provocar en el futuro escasez de mandos medios y una crisis en la cantera de liderazgo
Perspectivas futuras de la productividad de la IA
- El boom de TI de las décadas de 1970 y 1980 dejó el precedente de que, tras varias décadas de estancamiento, entre 1995 y 2005 la tasa de crecimiento de la productividad subió 1.5%
- Erik Brynjolfsson, director del Instituto de Economía Digital de Stanford, detectó una señal de fuerte alza en la productividad en el hecho de que el PIB del cuarto trimestre registró un crecimiento de 3.7%, mientras que el aumento del empleo fue revisado a la baja a 181,000 puestos
- Según su propio análisis, la productividad de EE. UU. subió 2.7% el año pasado, lo que interpreta como una transición desde la inversión en IA hacia la etapa de cosechar beneficios reales
- El ex CEO de Pimco, Mohamed El-Erian, también señaló que, debido a la adopción de IA, está avanzando un desacoplamiento entre el crecimiento del empleo y el crecimiento del PIB, un fenómeno similar al de la automatización de oficinas en los años 90
- Slok analiza que el impacto futuro de la IA podría seguir una curva en J, en la que tras una desaceleración inicial los resultados se disparan
- Sin embargo, a diferencia de la TI en los años 80, las herramientas de IA actuales son de fácil acceso porque sus precios han bajado por la intensa competencia entre LLM
- Por lo tanto, el futuro de la productividad de la IA no depende del valor del producto en sí, sino de cómo cada sector económico aproveche e implemente la IA generativa
1 comentarios
Opiniones de Hacker News
Este artículo no critica la controversia sobre la productividad de la IA, sino que la explica como un fenómeno esperado según la paradoja de la productividad de Solow (Productivity paradox)
En los años 70 y 80 también hubo enormes inversiones en TI, pero las ganancias netas para toda la economía no aparecieron sino hasta finales de los 90
Al principio fue porque los costos eran demasiado altos y hubo mucho ensayo y error. Con la IA pasaría lo mismo: ahora requiere mucho dinero y tiempo, pero a medida que avance la integración y la eficiencia, la productividad subiría
Incluso en Hacker News, donde la gente está familiarizada con la tecnología, hay muchos que creen que “la IA no puede generar código”
Hasta un amigo que venía de Amazon no sabía que hay que activar la función de “thinking” de ChatGPT para obtener resultados de alta calidad. Es difícil esperar un impacto revolucionario antes de que la gente se acostumbre a usarla
Enlace al PDF original
Por ejemplo, la suscripción a Claude cuesta unos 20 dólares al mes por empleado, parecido a herramientas como Slack
A diferencia de cuando los oficinistas aprendían a usar computadoras en los 70, la incorporación es muy simple, y algunos efectos de corto plazo ya se están viendo
Cuando millones de computadoras se conectaron en red, recién ahí apareció el verdadero efecto económico
Ese análisis también puede verse en un artículo del FT y en un texto de Apollo Academy
Yo veo a las grandes empresas como sistemas distribuidos que corren sobre hardware defectuoso (humanos)
Cada individuo (CPU) es rápido, pero hay mucha latencia por reuniones, espera de aprobaciones y tareas que no se pueden paralelizar
Antes de hacer un upgrade, hay que identificar si el cuello de botella está en I/O o en CPU
Había demasiados proyectos y era imposible concentrarse, así que también surgían problemas de caché, y al final el cuello de botella se volvió todavía peor
Hay que permitir que la memoria de la organización se pueda consultar rápido. Sin caché, resolver problemas toma mucho más tiempo, y si entra información errónea en la caché, todos la creen y se van en la dirección equivocada
Puede que estén menos pulidas, pero son mucho más ágiles y eficientes en costos
La mayor parte del trabajo de oficina consiste en pensar y hablar
En programación, la implementación pesa más de lo que uno cree, pero en otros trabajos hay reuniones, alineación, elaboración de diapositivas, posicionamiento de mercado, etc.
Herramientas como Cowork pueden ayudar con explorar archivos, ordenar tickets o escribir fórmulas de Excel
Pero el código es el resultado de decisiones de negocio, así que es la forma más adecuada para la automatización con LLM
En cambio, en otras profesiones tal vez solo aumente la velocidad, pero la automatización total todavía se ve lejana
Al final, en casi toda la ingeniería la negociación y la alineación son indispensables
Necesito pensar el doble que programar para escribir código de buena calidad
Ahorrar una hora no significa hacer una hora extra de trabajo más valioso. Incluso pueden aparecer diapositivas inexactas que luego otra persona tiene que corregir
Con los LLM, lo único que cambió es que ahora puedo producir más código con la misma cantidad de pensamiento
Por ejemplo, Hazel.ai ofrece planificación fiscal y de inversión mejor que el 90% de los RIA en EE. UU.
Por eso creen que las comisiones de los RIA bajarán del 1% a algo como 0.1~0.2%
Como ingeniero senior, siento que la parte lenta no es escribir código, sino los procesos de revisión y aprobación
Revisiones de código, comentarios de stakeholders, retrasos en testing, documentación, presentaciones, etc.
Ese tipo de revisión se repite constantemente dentro de la organización y genera cuellos de botella
Cuanto más nos acercamos a la singularidad (singularity), más se vuelve el mundo caótico e impredecible
En medio de cambios bruscos, todo se siente como ruido
Tal vez este sea simplemente el momento de preguntarnos: “¿el mundo se volvió más predecible o menos predecible?”
En el paper original del NBER
aparecen la tasa de adopción de IA por industria (A6), el impacto en empleo (A11) y el impacto en productividad (A12)
En industrias con mucho contacto con clientes o centradas en productos físicos, como construcción o retail, el impacto de la IA es bajo
Sorprende que hotelería y alimentos aparezca en el puesto 4 en impacto sobre productividad, algo bastante interesante
En nuestra empresa la adopción de IA sigue siendo lenta
Hoy nos presionaron con la idea de que “podría verse mal si el uso de IA es demasiado bajo”
Probablemente en 6 meses o 1 año llegarán a la conclusión de “esto fue un desperdicio de dinero”
No es tan distinto de pedirte que tú mismo redactes tu propia evaluación de desempeño
Si uno mira los pilotos de IA en empresas Fortune 500, incluyendo Microsoft Copilot,
todavía hay muchas grandes empresas que no entienden bien las capacidades de la IA
Los altos ejecutivos ni siquiera la prueban directamente por pura flojera
Redactar correos, hacer diapositivas o buscar información ya era suficientemente fácil
Su verdadera fortaleza está en tareas de bajo nivel como transcripción, traducción, reconocimiento de imágenes y resolución de problemas vía API
Hay innovación, sí, pero no es un “acelerador universal”
La falta de capacitación es una causa de la baja productividad
Microsoft Copilot, en particular, resulta de las peores implementaciones de IA, y eso decepciona
Por eso casi nadie siente una mejora real de productividad
Desde la perspectiva del empleado, un LLM puede sentirse como un truco para hacer la tarea,
pero desde la perspectiva del CEO se ve como una explosión de contenido por revisar (DDoS)
Cuando te llega por WhatsApp un documento de 155 páginas o se acumulan los PR,
aparece el problema de “¿quién va a revisar todo esto?”
Al final, la IA es un amplificador de riesgo
En este momento estamos entrando a ciegas en un acontecimiento de escala calentamiento global dentro del mundo de la computación