La paradoja de la inteligencia artificial y por qué la productividad aún no despega
La inteligencia artificial está en todas partes. Pero en los datos de productividad… todavía no tanto.
Aunque cada vez más personas utilizan herramientas de IA en su trabajo diario (yo el primero), el impacto económico real sigue siendo moderado. Y no es la primera vez que ocurre algo así. Un patrón que confirman también los datos más recientes, como repasamos en por qué la IA promete mucho pero la productividad sigue sin despegar.
La historia de la tecnología está llena de avances que parecían revolucionarios desde el primer día, pero cuyo efecto real tardó años en aparecer. Con la IA probablemente estamos viviendo exactamente ese momento intermedio.
¿Por qué la inteligencia artificial aún no dispara la productividad?
Si uno observa la adopción de la IA en el trabajo, la tendencia es clara. En Estados Unidos, alrededor del 41 % de los trabajadores ya utilizan herramientas de IA generativa. Sin embargo, cuando se analiza el uso intensivo diario, la cifra cae bastante: solo alrededor del 13 % la utiliza todos los días.
Además, el uso suele ser bastante limitado:
- Redacción de textos
- Programación
- Algunas tareas administrativas
- Búsqueda de información
Es decir, la IA se usa como apoyo puntual, no como parte central del trabajo. Y ahí está la clave; aún no está integrado en nustro flujo real de producción.
Mientras la tecnología se utilice para pequeñas tareas aisladas, su impacto en la productividad global será necesariamente pequeño.
¿Qué es la paradoja de la productividad?
Este fenómeno tiene nombre. Se conoce como paradoja de la productividad.
En 1987, el economista Robert Solow resumió la situación con una frase que se hizo famosa:
“La era de los ordenadores se ve en todas partes menos en las estadísticas de productividad”.
En aquel momento, los ordenadores personales ya estaban llegando a muchas empresas. Pero los datos económicos no mostraban mejoras claras en productividad. Lo curioso es que la revolución sí llegó… solo que tardó. Los PC comenzaron a popularizarse en los años 80. Sin embargo, la productividad empresarial no empezó a crecer con fuerza hasta los años 90.
¿Por qué? Porque las empresas no cambiaron su forma de trabajar de un día para otro. Se necesitó un proceso de adaptación y entendimiento.
Durante los primeros años, los ordenadores se utilizaban básicamente para hacer lo mismo que antes:
- Escribir documentos
- Llevar contabilidad
- Almacenar datos
Pero el verdadero cambio llegó cuando las empresas empezaron a rediseñar completamente sus procesos:
- Digitalizar flujos de trabajo
- Integrar sistemas
- Automatizar procesos completos
- Reorganizar equipos
Es decir, el impacto real no vino del ordenador en sí, sino de cómo se reorganizó el trabajo alrededor de él.
¿Está ocurriendo lo mismo con la IA?
Yo diría que sí. Hoy muchas empresas están en lo que podríamos llamar la fase de las licencias. Compran herramientas de IA y esperan que, por arte de magia, aparezcan mejoras de productividad. Pero la tecnología por sí sola no cambia las organizaciones.
Para que la IA tenga un impacto real hay que hacer cosas bastante más profundas:
- Redefinir responsabilidades
- Formar a los equipos
- Rediseñar procesos
- Cambiar sistemas de control y medición
- Reorganizar cómo fluye el trabajo
Y eso, como siempre, lleva tiempo.
Como suelo decir en mis formaciones, el verdadero desafío de la IA no es técnico, sino organizativo.
Hay datos que apuntan a que, cuando se rediseña el proceso y no solo se compran licencias, el efecto aparece. El Banco Europeo de Inversiones estima que la IA eleva la productividad laboral una media del 4% en las empresas que la adoptan, sin desplazar empleo. Google cita en su informe de impacto económico en Europa el caso de Renault: con IA para predecir averías y detectar defectos en tiempo real, la fábrica ha reducido a la mitad las paradas y los defectos, y los técnicos han pasado de buscar errores a corregirlos, con un ahorro de entre 100 y 120 millones de euros al año. Conviene leerlo con cautela: el caso lo cuenta el propio proveedor de la tecnología, y el dato del BEI es una media de empresas que ya han adoptado la IA.
El debate sobre cómo se reparten los beneficios
Conviene no pasar de un extremo al otro. Daron Acemoglu, probablemente uno de los economistas más citados del momento, lleva años advirtiendo de que la automatización puede reducir salarios, elevar la desigualdad, debilitar la competencia y concentrar poder. Y su propio marco teórico admite, en principio, que la tecnología también puede crear nuevas tareas, aumentar la productividad y complementar el trabajo humano.
El riesgo está en convertir cualquier avance tecnológico en una pieza más de una narrativa inevitablemente oscura sobre capitalismo, represión y deterioro democrático. Parte de la crítica a su trabajo es precisamente que es muy teórico y apenas contrasta sus predicciones con datos reales. Y es algo que me pasa a menudo en eventos: alguien suelta una idea contundente, pregunto por la evidencia y la respuesta suele ser “lo dice todo el mundo”. Ahí suelo dar por terminada mi intervención.
Quizá el debate maduro no sea “IA sí o IA no”, ni optimismo tecnológico frente a pesimismo institucional. Las preguntas útiles son otras: ¿qué tipo de automatización estamos desplegando, quién captura sus beneficios y qué tareas humanas destruye o crea? Y eso, de nuevo, se responde con datos y con rediseño organizativo, no con eslóganes.
El caso de España: más inversión no es más productividad
La experiencia española con los fondos europeos es un buen recordatorio de que inyectar recursos no equivale a mejorar la productividad. Según las últimas estimaciones del FMI (octubre de 2026), España es la única gran economía de la eurozona que pierde productividad entre 2018 y 2027 (-0,1% de media anual, frente al +0,5% de la zona euro y el +1,0% de Alemania), pese a tener asignados desde 2021 más de 100.000 millones de euros en fondos europeos destinados a transformar la economía. El mismo patrón: dinero y tecnología disponibles, pero sin el rediseño de procesos y los cambios organizativos que son los que realmente se traducen en productividad. Con la IA corremos el mismo riesgo si nos quedamos en comprar licencias.
¿Estamos midiendo bien la productividad con IA?
Hay una posible razón más sutil. Daniel Hook, director científico de Holtzbrinck, la llama el efecto Waymo en un ensayo de septiembre de 2026: trabajar con otras personas tiene fricciones (nos contradicen, cuestionan una idea o nos avisan de que quizá resolvemos el problema equivocado) y, igual que un coche autónomo elimina la conversación a veces incómoda con el conductor, un modelo de lenguaje elimina parte de la fricción de pensar con otros. Hook lo llama “descolaboración”.
Automatizar revisiones bibliográficas, análisis o escritura permite avanzar más rápido, pero también evita desacuerdos que obligaban a revisar las propias ideas. Y los incentivos empujan en esa dirección: recortes que afectan a viajes y talleres, evaluaciones que premian la velocidad del output y una máquina que nunca discute ni reclama aparecer como coautora. Su propuesta no es prohibir la IA, sino financiar la colaboración como infraestructura y evaluar la contribución en vez de la velocidad. Quizá estemos midiendo mal una parte de la productividad: eliminar fricción no siempre es eliminar desperdicio. Es un ensayo de opinión, sin datos cuantitativos, no un resultado medido.
¿Qué tendría que pasar para que la IA cambie realmente la productividad?
Si miramos lo ocurrido con otras tecnologías, el patrón se repite bastante. El gran salto llega cuando se cumplen tres condiciones:
1. Rediseño completo de procesos
La IA debe pasar de ser una herramienta puntual a formar parte del núcleo de los procesos.
No solo ayudar a escribir emails, sino participar en decisiones, operaciones y análisis.
2. Cambios organizativos
Las empresas necesitan reorganizar equipos y responsabilidades para aprovechar realmente la tecnología.
Esto suele ser lo más lento.
3. Integración en sistemas y flujos de trabajo
La IA tiene que integrarse con:
- Bases de datos
- Sistemas internos
- Plataformas de trabajo
Solo así puede actuar de forma continua y no como una simple herramienta aislada. Precisamente por eso conviene tener una hoja de ruta clara sobre cómo adaptar la IA en un entorno profesional, en lugar de limitarse a comprar licencias.
¿Estamos todavía al principio?
Todo indica que sí.
La adopción de la IA está creciendo rápido, pero el uso profundo sigue siendo limitado. Muchas empresas están experimentando, probando herramientas o formando a sus equipos. Las que ya han dado ese salto organizativo son las que empiezan a definirse como empresas IA first. Eso es normal y nos ofrece la oportunidad de seguir creciendo y aprendiendo de esta gran tecnología.
La historia de la tecnología sugiere que el verdadero impacto llega cuando dejamos de ver la herramienta como novedad y empezamos a reconstruir el sistema alrededor de ella.
Con la electricidad pasó.
Con los ordenadores pasó.
Con internet pasó.
Y probablemente con la inteligencia artificial también pasará.
La inteligencia artificial avanza a gran velocidad, pero su impacto en la productividad todavía está en fase temprana. No porque la tecnología no funcione.
Sino porque las organizaciones cambian mucho más despacio que las herramientas.
La lección de la historia es bastante clara: las grandes revoluciones tecnológicas no se producen cuando aparece la tecnología, sino cuando aprendemos a reorganizar el mundo alrededor de ella.
Y en el caso de la IA, todo apunta a que ese proceso acaba de empezar.