La gran mentira de la productividad con IA
Diario de Innovación #351
Durante los últimos dos años nos han repetido la misma idea una y otra vez.
Que la IA iba a cambiarlo todo.
Que el trabajo del conocimiento estaba a punto de automatizarse.
Que venía una explosión de productividad histórica.
Y, sin embargo, hay una realidad bastante incómoda: la mayoría de empresas todavía no saben muy bien qué hacer con ella.
Sí, usamos ChatGPT.
Sí, generamos imágenes.
Sí, resumimos reuniones.
Sí, escribimos correos más rápido.
Pero entre “usar IA” y “transformar realmente cómo trabaja una organización” hay un abismo enorme.
Y creo que nadie mejor que un galardonado con el Nobel para explicar este fenómeno.
Daron Acemoglu lleva tiempo defendiendo una idea bastante contraria al relato dominante de Silicon Valley: la IA no va a reemplazar de golpe el trabajo humano.
Al menos no todavía.
Porque el problema no es solo si un modelo puede hacer una tarea.
El problema es todo lo demás.
Coordinar.
Cambiar de contexto.
Entender prioridades.
Moverse entre herramientas.
Adaptarse a excepciones.
Lidiar con humanos.
Improvisar.
Es decir: trabajar de verdad.
Y aquí apareció una analogía que me pareció especialmente buena.
Mucha gente imagina la IA como un sustituto directo del trabajador. Pero quizá se parece más a un becario brillante.
Uno muy brillante.
Capaz de escribir rápido.
Resumir documentos.
Generar ideas.
Programar partes concretas.
Encontrar información en segundos.
Pero también tremendamente desorganizado.
Necesita supervisión.
Pierde contexto.
Se equivoca en detalles importantes.
A veces inventa cosas.
Y todavía requiere que alguien convierta sus respuestas en trabajo útil dentro del mundo real.
Porque ahí está la clave que casi nadie comenta.
El gran cuello de botella de la IA no es la inteligencia.
Es la usabilidad.
Hace años programas como Word, Excel o PowerPoint explotaron porque cualquier persona podía sentarse delante de ellos y empezar a producir valor casi inmediatamente.
No hacía falta aprender prompting.
Ni workflows.
Ni agentes.
Ni context windows.
Ni MCPs.
Ni automatizaciones complejas.
Abrías el programa y trabajabas.
Con la IA todavía no estamos ahí.
Y eso explica parte de la paradoja actual.
La narrativa general del mundo tech parece vivir en 2035.
Pero muchas organizaciones siguen intentando descubrir cómo integrar la IA en una simple reunión semanal.
Cómo documentar procesos.
Cómo evitar fugas de información.
Cómo conectar herramientas.
Cómo medir impacto real.
Cómo pasar de demos impresionantes a productividad sostenida.
Porque una cosa es impresionar.
Y otra muy distinta integrarse en el caos operativo de una empresa real.
De hecho, una de las partes más interesantes del artículo habla precisamente de eso.
De cómo las compañías de IA están empezando a contratar economistas en masa.
No solo ingenieros.
Economistas.
El propio OpenAI, Anthropic o DeepMind.
Todos construyendo equipos para estudiar el impacto laboral y económico de sus propios modelos.
Y eso abre una pregunta bastante interesante: ¿quién va a construir el relato económico de la IA?
Porque las empresas que desarrollan la tecnología tienen incentivos enormes para amplificar ciertas narrativas.
Especialmente las relacionadas con productividad, crecimiento o transformación económica.
Y quizá por eso vivimos rodeados de mensajes extremos.
O la IA va a quitarnos todos los trabajos.
O la IA no sirve para nada.
Y probablemente ambas cosas sean falsas.
Creo que la realidad será mucho más lenta. Más híbrida. Más humana.
No veremos empresas reemplazando departamentos enteros de un día para otro.
Veremos trabajadores aprendiendo a colaborar con sistemas imperfectos.
Equipos pequeños haciendo más.
Managers coordinando agentes igual que hoy coordinan personas.
Y organizaciones descubriendo que el verdadero diferencial no será “tener IA”.
Sino saber integrarla dentro de procesos reales.
Porque la historia de la tecnología rara vez la ganan las herramientas más impresionantes.
La suelen ganar las más utilizables.
Las que reducen fricción.
Las que encajan en la vida cotidiana.
Las que convierten complejidad en algo casi invisible.
Y quizá ese sea el verdadero reto de esta década.
No construir modelos más inteligentes.
Sino hacer que trabajar con ellos deje de parecer una disciplina experimental.
Y empiece a sentirse como usar electricidad.
Invisible.
Natural.
Cotidiana.
Todavía no estamos ahí.
Pero probablemente ahí es donde se decidirá de verdad el impacto económico de la IA.
🌍 El eco del mercado
🧠 Google convierte Android en una plataforma agentic. Google presentó una integración mucho más profunda de Gemini dentro de Android, con automatizaciones, widgets generativos y capacidades persistentes en el sistema operativo. El móvil empieza a convertirse en un entorno operativo de agentes y no solo en una interfaz de apps.
🛰️ Google y SpaceX exploran centros de datos orbitales. Google y SpaceX estarían estudiando infraestructura orbital para soportar cargas de IA intensivas, aprovechando ventajas energéticas y térmicas fuera de la Tierra.
⚖️ Anthropic entra en el negocio legal con IA. Anthropic acelera su expansión hacia servicios jurídicos especializados, posicionando Claude como herramienta de análisis documental y soporte profesional avanzado.
🏥 Medicare empieza a pagar trabajo coordinado por IA. El sistema Medicare estudia nuevos modelos de compensación ligados a automatización y coordinación asistida por IA en sanidad. Cuando cambia el incentivo económico, cambia la velocidad de adopción. La IA sanitaria empieza a encontrar modelo operativo real.
🇨🇳 China acelera su independencia chip con Loongson. Loongson presentó nuevos procesadores dentro de la estrategia china para reducir dependencia de arquitecturas y fabricantes occidentales. Lectura estratégica: más que competir en rendimiento puro, China busca resiliencia estratégica y soberanía industrial.
🧬 La IA ayuda a diseñar nuevas formas de vida sintética. Investigadores utilizaron IA para ayudar a desarrollar organismos sintéticos basados en configuraciones ampliadas de aminoácidos. La convergencia entre IA y biología sintética puede transformar medicina, materiales y producción industrial.
🔓 Los agentes de IA empiezan a verse como endpoints no gestionados. Expertos en ciberseguridad advierten que los agentes autónomos podrían convertirse en nuevos puntos ciegos corporativos. Sin duda alguna, gobernar agentes será uno de los grandes retos empresariales de esta década.
🏭 Samsung afronta tensiones laborales en plena carrera chip. Samsung vuelve a enfrentarse a conflictos laborales mientras intenta mantener ritmo competitivo en semiconductores avanzados. Pues parece que la cadena de suministro de chips no depende solo de litografía y GPUs. También depende de estabilidad organizativa y capital humano.
🔐 Foxconn sufre un ataque ransomware crítico. Foxconn confirmó un incidente de ransomware que afectó parte de sus operaciones e infraestructura interna. Cuanto más digitalizada es la manufactura global, mayor es la superficie de ataque industrial.
🇺🇸 EE.UU. y China aceleran la bifurcación tecnológica global. Las tensiones tecnológicas entre ambas potencias siguen profundizando cadenas de suministro y stacks separados. El futuro digital podría dividirse en dos grandes ecosistemas incompatibles.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD: Si te interesa este tipo de reflexiones, creo que hay varios libros especialmente buenos para acompañar esta idea:
Poder y Progreso → probablemente una de las mejores reflexiones recientes sobre tecnología, productividad y distribución del poder.
The Second Machine Age → para entender por qué las revoluciones tecnológicas tardan mucho más en desplegarse de lo que parece.
Máquinas Predictivas → muy útil para entender la IA no como magia, sino como una reducción masiva del coste de predicción.
Working in Public → una mirada brillante sobre cómo cambia el trabajo digital y la coordinación humana en entornos tecnológicos.