La conversación pública sobre inteligencia artificial dio un giro silencioso este año. Ya no solo se discute si la IA “piensa” o si algún día reemplazará empleos; ahora, la pregunta clave es mucho más pragmática: ¿está realmente elevando la productividad? Y si la respuesta es afirmativa, ¿en qué tareas, en qué magnitudes y bajo qué condiciones?
Un reciente estudio de Anthropic, construido a partir de cien mil conversaciones reales con usuarios de Claude, ofrece una nueva aproximación con datos duros. No se trata de encuestas ni de expectativas, sino de medir algo extremadamente concreto: cuánto tardaría un profesional en completar las tareas que la IA resolvió, y cuánto tardó con ayuda del modelo. El hallazgo central es contundente: Claude acelera tareas individuales en un promedio de 80%—especialmente las que requieren lectura intensiva, síntesis, redacción y análisis de información. Un documento que tomaría hora y media puede elaborarse en minutos. Pero ese no es el fin de la historia.
El reporte subraya algo que suele perderse en la conversación pública: la productividad que genera la IA es profundamente desigual entre tareas. Hay actividades que los modelos aceleran casi por completo—integrar información, preparar materiales, depurar código—y otras donde el avance es marginal o inexistente: supervisar equipos, realizar tareas físicas, interactuar con clientes o estudiantes en tiempo real, tomar decisiones organizacionales. La IA no elimina los cuellos de botella: los desplaza hacia otras partes del trabajo.
Si proyectáramos estos cambios al nivel macroeconómico y asumiéramos una adopción generalizada durante la próxima década, el estudio estima que la IA podría elevar la productividad laboral en Estados Unidos en 1.8% anual, prácticamente el doble del promedio reciente. No es una predicción, sino un ejercicio de frontera: una forma de medir qué podría ocurrir si la tecnología se integrara de manera plena en los procesos productivos. Y, como siempre, el salto del “poder” al “hacer” depende de algo más terrenal: infraestructura, datos, capacitación, reorganización empresarial. Y aquí es donde México tiene mucho más en juego que otros países.
La discusión sobre productividad no es abstracta para nosotros: está directamente conectada con la política salarial que el país ha adoptado en los últimos años. Los aumentos al salario mínimo han sido una corrección histórica y necesaria. Pero requieren una contraparte indispensable: productividad suficiente para sostenerlos sin generar presiones en precios, márgenes o informalidad.
El contraste es evidente. Mientras Estados Unidos discute cómo aprovechar la IA para duplicar su crecimiento de productividad, México enfrenta un problema previo: nuestra productividad laboral ha retrocedido en el mismo periodo en que los salarios han avanzado de forma acelerada. La reducción de la jornada laboral, que se implementará gradualmente, refuerza ese desafío: trabajar menos horas con productividad estancada implica mayores costos operativos para miles de empresas pequeñas y medianas.
En ese contexto, la IA no es un lujo ni un tema futurista: es uno de los pocos mecanismos capaces de mejorar la productividad a nivel micro y, eventualmente, macro. Pero para que eso ocurra, se necesitan políticas públicas deliberadas: digitalización accesible, infraestructura confiable, conectividad, datos limpios, capacitación laboral continua y un marco regulatorio que no penalice la adopción tecnológica.
La IA puede acelerar tareas, pero no puede compensar por sí sola la ausencia de una política nacional de productividad. Y en un país donde el salario mínimo seguirá creciendo y donde la estructura laboral se está transformando, cada punto porcentual perdido de productividad pesa más que nunca.
La pregunta que abre este nuevo momento tecnológico no es si la IA va a reemplazarnos, sino si sabremos usarla para producir más y mejor. La productividad dejó de ser teoría en el momento en que empezó a transformar tareas concretas. La IA está acelerando muchas de ellas, sí, pero también deja al descubierto cuáles son las partes del trabajo que requieren organización, reglas y visión institucional. Porque, con o sin IA, la economía a futuro seguirá dependiendo de una pregunta tan antigua como la economía misma: ¿cómo producimos más valor con el tiempo que tenemos?
