Casi la mitad de los trabajadores estadounidenses usa modelos de lenguaje en su rutina laboral. El dato proviene de relevamientos recientes que registran una adopción del 45.9% entre la fuerza laboral del país, una penetración notable para una tecnología que apenas hace tres años era terreno exclusivo de laboratorios especializados. Sin embargo, las estadísticas macroeconómicas cuentan una historia diferente. La productividad laboral en empresas no agrícolas de Estados Unidos creció apenas 2.4% en el segundo trimestre de 2025, después de caer 1.8% en el primero. El rebote es modesto, no transformacional. La OCDE publicó en julio de 2025 un compendio que subraya lo mismo: el impacto de estos sistemas en las estadísticas de productividad entre países «todavía no es evidente».
Si las herramientas conversacionales hubieran multiplicado por diez la velocidad del trabajador promedio, como sugieren los anuncios corporativos y las proyecciones entusiastas, el efecto en los indicadores agregados sería inequívoco a mediados de 2025. No lo es. Esta desconexión entre adopción masiva y ganancia marginal en productividad plantea preguntas incómodas sobre qué está ocurriendo realmente en las oficinas, laboratorios y centros de atención al cliente donde estos modelos operan diariamente.
Dos mecanismos explican la brecha entre difusión tecnológica y rendimiento agregado. El primero es que el uso, aunque amplio, permanece superficial. La mayoría de las implementaciones actuales se concentran en redacción de borradores, resúmenes de documentos y asistencia en programación, tareas periféricas que no modifican los flujos transaccionales centrales de las organizaciones. Muchos equipos incorporaron estas herramientas sin rediseñar procesos o roles para capitalizar sus capacidades, lo que equivale a electrificar una fábrica sin reorganizar la línea de producción.
Microsoft ejecutó un ensayo controlado aleatorizado entre industrias durante el despliegue temprano de M365 Copilot, cubriendo seis mil trabajadores en cincuenta y seis empresas. La evidencia causal más limpia disponible hasta ahora emerge de ese experimento. Con acceso a Copilot, las personas dedicaron 7% menos tiempo a leer correos electrónicos en promedio, y entre usuarios activos la reducción alcanzó 18%. El trabajo con documentos se completó 12% más rápido. El tiempo de reuniones no cayó de manera confiable, lo que limita las ganancias de rendimiento en actividades multipersonales.
La interpretación es directa: los cambios más pronunciados aparecen donde un individuo puede actuar unilateralmente, como clasificar mensajes o redactar un documento, mientras que los flujos que requieren coordinación intensiva permanecen inalterados. Esta asimetría revela una restricción estructural. Las organizaciones modernas operan mediante cadenas de interdependencia donde el cuello de botella rara vez es la velocidad de escritura de una persona, sino la sincronización entre departamentos, la aprobación jerárquica y la negociación entre equipos con objetivos parcialmente alineados.
El desajuste entre automatización deseada y capacidad real
El segundo mecanismo es un desajuste entre lo que los trabajadores quieren automatizar y lo que los sistemas actuales ejecutan bien. Un estudio de Stanford publicado en julio de 2025 mapeó preferencias laborales contra capacidad técnica actual, identificando zonas extensas donde los despliegues resultan indeseados o técnicamente inviables. Este desajuste erosiona el retorno de inversión realizado, no el proyectado en presentaciones comerciales.
Ciertas tareas que los trabajadores priorizarían delegar, como negociaciones complejas con clientes o decisiones que involucran riesgo reputacional, exceden la confiabilidad de los modelos disponibles. Otras tareas que los sistemas manejan eficientemente, como generar variaciones de texto promocional, no representan cuellos de botella significativos en la cadena de valor. El resultado es una fricción persistente entre oferta tecnológica y demanda organizacional.
Esta fricción se amplifica cuando se considera el contexto regulatorio y cultural. Sectores como salud, finanzas o legal enfrentan restricciones sobre qué decisiones pueden automatizarse sin supervisión humana continua. Implementar modelos en estos dominios requiere arquitecturas de auditoría, trazabilidad y reversión que anulan parte de la eficiencia ganada. La automatización no es técnicamente imposible, pero el marco operativo necesario para cumplir con estándares de responsabilidad reduce el múltiplo de productividad a niveles modestos.
La comparación histórica es instructiva. Las tecnologías de propósito general, desde la electricidad hasta internet, mostraron patrones similares: adopción inicial rápida seguida de una brecha temporal antes de que las ganancias de productividad se materializaran a escala macro. Esta demora refleja la necesidad de inversiones complementarias que van más allá de instalar la tecnología. Rediseño de flujos de trabajo, actualización de infraestructura de datos, capacitación organizacional y construcción de confianza operativa en sistemas autónomos no ocurren instantáneamente.
Microsoft halló que el comportamiento cambia más rápidamente donde los individuos pueden actuar sin coordinación, pero las organizaciones obtienen valor principalmente de actividades que requieren sincronización. Esta tensión no se resuelve con mejores modelos, sino con transformación organizacional que redistribuye responsabilidades y rediseña interfaces entre equipos. Ese proceso toma años, no trimestres.
El panorama emergente sugiere que los modelos conversacionales funcionan actualmente como aceleradores marginales de tareas individuales más que como multiplicadores sistémicos de productividad organizacional. La diferencia es crucial para calibrar expectativas. Un trabajador puede redactar correos 18% más rápido, pero si ese correo requiere tres rondas de aprobación que consumen días, la ganancia agregada se diluye.
Las estadísticas gubernamentales de Estados Unidos y los análisis de la OCDE confirman esta realidad. No hay señal macro clara de un salto de productividad a mediados de 2025, a pesar de que casi la mitad de la fuerza laboral interactúa regularmente con estas herramientas. La conclusión no es que la tecnología carezca de potencial, sino que realizar ese potencial depende de factores que trascienden la capacidad técnica del modelo: rediseño de procesos, infraestructura de datos confiable y, fundamentalmente, autonomía operativa respaldada por confianza verificable.
Las ventanas de chat no transforman organizaciones por sí solas. Las tecnologías de propósito general requieren ecosistemas complementarios para liberar su valor completo. Hasta que esas inversiones maduren, la brecha entre adopción individual y productividad agregada persistirá, dejando la promesa del trabajador 10x como una proyección aspiracional más que como una realidad medible en los indicadores económicos que definen el rendimiento colectivo.
Referencias:
- U.S. Bureau of Labor Statistics (2025). Nonfarm Business Labor Productivity, Q2 2025. Datos oficiales del gobierno estadounidense.
- OCDE (2025). Compendio sobre impacto de inteligencia artificial generativa en productividad. Reporte julio 2025.
- Microsoft Research (2025). Randomized Controlled Trial: M365 Copilot deployment across 56 firms. Estudio de campo con 6,000 trabajadores.
- Universidad de Stanford (2025). Mapping worker automation preferences to current AI capabilities. Estudio publicado julio 2025.
