La inteligencia artificial se ha hecho cotidiana antes de hacerse verdaderamente productiva. Esa desproporción explica buena parte del extraño clima que rodea a la tecnología: todo el mundo habla de ella, mucha gente la utiliza, casi todas las empresas la mencionan, pero sus efectos materiales siguen siendo más difíciles de localizar que sus efectos culturales. La IA ya ha cambiado el modo en que preguntamos, escribimos, dudamos y buscamos una primera respuesta. Lo que todavía no ha cambiado con la misma claridad es la organización profunda del trabajo.
Hay tecnologías que llegan primero como infraestructura y solo después como hábito. La electricidad, el ferrocarril o la computación empresarial pertenecen a esa familia: antes de convertirse en experiencia cotidiana tuvieron que instalarse en fábricas, redes, oficinas, presupuestos y normas. La IA generativa ha seguido un camino más extraño. Su primera gran forma pública no fue una máquina industrial ni un sistema corporativo, sino una conversación. Apareció como una caja de texto donde cualquiera podía ensayar una pregunta y recibir una respuesta razonablemente articulada. No exigía aprender una interfaz compleja ni entender una arquitectura técnica. Bastaba escribir.
Esa facilidad produjo una adopción cultural rapidísima. Pew Research encontró en febrero de 2026 que el 49% de los adultos estadounidenses decía usar chatbots de IA como ChatGPT, Gemini o Copilot, frente al 33% en 2024. El uso de ChatGPT, en concreto, pasó del 18% en 2023 al 44% en 2026. La cifra no solo habla de crecimiento, sino de domesticación: la IA ha dejado de ser una demostración tecnológica para convertirse en una práctica ordinaria, una manera más de resolver pequeñas fricciones mentales del día.
Pero el tipo de uso importa. La misma encuesta muestra que el 42% de los adultos estadounidenses utiliza chatbots para buscar información, el 38% de los trabajadores empleados los usa para tareas laborales, el 25% para entretenimiento y el 24% para crear o editar imágenes o vídeos. También hay usos más íntimos, como apoyo emocional o compañía, aunque en porcentajes menores. Esa mezcla revela algo decisivo: la IA no se ha instalado primero como sistema de producción, sino como interlocutor universal. Sirve para saber, redactar, probar, entretenerse, calmarse, corregir, imaginar. Es menos una herramienta delimitada que una presencia disponible.
La productividad, en cambio, es menos amable que la conversación. No basta con que una persona ahorre veinte minutos en un correo para que una empresa sea más productiva. No basta con que un equipo genere más ideas si luego no sabe decidir mejor. No basta con que un empleado resuma documentos más rápido si la organización sigue produciendo documentos innecesarios. La productividad exige que el ahorro individual se convierta en una mejora del sistema. Y ahí es donde la IA encuentra su primera resistencia seria: no en la capacidad del modelo, sino en la forma heredada del trabajo.
Por eso los datos empresariales parecen a la vez impresionantes y decepcionantes. Reuters informó esta semana de que el 77% de las empresas medianas francesas encuestadas por Bpifrance usa IA generativa, pero solo el 17% de quienes la usan declara ahorros claros de tiempo o mejoras de eficiencia. La adopción va por delante de la absorción. Las compañías incorporan herramientas, celebran pilotos, compran licencias, forman grupos internos y actualizan presentaciones estratégicas. Luego descubren que el trabajo real no cambia solo porque haya aparecido una nueva ventana en la pantalla.
El Banco Central Europeo encontró una tensión parecida en la eurozona. Más del 70% de las empresas encuestadas afirma usar IA, pero solo el 7% la utiliza de forma intensiva. Los investigadores señalaban que el uso transformador, el que puede generar ganancias macroeconómicas relevantes, sigue siendo raro. La parte más reveladora del informe no es que muchas empresas hayan empezado a usar IA, sino que las que la usan intensamente suelen invertir en soluciones personalizadas y no se limitan a comprar licencias. Es decir: la productividad aparece cuando la herramienta deja de ser un complemento y se convierte en rediseño.
Esta diferencia entre conversación y productividad suele perderse porque confundimos experiencia con transformación. Hablar con un modelo produce una sensación inmediata de avance. Uno pide una explicación y la obtiene. Pide una versión mejor de un texto y aparece. Pide diez ideas y llegan en segundos. La tecnología parece trabajar. Pero muchas veces solo está acelerando la fase más visible de una tarea, no la tarea entera. Puede escribir más rápido un informe que nadie necesitaba leer. Puede generar más opciones para una decisión que la organización no tiene criterio para tomar. Puede producir una apariencia de movimiento donde antes había lentitud, sin tocar la causa de la lentitud.
La IA conversacional ha reducido el coste de empezar. Ese es un cambio enorme, pero no siempre se traduce en terminar mejor. Empezar un documento, una campaña, una propuesta, un análisis o una línea de código se ha vuelto más fácil. La página en blanco pesa menos. La primera versión aparece antes. Sin embargo, el trabajo valioso suele estar después de esa primera versión: en verificar, ordenar, descartar, responsabilizarse, coordinar, ejecutar, medir consecuencias. La IA ha entrado con mucha fuerza en la antesala del trabajo. Su entrada en la sala principal está siendo más lenta.
McKinsey describía algo parecido en su encuesta global de 2025: casi nueve de cada diez encuestados afirmaban que sus organizaciones usaban IA de forma regular en al menos una función, pero la mayoría seguía en fases de experimentación o piloto, y solo alrededor de un tercio decía haber empezado a escalar sus programas. La consultora señalaba además que los mejores resultados aparecían en organizaciones que rediseñaban flujos de trabajo, establecían procesos de validación humana y vinculaban la IA a cambios de estrategia, talento, datos y modelo operativo. No es una receta especialmente seductora, pero precisamente por eso resulta creíble. La IA no elimina la necesidad de gestión; la hace más evidente.
La conversación es individual; la productividad es colectiva. Esta diferencia explica por qué la IA se siente tan poderosa en manos de una persona y tan complicada dentro de una institución. Un profesional autónomo puede cambiar su manera de trabajar en una tarde. Puede usar un modelo para preparar una propuesta, revisar una idea, analizar un contrato o traducir una intuición en un esquema. Una empresa, en cambio, tiene permisos, jerarquías, datos fragmentados, departamentos legales, incentivos contradictorios, sistemas heredados y miedo reputacional. La misma tecnología que parece ligera para un individuo se vuelve pesada cuando entra en una organización.
Hay aquí una ironía interesante. La IA generativa se vendió muchas veces como una tecnología capaz de automatizar el conocimiento, pero su primer gran efecto ha sido hacer más conversacional la relación con el conocimiento. No ha sustituido de golpe los procesos; ha cambiado nuestra expectativa de acceso. Ahora esperamos que cualquier información tenga una puerta de entrada lingüística. Esperamos que los documentos respondan, que los programas expliquen, que las bases de datos conversen, que los manuales dejen de ser manuales y se comporten como tutores. Es un cambio cultural profundo, aunque todavía no sea una revolución productiva medible.
Quizá por eso tanta gente siente que la IA ha avanzado más en su vida privada que en su trabajo. En casa, su utilidad puede ser inmediata porque las tareas son pequeñas, personales y sin demasiadas consecuencias institucionales: planear un viaje, entender una factura, escribir una reclamación, preparar una receta, ordenar una duda médica antes de ir al médico, ayudar a un hijo con una explicación. En una empresa, en cambio, la IA entra en territorios donde los errores cuestan dinero, prestigio o responsabilidad legal. La conversación fluye; la implementación tropieza.
El error sería concluir que, como la productividad tarda, la tecnología está sobrevalorada. También sería un error opuesto pensar que la conversación cotidiana es una fase menor, un simple entretenimiento antes de la verdadera automatización. Muchas tecnologías cambian primero el imaginario del usuario y solo después la economía. La gente aprende a esperar ciertas capacidades antes de que las instituciones sepan ofrecérselas de forma estable. Cuando suficientes personas se acostumbran a dialogar con sistemas, empieza a parecer absurdo que tantos procesos sigan organizados alrededor de formularios, menús, manuales y cadenas de correo.
La IA ya está modificando el umbral de tolerancia hacia la fricción. Un trabajador que fuera del sistema corporativo puede resumir, comparar, escribir y explorar en segundos empieza a mirar con impaciencia las herramientas internas que exigen diez clics para encontrar un documento. Un cliente que se acostumbra a explicar un problema en lenguaje natural empieza a soportar peor los árboles telefónicos. Un estudiante que recibe una explicación personalizada empieza a aburrirse antes ante materiales pensados para un alumno genérico. Aunque la productividad agregada tarde en aparecer, las expectativas ya se han movido.
Ahí está probablemente el verdadero desfase de este momento. La IA ha cambiado antes la percepción de lo posible que la estructura de lo real. Sabemos que ciertas tareas pueden hacerse de otra manera, pero todavía no hemos rehecho los sistemas para que esa otra manera sea segura, repetible y valiosa. Vivimos en una especie de intervalo: las personas han descubierto una nueva relación con las respuestas, mientras las organizaciones siguen intentando encajarla en procesos diseñados para otro régimen tecnológico.
La próxima fase no dependerá solo de modelos más potentes. Dependerá de algo menos espectacular: decidir dónde debe vivir la IA dentro del trabajo. Si queda en la periferia, será un asistente para redactar, resumir y preparar materiales. Si entra en el núcleo, obligará a repensar qué es una tarea, qué es una revisión, qué es una decisión y qué significa ser responsable de un resultado producido con ayuda de una máquina. La diferencia entre ambos escenarios no será técnica, sino institucional.
La conversación con la IA ya es parte del presente. La productividad de la IA todavía es una negociación con nuestras formas de organizarnos. Tal vez esa sea la señal más importante: no estamos esperando a que la tecnología sea útil, sino a que el trabajo sea capaz de recibirla sin convertirla en otra capa de ruido. Una máquina puede responder en segundos. Una institución tarda mucho más en aprender a escuchar lo que esa respuesta le obliga a cambiar.
