Un nuevo análisis exhaustivo realizado por Anthropic, la empresa creadora de Claude AI, sugiere que la inteligencia artificial generativa tiene el potencial de transformar radicalmente la economía, aumentando significativamente la productividad en diversos sectores. El estudio, publicado en noviembre de 2025 por los investigadores Alex Tamkin y Peter McCrory, examinó 100.000 conversaciones reales y anonimizadas con su modelo Claude.ai para medir la eficiencia laboral. Las estimaciones indican que las tareas realizadas con asistencia de IA se completan, en promedio, un 80% más rápido que si se hicieran manualmente.
Según las proyecciones del informe, si esta tecnología se adoptara plenamente en la próxima década, el crecimiento anual de la productividad laboral en Estados Unidos podría alcanzar el 1,8%, una cifra que duplicaría prácticamente las tasas registradas desde 2019 y permitiría recuperar ritmos de crecimiento no vistos desde las décadas de 1960 y 1970.
Para llegar a estas conclusiones, los autores utilizaron una metodología de preservación de privacidad que empleó al propio modelo Claude para estimar la duración de las tareas presentadas en las conversaciones, clasificándolas según la taxonomía ocupacional O*NET. Los resultados indican que los usuarios suelen recurrir al modelo para tareas de alta complejidad que, sin ayuda tecnológica, requerirían aproximadamente 1,4 horas (unos 90 minutos) de trabajo humano y tendrían un costo laboral mediano estimado de 54 dólares por tarea. Al extrapolar estos datos a la economía general, el informe destaca que la IA no solo acelera procesos individuales, sino que podría implicar un aumento del 1,1% anual en la productividad total de los factores (TFP), situando sus estimaciones en el extremo superior de las predicciones actuales de instituciones como Goldman Sachs o McKinsey sobre el impacto económico de la inteligencia artificial.
El informe revela disparidades notables y fascinantes según el tipo de ocupación y la naturaleza de la tarea. Las tareas de gestión y legales, que normalmente tomarían cerca de 2,0 y 1,8 horas respectivamente, muestran reducciones de tiempo drásticas y costos elevados. Un ejemplo extremo citado es el desarrollo de planes de estudio por parte de maestros de educación secundaria: una tarea valorada en 115 dólares que tomaría 4,5 horas manualmente, se completó en apenas 11 minutos con asistencia de la IA, lo que representa un ahorro del 96%. En el sector corporativo, la redacción de facturas y memorandos (costo estimado de 46 dólares) vio una reducción de tiempo del 87%. Por el contrario, tareas más físicas o técnicas breves, como la solución de problemas de equipos de oficina (0,3 horas), mostraron ahorros más modestos del 56%, mientras que la revisión de imágenes de diagnóstico médico solo alcanzó un 20% de eficiencia.
Uno de los hallazgos más críticos del estudio es la identificación de «cuellos de botella» operativos. Mientras que la IA acelera enormemente ciertas funciones, otras que requieren presencia física o juicio humano interpersonal permanecen inalteradas, ganando mayor peso relativo en la jornada laboral. Por ejemplo, aunque los desarrolladores de software —quienes representan el 19% de la ganancia total de productividad proyectada— pueden reducir en un 86% el tiempo dedicado a la documentación y pruebas, no se registra ahorro de tiempo en la supervisión de personal o la coordinación de instalaciones físicas. De manera similar, los maestros pueden agilizar la planificación curricular, pero la IA no asiste en la moderación de discusiones en el aula o el mantenimiento de la disciplina. Esto sugiere que el crecimiento futuro podría estar limitado no por lo que la IA puede hacer, sino por las tareas esenciales que la tecnología no puede mejorar.
Para validar la precisión de estas estimaciones generadas por la propia IA, los investigadores compararon las predicciones del modelo con miles de tickets de trabajo reales de desarrollo de software en repositorios de código abierto (JIRA). Aunque el modelo Claude Sonnet 4.5 mostró una correlación direccional útil (0,44) comparada con las estimaciones de los propios desarrolladores humanos (0,50), el análisis reveló que la IA tiende a «comprimir» los tiempos: subestima la duración de las tareas muy largas y sobreestima las muy cortas. A pesar de estas limitaciones y de no poder contabilizar el tiempo que los humanos dedican a verificar o refinar los resultados fuera del chat, los autores argumentan que estas métricas ofrecen una nueva lente para entender la economía digital en tiempo real.
Finalmente, el informe advierte contra el determinismo tecnológico simple. Los autores trazan un paralelo con revoluciones anteriores como la electrificación o la informática, señalando que los mayores saltos históricos en productividad no provinieron simplemente de hacer las mismas tareas más rápido, sino de una reorganización fundamental de la producción. Por ello, la proyección del 1,8% debe considerarse una estimación basada en los patrones de uso actuales de modelos existentes. Si las empresas reestructuran sus operaciones para aprovechar estas capacidades, o si los modelos futuros mejoran drásticamente, el impacto económico real podría ser aún mayor, aunque también advierten sobre posibles disrupciones en el mercado laboral a corto plazo debido a la desigualdad en la adopción.
¿Qué tan útil es la IA? Según un estudio, puede ahorrar hasta un 80% del tiempo en distintas tareas
Fuente: PERIODISMO.com
