La IA no democratiza: estratifica
Resumen
Aunque las herramientas de IA mejoran la productividad individual entre un ocho y un treinta y seis por ciento, la evidencia sistémica muestra que la IA está agravando la desigualdad de género, edad y tamaño empresarial. Este artículo argumenta que tres barreras —acceso diferencial, conocimiento desigual y desaparición de oportunidades de nivel inicial— transforman el empoderamiento individual en estratificación colectiva. Sin intervenciones específicas, las ganancias de productividad de la IA se concentrarán en quienes ya tienen ventaja, en lugar de democratizar los beneficios en el lugar de trabajo.
Introducción
La inteligencia artificial aumenta la productividad de los trabajadores individuales, pero al mismo tiempo hace que la fuerza laboral sea más desigual. Esta paradoja exige una explicación. Los estudios experimentales demuestran consistentemente que las herramientas de IA mejoran la eficiencia profesional entre un ocho y un treinta y seis por ciento [1, 2]. Los trabajadores ahorran un promedio del 5.4 por ciento de sus horas cuando utilizan IA generativa. Estas ganancias individuales sugieren que la IA podría democratizar la productividad en todo el mercado laboral.
Sin embargo, la evidencia sistémica cuenta una historia diferente. El Fondo Monetario Internacional advierte que “en la mayoría de los escenarios, es probable que la IA agrave la desigualdad general” [3]. Los trabajadores de nivel inicial en ocupaciones expuestas a la IA experimentaron una disminución del seis por ciento en el empleo entre 2022 y 2025, mientras que los trabajadores más experimentados en las mismas ocupaciones tuvieron un crecimiento del seis al nueve por ciento [4].
Este artículo argumenta que el diseño de la IA para mejorar la productividad individual paradójicamente impulsa la desigualdad colectiva. Tres barreras críticas crean este resultado: el acceso diferencial a las herramientas de IA, el conocimiento desigual requerido para una adopción efectiva y la desaparición de oportunidades para aplicar habilidades de IA. Comprender esta paradoja revela por qué el progreso tecnológico por sí solo no garantiza resultados equitativos.
La promesa individual: ganancias de productividad comprobadas
Múltiples estudios rigurosos confirman la efectividad de la IA a nivel de tareas individuales. Una investigación publicada en Science encontró que ChatGPT mejora significativamente la eficiencia y productividad de los profesionales en tareas de escritura [2]. El Banco de la Reserva Federal de St. Louis documentó que los trabajadores que utilizan IA generativa ahorran 2.2 horas por semana [1]. Las implementaciones corporativas reales validan estos hallazgos experimentales. Walmart redujo los costos de su cadena de suministro en setenta y cinco millones de dólares anuales mediante optimización impulsada por IA. BMW logró una reducción del sesenta por ciento en defectos de vehículos utilizando visión por computadora en las líneas de ensamblaje [5]. Estos resultados sugieren un potencial transformador.
El efecto de nivelación de habilidades parece particularmente prometedor. La OCDE sintetizó múltiples estudios experimentales y concluyó que la IA “ayuda a reducir las brechas de habilidades en la fuerza laboral” [6]. Los trabajadores menos calificados ahora pueden realizar tareas de nivel superior de manera más efectiva. La adopción organizacional se aceleró rápidamente, pasando del cincuenta y cinco por ciento en 2023 al setenta y ocho por ciento en 2024 [7]. Una investigación de Anthropic estimó que la adopción universal de los sistemas actuales de IA podría impulsar un aumento anualizado del 1.8 por ciento en la productividad laboral de Estados Unidos [8]. Los mayores impactos se concentrarían en software, gestión, marketing y servicio al cliente.
La promesa parecía clara. Una tecnología accesible que los trabajadores podrían aprovechar sin inversiones masivas distribuiría ampliamente los beneficios de productividad. Sin embargo, solo el 26.4 por ciento de los trabajadores utilizan IA generativa en el trabajo a pesar de la amplia adopción organizacional [1]. Esta brecha revela la primera grieta en la visión democrática.
La realidad sistémica: tres barreras de selección
Tres barreras interconectadas determinan quién captura los beneficios de la IA. Estas barreras transforman el empoderamiento individual en exclusión sistémica.
La desigualdad de acceso crea el primer filtro. Las grandes empresas adoptan la IA a más de tres veces la tasa de las pequeñas empresas. En los países de la OCDE, el treinta y nueve por ciento de las grandes empresas utilizan IA, comparado con solo el doce por ciento de las pequeñas empresas [9]. Esta brecha supera las disparidades observadas en otras tecnologías como las redes sociales o la computación en la nube. Las pequeñas empresas carecen de recursos para el cronograma promedio de implementación de ocho meses y no pueden esperar trece meses para el retorno de la inversión [10].
Las divisiones geográficas agravan estas diferencias. Las brechas de adopción de IA entre países en la Unión Europea se duplicaron entre 2021 y 2024. El rango se expandió de dos a dieciséis puntos porcentuales a cuatro a veintiocho puntos porcentuales [11]. La OCDE señala que el crecimiento ha sido “más impulsado por los líderes que escapan del grupo que por los rezagados que alcanzan al grupo”. Los datos sobre el retorno de la inversión revelan dinámicas de ganador que se lleva todo. Los mejores actores logran retornos 10.3 veces mayores en comparación con el promedio de 3.7 veces [5].
La desigualdad de conocimiento crea la segunda barrera. Las mujeres adoptan herramientas de IA a una tasa veinticinco por ciento menor que los hombres. Las investigaciones muestran que tienen dieciséis puntos porcentuales menos probabilidades de usar ChatGPT para tareas laborales, incluso en ocupaciones idénticas [12]. Esta brecha de adopción proviene principalmente de diferencias de conocimiento. Las brechas de conocimiento explican aproximadamente el setenta y cinco por ciento de la disparidad de género en el uso de IA [13]. Las mujeres representan solo el veintidós por ciento del talento de IA a nivel mundial y ocupan menos del catorce por ciento de los puestos ejecutivos senior en el desarrollo de IA [14]. Esto crea un problema estructural que perpetúa las brechas de conocimiento. La concentración educativa exacerba estos patrones. El uso de IA se concentra entre individuos más jóvenes, más educados y socialmente comprometidos [15].
La desigualdad de oportunidades completa el mecanismo de exclusión. Una investigación de Stanford documentó una sorprendente reversión en los resultados de empleo según la etapa de carrera. Los trabajadores de nivel inicial en ocupaciones expuestas a la IA perdieron el seis por ciento de las oportunidades entre finales de 2022 y julio de 2025, mientras que los trabajadores más experimentados en las mismas ocupaciones ganaron del seis al nueve por ciento [4]. Los puestos de nivel inicial en ingeniería de software y servicio al cliente disminuyeron en un veinte por ciento durante este período. Las grandes empresas tecnológicas redujeron la contratación de nuevos graduados en un veinticinco por ciento en 2024 comparado con 2023. Más de 27,000 pérdidas de empleos tecnológicos se han atribuido a la redundancia impulsada por IA [16].
Esto crea un dilema de experiencia. La IA requiere experiencia para usarse efectivamente, pero elimina los roles de nivel inicial que tradicionalmente construían esa experiencia. Los trabajadores de dieciocho a veinticuatro años tienen un 129 por ciento más de probabilidades que aquellos mayores de sesenta y cinco de preocuparse por la obsolescencia laboral. El cuarenta y nueve por ciento de los buscadores de empleo de la Generación Z creen que la IA ha reducido el valor de su educación universitaria [16, 17].
Por qué la brecha persiste y se amplía
Estas barreras de selección no se corrigen solas. Se agravan con el tiempo mediante múltiples mecanismos de refuerzo. El éxito temprano permite mayor inversión, creando un efecto de volante. Los recursos permiten la adopción, la adopción genera retornos y los retornos financian capacidades expandidas de IA. Desde 2023, la implementación de IA se ha acelerado con beneficios que se concentran cada vez más en lugar de distribuirse. La desigualdad entre empresas ha surgido como el problema central [18]. La investigación de IBM confirma que el crecimiento en la adopción empresarial de IA proviene de los primeros adoptantes que implementan IA en múltiples funciones en lugar de nuevas organizaciones que comienzan a experimentar [10].
La barrera del conocimiento requiere intervención activa que los mercados por sí solos no proporcionarán. El setenta y cinco por ciento de la brecha de adopción de género proviene de diferencias de conocimiento de IA. Las mujeres representan solo el veintidós por ciento de la cantera de talento de IA. La difusión pasiva no puede cerrar estas brechas [13, 14].
Persiste el desajuste estructural entre las herramientas individuales y las barreras sistémicas. Las herramientas de IA como ChatGPT están diseñadas para mejorar la productividad individual. Sin embargo, los recursos organizacionales —capacitación, soporte de implementación y tiempo— determinan quién puede acceder y utilizar efectivamente estas herramientas. La brecha entre el setenta y ocho por ciento de adopción organizacional y el 26.4 por ciento de uso de los trabajadores ilustra este abismo de implementación [1, 7].
Conclusión
La paradoja de productividad de la IA se resuelve cuando reconocemos que el empoderamiento individual coexiste con la exclusión sistémica. Los estudios a nivel micro que miden el rendimiento de tareas pasan por alto los efectos de selección a nivel macro que determinan quién se beneficia. La evidencia de Stanford, el FMI y la OCDE converge en una conclusión preocupante: la IA está agravando la desigualdad de género, edad, tamaño empresarial y geografía [3, 4, 9, 11]. El impacto de la tecnología depende de su distribución, no solo de su capacidad. Tres mecanismos de selección simultáneos —desigualdad de acceso, desigualdad de conocimiento y desigualdad de oportunidades— transforman la IA de una herramienta democratizadora en una fuerza estratificadora.
Los responsables de políticas deben actuar sobre las tres barreras. Los gobiernos deben subsidiar la adopción de IA para las pequeñas empresas mediante créditos fiscales, cerrando la brecha de adopción de 3.3 veces. Las instituciones educativas deben integrar la alfabetización en IA en los planes de estudio y lanzar programas específicos de recapacitación para mujeres en roles administrativos, abordando la brecha de conocimiento del setenta y cinco por ciento. Los empleadores deben crear puestos estructurados de nivel inicial que combinen herramientas de IA con mentoría humana, previniendo el dilema de experiencia. La ventana para la intervención se está estrechando a medida que las brechas se duplican cada pocos años [11]. Sin acción deliberada, la promesa individual de la IA se convertirá en un peligro colectivo.
Referencias
[1] Bick, A., et al. (2025). “The Impact of Generative AI on Work Productivity.” Federal Reserve Bank of St. Louis. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
[2] Noy, S., & Zhang, W. (2023). “Experimental evidence on the productivity effects of generative artificial intelligence.” Science. https://www.science.org/doi/10.1126/science.adh2586
[3] International Monetary Fund. (2025). “AI Adoption and Inequality.” IMF Working Papers. https://www.imf.org/en/publications/wp/issues/2025/04/04/ai-adoption-and-inequality-565729
[4] Stanford University & Fortune. (2025). “First-of-its-kind Stanford study says AI is starting to have a ‘significant and disproportionate impact’ on entry-level workers in the U.S.” https://fortune.com/2025/08/26/stanford-ai-entry-level-jobs-gen-z-erik-brynjolfsson/
[5] McKinsey. (2025). “The state of AI in 2025: Agents, innovation, and transformation.” https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
[6] OECD. (2025). “Unlocking productivity with generative AI: Evidence from experimental studies.” https://www.oecd.org/en/blogs/2025/07/unlocking-productivity-with-generative-ai-evidence-from-experimental-studies.html
[7] Stanford HAI. (2025). “The 2025 AI Index Report.” https://hai.stanford.edu/ai-index/2025-ai-index-report
[8] Anthropic. (2024). “Estimating AI productivity gains from Claude conversations.” https://www.anthropic.com/research/estimating-productivity-gains
[9] OECD. (2024). “What Impact Has AI Had on Wage Inequality?” https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/11/what-impact-has-ai-had-on-wage-inequality_8943dfe0/7fb21f59-en.pdf
[10] IBM. (2024). “Data Suggests Growth in Enterprise Adoption of AI is Due to Widespread Deployment by Early Adopters.” https://newsroom.ibm.com/2024-01-10-Data-Suggests-Growth-in-Enterprise-Adoption-of-AI-is-Due-to-Widespread-Deployment-by-Early-Adopters
[11] OECD. (2025). “Emerging divides in the transition to artificial intelligence.” OECD Regional Development Papers No. 147. https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/06/emerging-divides-in-the-transition-to-artificial-intelligence_eeb5e120/7376c776-en.pdf
[12] Humlum, A., & Vestergaard, E. (2024). Research on gender gaps in AI adoption. University of Chicago Booth School of Business. As reported in CNBC (2025). https://www.cnbc.com/2025/05/08/ai-risk-chatgpt-gender-gap-jobs-work.html
[13] ScienceDirect. (2024). “The gen AI gender gap.” https://www.sciencedirect.com/science/article/abs/pii/S0165176524002982
[14] Interface EU. (2025). “AI’s Missing Link: The Gender Gap in the Talent Pool.” https://www.interface-eu.org/publications/ai-gender-gap
[15] CEPR. (2025). “Generative AI: Uneven adoption, labour market returns, and policy implications.” https://cepr.org/voxeu/columns/generative-ai-uneven-adoption-labour-market-returns-and-policy-implications
[16] World Economic Forum. (2025). “Is AI closing the door on entry-level job opportunities?” https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/
[17] Swiss Institute of Artificial Intelligence. (2025). “AI and Earnings Inequality: The Entry-Level Squeeze That Education Must Solve.” https://siai.org/research/2025/10/202510280934
[18] CEPR. (2024). “Should AI stay or should AI go: The promises and perils of AI for productivity and growth.” https://cepr.org/voxeu/columns/should-ai-stay-or-should-ai-go-promises-and-perils-ai-productivity-and-growth