Más del 80% de los ejecutivos encuestados no ve ningún impacto medible de la IA en la productividad de su empresa — pese a que el mundo lleva invirtiendo billones en la tecnología desde 2022. El fenómeno tiene nombre propio: la paradoja de la productividad. Y en 2026, con la IA generativa en su punto más alto de adopción, la paradoja no solo persiste: se ha profundizado.
El economista Robert Solow la bautizó en 1987 con una frase que hoy suena más vigente que nunca: “Se puede ver la era de los computadores en todas partes, excepto en las estadísticas de productividad.” Cuatro décadas después, la historia se repite con la IA.
¿Qué dicen los datos en 2026?
Las cifras cuentan dos historias contradictorias. Por un lado, hay señales genuinas de despegue: la productividad no agrícola de Estados Unidos creció un 4,9% en el tercer trimestre de 2025 y un 2,7% en promedio anual, una reversión notable tras décadas de estancamiento. La Reserva Federal de St. Louis identificó un crecimiento acumulado de productividad de +1,9% desde el lanzamiento de ChatGPT en noviembre de 2022.
Por otro, el panorama macro sigue frustrante. Una encuesta a casi 6.000 ejecutivos en EE.UU., Reino Unido, Alemania y Australia encontró que más del 80% no detecta ningún impacto discernible de la IA en empleo o productividad. La encuesta global de PwC a 4.454 CEOs en 95 países va más lejos: el 56% dice haber obtenido nada de sus inversiones en IA, y solo el 12% reportó que la IA a la vez aumentó ingresos y redujo costos.
La brecha entre resultados individuales y macro es la clave del problema. Estudios a nivel de tarea reportan mejoras de entre el 14% y el 55% en tareas concretas — pero eso no se traslada a los balances. El Banco de Canadá estima que el crecimiento anual de productividad en economías avanzadas sigue rondando el 1%. Como ya documentó el informe DORA 2025 sobre desarrolladores, la adopción de IA es alta pero la confianza en los resultados, baja.
Las cuatro razones estructurales detrás de la paradoja
- El techo del consumo: La eficiencia tecnológica reduce costos de producción, pero si los salarios reales no crecen al mismo ritmo, la demanda agregada se estanca. Los consumidores — que también son trabajadores — no tienen más poder adquisitivo para absorber la oferta más barata.
- La redistribución hacia el capital: Las ganancias de productividad fluyen hacia quienes poseen el capital: plataformas, modelos de IA propietarios, infraestructura de datos. La participación del trabajo en el PIB ha caído consistentemente en las últimas tres décadas en la mayoría de las economías desarrolladas.
- Inflación persistente pese a la eficiencia: Aunque los bienes manufacturados se abaratan, los servicios esenciales — salud, educación, vivienda — siguen encareciendo. El poder de mercado concentrado en pocas empresas tecnológicas permite mantener precios elevados incluso cuando los costos marginales caen.
- La trampa del estancamiento secular: Cuando los retornos financieros de poseer activos superan los de crear nuevos bienes y servicios, el capital se “atasca” en activos especulativos. Daron Acemoglu, Premio Nobel de Economía, proyecta que la IA generará apenas +0,5% de productividad adicional en la próxima década — muy por debajo del optimismo de McKinsey, que proyecta una adición de 4,4 billones de dólares a la economía global.
¿Hay razones para el optimismo? La curva J
Los investigadores del MIT, liderados por Erik Brynjolfsson, documentaron que las tecnologías de propósito general — como la electricidad e internet — suelen mostrar una “curva J”: caída inicial de productividad mientras las organizaciones se reorganizan, seguida de un salto sostenido una vez que los procesos, habilidades e instituciones se adaptan. Internet, en su momento, creó un neto de 15 millones de puestos de trabajo en EE.UU., generando 2,4 empleos por cada uno destruido.
Si la IA sigue ese patrón, el salto macro podría llegar — solo que más tarde de lo que los dashboards de 2026 sugieren. El propio Brynjolfsson señala el crecimiento del 2,7% de 2025 como evidencia de que el “momento de inflexión” podría estar comenzando. Filippucci et al. (2025) proyectan que la IA podría impulsar el crecimiento de productividad laboral entre 0,15% y 1,30% anual en economías avanzadas. Prometedor, pero lejos del salto dramático que promete el hype.
Lo que esto significa para founders de startups en LATAM
Para quienes operan en el ecosistema startup latinoamericano, esta paradoja tiene implicaciones directas:
- El riesgo del capex sin retorno: Integrar IA en tu stack no garantiza mejores márgenes si tu organización no se reorganiza para absorber la eficiencia. El 80%+ de ejecutivos que no ve resultado invierte igual. La clave es rediseño de procesos, no solo adopción de herramientas.
- La oportunidad en el rezago: Si el 80% de las empresas no ha visto impacto medible, existe un enorme mercado para startups que ayuden a organizaciones a capturar ese valor. Change management aumentado con IA, consultoría de automatización orientada a resultados: ahí está la segunda ola.
- Tu TAM puede estar comprimido: Si tus clientes son consumidores o PYMEs en economías donde los salarios reales no crecen, tu mercado potencial puede ser más estrecho de lo que tu modelo financiero asume. Incorporar la dinámica macro no es pesimismo: es rigor.
- Los mejores retornos están en la capa de aplicación: La concentración de valor en infraestructura (GPUs, modelos base) ya ocurrió. La siguiente frontera está en aplicaciones verticales que resuelvan problemas específicos con propuesta de valor medible. Como ya exploramos al analizar si la IA puede liquidar al venture capitalist, la redistribución de poder en la cadena de valor tecnológica apenas comienza.
Por qué importa
El debate entre optimistas y estructuralistas sigue abierto. Los optimistas ven en los datos de 2025 el inicio del despegue post-curva-J. Los estructuralistas, encabezados por Acemoglu, argumentan que la IA actual automatiza tareas rutinarias de trabajadores medios sin crear suficientes tareas nuevas de alto valor para compensar.
Lo que ambas corrientes comparten es más importante: la tecnología, por sí sola, no redistribuye riqueza. Las instituciones, las políticas públicas, las estructuras de mercado y las decisiones empresariales sobre cómo compartir las ganancias de eficiencia determinan si el progreso tecnológico se convierte en prosperidad compartida o en concentración acelerada. Para founders y equipos que invierten en IA hoy, la lección práctica es no confundir eficiencia con creación de valor económico sostenible. Son cosas distintas — y confundirlas es caro.
