Llevamos más de tres años escuchando que la inteligencia artificial va a transformarlo todo. Y en cierta medida, lo está haciendo. ChatGPT llegó a 500 millones de usuarios activos, los desarrolladores usan asistentes de código a diario, y las grandes empresas tech han invertido cientos de miles de millones en infraestructura. Sin embargo, cuando buscas los datos de productividad, el impacto disruptivo masivo que prometían los más optimistas simplemente no aparece. Al menos, no donde se esperaba.
Esta no es una historia de fracaso. Es una historia de dónde está cayendo realmente la energía de la IA, y por qué eso importa más que el relato del hype.
¿Dónde están las apps?
En marzo de 2026, el laboratorio Answer.AI publicó un análisis que lo planteó sin rodeos: si los desarrolladores son 2x, 10x, 100x más productivos gracias a la IA, ¿dónde está todo el software nuevo? Para responder la pregunta, analizaron PyPI, el repositorio central de paquetes Python, con 800.000 paquetes y décadas de datos consistentes.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀El resultado fue inquietante: no hay ninguna inflexión visible en la curva de creación de paquetes tras el lanzamiento de ChatGPT. Los picos de crecimiento del período 2020-2025 corresponden a floods de spam y malware, no a una explosión genuina de software productivo.
El equipo fue más lejos y analizó la frecuencia de actualizaciones en los 15.000 paquetes más descargados. ¿Hay algo ahí? Sí, pero con matices importantes:
- Los paquetes sobre IA lanzados en 2023 alcanzan una mediana de 20 releases en sus primeros 12 meses, casi el doble que sus equivalentes no-IA.
- Los paquetes populares sobre IA saltaron a 21-26 releases anuales post-ChatGPT, más del doble que los populares no-IA.
- Pero el aumento en release frequency comenzó en 2019, antes de la era moderna de IA, probablemente por la adopción de herramientas como GitHub Actions.
Conclusión del análisis: el impacto visible de la IA generativa, medido en el ecosistema de PyPI, no es una explosión cambriana de todo el software. Es una concentración intensa y estrecha en los paquetes que forman el propio ecosistema de IA.
El paradox de la productividad: los CEOs tampoco lo ven
No es solo PyPI. La paradoja se repite en los datos macroeconómicos. Un estudio del NBER publicado a principios de 2026 encontró que el 89% de los gestores no vio cambios en productividad medida como volumen de ventas por empleado durante los últimos tres años, a pesar de que la adopción de IA subió del 61% al 71% de las empresas entre 2025 y 2026.
Fortune documentó cómo economistas están resucitando la paradoja de Solow —aquella que en los años 90 preguntaba dónde estaba el impacto de los computadores en la productividad— para aplicarla a la IA. En ese entonces, tardó casi una década en materializarse. El Premio Nobel Daron Acemoglu lo dijo sin eufemismos: un estudio del MIT projecting un incremento de apenas 0,5% en productividad durante la próxima década “es decepcionante en relación a las promesas que se están haciendo.”
Y hay otra señal que inquieta: según ManpowerGroup, el uso regular de IA entre trabajadores creció un 13% en 2025. Pero la confianza en la utilidad de la tecnología cayó un 18% en el mismo período. La gente la usa más, pero confía menos en ella.
Algo similar vimos ya en el análisis de la paradoja de productividad entre CEOs publicado en descubre.ai: invertir en IA no garantiza retorno visible, y la brecha entre adopción y transformación real sigue siendo enorme.
¿Entonces la IA no funciona?
No es tan simple. Los datos muestran que la IA sí está produciendo efectos reales, pero de forma más concentrada y más lenta de lo que el ciclo de hype prometía.
Primero, hay ganadores claros: los desarrolladores que trabajan en el propio ecosistema de IA están produciendo software de forma mucho más acelerada. El impacto es real, pero está circunscrito a quienes construyen las herramientas, no a todos los que las usan.
Segundo, hay efectos secundarios que el dato agregado oculta. Faros AI encontró que con la adopción de IA, los bugs por desarrollador aumentaron un 9% y el tamaño promedio de los pull requests creció un 154%. Más código, sí. ¿Mejor código? No necesariamente. Esto conecta directamente con lo que hemos documentado sobre la brecha entre quienes prueban la IA y quienes logran escalarla: el 80% experimenta, pero pocos transforman.
Tercero, la revolución puede estar pasando de formas que los datos de PyPI no capturan. La IA generativa está cambiando cómo se diseñan interfaces, cómo se toman decisiones de negocio, cómo se crea contenido. Esos efectos son reales pero difíciles de medir con métricas de releases de paquetes.
La concentración es la clave
El hallazgo más importante del análisis de Answer.AI no es que la IA haya fallado. Es que su impacto está extraordinariamente concentrado. El dinero, la energía y la productividad del boom de IA están siendo convertidos en más IA, no en una ola generalizada de software nuevo en todas las industrias.
Esto tiene implicancias prácticas. Si eres founder o diriges un equipo, el dato relevante no es “la IA en general está aumentando la productividad” —porque al nivel agregado eso no es cierto todavía. El dato relevante es que quienes construyen herramientas de IA, y quienes adoptan IA de formas específicas y bien diseñadas en sus flujos de trabajo, están obteniendo ventajas reales y medibles. El promedio oculta una distribución muy asimétrica.
La pregunta correcta no es “¿está cambiando la IA el mundo?” —evidentemente lo está haciendo, aunque más despacio de lo prometido. La pregunta correcta es: ¿en qué parte específica de tu trabajo o tu producto hay un problema real que la IA puede resolver hoy, no en teoría? Ahí es donde el impacto existe. No en el titular del Davos de turno.
Por qué importa
Que la revolución no haya llegado aún al nivel macro no significa que no vaya a llegar. La paradoja de la productividad computacional de los 90 se resolvió cuando las empresas aprendieron realmente a reorganizarse alrededor de las herramientas digitales, no solo a comprarlas. Con la IA puede pasar lo mismo: los beneficios aparecen cuando los procesos de trabajo y las organizaciones se transforman de fondo, no cuando se añade un copiloto encima de un flujo ya existente.
Lo que los datos de 2026 nos están diciendo es que estamos todavía en la fase de instalación. El capital está fluyendo, las herramientas mejoran a velocidad brutal, y los primeros adoptantes están aprendiendo qué funciona. La cosecha, si viene, va a llegar cuando esa concentración de energía en el ecosistema IA empiece a derramarse hacia las industrias que la consumen.
Hasta entonces, la brecha entre el hype y el dato real es la señal más honesta de dónde estamos.
