La paradoja de la productividad regresa
En 1987, el economista Robert Solow escribio una frase que se convirtio en una de las observaciones mas citadas en la historia de la tecnologia y la economia. Aparecio en un articulo del New York Times Book Review, casi como un comentario al margen: “You can see the computer age everywhere but in the productivity statistics.”
El ordenador personal estaba transformando las oficinas del mundo desarrollado. Las hojas de calculo reemplazaron los libros de contabilidad. Los procesadores de texto reemplazaron las maquinas de escribir. Las bases de datos reemplazaron los archivadores. La inversion era enorme, el entusiasmo ilimitado y las estadisticas de productividad obstinadamente planas. Los ordenadores estaban en todas partes. Las ganancias no estaban en ninguna.
En febrero de 2026, un equipo de investigadores publico un articulo a traves del National Bureau of Economic Research que hacia la misma observacion sobre una tecnologia diferente. Ivan Yotzov, Jose Maria Barrero y sus colegas encuestaron a casi 6.000 directores generales y directores financieros en Estados Unidos, Reino Unido, Alemania y Australia. La conclusion fue contundente: mas del 80 por ciento de las empresas no reportaron ningun impacto de la IA en el empleo o la productividad en los tres anos anteriores. Nueve de cada diez ejecutivos afirmaron que la IA no habia cambiado nada.
El paralelo no es una coincidencia. Es estructural. Y entender por que es estructural — en lugar de descartarlo como un problema de calendario o un error de medicion — es la diferencia entre las organizaciones que eventualmente captaran el valor de la IA y las que pasaran otra decada preguntandose adonde fueron los retornos.
La paradoja tiene un patron
Erik Brynjolfsson lleva pensando en este problema mas tiempo que la mayoria. En 1993, acuno el termino “paradoja de la productividad” en un articulo que transformo el comentario de Solow en un programa de investigacion. Tres decadas despues, trabajando con Daniel Rock y Chad Syverson, ofrecio un marco que explica por que las tecnologias de proposito general — tecnologias que transforman economias enteras — sistematicamente no aparecen en las estadisticas de productividad durante su fase inicial de adopcion.
Lo llamaron la Curva J de la Productividad.
El argumento es preciso. Cuando una tecnologia de proposito general llega, las organizaciones comienzan a realizar inversiones complementarias significativas — nuevos procesos, nuevos modelos de negocio, nueva formacion, nuevas estructuras organizativas. Estas inversiones son en gran parte intangibles. No aparecen en las cuentas nacionales como formacion de capital. Aparecen como costes. La organizacion esta gastando dinero, tiempo y esfuerzo cognitivo en reestructuracion, y la reestructuracion no produce resultados inmediatos. La productividad medida desciende. La curva J baja.
Mas tarde — a veces mucho mas tarde — las inversiones intangibles maduran. Los nuevos procesos se convierten en rutina. Las nuevas estructuras se vuelven segunda naturaleza. Las innovaciones complementarias empiezan a producir resultados. La productividad medida sube marcadamente. La curva J asciende.
Brynjolfsson, Rock y Syverson publicaron este modelo en el American Economic Journal: Macroeconomics en 2021. Demostraron que el ajuste por inversiones intangibles relacionadas con hardware y software informatico daba un nivel de productividad total de los factores un 15,9 por ciento superior a las mediciones oficiales a finales de 2017. Las ganancias de productividad de la era informatica eran reales — simplemente fueron invisibles durante anos, ocultas dentro de inversiones que el sistema de medicion no podia ver.
La pregunta para la IA es si el mismo patron se esta repitiendo. La respuesta, basada en los datos disponibles a principios de 2026, es si — pero con una complicacion que el marco de la curva J por si solo no capta.
Los datos dicen que todavia no
El estudio del NBER no es la unica evidencia. Forma parte de una convergencia.
La 29.a encuesta global de PwC a directores generales, publicada en enero de 2026 y que cubrio a 4.454 directores de 95 paises, revelo que el 56 por ciento no reporto ningun beneficio financiero significativo de sus inversiones en IA. No “ganancias modestas.” No “retornos iniciales.” Ningun beneficio. Solo el 12 por ciento — uno de cada ocho — declaro que la IA habia aumentado los ingresos y reducido los costes simultaneamente. El resto seguia esperando o ya habia concluido que la inversion no estaba dando resultado.
La Reserva Federal de San Francisco, en su Economic Letter 2026-06, observo que la inversion relacionada con IA habia superado la contribucion de las componentes de TI al crecimiento real del PIB durante el boom de las punto com — tanto en niveles absolutos como en porcentaje del PIB. El dinero fluye. El gasto de capital es real. Las industrias intensivas en conocimiento con un aumento de ofertas de empleo relacionadas con IA representaron el 50 por ciento del crecimiento de la produccion en el tercer trimestre de 2025, mientras que representaban poco mas de un cuarto de la produccion total. Pero la propia evaluacion de la Fed fue cautelosa: la mayoria de los estudios macroeconomicos sobre crecimiento de la productividad encuentran evidencia limitada de un efecto significativo de la IA.
La inversion es visible. La productividad no. La frase de Solow, reescrita para 2026, diria: se puede ver la era de la IA en todas partes excepto en las estadisticas de productividad.
La cuestion del cuatro por ciento
El Banco Europeo de Inversiones anadio una pieza crucial a este rompecabezas. El documento de trabajo BEI 2026/02 analizo datos cruzados de mas de 12.000 empresas no financieras en la Union Europea y Estados Unidos. La conclusion: la adopcion de IA aumenta la productividad laboral en un promedio del 4 por ciento.
El cuatro por ciento parece significativo hasta que se examina la distribucion. Las ganancias se concentran en empresas medianas y grandes — las que ya tienen presupuestos de formacion, infraestructura de datos y capacidad organizativa para absorber una nueva tecnologia. Las empresas pequenas — las que constituyen la gran mayoria de la economia europea — ven menos. El 4 por ciento es una media que no describe a casi nadie con precision.
Mas importante aun, el BEI constato que la ganancia de productividad solo se materializa en las empresas que realizaron lo que los investigadores llamaron “inversiones complementarias” — en software, infraestructura de datos y formacion de la plantilla. Sin esas inversiones, la ganancia se acerca a cero. La IA por si sola no produce el 4 por ciento. La IA mas la reestructuracion organizativa produce el 4 por ciento. La tecnologia es una condicion necesaria. No es una condicion suficiente.
Este hallazgo se alinea con precision al marco de la Curva J de la Productividad. Las inversiones intangibles — la formacion, el rediseno de flujos de trabajo, la reingenieria de procesos — son el mecanismo a traves del cual el potencial de la tecnologia se convierte en produccion real. Sin los intangibles, la tecnologia queda inactiva. O peor: queda activa pero improductiva, generando resultados que nadie usa, automatizando procesos que nadie reestructuro y creando la ilusion de transformacion sin la sustancia.
Los datos de Eurostat de diciembre de 2025 hacen concreta la brecha. El veinte por ciento de las empresas de la UE con 10 o mas empleados utiliza tecnologias de IA. Pero solo el 17 por ciento de las pequenas empresas lo hace, frente al 55 por ciento de las grandes. La propia adopcion esta estratificada. Y dentro del 20 por ciento que adopta, los datos del BEI nos dicen que solo las que hacen inversiones complementarias estan captando retornos.
La tecnologia no esta distribuida de manera uniforme. Los retornos estan distribuidos de forma aun menos uniforme. Y las organizaciones con mayor probabilidad de adoptar IA sin las inversiones complementarias — las pequenas y medianas empresas que representan la columna vertebral de la economia de la UE — son las que tienen menos probabilidades de ver la paradoja resolverse a su favor.
El problema de la arquitectura de decisiones
Ajay Agrawal, Joshua Gans y Avi Goldfarb anticiparon esto en su libro de 2022, Power and Prediction: The Disruptive Economics of Artificial Intelligence. Su marco se basa en una descomposicion simple. Cada decision tiene dos componentes: prediccion — estimar lo que va a suceder — y juicio — decidir que hacer al respecto. La IA mejora drasticamente la prediccion. Reduce el coste de la prevision, el reconocimiento de patrones y la estimacion probabilistica hacia cero.
Pero la prediccion sin juicio reorganizado es simplemente datos mas baratos. El valor de la IA no proviene solo de mejores predicciones, sino de reorganizar las decisiones que esas predicciones alimentan. Una empresa de logistica que usa IA para predecir la demanda pero mantiene sus decisiones de rutas, personal e inventario sin cambios ha mejorado un input de un proceso que no reestructuro. La prediccion es mejor. La arquitectura de decisiones es la misma. El resultado apenas se mueve.
Agrawal, Gans y Goldfarb usan un termino que capta el problema: “rediseno a nivel de sistema.” Las ganancias de una tecnologia de proposito general no provienen de insertarla en los sistemas existentes. Provienen de redisenar los sistemas en torno a las capacidades de la tecnologia. La maquina de vapor no transformo la manufactura porque fuera una mejor fuente de energia. Transformo la manufactura porque las fabricas se redisenaron en torno a la energia centralizada — y luego se redisenaron de nuevo en torno a motores electricos distribuidos, lo que requirio una disposicion de fabrica completamente diferente, un flujo de trabajo diferente, competencias diferentes y estructuras de gestion diferentes.
Los historiadores economicos lo han documentado. Paul David, en su articulo de 1990 “The Dynamo and the Computer,” demostro que se necesitaron aproximadamente 40 anos desde la introduccion de la dinamo electrica hasta la realizacion de su pleno potencial de productividad — porque las innovaciones organizativas complementarias tardaron ese tiempo en desarrollarse y difundirse. Las fabricas tuvieron que reconstruirse. Los trabajadores tuvieron que recualificarse. Los sistemas de gestion tuvieron que reinventarse.
El paralelo con la IA es directo. La mayoria de las organizaciones han insertado la IA en los flujos de trabajo existentes. No han redisenado los flujos de trabajo en torno a las capacidades de la IA. El motor de prediccion esta funcionando. La arquitectura de decisiones esta intacta. Las estadisticas de productividad lo reflejan con precision: la tecnologia esta haciendo lo que hace, pero la organizacion no ha cambiado lo que hace.
La trampa de la medicion
Hay un problema mas sutil que agrava el problema estructural: la forma en que medimos la productividad puede ser sistematicamente ciega al valor que la IA crea.
La productividad, en las cuentas nacionales, es la produccion por unidad de input. Pero que cuenta como produccion? Si un equipo de marketing usa IA para producir cinco borradores en lugar de uno, y solo uno de esos borradores se utiliza, la estadistica de productividad ve la misma produccion — un documento publicado — producido con el mismo input. La contribucion de la IA es invisible. Los cuatro borradores no utilizados no son desperdicio en el sentido tradicional; son opciones. El equipo eligio mejor porque pudo evaluar cinco alternativas en lugar de una. La calidad de la decision mejoro. La cantidad de la produccion medida no.
Esta es la hipotesis del error de medicion que Brynjolfsson ha estado explorando desde los anos 1990. Cuando la tecnologia mejora la calidad, la variedad o la toma de decisiones en lugar de la cantidad, las estadisticas de productividad no lo captan. El PIB mide transacciones. No mide la calidad de esas transacciones, ni las decisiones que las precedieron, ni las opciones que se evaluaron y descartaron.
La metrica del propio estudio del NBER — ventas por empleado — es reveladora. Las ventas por empleado captan volumen. No captan si las ventas estaban mejor dirigidas, eran mas rentables por unidad o requerian menos soporte postventa. Una empresa que usa IA para mejorar la segmentacion de clientes puede vender el mismo volumen a clientes mas adecuados, reduciendo la rotacion y aumentando el valor de vida — pero las ventas por empleado se mantienen estables. La estadistica de productividad dice: ningun impacto. La cuenta de resultados, con el tiempo, dice algo diferente.
Esto no significa que la paradoja sea meramente un artefacto de medicion. La conclusion del NBER de que el 80 por ciento de las empresas no ve impacto es demasiado amplia para explicarse solo con error de medicion. Muchas empresas genuinamente no estan captando valor de la IA. Pero la ceguera del sistema de medicion a las mejoras de calidad significa que incluso las empresas que lo hacen bien pueden no aparecer en las estadisticas — todavia.
La brecha de expectativas de los ejecutivos
El estudio del NBER revelo otra conclusion que merece atencion. A pesar de reportar ningun impacto en los ultimos tres anos, los mismos ejecutivos predicen efectos sustanciales de la IA en los proximos tres anos: un aumento del 1,4 por ciento en la productividad, un crecimiento del 0,8 por ciento en la produccion y una reduccion del 0,7 por ciento en el empleo.
Esta es la brecha de expectativas de la que se alimenta la paradoja de Solow. La tecnologia esta perpetuamente a punto de entregar. Los retornos estan siempre a tres anos de distancia. La inversion continua porque la promesa continua, y la promesa continua porque la tecnologia demostrablemente funciona a nivel de tarea — escribe el correo, redacta el informe, analiza los datos mas rapido. La microevidencia de capacidad sostiene la macroexpectativa de transformacion, incluso cuando la macroevidencia de transformacion no se materializa.
Los datos de PwC afinan esta observacion. El 12 por ciento de directores generales que reportan ganancias simultaneas en costes e ingresos con IA — la “vanguardia” — no estan usando tecnologia diferente. Estan usando los mismos modelos, las mismas herramientas, las mismas plataformas. Lo que los distingue, segun PwC, es que han integrado la IA extensivamente en productos, servicios, generacion de demanda y toma de decisiones estrategica. Han establecido marcos de IA responsable. Han construido entornos tecnologicos que permiten la integracion a escala de la empresa.
En otras palabras, han hecho el rediseno a nivel de sistema. Han hecho las inversiones complementarias. Han reorganizado la arquitectura de decisiones. No estan en la pendiente descendente de la curva J. Han invertido a traves de ella y estan empezando a subir.
El 88 por ciento restante compro el motor de prediccion y dejo el suelo de la fabrica sin cambios. Estan experimentando la paradoja no porque la tecnologia no funcione, sino porque no han hecho el trabajo organizativo que permite a la tecnologia funcionar a nivel de sistema.
El cuello de botella organizativo
Aqui esta la frase que quiero retener, porque reenmarca toda la conversacion: la maquina no es el cuello de botella. La organizacion lo es.
Los modelos de IA son capaces. La infraestructura computacional esta disponible. Las herramientas son cada vez mas accesibles. Las barreras tecnicas a la adopcion de IA han caido dramaticamente. Una empresa de 200 personas puede acceder a los mismos modelos de lenguaje, los mismos sistemas de vision, las mismas herramientas analiticas que usa una empresa del Fortune 500. La tecnologia se ha democratizado.
Lo que no se ha democratizado es la capacidad organizativa para absorber la tecnologia. La capacidad de redisenar flujos de trabajo. La capacidad de recualificar a los trabajadores — no en como usar la herramienta, sino en como tomar decisiones de manera diferente ahora que la herramienta proporciona mejores predicciones. La capacidad de reestructurar incentivos para que el tiempo que la IA ahorra no se llene simplemente con mas del mismo trabajo. La capacidad de construir el capital intangible que la curva J exige.
Aqui es donde la paradoja de la productividad se convierte en un problema de psicologia organizacional — mi territorio. Las inversiones complementarias que Brynjolfsson describe no son compras de software ni actualizaciones de hardware. Son cambios en como trabajan las personas, como se toman las decisiones, como se definen los roles y como se mide el rendimiento. Cada uno de estos es un cambio humano. Cada uno encuentra resistencia humana. Cada uno requiere lo que Amy Edmondson llama seguridad psicologica — la creencia de que se puede intentar algo nuevo, fracasar y no ser castigado por ello.
Una organizacion que despliega IA sin crear las condiciones para la experimentacion — sin hacer seguro reestructurar, cambiar roles, redefinir lo que significa “productivo” — es una organizacion que permanecera en la pendiente descendente de la curva J. La tecnologia quedara inactiva, como esas maquinas cubiertas en un suelo de fabrica. Los viejos bancos de trabajo — los procesos familiares, los flujos de trabajo conocidos, las rutinas comodas — seguiran mostrando las marcas de uso intensivo.
El problema del horizonte temporal
Los paralelos historicos ofrecen a la vez consuelo y advertencia.
El consuelo: la paradoja de la productividad se resolvio antes. La era informatica acabo apareciendo en las estadisticas. De mediados de los anos 1990 a principios de los 2000, se produjo un aumento en la productividad medida que los economistas atribuyeron, en parte, a la maduracion de las inversiones en TI realizadas en los anos 1980. Las innovaciones complementarias alcanzaron a la tecnologia. La curva J subio. La paradoja de Solow se disolvio — no porque la observacion fuera erronea, sino porque el desfase temporal era mas largo de lo que ejecutivos impacientes y economistas impacientes esperaban.
La advertencia: la resolucion no fue automatica. No ocurrio simplemente porque paso el tiempo. Ocurrio porque las organizaciones finalmente se reestructuraron. Redisenaron flujos de trabajo. Recualificaron trabajadores. Cambiaron practicas de gestion. Y las empresas que lo hicieron primero captaron retornos desproporcionados, mientras que las que esperaron — o nunca se reestructuraron — se quedaron atras.
La estimacion de 40 anos de Paul David para la dinamo electrica es sobria. Pero el calendario de la era informatica fue mas corto — aproximadamente 15 a 20 anos desde la adopcion generalizada hasta las ganancias de productividad medidas. La pregunta es si el calendario de la IA sera aun mas corto, o si la complejidad de los cambios organizativos necesarios lo prolongara.
Mi lectura de la evidencia es cautelosa. La IA requiere una reestructuracion organizativa mas profunda que el ordenador personal, porque la IA afecta a las decisiones, no solo a las tareas. El PC automatizo la mecanografia. La IA automatiza la prediccion — y la prediccion alimenta cada decision que la organizacion toma. Reestructurar en torno a mejor mecanografia era relativamente simple: los mismos documentos, producidos mas rapido. Reestructurar en torno a mejor prediccion requiere repensar que decisiones se toman, por quien y como. Ese es un cambio mas fundamental, y los cambios fundamentales llevan mas tiempo.
La integracion
Aqui esta la tension que quiero mantener sin colapsar, porque colapsarla seria prematuro.
La paradoja de la productividad es real. Los datos son inequivocos. El ochenta por ciento de las empresas no ve impacto de la IA en la productividad. El cincuenta y seis por ciento de los directores generales no reporta beneficio financiero. Las macroestadisticas muestran la inversion en auge y la productividad plana. La paradoja no es una narrativa. Es una medicion.
La paradoja de la productividad es tambien, potencialmente, temporal. El marco de la curva J esta bien respaldado por la evidencia historica. Las empresas que han hecho inversiones complementarias estan captando retornos. El 12 por ciento de vanguardia en los datos de PwC no ha tenido suerte — son estructuralmente diferentes. Hicieron el trabajo organizativo.
Ambas cosas son verdad simultaneamente. La IA aun no esta cumpliendo su promesa a escala. La IA tiene las caracteristicas estructurales de una tecnologia que eventualmente lo hara. La pregunta no es si la paradoja se resuelve. La pregunta es quien hace el trabajo organizativo para resolverla — y quien espera una resolucion que no llegara por si sola.
La maquina funciona. La organizacion no ha cambiado. Las estadisticas de productividad no estan equivocadas. Estan reflejando, con una precision incomoda, la brecha entre la capacidad tecnologica y la preparacion organizativa.
Robert Solow podia ver la era informatica en todas partes. No podia verla en las estadisticas de productividad. Las estadisticas no mentian. Estaban contando una verdad que los ejecutivos no querian escuchar: la tecnologia no es la transformacion. La transformacion es la transformacion. La tecnologia es solo el catalizador que hace posible la transformacion — y que el catalizador produzca una reaccion depende enteramente de las condiciones en el recipiente.
El recipiente es la organizacion. Las condiciones son la cultura, los incentivos, la arquitectura de decisiones, la voluntad de reestructurar. La mayoria de los recipientes han anadido el catalizador y no han cambiado nada mas. La paradoja es el resultado predecible.
La pregunta, para cualquier organizacion que lea esto, no es “cuando entregara la IA?” Es “que hemos cambiado para hacer posible la entrega?” Si la respuesta es “compramos las herramientas” — eso no es un cambio. Es una compra. Y las compras, sin el rediseno organizativo para absorberlas, son como se fabrican las paradojas.