Durante tres años, el debate sobre la inteligencia artificial se ha centrado en sus capacidades. ¿Qué pueden hacer los modelos? ¿Qué empleos están expuestos? ¿Qué tareas podrían automatizarse? Un nuevo documento de trabajo del Banco de la Reserva Federal de San Luis plantea una pregunta más sencilla. No qué podría hacer la IA generativa, sino para qué trabajo la están utilizando realmente las personas.

La diferencia importa. Los estudios sobre exposición muestran dónde podría ser útil la IA. Los registros de chats muestran qué solicitan los usuarios actuales. Ninguno muestra cuántas personas que realizan el mismo trabajo nunca han empezado a utilizarla. Este estudio sí lo hace, y su respuesta es a la vez alentadora e incómoda: la adopción es amplia, pero superficial.

Qué mide la investigación

Los investigadores encuestaron a una muestra representativa de trabajadores estadounidenses en cuatro oleadas, entre agosto de 2025 y mayo de 2026. Cada persona indicó las tareas que realiza habitualmente y aquellas para las que utiliza IA generativa. El resultado muestra el uso real, no la exposición teórica.

En mayo de 2026, el 45 % de los trabajadores utilizaba IA generativa en el trabajo y el 55 % de los adultos de entre 18 y 64 años la utilizaba fuera del trabajo. En total, el 62 % la utilizaba en algún ámbito. Pero las cifras principales ocultan la verdadera imagen: en la mayoría de las ocupaciones y tareas, menos de la mitad de las personas implicadas utiliza la tecnología.

Esto confirma un argumento que hemos planteado a lo largo de esta serie: el acceso no es adopción. Una licencia, una herramienta aprobada o un modelo capaz no cambian nada por sí solos. Las personas necesitan experiencia, confianza y una razón para trabajar de otra manera.

Dónde es mayor y menor la adopción

El patrón es coherente: la IA se utiliza cuando el trabajo está compuesto de información y se evita cuando el trabajo depende de la presencia física. Las funciones informáticas y profesionales se sitúan en la parte superior; los servicios personales y los oficios manuales, en la inferior. La misma división aparece al analizar las tareas. La lectura, la investigación, el análisis y la planificación lideran. La conducción, la limpieza, la atención clínica y el trabajo con equipos quedan rezagados.

Ocupaciones con mayor adopción

Tasa de adopción: proporción de personas de esa ocupación o tarea que afirman utilizar habitualmente IA generativa. La misma definición se aplica a las cuatro tablas.

Ocupaciones con menor adopción

El sector importa, pero no decide

Es tentador interpretar estas clasificaciones como una simple división entre empleos de oficina y empleos manuales. Pero el estudio demuestra que esto solo es parte de la historia. El tipo de ocupación explica menos del 20 % de la diferencia en la adopción de la IA, y la propia tarea explica apenas alrededor del 11 %. La mayor parte de la diferencia —alrededor del 70 %— procede de personas que realizan trabajos similares, pero eligen utilizar la IA de manera diferente.

Esta es la verdadera brecha de adopción: dos personas pueden tener el mismo empleo, abordar la misma tarea y tener acceso a las mismas herramientas, pero elegir enfoques completamente distintos. Las habilidades, las creencias personales, la disposición a experimentar y la cultura inmediata del equipo desempeñan un papel importante. Los datos muestran que, aunque el puesto de trabajo establece el contexto, el hábito individual determina la adopción: la tarea no marca el destino.

Tareas con mayor adopción

Tareas con menor adopción

Nota: La adopción a nivel de tarea refleja el uso de IA generativa directamente para realizar esa actividad específica. No recoge las tareas administrativas o de apoyo periféricas que se llevan a cabo en torno a la actividad principal.

La experiencia cambia la ecuación

Las pruebas más reveladoras tienen que ver con el aprendizaje. Entre las personas que ya utilizan IA generativa, aquellas con al menos seis meses de experiencia la aplican a aproximadamente un 9 % más de sus tareas que las personas recién llegadas. Un trabajador típico tiene alrededor de cinco tareas principales, por lo que esto equivale aproximadamente a una tarea adicional. El avance es pequeño, y ese es precisamente el punto: la adopción no llega de golpe. Se extiende tarea a tarea, a medida que crece la confianza.

El mismo patrón aparece en otros ámbitos. Las personas que utilizan la IA para una tarea tienden a utilizarla para otras, y quienes la utilizan en el trabajo tienden a utilizarla también en casa. Los autores tienen cuidado de no tratar la correlación como causalidad, pero todos los resultados apuntan en una dirección: la experiencia facilita el siguiente paso.

Por eso importa tanto la primera interacción útil. Una vez que alguien descubre dónde ayuda la herramienta y dónde falla, volver a intentarlo apenas cuesta nada. En la mayoría de las organizaciones, el uso de la IA se transmite entre las personas mucho antes de aparecer en cualquier mapa de procesos.

De la capacidad a la participación

No todas las ocupaciones adoptarán —ni deberían adoptar— la IA generativa al mismo ritmo. El trabajo físico, los cuidados, las funciones críticas para la seguridad y los sectores con una elevada responsabilidad legal tienen limitaciones inherentes, mientras que otros empleos simplemente obtienen poco valor de la tecnología en la actualidad. Una baja adopción no es intrínsecamente un fracaso.

Sin embargo, la implicación más amplia está clara: la próxima fase de integración de la IA dependerá menos del rendimiento de los modelos y más de la integración práctica en los flujos de trabajo. Durante años, la pregunta central fue si la IA podía hacer el trabajo. Hoy, la verdadera pregunta es si las personas pueden aprender a trabajar junto a ella. La tecnología crea capacidad, pero la experiencia genera confianza, y la confianza es lo que impulsa la participación real.

────────────

Referencias

Alexander Bick, Adam Blandin, David J. Deming y Tyler Schumacher, «What Work Does Generative AI Do?», Documento de trabajo 2026-017A del Banco de la Reserva Federal de San Luis, versión actual del 25 de agosto de 2026.

────────────

Reducir la brecha: ¿cómo ayudamos a los equipos a adoptar la IA?

¿Le interesa ampliar la adopción de la IA en su empresa? Póngase en contacto con nosotros. Ayudamos a los equipos a pasar de la experimentación aislada a un uso cotidiano y seguro mediante formación práctica, casos de uso cuidadosamente seleccionados y un plan claro de adopción.