La paradoja de Solow regresa y esta vez le habla a la IA
Hay un patrón silencioso que la historia económica ha repetido al menos dos veces con claridad antes de la era de la inteligencia artificial. Primero con la electrificación industrial, luego con las computadoras personales. En ambos casos, la tecnología llegó décadas antes de que su impacto apareciera en las estadísticas de productividad. En ambos casos, el período de "nada está pasando" fue precisamente el momento en que todo estaba siendo reconfigurado por debajo.
El economista Robert Solow lo capturó con una frase que no fue diseñada para hacerlo reír a nadie: "Puedes ver la era de las computadoras en todas partes, menos en las estadísticas de productividad." Era 1987. Las PC proliferaban en oficinas corporativas, los mainframes procesaban transacciones a velocidades impensadas una década antes, y el embrión de lo que sería internet ya existía. Sin embargo, la productividad agregada de la economía estadounidense no se movía. Ese fenómeno quedó registrado como la Paradoja de Solow, y su resolución tardó casi diez años en llegar.
Lo que hoy ocurre con la inteligencia artificial tiene una geometría casi idéntica. Y la acumulación de datos reciente, tanto de encuestas masivas como de reportes de grandes plataformas tecnológicas, sugiere que el punto de inflexión que tardó una década en llegar para las computadoras podría estar materializándose ahora mismo para la IA.
---
Cuando el 90% dice "nada cambió" y el mercado dice lo contrario
En febrero de este año, una encuesta aplicada a 6.000 líderes empresariales entregó un resultado que, a primera vista, parecería devastador para los argumentos de quienes llevan años prometiendo la revolución de la IA: el 90% de los encuestados reportó que la adopción de inteligencia artificial no había tenido ningún impacto mensurable en empleo o productividad en sus empresas. Al mismo tiempo, el 63% declaró haber adoptado IA en alguna forma.
Ese es exactamente el retrato de 1987. Una tecnología omnipresente en el discurso, adoptada por la mayoría, pero sin huella visible en la economía real medida por los instrumentos convencionales.
Pero hay otro número en la misma foto que cambia el encuadre. Un análisis del Banco de la Reserva Federal de Saint Louis encontró que la IA generativa produjo una mejora del 5,4% en la productividad de los trabajadores que la utilizaron. No es una cifra que justifique las valoraciones actuales de las empresas de IA. Tampoco es despreciable. Es, en términos históricos, el tipo de señal débil que suele preceder a un movimiento estructural más profundo.
La distancia entre el 90% que no ve cambio y el 5,4% que sí mide mejora no es una contradicción. Es la diferencia entre adoptar una herramienta y rediseñar el proceso completo alrededor de ella. Las fábricas del siglo XIX que instalaron motores eléctricos sobre los mismos sistemas de ejes y poleas de vapor no obtuvieron ganancias de eficiencia. Las que demolieron la arquitectura física de sus plantas y construyeron desde cero alrededor del motor individual por estación de trabajo sí las obtuvieron, pero ese proceso tardó cuarenta años desde que Edison encendió su primera planta generadora en 1882.
El análisis de Deloitte sobre adopción de IA generativa añade otro fragmento al rompecabezas: la mayoría de las empresas que adoptaron IA reportan retorno positivo, y casi el 25% de los adoptantes reporta ganancias de productividad o financieras superiores al 30%. Ese cuarto de empresas no está operando con herramientas distintas a las del 75% restante. Está operando con una lógica organizacional distinta, lo cual es exactamente el tipo de variable que no aparece en las encuestas de adopción tecnológica pero que determina dónde va a concentrarse el valor en los próximos cinco años.
---
Lo que los resultados de Alphabet y Microsoft revelan que la encuesta no ve
Mientras la mayoría de las empresas reportan impacto nulo, dos compañías con posiciones dominantes en infraestructura tecnológica están publicando números que no encajan con esa narrativa. Y la diferencia no es que tengan acceso a una IA mejor, sino que controlan el canal de distribución a través del cual millones de organizaciones acceden a ella.
Alphabet reportó en su último trimestre un crecimiento del 19% en ingresos por búsqueda, atribuyendo parte de ese incremento directamente a la integración de IA en su producto de búsqueda principal. Su división de Google Cloud creció un 63% año sobre año, y la compañía señaló que los clientes empresariales de gran escala que adoptaron sus servicios de IA generaron ingresos con un crecimiento del 800% respecto al año anterior. Ese último número no es un indicador de volumen absoluto, pero sí es una señal de velocidad de adopción entre el segmento corporativo que históricamente tarda más en moverse.
Microsoft, por su parte, reportó que su negocio de IA opera actualmente a una tasa de ingresos anualizados de 37.000 millones de dólares. Para contextualizar esa cifra: OpenAI, la empresa que captura más cobertura mediática en el espacio de IA y que opera con ingresos anualizados de alrededor de 20.000 millones de dólares, sigue siendo menor en escala que Microsoft solo en su segmento de IA.
El patrón que emerge no es el de una tecnología fallida esperando validación. Es el de una tecnología cuya captura de valor económico está concentrándose, por ahora, en las plataformas que controlan la infraestructura y los canales de distribución hacia el cliente empresarial: Alphabet, Microsoft, y en menor medida Salesforce, ServiceNow y Databricks, que también reportaron monetización creciente de sus capacidades de IA integradas.
Esto replica con fidelidad lo que ocurrió en los años noventa con la computación. Intel, Microsoft, Cisco y las operadoras de telecomunicaciones capturaron la mayor parte del valor económico de la revolución digital mucho antes de que el impacto de esa revolución fuera visible en las estadísticas agregadas de productividad. Las empresas usuarias de esa tecnología tardaron años más en traducir la inversión en ganancias operacionales reales.
---
El rezago que nadie mide está en la arquitectura organizacional
Hay una fricción específica que explica por qué la distancia entre adopción y productividad no colapsa automáticamente, y esa fricción rara vez aparece en los análisis de mercado. Se trata de la velocidad de rediseño organizacional, que es órdenes de magnitud más lenta que la velocidad de adopción tecnológica.
Cuando una empresa instala una herramienta de IA generativa en el flujo de trabajo de su equipo de contenido o de atención al cliente, la ganancia inicial es marginal. El trabajador aprende a usar la herramienta, pero el proceso en el que opera esa herramienta sigue teniendo los mismos cuellos de botella, las mismas capas de aprobación, el mismo diseño de roles que existía antes de la IA. El 5,4% de mejora que mide el Banco de la Reserva Federal es, en buena medida, el impacto de la herramienta sobre el proceso existente.
El salto que convirtió la electrificación de un dato técnico en una revolución de productividad no fue instalar el motor. Fue eliminar el eje central y distribuir la energía de forma descentralizada por toda la planta, lo que implicó demoler físicamente la infraestructura anterior y reconstruirla. La equivalencia en términos de IA no es "implementar un copiloto". Es rediseñar qué procesos existen, cuáles desaparecen, qué roles tienen sentido y qué decisiones pueden tomarse sin intervención humana directa.
Las empresas del cuartil superior en el análisis de Deloitte, el 25% que reporta ganancias superiores al 30%, están haciendo algo distinto a instalar herramientas. Están rediseñando flujos completos de trabajo alrededor de capacidades que antes no existían. Esa es una operación que requiere tolerancia al caos transitorio, disposición a abandonar procesos que funcionaban y, sobre todo, una lectura honesta de qué es lo que el cliente final valora y qué parte del proceso interno no genera ningún valor para nadie salvo para quien lo diseñó.
Ese rediseño es lento, políticamente costoso dentro de las organizaciones y difícil de medir en el corto plazo. Por eso no aparece en la encuesta de los 6.000 líderes como impacto visible. Pero es exactamente lo que, cuando alcanza masa crítica en suficientes sectores y empresas, produce el tipo de movimiento en las estadísticas de productividad que los economistas describen retrospectivamente como un punto de inflexión.
---
Lo que la paradoja de Solow no puede resolver por sí sola
La analogía histórica tiene valor analítico, pero también tiene un límite que conviene nombrar con precisión. El período de latencia entre adopción tecnológica y productividad medible en los años ochenta y noventa ocurrió en un contexto de menor velocidad de iteración tecnológica. Los modelos de lenguaje que existen hoy serán versiones primitivas de los que existirán dentro de tres años. La presión competitiva sobre las empresas para adoptar y rediseñar procesos es más intensa ahora que la que enfrentaron las organizaciones durante la transición al PC.
Esto no acorta mecánicamente el período de rezago organizacional, porque ese rezago depende de factores humanos e institucionales que no se aceleran al mismo ritmo que la tecnología. Pero sí significa que la distribución de beneficios entre las empresas que rediseñan y las que instalan sin rediseñar se volverá visible en los balances con una velocidad mayor que en la revolución del PC.
El 25% de adoptantes con ganancias superiores al 30% reportado por Deloitte no es una curiosidad estadística. Es la primera evidencia de que la separación entre ambos grupos ya está ocurriendo. Si el patrón histórico se sostiene, ese diferencial se ampliará antes de que las estadísticas macroeconómicas lo registren con claridad. Para cuando los índices de productividad muestren el salto que Solow esperaba ver desde 1987, la ventaja competitiva de quienes rediseñaron en lugar de simplemente adoptar ya será estructuralmente difícil de recuperar.
La pregunta que la paradoja de Solow deja sin resolver es siempre la misma: cuánto tiempo tiene una organización para pasar de usuaria de la herramienta a diseñadora de los procesos que la herramienta hace posibles. En los años noventa, ese margen fue de casi una década. Esta vez, la geometría del mercado sugiere que será considerablemente menor.
