Cuando ChatGPT alcanzó 100 millones de usuarios en dos meses a finales de 2022, la narrativa dominante era inevitable: la productividad del conocimiento se dispararía. Los analistas predijeron ganancias de dos dígitos en el PIB de las economías avanzadas para 2025. Los CEOs anunciaron "años de eficiencia". Los consultores vendieron transformaciones inmediatas.
Dos años después, los datos macroeconómicos cuentan otra historia. La productividad total de los factores (PTF) en EE. UU., la zona euro y el Reino Unido ha crecido a ritmos anémicos —0,3–0,6 % anual—, indistinguibles de la estancación previa a 2020. Las encuestas de uso empresarial muestran adopción masiva a nivel individual (programadores, redactores, analistas), pero integración sistémica marginal en procesos de negocio críticos. La paradoja de Solow —"veo computadoras en todas partes menos en las estadísticas de productividad"— ha vuelto, esta vez con GPUs en lugar de mainframes.
La explicación no es técnica. Los modelos actuales superan a expertos humanos en benchmarks de codificación, redacción, síntesis, traducción y razonamiento lógico acotado. La brecha está en la diferencia entre "tarea" y "trabajo". Una tarea es una unidad de ejecución definida, medible, aislable. El trabajo es un sistema de tareas interdependientes, coordinación, juicio, responsabilidad, contexto institucional y legitimidad social. La IA automatiza tareas; el trabajo requiere integración.