Claves para comprender la economía de la IA

Existe un amplio acuerdo en que el potencial de la IA para transformar la economía global y la forma en que trabajamos es significativo. Sin embargo, los resultados (les decir, lo que esto significa para el trabajo, la vida de las personas y la economía en general) no son automáticos ni están garantizados. Deben ocurrir muchas cosas. Para alcanzar ese potencial, como sociedad debemos trabajar en conjunto para dar forma positiva al impacto de la IA en nuestras vidas, trabajos y economía. Para que este trabajo compartido sea eficaz, es fundamental tener un conocimiento profundo de cómo se adopta y se usa la IA en la economía. La sociedad necesita estadísticas empíricas y una investigación basada en evidencia para fundamentar decisiones, iniciativas y acciones.

Para ayudar, Google lanza la primera versión del ATLAS de IA y economía (Activity, Task, Landscape, and Adoption Study), un estudio continuo, a gran escala y anónimo sobre cómo las personas usan los productos y las herramientas de IA de Google. El primer conjunto de datos de ATLAS (v1.0) se basa en 15 millones de interacciones agregadas y anonimizadas entre humanos y la IA en la aplicación de Gemini, el Modo IA y la API de Gemini, que en conjunto son utilizados por más de 1,000 millones de personas al mes. Las estadísticas de ATLAS v1.0 abarcan más de 150 países, 140 idiomas, 800 ocupaciones y 4,000 tareas. ATLAS es el análisis más completo hasta la fecha sobre cómo las personas reales están usando la IA a gran escala.

ATLAS ofrece información sobre cómo las personas utilizan las herramientas de IA de Google para distintas tareas en el trabajo y en su vida cotidiana. El informe ATLAS v1.0 presenta una visión inicial a un panorama que cambia con rapidez: las capacidades de la IA avanzan, su uso evoluciona y las herramientas para observar su impacto en la economía aún están en desarrollo.

¿Qué aprendemos de ATLAS v1.0?

Estas son algunas de las observaciones más interesantes hasta el momento:

• El uso de la IA en el trabajo es amplio, pero superficial: la adopción en el ámbito de trabajo abarca todos los sectores de la industria y también el 68% de todas las ocupaciones que, en conjunto, representan casi el 90% del empleo total en EE.UU. Sin embargo, en los trabajos, las personas usan la IA de forma selectiva: en un trabajo típico, la IA se usa solo para el 21% de las tareas.
• En el trabajo, la mayor parte del uso de la IA se enfoca en la colaboración y la asistencia con tareas, y hasta ahora la automatización de tareas aún es poco frecuente: los datos de ATLAS muestran que la gran mayoría de las interacciones de IA en el trabajo se enfocan en usos colaborativos como la generación de ideas, la estrategia, la búsqueda de información y el aprendizaje. Las tareas como el diseño creativo y la comprobación de hipótesis (categorizadas en ATLAS como “cognitivas no rutinarias”) aparecen en las interacciones de trabajo de IA en una tasa mucho más alta que en la economía en general (65% frente a 35%). Menos del 10% de esas interacciones automatizan tareas por completo.
• El uso de la IA no se limita a los trabajadores de oficina, sino que también ayuda a los trabajadores en ocupaciones predominantemente físicas y manuales con tareas relacionadas: el uso de la IA para el trabajo no se limita a los trabajos tradicionalmente considerados como trabajo del conocimiento. Aunque no es tan frecuente, los trabajadores de oficios manuales y técnicos (p.ej., técnicos automotrices, mecánicos industriales) están usando la IA conversacional como un colaborador en vivo para diagnósticos en tiempo real, solución de problemas y aprendizaje sobre la marcha. Cuando los trabajadores de estas áreas usan nuestras herramientas de IA, tienen 2 veces más probabilidades de recurrir a la IA multimodal (es decir, usar la IA para crear imágenes o videos). Por ejemplo, los técnicos automotrices y los mecánicos industriales usan la IA para interpretar resultados de pruebas complejas, detectar problemas en cableados eléctricos e inspeccionar el desgaste de maquinaria.
• La IA aporta valor en el hogar que puede quedar fuera de las métricas económicas tradicionales, en especial en tareas administrativas complejas: más del 86% de las interacciones con herramientas de IA en ATLAS ocurren fuera del ámbito laboral. Las personas están usando la IA de formas nuevas e interesantes que no se capturan en las métricas económicas estándar, incluidas las actividades productivas del hogar (p.ej., investigar antes de realizar compras, recibir ayuda para utilizar electrodomésticos y herramientas) y las tareas administrativas complejas (p.ej., navegar por los servicios gubernamentales como impuestos, licencias y multas).
• La adopción global de la IA sigue de cerca el PIB per cápita, aunque existen excepciones importantes: el uso de la IA se ha difundido a nivel mundial. Los datos de ATLAS muestran el uso de la IA en más de 150 países y territorios que representan el 99% de la población mundial. También vemos esto en la diversidad de idiomas que se usan en ATLAS. El inglés representa solo un tercio de las conversaciones globales con IA, y las personas no abandonan sistemáticamente sus idiomas nativos para tareas complejas. Si analizamos más a fondo, el uso de la IA per cápita refleja de cerca el nivel relativo de riqueza de un país, lo que genera preocupación por una brecha digital persistente. Sin embargo, esta no es una regla universal: algunos países de ingresos medios de Sudamérica y Medio Oriente están adoptando la IA a tasas comparables a las de los países de ingresos más altos.

Aquí presentamos algunos hallazgos adicionales:

Cómo se desarrolló ATLAS

Las estadísticas de ATLAS se basan en Observation Clustering and Taxonomy Organisation (OCTO) de Google DeepMind, una herramienta que transforma grandes volúmenes de datos de texto no estructurados, como conversaciones con modelos de lenguaje de gran escala (LLM), y los convierte en información organizada. ATLAS se desarrolló con el nivel más alto de protecciones de la privacidad. Además de limpiar la información de identificación personal (IIP), agregamos varias capas de protección adicionales que quitan automáticamente cualquier referencia posible a información sensible, quitan todos los vínculos entre los datos de ATLAS anonimizados y los registros de usuarios subyacentes, resumen los datos de texto y agregan los resúmenes en grupos que representan a varios usuarios.

¿Qué sigue?

Este es solo el comienzo: ATLAS v1.0 representa el inicio de un proyecto a largo plazo. Las capacidades de la IA siguen expandiéndose, las personas siguen encontrando formas nuevas e interesantes de usarla, y las metodologías de investigación para comprender la IA siguen evolucionando. Hay muchas más preguntas sobre IA y la economía que requerirán más trabajo, trabajo que el Programa de Investigación de IA y Economía de Google está llevando a cabo en colaboración con investigadores académicos y de otros tipos.

Además, existe una variedad mucho más amplia de usos de la IA con relevancia económica que ATLAS aún no refleja. Estos incluyen productos habilitados para IA con miles de millones de usuarios y de interacciones, como Google Workspace, Google Traductor y Visión General Creada por IA; plataformas empresariales, como Gemini para Google Cloud y Gemini Enterprise; y capacidades de vanguardia en varias áreas clave, como la programación con agentes y los modelos mundiales.

A medida que seguimos desarrollando ATLAS y ampliando su alcance y capacidades para generar nuevas estadísticas, nuestro objetivo es proporcionar una comprensión más clara de la transformación de la economía impulsada por la IA. Esperamos que sea útil para investigadores, legisladores, empresas, trabajadores y otros participantes de la economía mientras trabajamos juntos para dar forma a las maneras en que la IA puede apoyar positivamente a las personas en sus vidas.

Queremos agradecer a Dame Diane Coyle (Cambridge) y al Dr. David Autor (MIT) por sus contribuciones al informe ATLAS v1.0, así como a todo el equipo de ATLAS.

Nota al pie para los autores: Zanna Iscenko, Programa de Investigación de IA y Economía; Scott Strand, Programa de Investigación de IA y Economía; Yiyuan Chen, Programa de Investigación de IA y Economía; Guillaume Aimard, Programa de Investigación de IA y Economía; Mihai Codreanu, Programa de Investigación de IA y Economía; Vivek Sampathkumar, Programa de Investigación de IA y Economía; Alex Imas, Economía, Google DeepMind; Julian Jacobs, Economía, Google DeepMind; Evalyne Muiruri, Google DeepMind; Juan Mateos-Garcia, Google DeepMind; Jia Jen Ng, Google DeepMind; Samirah Javed, Google DeepMind; Josh Martin, Programa de Investigación de IA y Economía; Omar Ajmeri, Programa de Investigación de IA y Economía; Denis Calin, Programa de Investigación de IA y Economía; Andrew Kim, director sénior de Investigación, Labs, Tecnología y Sociedad; Fabien Curto Millet, economista jefe; James Manyika, presidente de Investigación, Labs, Tecnología y Sociedad