Impacto real de la inteligencia artificial en la vida diaria: Evidencias y Perspectivas
Impacto real de la inteligencia artificial en la vida diaria: Evidencias y Perspectivas
¿Cuántas veces hoy un algoritmo decidió qué viste, leíste o compraste sin que te dieras cuenta? Mientras debatimos si la IA nos va a quitar el trabajo, ya está cambiando cómo vivimos de formas que ni siquiera percibimos.
La inteligencia artificial tiene dos formas de impactar nuestra vida diaria. Por un lado, está aquello que decidimos hacer con ella: usar herramientas como ChatGPT, automatizar tareas, apoyarnos en asistentes de código o diseño. Este es un impacto que se produce de nuestra acción consciente. Por otro lado, está lo que no elegimos ni controlamos, pero que igual nos afecta: los algoritmos que deciden qué vemos en redes sociales, los sistemas que nos sugieren qué ver o hacer (como netflix o spotify), o las automatizaciones que influyen en cómo nos atienden, qué productos se nos ofrecen, o incluso cómo nos evalúan en un trabajo o un trámite.
Lo que sigue no pretende cubrir todo el universo de la IA, sino presentar algunos ejemplos que me parecen significativos por su cercanía con lo cotidiano, y que pueden ayudarnos a pensar mejor cómo nos relacionamos con esta tecnología que ya dejó de ser el futuro, y ahora es parte del presente.
Los impactos directos del uso de la inteligencia artificial ocurren cuando usamos una herramienta de IA para resolver tareas, crear contenido o tomar decisiones. Cada vez encontramos más herramientas (miles de ellas) de IA generativa como ChatGPT (para generación de texto y redacción), GitHub Copilot (asistente de programación), Canva (funciones inteligentes de diseño integradas), Notion (como segundo cerebro), Alexa (asistente de voz doméstico) entre otras, todos estos son ejemplos de herramientas de IA que usamos concientemente y tienen impacto directo.
Si bien estas herramientas se han popularizado, no lo han hecho de forma uniforme en la sociedad, sino que ha tenido una adopción significativamente mayor en profesionales jóvenes con mayor nivel educativo, lo cual plantea un reto en la disminución de la desigualdad, pero también una realidad que nos dice que la IA ya forma parte del día a día laboral de millones de personas.
Según la encuesta realizada por IDEA, titulada “Decime que usás IA sin decirme que usás IA”, se identificaron los usos más frecuentes de herramientas de inteligencia artificial entre profesionales de empresas medianas y grandes en Argentina. A continuación, algunos de esos usos con sus respectivos porcentajes reportados:
Redacción de textos y documentos como correos electrónicos, informes, propuestas, entre otros. (80%).
Investigación y búsqueda de información (52%).
Generación de contenidos creativos o gráficos (41%).
Análisis de datos básicos (39%).
Automatización de tareas administrativas o rutinarias (36%).
Traducción automática de textos (no reportado en este estudio).
Chatbots para ayudarse a plantear respuestas a preguntas difíciles con contenido emocional (no reportado en este estudio, pero se observa en el uso cotidiano según testimonios de usuarios en foros y medios tecnológicos). Por ejemplo, una usuaria contó que le preguntó al chatbot cómo rechazar una invitación a salir sin herir los sentimientos de su mejor amigo, y la respuesta le sirvió tanto que terminó usándola casi palabra por palabra.
Ahora veamos los beneficios que las personas perciben de estos usos comunes. El mismo estudio de IDEA, se preguntó a los profesionales qué mejoras concretas notaron en su trabajo al usar herramientas de inteligencia artificial. Estas son algunas de las respuestas más comunes:
Mejora de la productividad general: 92% afirmó que las herramientas de IA aumentaron su productividad.
Mejora considerable del rendimiento: 38% notó una mejora significativa en su desempeño laboral.
Ahorro de tiempo: 51% de los usuarios indicó que la IA les permitió realizar sus tareas más rápido, liberando tiempo para enfocarse en aspectos estratégicos o creativos.
Mejora en la calidad de los entregables: 45% reportó que la calidad de su trabajo mejoró gracias al apoyo de herramientas de IA en redacción, análisis o diseño.
Reducción del esfuerzo mental: 33% dijo sentirse menos agotado al final de su jornada, especialmente en tareas repetitivas o que requerían mucha concentración.
Mejor manejo de relaciones personales o laborales: aunque no aparece cuantificado en el estudio, muchos usuarios destacan que usar chatbots para plantear respuestas difíciles les ayudó a expresarse mejor, evitando malentendidos o conflictos. En algunos casos, mencionan haber ganado confianza al tener un punto de partida claro para conversaciones sensibles.
En resumen, los usuarios tempranos no solo usan IA porque está de moda, sino porque encuentran valor real y tangible en su día a día, ya sea en su productividad o incluso en cómo se comunican con los demás.
Gran parte del impacto real de la IA ocurre de forma indirecta, cuando algoritmos invisibles influyen en lo que experimentamos al usar tecnología, sin que nos demos cuenta. Cada vez que abrimos una red social, buscamos algo en Google, vemos contenido en Netflix o recibimos recomendaciones de compra en Temu, hay sistemas de inteligencia artificial trabajando en segundo plano. Estos algoritmos deciden qué publicaciones vemos primero, qué serie se nos sugiere para que permanezcamos en la plataforma o en qué orden se nos presentan las noticias para mantener nuestra atención.
Algunos estudios muestran que este tipo de algoritmos tienen un impacto muy fuerte en nuestro comportamiento digital. Por ejemplo, se estima que más del 80% de lo que ven los usuarios en Netflix proviene de recomendaciones automatizadas, y en YouTube más del 70% del tiempo de visualización se genera a partir de lo que sugiere el sistema. En redes sociales como Instagram o TikTok, algoritmos de personalización pueden identificar los intereses del usuario con más de 80% de precisión en menos de dos horas de interacción.
Posiblemente el mayor impacto (negativo) en nuestra vida resultante de la IA es una mayor adicción a las redes sociales por cuenta de estos algoritmos, que nos proponen el contenido curado para ese fin con gran efectividad. Estudios en adolescentes muestran que el uso prolongado de plataformas con algoritmos personalizados está asociado a un mayor riesgo de ansiedad, depresión y disminución de la autoestima, especialmente cuando el contenido reforzado por la IA promueve estándares poco realistas o polariza las opiniones.
Sin duda la IA tiene dos caras, una en la que reemplaza personas y otra donde genera trabajo. Sin embargo, al ir más allá vemos que cuando una tecnología automatiza un proceso, el resultado tiende a ser mejor, más oportuno y más barato. Esto sugiere que podemos ponderar de forma positiva los servicios o productos de empresas que hacen un uso intensivo de la tecnología y en particular de la IA, ya que posiblemente veremos mejores productos y servicios con atención más oportuna y sin aumento de precio o incluso con menor precio.
Por otro lado, en el uso directo que hacemos de la IA debemos tener en cuenta varios beneficios diferentes para cuantificar: ahorro de tiempo, ahorro de esfuerzo, ahorro de dinero, obtención de reconocimiento, o incluso la diferencia entre poder hacer o no hacer algo. Un ejemplo concreto: en un estudio del MIT, quienes usaron ChatGPT para tareas de redacción completaron sus textos 40% más rápido y con un 18% más de calidad, según evaluadores externos.
Una forma práctica de ponderar el impacto personal del uso de IA es detenerse a observar qué tareas realizamos hoy con ayuda de estas herramientas que antes no podíamos hacer, qué cosas logramos con menos esfuerzo o en menos tiempo, y si ha cambiado la forma en que enfrentamos desafíos diarios, desde escribir un correo difícil hasta automatizar un seguimiento o tomar una mejor decisión. Hacer esta reflexión periódicamente nos permite distinguir entre una simple moda tecnológica y un cambio que realmente nos está aportando valor.
Me gusta siempre hablar del balance porque creo que todos los extremos son viciosos, por ello quiero contrastar los beneficios presentados con las opiniones críticas y estudios escépticos, esto nos ayuda a complementar la visión sobre el impacto de la IA y con ello ayuda a abordar la adopción de forma más realista y por tanto efectiva.
Un estudio a gran escala en Dinamarca, que evaluó el impacto de la IA generativa en más de 25.000 trabajadores en 7.000 centros de trabajo, encontró que aunque hubo adopción significativa, el ahorro real de tiempo fue modesto (alrededor del 2,8%). Además, no se evidenciaron mejoras significativas en variables como salarios o reducción de horas trabajadas. Este hallazgo contrasta con muchas proyecciones optimistas y nos recuerda que, en muchos casos, el impacto real de la IA puede tardar en reflejarse en indicadores agregados.
Esta observación conecta con la Paradoja de Solow, formulada en los años 80: "vemos computadoras por todas partes menos en las estadísticas de productividad". Lo mismo parece estar ocurriendo ahora con la IA. Aunque notamos su presencia constante en herramientas, entornos y conversaciones, el salto productivo generalizado aún no se manifiesta a gran escala. Esto no implica que la tecnología no sea útil, sino que sus beneficios no son automáticos ni inmediatos: requieren rediseño de procesos, formación, adaptación y tiempo.
Otra limitación crítica de la IA actual es la tendencia a las "alucinaciones": la generación de respuestas incorrectas o inventadas con una apariencia convincente. Esto puede ser particularmente riesgoso cuando se usa IA en contextos donde la veracidad es clave, como educación, salud o decisiones legales. Por esta razón, es importante mantener una supervisión activa y no delegar completamente la confianza en las salidas de los modelos. La IA puede ayudar, pero sigue siendo una herramienta que necesita revisión humana.
La adopción personal de herramientas de inteligencia artificial puede generar frustración si se parte de expectativas irreales o promesas infladas. Sin embargo, también es una oportunidad concreta para resolver problemas cotidianos de forma más eficiente. El punto de partida no debería ser la herramienta en sí, sino la necesidad o desafío que enfrentamos. Una vez definido ese punto, el siguiente paso es investigar, preguntar y lanzarse a probar.
Es importante entender que estas tecnologías requieren un tiempo de aprendizaje y adaptación. No basta con usarlas una o dos veces: la experiencia acumulada en semanas de uso permite sacar mejores conclusiones sobre su utilidad real. Por eso, es clave comprometerse con un período de prueba deliberado y consistente. Luego, evaluar con honestidad si se ha logrado un impacto positivo en tiempo, esfuerzo o calidad. La adopción efectiva ocurre cuando la herramienta se convierte en una extensión natural de nuestras rutinas.
Durante años intenté mantener mi presupuesto familiar al día. Probé todo tipo de apps y herramientas, pero siempre terminaba volviendo a Excel. ¿El mayor obstáculo? Registrar los gastos. Lo dejaba para después y, cuando al fin me sentaba, ya se me había olvidado en qué había gastado o tenía que revisar cuenta por cuenta.
Entonces me propuse una meta: automatizar el registro usando información que ya tenía —correos del banco, notificaciones del celular, incluso audios que pudiera enviar a un bot describiendo mis compras en efectivo. Si lograba eso, tendría mi presupuesto actualizado con mínimo esfuerzo.
Después de investigar y comparar opciones, armé una solución con n8n, el API de OpenAI y mi hoja de cálculo en Google Drive. En cuatro semanas, dedicando unas cuatro horas por semana, logré automatizar el registro de transacciones. No es completamente sin esfuerzo, pero sí con mucho menos.
Esta experiencia me dejó un aprendizaje claro: la IA no es mágica, pero bien aplicada puede facilitar muchísimo tareas que antes parecían imposibles de mantener. Si parte de una necesidad real, vale la pena intentarlo.
IDEA. (2025). Decime que usás IA sin decirme que usás IA. https://www.idea.org.ar/wp-content/uploads/2025/05/2025-IDEA-Relevamiento-Decime-que-usas-IA-sin-decirme-que-usas-IA-V2.pdf
Brynjolfsson, E. et al. (2023). Generative AI at Work: Evidence from a field experiment. https://www.science.org/doi/10.1126/science.adh2586
McKinsey & Company. (2023). The Economic Potential of Generative AI: The Next Productivity Frontier. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
Andersen, S.C. et al. (2023). Large-Language Models, Small Labor-Market Effects. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5219933
Solow, R.M. (1987). We see computers everywhere except in the productivity statistics. Reseña en New York Times Book Review, 12 de julio de 1987. Disponible en bibliotecas académicas o archivos del NYT.