La promesa de la IA siempre fue la misma: automatizar lo mundano para que tú te concentraras en lo que importa. La realidad documentada por el propio estudio de OpenAI y Harvard es diferente: el 73% de las interacciones con ChatGPT en junio de 2025 no tenían relación con el trabajo. Las que sí, en su mayoría, eran tareas de escritura y revisión. Es decir, el trabajo de siempre, con un paso adicional: escribir el prompt correcto.
Qué dice el estudio que nadie leyó completo
En septiembre de 2025, OpenAI y el economista de Harvard David Deming publicaron en el National Bureau of Economic Research el análisis más completo hasta la fecha sobre cómo se usa ChatGPT. La base fue el análisis de 1.5 millones de conversaciones anónimas entre junio de 2024 y junio de 2025, con metodología de preservación de privacidad desarrollada en colaboración con Harvard.
El hallazgo más incómodo no fue el volumen de uso — 700 millones de usuarios activos semanales, 18,000 millones de mensajes por semana — sino el patrón de comportamiento. El uso laboral cayó de representar el 47% de los mensajes en 2024 al 27% en 2025, incluso cuando el volumen total se multiplicó por casi seis. La herramienta que supuestamente iba a transformar el trabajo se usa mayoritariamente para cosas que no son trabajo.
El segundo hallazgo es más revelador aún. Según el análisis, en las ocupaciones más cualificadas, ChatGPT se usa para potenciar el núcleo de cada profesión — no para reemplazar tareas, sino para ejecutarlas más rápido. Lo que cambió no es quién hace el trabajo: es la velocidad a la que se espera que lo hagas.
El costo oculto que no aparece en la factura mensual
Un estudio de Stanford y MIT, publicado en 2023 y citado ampliamente desde entonces, encontró que el uso de herramientas de IA aumentó la productividad de trabajadores de servicio al cliente en un 14-15%, principalmente entre empleados con menos experiencia. El dato circula constantemente en presentaciones corporativas y argumentos de venta de suscripciones premium.
Lo que no circula con la misma frecuencia es la segunda parte del mismo estudio. Según reportó Infobae en abril de 2024, el uso de ChatGPT disminuyó el tiempo dedicado a generar borradores, pero aumentó el tiempo dedicado a revisar y mejorar los resultados. El trabajo no desapareció. Cambió de fase: pasó de producción a control de calidad.
Ese desplazamiento tiene un nombre en economía del trabajo: task substitution with complementary overhead. La IA sustituyó una tarea pero generó una tarea complementaria que el mismo usuario tiene que hacer. La diferencia es que la tarea que desapareció era la que se podía delegar a un colaborador junior. La que quedó, la revisión crítica y el juicio editorial, es la que requiere más experiencia. Y eso lo hace el usuario. Sin remuneración adicional. Con suscripción mensual incluida.
La IA no reemplazó al empleado junior. Te reemplazó a ti en el rol de quien puede delegar. Ahora tú haces el trabajo que antes subcontratabas, y pagas veinte dólares al mes por el privilegio.
Por qué las empresas ganan más que los individuos con esta ecuación
El dato que no aparece en el resumen ejecutivo es quién captura ese crecimiento. Según PwC, el 46% de los directores ejecutivos globales afirma que la IA aumentará la rentabilidad de sus empresas. El 41% prevé que aumentará los ingresos. La pregunta sobre si aumentará los salarios de los trabajadores que generaron esa productividad adicional no formó parte del estudio.
El patrón es estructural, no accidental. El equilibrio real en 2026 es que la IA es excelente para la aumentación — hacer lo mismo pero más rápido — y mediocre para el reemplazo total, según el análisis de MIT publicado en abril de 2026. Las empresas racionales adoptaron el primer modelo. El resultado es más output por trabajador, a la misma velocidad de contratación, con las mismas estructuras salariales.
Lo que cambia si lo lees como modelo de negocio, no como herramienta
OpenAI tiene más de 700 millones de usuarios activos semanales. Una fracción de ellos paga entre 20 y 200 dólares mensuales por acceso premium. El resto usa el plan gratuito y entrena los modelos con cada interacción: cada corrección que haces a una respuesta, cada prompt que reformulas porque el primero no funcionó, cada vez que marcas una respuesta como útil o inútil. Ese trabajo de retroalimentación tiene valor económico real y se realiza sin compensación.
No es un argumento conspirativo. Es el modelo de negocio documentado de cualquier plataforma que usa reinforcement learning from human feedback (RLHF), la técnica mediante la cual los modelos de lenguaje aprenden a producir respuestas más útiles a partir de las evaluaciones humanas. Los usuarios que iteran prompts, corrigen salidas y refinan resultados están haciendo, técnicamente, trabajo de anotación de datos. El mismo trabajo que empresas como Scale AI cobran entre 10 y 40 dólares por hora cuando se hace de forma explícita y contratada.
Cómo usar la IA sin que la IA te use a ti
La respuesta no es dejar de usar las herramientas. Es entender la estructura de la transacción antes de aceptarla. Hay tres principios que cambian la ecuación a favor del usuario:
Primero, mide el tiempo real que inviertes, no el que ahorras. La narrativa estándar mide el ahorro de tiempo en la tarea original. Lo que rara vez se mide es el tiempo invertido en escribir el prompt, revisar la salida, corregir errores factuales, adaptar el tono y verificar que el resultado sea usable. En tareas de alta complejidad, ese overhead puede superar el tiempo que habría tomado hacer la tarea directamente.
Segundo, identifica en qué tareas la IA es realmente el primer borrador y en cuáles es el asistente de investigación. Son roles diferentes con relaciones de costo-beneficio diferentes. En el primero, el usuario hace el trabajo crítico al final. En el segundo, el usuario hace el trabajo crítico al principio. Saber cuál es cuál determina si la herramienta es un multiplicador o una carga adicional.
Tercero, evalúa el costo de oportunidad del aprendizaje. Un estudio de Oxford citado en el análisis de OpenAI encontró que los usuarios novatos se benefician más del uso de IA que los expertos, precisamente porque la IA hace el trabajo que les costaría aprender. El problema es que ese aprendizaje que se saltaron es el que construye el criterio necesario para evaluar si la salida de la IA es buena o no. A largo plazo, el usuario que delegó todo el trabajo junior a la IA puede terminar sin la capacidad de juzgar la calidad del trabajo senior que supervisa.
La IA es una herramienta real con beneficios documentados. También es un modelo de negocio diseñado para capturar el máximo valor posible de cada interacción. Entender las dos cosas al mismo tiempo es la única forma de usarla sin que ella te use a ti.
