Google publica ATLAS v1.0, un primer mapa a gran escala de cómo la gente usa la inteligencia artificial en la vida diaria y en el trabajo. ¿Qué hacen exactamente las personas con estas herramientas? ¿Cuánto cambia eso la economía real? El informe apunta a respuestas basadas en 15 millones de interacciones agregadas y desidentificadas entre usuarios y productos como Gemini App, AI Mode y la Gemini API.
Qué es ATLAS y por qué importa
ATLAS significa Activity, Task, Landscape, and Adoption Study. Es un estudio continuo y a gran escala que analiza usos reales de IA en más de 150 países, 140 idiomas, 800 ocupaciones y 4,000 tareas. La muestra proviene de interacciones de productos que, combinados, llegan a más de 1,000 millones de personas al mes.
¿Por qué nos debe interesar? Porque ofrece evidencia empírica sobre cómo la IA se integra en actividades concretas, no solo previsiones teóricas. Eso ayuda a investigadores, empresas y gobiernos a tomar decisiones mejor informadas.
Hallazgos clave
-
AI en el trabajo es amplia pero poco profunda. La adopción abarca la mayoría de sectores y 68% de las ocupaciones en EE. UU., pero en un empleo típico la IA se utiliza para apenas ~21% de las tareas.
-
Predomina la colaboración y la asistencia, no la automatización completa. Las interacciones laborales con IA suelen enfocarse en ideación, estrategia, búsqueda de información y aprendizaje. Menos del 10% de las interacciones automatizan por completo una tarea.
-
No es solo para trabajos de oficina. También la usan trabajadores de oficios manuales y técnicos como mecánicos automotrices e industriales para diagnósticos en tiempo real, resolución de fallas y aprendizaje instantáneo. Cuando estos profesionales usan IA, es 2x más probable que empleen capacidades multimodales (imágenes o video).
-
Gran parte del valor ocurre fuera del trabajo. Más del 86% de las interacciones registradas son en contextos personales: compras, ayuda para usar electrodomésticos o trámites engorrosos como impuestos y licencias. Muchos de estos beneficios no aparecen en indicadores económicos tradicionales.
-
La adopción global sigue, en líneas generales, al PIB per cápita, pero con excepciones. Hay países de ingreso medio en Sudamérica y Medio Oriente que usan IA a ritmos cercanos a países ricos. Además, el inglés representa solo ~1/3 de las conversaciones, lo que indica uso en lenguas nativas para tareas complejas.
Ejemplos concretos
-
Un técnico automotriz usa IA multimodal para interpretar resultados complejos de pruebas, depurar cableado eléctrico y revisar desgaste de piezas con imágenes.
-
Una persona en su hogar usa IA para navegar trámites fiscales o entender el manual de un electrodoméstico, ahorrando tiempo y fricción.
Privacidad y metodología
ATLAS se construyó con varias capas de protección de privacidad. Además de eliminar información personal identificable, Google describe procesos automáticos que quitan referencias sensibles, separan los datos de los registros originales, resumen el texto y agregan resultados por grupos de usuarios.
Las transformaciones y la organización del texto sin estructura las realiza una herramienta llamada OCTO (Observation Clustering and Taxonomy Organisation), que ayuda a convertir conversaciones abiertas en entidades y categorías útiles para el análisis.
Qué sigue y por qué te importa
Esto es solo el inicio. ATLAS v1.0 abre la puerta a un seguimiento a largo plazo de cómo evolucionan usos, tareas y efectos económicos. La investigación continuará en colaboración con académicos y otros actores.
Importa porque la IA no se comporta como una fuerza automática que lo cambia todo de golpe. Sus efectos dependen de cómo se adopta, quién la usa y para qué. ¿Tu trabajo será complementado o transformado? ¿Qué políticas podrían maximizar beneficios y reducir riesgos? Estas son preguntas prácticas que ATLAS ayuda a responder con datos.
Además, hay mucho uso económico relevante que ATLAS no cubre por completo: productos con miles de millones de interacciones como Google Workspace y Translate, plataformas empresariales y capacidades emergentes como la programación agente y modelos de mundo.
Al final, la lección es sencilla: entender la economía de la IA requiere datos reales y conversación pública para que la tecnología sirva a la mayoría y no solo a unos pocos. ¿Qué idea te sorprende más de estos primeros resultados?
Fuente original
https://blog.google/innovation-and-ai/technology/research/understanding-the-ai-economy