La inteligencia artificial ya no es una promesa lejana ni una herramienta reservada para grandes laboratorios. Se está usando en oficinas, estudios creativos, centros de investigación y tareas manuales en distintos países. Los nuevos datos de Google AI & Economy ATLAS muestran que su adopción cambia según la profesión, la región y el nivel de desarrollo económico.
La IA se adopta de forma distinta en cada país
El proyecto ATLAS reúne millones de datos sobre cómo las personas utilizan la IA en su vida diaria y en el trabajo. Google acaba de presentar una experiencia interactiva de acceso abierto para explorar estas tendencias por ocupación, país y tipo de actividad.
Los datos muestran diferencias llamativas. En India, por ejemplo, las ocupaciones relacionadas con arte, diseño y medios representan el 19% del uso laboral de IA, una proporción 1,6 veces superior al promedio mundial. La industria creativa está aprovechando estas herramientas para generar ideas, producir contenido y acelerar procesos de diseño.
En Estados Unidos ocurre algo diferente. Las profesiones informáticas y matemáticas concentran el 30% del uso laboral de IA, el doble de la proporción registrada en el resto del mundo. Allí, la adopción está más vinculada con programación, análisis de datos y otras tareas técnicas.
¿Significa esto que un país está más avanzado que otro? No necesariamente. La IA se integra en los trabajos que ya tienen mayor presencia en cada economía. En un lugar puede impulsar la programación y en otro apoyar la educación, la administración o la producción creativa.
Qué profesiones están usando más inteligencia artificial
En los países de la Organización para la Cooperación y el Desarrollo Económicos, las ocupaciones informáticas y matemáticas, junto con las operaciones empresariales y financieras, lideran el uso de IA.
En los países que no pertenecen a la OCDE, destacan otras áreas:
- Oficinas y apoyo administrativo.
- Arte, diseño, entretenimiento, deportes y medios.
- Educación y ocupaciones relacionadas con bibliotecas.
La relación entre riqueza y adopción también es visible. En general, los países con mayores ingresos utilizan más IA. Sin embargo, Brasil y Emiratos Árabes Unidos aparecen como excepciones relevantes, con tasas de adopción superiores a las que se esperaría por su producto interno bruto por habitante.
La tecnología tampoco se limita a tareas digitales. En Brasil y Alemania, el 7% del uso laboral de IA está relacionado con diagnósticos de equipos y solución de problemas en actividades manuales. Esa cifra es 1,4 veces el promedio mundial. En Japón, en cambio, representa el 4%.
Este detalle ayuda a desmontar una idea común: la IA no solo trabaja frente a una computadora. También puede servir para identificar fallas, consultar instrucciones técnicas o asistir a personas que operan maquinaria y equipos.
Los científicos ahorran tiempo, pero aparece un nuevo cuello de botella
Google y Google DeepMind, en colaboración con MIT FutureTech, analizaron 2.600 modelos especializados y encuestaron a más de 600 científicos de Estados Unidos y Reino Unido. El objetivo fue entender cómo se utiliza la IA en distintas etapas de la investigación.
El resultado principal es claro: los científicos usan IA con más frecuencia que muchas otras profesiones y casi la mitad afirma utilizar alguna forma de IA todos los días.
En su trabajo conviven dos tipos de herramientas. Los modelos de lenguaje, como Gemini, se emplean de manera amplia en diferentes campos y tareas. Los modelos especializados tienen una presencia relativamente mayor en ciencias de la salud y la vida, sobre todo para predicciones, generación de datos y simulaciones específicas de cada disciplina.
Los científicos también reportan un ahorro de casi siete horas por semana. Ese tiempo podría dedicarse a formular preguntas, analizar resultados o diseñar nuevos experimentos. Pero ahorrar tiempo en una etapa no garantiza que todo el proceso avance al mismo ritmo.
La IA puede generar hipótesis más rápido de lo que los laboratorios pueden validarlas.
La investigación encontró un aumento en el tiempo dedicado a comprobar las respuestas de los sistemas y un acumulamiento de hipótesis pendientes de prueba. Además, surgen límites en etapas como los experimentos físicos y la validación clínica.
Más productividad no significa descubrimientos inmediatos
Este fenómeno no es exclusivo de la ciencia. Cuando una herramienta acelera una tarea, puede trasladar la presión a otra parte del proceso. Un equipo de marketing puede producir más borradores, pero luego necesita más tiempo para revisarlos. Un programador puede generar código rápidamente, aunque también debe probarlo y corregir errores.
Por eso, el impacto real de la IA no depende únicamente de cuántas personas la utilizan. También exige rediseñar los flujos de trabajo, capacitar a los equipos y crear sistemas de revisión que mantengan la calidad.
Un mapa para entender la economía de la IA
La nueva plataforma de ATLAS busca ofrecer una mirada más concreta sobre esta transformación. En lugar de preguntar solamente si la IA reemplazará empleos, permite observar qué tareas están cambiando, quiénes utilizan estas herramientas y qué diferencias existen entre países.
Esa perspectiva resulta más útil para trabajadores, empresas y gobiernos. También ayuda a evitar conclusiones apresuradas. La adopción de IA no ocurre de la misma manera en todas partes y su valor depende del contexto en el que se aplica.
La gran pregunta ahora no es si la IA llegará al trabajo. Ya está allí. El desafío consiste en aprender a incorporarla sin confundir velocidad con progreso y sin olvidar que las personas siguen siendo responsables de revisar, decidir y darle sentido a sus resultados.
Fuente original
https://blog.google/innovation-and-ai/technology/ai/ai-economy-atlas-september-2026