Anthropic publicó la tercera entrega de su Economic Index, esta vez con una metodología nueva. En vez de cortes semanales o mensuales, han muestreado el uso de Claude hora a hora durante el periodo de estudio, y han cruzado eso con una encuesta vinculada al uso real de unos 9.700 usuarios. El retrato resultante es bastante más fino que el típico "qué hacen con la IA en el trabajo".
Qué hay nuevo en los datos
El uso personal de Claude sube del 35% entre semana a casi el 50% los fines de semana. Las preguntas sobre noticias pican a las 7 de la mañana (la gente abre Claude antes que la app del periódico), las recetas son 2,3 veces más frecuentes a las 6 de la tarde, y los consejos sobre sueño tienen su pico a las 5 AM (insomnio). El Tax Day (15 de abril en EE.UU.) multiplicó por 8 las consultas fiscales respecto a la media de mayo. Otro patrón llamativo: el "resume editing" pica en fines de semana, cuando la gente busca trabajo sin que les vea su jefe.
Un 93% de las conversaciones producen un output concreto. Las tres categorías principales: explicaciones (17%), documentos y reports (15%), guidance accionable (11%). El otro 7% son conversaciones exploratorias que no terminan en algo aplicable, lo cual es bajísimo comparado con la imagen de "la IA es un juguete de chat".
Una correlación llamativa: los usuarios que más delegan tareas a Claude son los que más optimismo declaran sobre el impacto de la IA en sus ingresos, estabilidad laboral y propósito. 35% espera que la IA gestione "la mayoría o casi todo" su trabajo en 12 meses, una cifra muy superior a las encuestas generales (donde suele rondar el 10-15%).
Anthropic avisa de sesgo importante: el 30% de los encuestados son perfiles técnicos (computer/mathematical), frente al 4% que representan en el empleo USA. Es decir, este Economic Index retrata sobre todo a developers, data scientists y profesionales con alta familiaridad técnica. Las cifras absolutas hay que leerlas con esa lente; la dirección de los trends probablemente sigue siendo válida.
La lectura honesta
Que el uso personal suba el fin de semana sugiere que Claude ha cruzado la frontera de "herramienta de oficina" a "app de uso diario". Es lo mismo que pasó con Google Search hace 20 años, primero solo en el trabajo, luego en todas partes. La consecuencia es interesante: las métricas relevantes ya no son solo benchmarks de tareas, son patrones de hábito y momento del día.
La correlación delegación-optimismo es ambigua. Una lectura es "quien más usa la IA mejor le va" (selección por uso). Otra es "quien tiene más control sobre su trabajo puede delegar más, y por eso es más optimista" (causalidad inversa). Una tercera, que el paper no descarta: "quien ya es optimista por temperamento adopta nuevas herramientas más rápido" (confusor de personalidad). El paper no separa las tres hipótesis, así que cuidado al usarlo como argumento de venta interno para tu equipo escéptico.
Por qué importa
Si lideras un equipo en España, el dato accionable es el 35% que espera que la IA haga la mayoría de su trabajo en 12 meses. Sea verdad o no, es la expectativa con la que parte de tu gente se levanta cada lunes. Esto cambia dos cosas. Cómo planificas formación (no basta con un curso anual de 8 horas en septiembre). Cómo evalúas rendimiento (las métricas de output van a moverse rápido, OKRs trimestrales en lugar de anuales).
El segundo dato útil: el 93% de las conversaciones producen output concreto. Si en tu empresa Claude o cualquier otro modelo todavía se usa solo como "buscador mejor", estás dejando el grueso del valor fuera. Las tres categorías top (explicaciones, documentos, guidance) son las que más se prestan a procesos repetibles vía skills, agentes o prompts compartidos. Una empresa de 50 empleados que monta 5 skills internos compartidos para sus outputs más frecuentes puede ahorrar entre 30 y 50 horas de trabajo a la semana. Una de 300 empleados con un equipo de IA dedicado, hablamos de 200+ horas semanales.
Tercer ángulo: el patrón de uso fines de semana sugiere que tu gente joven está usando IA personal con su propia cuenta personal cuando podría estar usándola en el trabajo y no lo hace. Eso suele ser señal de fricción interna (políticas restrictivas, falta de licencias, miedo a usarla mal) o desalineación cultural. Diagnosticarlo es barato y arregla mucho.
Qué hacer
- Identifica esta semana los 3 outputs concretos que tu equipo produce más a menudo (informes mensuales, propuestas comerciales, emails de seguimiento, documentación interna) y crea un prompt o skill compartido para cada uno. Mide tiempo antes y después en una persona durante 2 semanas.
- Pregunta a tu equipo qué hace con IA un sábado por la tarde con su cuenta personal. El gap entre uso personal y uso laboral te dice dónde tienes fricción interna (políticas, licencias, miedo a equivocarse) y es donde más fácil ganas adopción.
- Si tu plan de formación es "un curso al año": divídelo en sprints de 2-4 semanas con outputs medibles (un skill construido, un workflow automatizado, un proceso documentado). La velocidad del campo no admite ciclos anuales, y la gente aprende haciendo, no asistiendo.