El MIT ha publicado la primera tanda de resultados de un estudio que mide la automatización con IA preguntando a los propios trabajadores. Son más de 6.000 tareas y más de 60.000 evaluaciones, y la conclusión es que la IA avanza como una marea que sube en todas partes a la vez.
Puntos clave
- El trabajo lo firman Matthias Mertens, Adam Kuzee, Brittany S. Harris, Harry Lyu, Wensu Li, Jonathan Rosenfeld, Meiri Anto, Martin Fleming y Neil Thompson, del grupo FutureTech del MIT. Se publicó el 21 de julio de 2026.
- Las tareas salen de la taxonomía O*NET del Departamento de Trabajo estadounidense y las evalúan trabajadores con experiencia en cada oficio.
- En el segundo trimestre de 2024, los modelos resolvían con éxito alrededor del 60% de tareas que a una persona le llevan hora y media. En el tercero de 2025, por encima del 70%.
- La proyección para 2030 es entre el 88% y el 97% en la mayoría de tareas de texto, con calidad mínima aceptable.
Marea que sube, no ola que rompe
La pregunta del estudio es si la IA avanza a saltos bruscos en dominios estrechos o de forma continua y ancha. La respuesta que encuentran es la segunda: poca evidencia de saltos abruptos, mucha de mejora sostenida repartida por todas partes.
Esa distinción importa más de lo que parece. Si el avance fuera a saltos, la estrategia sería esperar sentado a que salga el modelo que resuelva tu problema. Si es una marea, la estrategia es meterse ya, porque el mismo proceso que hoy funciona a medias funcionará mejor cada trimestre sin que tú toques nada.
El matiz de "calidad mínima aceptable"
Es la letra pequeña que se pierde en los titulares. La proyección del 88% al 97% se refiere a alcanzar la calidad mínima aceptable, no la calidad de un profesional bueno.
Es exactamente la diferencia que uno se encuentra en la práctica. Un modelo redacta un email aceptable en el 90% de los casos. Redactar el email que tú habrías escrito, con el matiz correcto para ese cliente concreto, es otra distribución. Por eso los sistemas que funcionan en empresa casi siempre llevan a alguien revisando la salida, y por eso el ahorro real está en el primer borrador, no en el envío.
De 60% a 70% en cinco trimestres
Ese es el dato que conviene retener. Diez puntos en poco más de un año, medidos por gente que hace ese trabajo.
Es un ritmo que hace que cualquier evaluación de herramientas caduque rápido. Si probaste una automatización hace un año, la descartaste porque fallaba demasiado y no has vuelto a mirarla, tu decisión está basada en datos viejos.
El estudio también cruza con otro trabajo del MIT Sloan sobre asesoramiento financiero con IA: mejora a la mayoría de usuarios, pero abre brechas de entre el 4% y el 5% en riqueza acumulada para la jubilación según cómo se pregunte. La herramienta ayuda más a quien ya sabe qué preguntar, que es el mismo patrón que MIT y Stanford encontraron en IA médica.
Por qué importa
Tres cosas aplicables si diriges una empresa.
Una: revisa cada seis meses lo que descartaste. Con diez puntos de mejora en cinco trimestres, la lista de "esto todavía no funciona" caduca sola.
Dos: el 88%-97% de 2030 es una proyección, no una promesa. Los que salen en el estudio son tareas de texto acotadas, no procesos completos con excepciones, sistemas legados y clientes cabreados de por medio.
Y tres: si la herramienta ayuda más a quien ya sabe, la inversión que más rinde no es la licencia, es la formación. Es lo que se ve cada vez que se mete IA en un equipo: los mismos modelos, los mismos datos, y resultados que se separan según quién sepa qué pedir.
Relacionado
