La IA se difundió más rápido que Internet – pero el 62% de los usuarios se quedaron en la salida

En abril de 2026, Stanford HAI publicó su noveno informe anual AI Index Report – la síntesis más completa sobre el estado de la industria de la inteligencia artificial. Los titulares son previsiblemente optimistas: la adopción empresarial alcanzó el 88%, la IA generativa superó a Internet en velocidad de difusión, y el valor para los consumidores de las herramientas GenAI se estima en 172.000 millones de dólares anuales. Pero al mirar detrás de las cifras, aparece un problema conocido.

En mysummit.school analizamos en detalle los datos de Epoch AI / Ipsos en un artículo aparte: el 62% de los usuarios aplican la IA de forma superficial – para una o dos tareas rápidas. Ahora, el Stanford AI Index 2026 proporciona contexto para esa cifra. La adopción se produjo. Las herramientas están disponibles. Las inversiones baten récords. Y, sin embargo, la mayoría de las personas no ha avanzado más allá del primer contacto.

Este es el primer artículo de la serie “Stanford AI Index 2026”. Trata sobre la paradoja de la adopción masiva: cómo una tecnología que se difunde más rápido que cualquier predecesora logra dejar atrás a quienes formalmente ya la usan.

De qué trata el informe

El Stanford AI Index es un informe anual basado en hechos que agrega datos de decenas de fuentes: desde McKinsey y Epoch AI hasta bases gubernamentales y publicaciones académicas. La novena edición se publicó en abril de 2026 y cubre datos de 2025.

Qué distingue la novena edición de la octava. El AI Index 2025 del año anterior (octava edición, datos de 2024) capturó un punto de inflexión: la adopción empresarial saltó del 55% al 78% en un año, los costes de computación se convirtieron en la principal barrera, y el coste de inferencia cayó 280 veces desde 2023. En aquel momento, la narrativa principal era el salto en las capacidades de los modelos – SWE-bench pasó del 4,4% al 71,7%.

En 2026, el foco cambió. Los benchmarks técnicos siguen subiendo, pero la historia principal es la adaptación – quién adoptó realmente la IA, a qué velocidad ocurre y qué valor crea (o no crea). Por primera vez, el informe dedica un capítulo entero al valor para el consumidor de la GenAI, y el tema “IA y empleo” recibió considerablemente más datos que antes.

Una velocidad que ninguna tecnología había alcanzado

Empecemos por lo que realmente impresiona. La IA generativa alcanzó el 53% de cobertura poblacional en tres años. Al ordenador personal le costó casi 15 años, a Internet – alrededor de diez. Ninguna tecnología de consumo se ha difundido jamás a esta velocidad.*

Y no estamos hablando de un abstracto “conocimiento de su existencia”. El valor para los consumidores de las herramientas GenAI, según el AI Index, es de 172.000 millones de dólares anuales para los consumidores estadounidenses. El valor mediano por usuario se triplicó entre 2025 y 2026. Cuatro de cada cinco estudiantes universitarios usan IA generativa en sus estudios.

Pero aquí es donde se pone interesante. La velocidad de adopción es desigual – y la brecha entre países resulta mayor de lo esperado. Singapur lidera con un 61% de uso regular de GenAI, Emiratos Árabes Unidos con un 54%. Y Estados Unidos, a pesar de ser donde se crea la gran mayoría de herramientas e inversiones, ocupa apenas el puesto 24 con un 28,3%.

Piénselo: el país que produce ChatGPT, Gemini, Claude y Copilot queda más del doble por detrás de Singapur en nivel de adopción. Esta no es una historia de “liderazgo tecnológico = liderazgo de usuario”. Crear tecnología y adoptar tecnología resultan ser habilidades completamente distintas.

* La comparación es aproximada – los datos de PC e Internet usan metodologías diferentes, y el AI Index lo reconoce. Pero la diferencia de orden de magnitud es reveladora.

Año a año: AI Index 2025 vs 2026

Las cifras se vuelven aún más elocuentes cuando se colocan ambos informes uno al lado del otro.

La adopción empresarial creció del 78% al 88%. Un año antes, este indicador saltó del 55% al 78% – y eso ya parecía vertiginoso. Diez puntos porcentuales en un año sobre una base ya alta significa que la IA ha dejado de ser un “experimento para pioneros” y se ha convertido en norma operativa. El 88% de las organizaciones declaran usar IA de alguna forma.

Noten la formulación – “de alguna forma”. Volveremos a esto.

La inversión privada creció de 109.100 millones a 285.900 millones de dólares – un aumento de 2,6 veces en un año. En 2024 (AI Index 2025), las inversiones en GenAI sumaban 33.900 millones. El total de inversión privada en IA para 2025 – 285.900 millones – supera el PIB de muchos países. El motor principal es la infraestructura: centros de datos, computación, chips. El dinero fluye hacia los cimientos, no hacia las aplicaciones.

El número de incidentes de IA sigue creciendo. En 2024, el AI Index registró 233 casos (deepfakes, filtraciones de datos, errores de automatización). La tendencia de 2025 va en la misma dirección – más uso significa más incidentes. No es una catástrofe, pero es el coste del escalado que rara vez se incluye en los modelos de ROI.

Para quienes construyeron su caso de negocio con los datos del año anterior – analizamos la metodología de justificación del ROI con cifras concretas de Google Cloud. Los datos del AI Index 2026 refuerzan el argumento: el mercado se duplica, no se estabiliza.

Los números por sí solos son contexto. Qué hacer con ellos en la práctica es una habilidad aparte.

La paradoja de la profundidad: el 88% adoptó, el 62% se quedó atascado

Y aquí llegamos a la contradicción central. El 88% de las organizaciones usa IA. La IA generativa superó a Internet en velocidad de adopción. Las inversiones se triplicaron. Los estudiantes han integrado ChatGPT en sus estudios. Todo apunta a una adopción masiva.

Pero.

Los datos de Epoch AI / Ipsos, que analizamos en detalle en abril, pintan un cuadro diferente: el 62% de los usuarios de IA la emplean al nivel de “una o dos tareas rápidas”. Solo el 5,6% se apoya en la IA en serio – de forma regular, en profundidad, para procesos de trabajo esenciales.

Esto no es una contradicción entre dos informes. Es la misma realidad vista desde ángulos distintos. El Stanford AI Index cuenta la “adopción” – la organización usa IA de algún modo. Epoch AI cuenta la “profundidad” – cómo una persona concreta trabaja realmente con esa IA. Y la brecha entre “de algún modo” y “en serio” resulta ser enorme. Incluso entre empresas con ingresos superiores a 5.000 millones de dólares, solo el 10% ha “desplegado completamente” la IA. En empresas más pequeñas – del 3 al 5%.

Yo lo llamaría la paradoja de la accesibilidad: cuanto más fácil es probar una tecnología, más personas se quedan en la etapa de “la probé”. La barrera de entrada desapareció – pero eso no ayudó con la barrera de profundización. Cualquiera puede abrir ChatGPT y hacer una pregunta. Reestructurar un proceso de trabajo a su alrededor es una tarea completamente diferente.

El Stanford AI Index confirma indirectamente esta brecha. Los datos de valor para el consumidor muestran que el valor mediano por usuario se triplicó – pero es una mediana que incluye también a los usuarios intensivos, que crean un valor desproporcionado. Si el 5,6% usa la IA diez veces más intensamente que el resto, son ellos quienes mueven la mediana, incluso si el 62% restante no se mueve.

La productividad sube – mientras los puestos junior desaparecen

Otro tema del AI Index 2026 que merece examinarse por separado. El informe registra ganancias de productividad consistentes: del 14% al 26% según el sector. Atención al cliente y desarrollo de software son las dos áreas donde el efecto se ha medido con mayor fiabilidad.

Es una buena noticia – pero tiene una cara oculta.

En esas mismas áreas – atención al cliente y desarrollo – el número de puestos junior está empezando a disminuir. El informe aporta una cifra concreta: el empleo entre desarrolladores estadounidenses de 22 a 25 años ha caído casi un 20% desde 2022. No es una recesión. Es un cambio estructural.

El mecanismo es claro: la IA asume las tareas que antes realizaban los especialistas principiantes. Borradores de documentos, primera línea de soporte, código de plantilla, analítica básica. Son precisamente las tareas con las que los juniors aprendían y demostraban su valor. Cuando la IA las hace más rápido y más barato, la demanda de principiantes disminuye – aunque la demanda de especialistas experimentados aumente.

Para los managers, esto crea un dilema poco evidente. La productividad del equipo puede crecer gracias a la IA, pero el pipeline de formación de nuevos talentos se estrecha al mismo tiempo. ¿Quién será especialista experimentado en tres a cinco años si hoy quedan menos tareas con las que los principiantes puedan crecer?

Esto no es un razonamiento abstracto. Analizamos el coste real de las herramientas de IA para equipos de desarrollo – y la misma lógica se aplica: una herramienta que ahorra tiempo al senior reduce simultáneamente el espacio de crecimiento del junior. Eficiencia y desarrollo entran en conflicto.

La paradoja de la profundidad y el impacto en el empleo son dos caras del mismo problema: la herramienta es accesible, pero la habilidad para usarla – no lo es.

Qué significa esto para un manager

De todas las cifras del AI Index 2026, destacaría tres conclusiones con relevancia directa para las decisiones de gestión.

“Adoptamos la IA” ya no es un argumento. Cuando el 88% de las organizaciones ya usan IA, la adopción por sí sola no crea ventaja competitiva. La ventaja reside en la profundidad – en si la organización ha pasado de “tenemos ChatGPT” a “la IA está integrada en tres procesos clave y medimos resultados”. La mayoría no ha dado ese paso. Es una oportunidad para quienes lo den.

La velocidad de adopción engaña. El 53% de cobertura en tres años es fenomenal como número en una diapositiva y prácticamente irrelevante como métrica de impacto real. Porque “usar” y “obtener valor” son cosas diferentes. Cuatro de cada cinco estudiantes usan GenAI, pero eso no significa que cuatro de cada cinco sean más productivos. Una métrica de adopción sin métrica de profundidad es la mitad de la foto.

La ventana de los experimentos baratos se cierra, pero la ventana de la profundidad está abierta. Las inversiones crecieron de 109.000 a 286.000 millones en un año. La infraestructura se encarece. La competencia por el talento se intensifica. El coste del error sube – no porque las herramientas hayan empeorado, sino porque las apuestas son más altas. Sin embargo, la brecha entre “uso superficial” y “uso sistemático” sigue determinada no por el presupuesto, sino por las habilidades. El 62% no se quedó atascado por falta de dinero para una suscripción.

Qué viene en la serie

Este es el primero de cinco artículos sobre el Stanford AI Index 2026. En los siguientes:

• La economía de los modelos: cómo la caída de 280x en el coste de inferencia cambia el cálculo del ROI
• La frontera dentada de las capacidades: matemáticas olímpicas – sí, reloj analógico – no
• La brecha de percepción: el 73% de los expertos cree en la IA, el 23% del público general
• La brecha educativa: por qué el 80% de los estudiantes usa IA, pero la educación formal se queda atrás

Cada uno de estos temas influye en cómo un manager debería tomar decisiones de adopción de IA – no “en general”, sino concretamente: qué comprar, a quién contratar, qué esperar.