TL;DR: Dos conjuntos de datos públicos independientes, puestos uno al lado del otro, dicen algo incómodo. El Pew Research Center hace a los estadounidenses la misma pregunta sobre inteligencia artificial desde 2021: ¿está más preocupado que entusiasmado, más entusiasmado que preocupado, o ambas cosas por igual? La respuesta se movió con fuerza una sola vez, del 37 por ciento más preocupados en 2021 al 52 por ciento en 2023, y luego se detuvo: 51 por ciento en 2024, 50 por ciento en 2025, 52 por ciento en 2026. En esa misma ventana de 2023 a 2026, la Business Trends and Outlook Survey de la Oficina del Censo registró que el uso empresarial de IA pasó del 3,7 al 19,8 por ciento. Dieciséis puntos de experiencia nueva produjeron cero puntos de cambio neto de actitud. La historia se escribió pronto, sobre evidencia delgada, y después se mantuvo. Este artículo nombra los cuatro relatos que la gente realmente ejecuta, adjunta a cada uno una prueba de falsación y ofrece un protocolo para auditar el propio. No se trata de optimismo. Se trata de que una historia infalsable sobre la IA decide en silencio qué experimentos haces, y los experimentos deciden tus próximos cinco años.
Existe ahora mismo, en todas partes, cierto tipo de conversación profesional. Alguien dice una frase sobre inteligencia artificial que suena a observación y que en realidad es una predicción, y esa predicción nunca se ha puesto a prueba. “Lo va a reemplazar todo.” “Es sobre todo humo.” “Esperaré a que la cosa se asiente.” Cada una se presenta como una lectura de la realidad. Cada una es en verdad una historia, y cada historia ya está trabajando: decide qué intentará y qué no intentará esa persona este trimestre.
Merece tomarse en serio, porque ya hay suficientes datos públicos para comprobar si las historias siguen al mundo. No lo siguen.
El relato quedó fijado antes de que llegara la experiencia
Empecemos por la serie de actitudes. El Pew Research Center formula a los adultos estadounidenses una pregunta constante desde 2021 sobre el uso creciente de la IA en la vida cotidiana. En su oleada de junio de 2026, realizada del 22 al 28 de junio de 2026 con 3.488 adultos estadounidenses del American Trends Panel, el 52 por ciento dijo estar más preocupado que entusiasmado, el 37 por ciento igual de preocupado y entusiasmado, y el 9 por ciento más entusiasmado que preocupado.
Lo interesante no es el nivel. Es la forma de la tendencia.
| Año (Pew Research Center, adultos de EE. UU.) | Más preocupados que entusiasmados |
|---|---|
| 2021 | 37 % |
| 2022 | 38 % |
| 2023 | 52 % |
| 2024 | 51 % |
| 2025 | 50 % |
| 2026 | 52 % |
Datos verificados. Fuente: Pew Research Center, tendencia de la preocupación por el uso creciente de la IA en la vida cotidiana, oleada de junio de 2026.
Todo el movimiento ocurre en un solo paso, entre 2022 y 2023: más 14 puntos. Después, cuatro años en los que esencialmente no pasa nada. La lectura de 2026 es idéntica a la de 2023.
Ahora coloca al lado la serie de comportamiento. La Oficina del Censo empezó a preguntar directamente a las empresas por su uso de IA en la Business Trends and Outlook Survey en septiembre de 2023. El documento de trabajo de la propia Oficina del Censo sobre esa primera ventana, de Bonney, Breaux, Buffington, Dinlersoz, Foster, Goldschlag, Haltiwanger, Kroff y Savage, informa de un aumento del 3,7 por ciento de las empresas en septiembre de 2023 al 5,4 por ciento en febrero de 2024. En la publicación que cubre de diciembre de 2025 a mayo de 2026, el uso general se situó entre el 17 y el 20 por ciento, con una media nacional del 19,8 por ciento a 3 de mayo de 2026, y entre el 20 y el 23 por ciento de las empresas esperaba usar IA en seis meses.
Une las dos.
| Ventana | Relato: proporción más preocupados que entusiasmados (Pew) | Comportamiento: proporción de empresas de EE. UU. que usan IA (Censo BTOS) |
|---|---|---|
| 2021 a 2023 | 37 % a 52 %, +15 puntos (1,41x) | No medido; la pregunta sobre IA del BTOS empezó en septiembre de 2023 |
| Septiembre 2023 a mayo 2026 | 52 % a 52 %, 0 puntos (1,00x) | 3,7 % a 19,8 %, +16,1 puntos (5,35x) |
Marco editorial de CEOtudent: derivado de unir la serie de actitudes del Pew Research Center con la serie de adopción de la Business Trends and Outlook Survey de la Oficina del Censo. Ninguna fuente establece esta comparación. Multiplicadores calculados a partir de las cifras publicadas.
Lee otra vez esa segunda fila. La adopción empresarial creció más de cinco veces. La actitud pública neta no se movió en absoluto.
Ninguna de las dos instituciones afirma un vínculo causal, ni debería. Actitudes y adopción empresarial son poblaciones distintas medidas de formas distintas. Aun así, el patrón dice algo que sobrevive a las salvedades: el cambio brusco de actitud ocurrió en el año en que casi nadie tenía experiencia organizativa directa con la tecnología, y los años de experiencia real no produjeron ningún cambio neto adicional. Fuera lo que fuera lo que formó la historia en 2023, no fue el uso. Y el uso no la ha revisado desde entonces.
Lo mismo ocurre dentro de los individuos, no solo en las poblaciones
Una encuesta nacional no puede mostrarte el mecanismo. Un ensayo aleatorizado sí.
En 2025, METR realizó un ensayo controlado aleatorizado con 16 desarrolladores de código abierto experimentados sobre 246 incidencias reales en repositorios grandes, con una media de más de 22.000 estrellas y más de un millón de líneas de código. Los desarrolladores fueron asignados al azar, incidencia por incidencia, a trabajar con o sin herramientas de IA. Salieron tres cifras.
Antes de empezar, los desarrolladores pronosticaron que la IA los aceleraría un 24 por ciento. Medido, tardaron un 19 por ciento más con herramientas de IA. Después, recién vivido el experimento, seguían creyendo que la IA los había acelerado un 20 por ciento.
Esa tercera cifra es la que importa aquí. La experiencia directa de haber sido ralentizado no sobrescribió la creencia de haber sido acelerado. La historia sobrevivió al contacto con la evidencia, en las mismas personas que habían generado esa evidencia.
La honestidad exige la actualización: la propia METR ha dicho que este resultado está desfasado. En febrero de 2026 la organización publicó una nota explicando que su experimento de seguimiento, con una cohorte mayor de 57 desarrolladores y más de 800 tareas usando herramientas de finales de 2025, produjo un efecto mucho menor, en torno al 4 por ciento más lento con un intervalo de confianza que va del 15 por ciento más lento al 9 por ciento más rápido, y que estos datos nuevos son una señal poco fiable porque una parte significativa de los desarrolladores ya rechaza participar en un estudio que les obligaría a trabajar sin IA. La posición actual de METR es que los desarrolladores probablemente se aceleran más en 2026 de lo que sugería el ensayo de 2025.
Toma eso en serio y el titular de productividad se disuelve. Lo que no se disuelve es la brecha de percepción. La revisión afecta a cuánto ayuda la IA. No toca el hallazgo de que la estimación de las personas sobre el efecto de la IA en su propio trabajo estaba equivocada en unos 39 puntos porcentuales, en la dirección de su historia previa, inmediatamente después de vivir la medición. Si el autoinforme sobre la IA no es fiable en un grupo de ingenieros experimentados que repasan las dos horas anteriores, no es más fiable en ti, repasando los dos años anteriores.
Este es el vínculo práctico con lo que la investigación dice que le ocurre a tu cerebro cuando la IA piensa por ti: la sensación del efecto de una herramienta se genera de forma separada del efecto.
Más exposición no produjo más calma
Si la versión tranquilizadora fuera cierta, quienes más usan la IA serían los menos preocupados. Los datos por edad de Pew para 2026 van en sentido contrario.
| Grupo de edad (Pew, 2026) | Más preocupados | Más entusiasmados | La IA reducirá el empleo, 2024 | La IA reducirá el empleo, 2026 | Variación |
|---|---|---|---|---|---|
| 18 a 29 | 55 % | 11 % | 61 % | 73 % | +12 puntos |
| 30 a 49 | 51 % | 12 % | 66 % | 74 % | +8 puntos |
| 50 a 64 | 47 % | 8 % | 69 % | 72 % | +3 puntos |
| 65 y más | 59 % | 4 % | 58 % | 63 % | +5 puntos |
Datos verificados, Pew Research Center, oleada de junio de 2026; columna de variación calculada por CEOtudent a partir de las cifras publicadas de 2024 y 2026.
Los adultos más jóvenes, el grupo con mayor uso declarado de asistentes conversacionales, fueron los que más se desplazaron hacia el pesimismo laboral entre 2024 y 2026: más 12 puntos, cuatro veces el desplazamiento del grupo de 50 a 64 años. En el conjunto de los adultos, la proporción que espera que la IA reduzca el empleo pasó del 64 por ciento en 2024 al 71 por ciento en 2026, frente a un 5 por ciento que espera más empleo.
La exposición no es un sedante. Eso liquida la idea cómoda de que la gente se preocupa por la IA porque no la ha probado. Muchos de los más preocupados son quienes más la han probado.
También liquida la idea espejo, la que sostiene que la preocupación es simplemente correcta porque los preocupados serían los informados. La preocupación subió 14 puntos el año anterior a la experiencia y no se ha movido en los tres años transcurridos desde entonces. Si la preocupación siguiera a la evidencia, se habría movido cuando llegó la evidencia.
Ambas son historias. Ninguna es una lectura.
Los cuatro relatos y la prueba que cada uno suspende
Aquí está el punto operativo. Estás ejecutando uno de ellos. La mayoría identifica el suyo en unos diez segundos, y casi nadie le ha adjuntado nunca una prueba.
| Relato | La frase que lo sostiene | Lo que predice en silencio | El comportamiento que produce | Prueba de falsación |
|---|---|---|---|---|
| Catástrofe | “Se llevará mi trabajo, así que esforzarse no sirve.” | Desplazamiento rápido, amplio y uniforme | Retirada; ningún experimento; entrega anticipada de terreno todavía no perdido | Nombra una tarea de tus últimos 90 días que la IA completara de principio a fin sin revisión ni corrección. Si no puedes, tu predicción va por delante de tu evidencia. |
| Humo | “En realidad no sabe hacer nada; es una burbuja.” | Meseta de capacidades más o menos en el nivel actual | Rechazo; ninguna construcción de destreza; sorpresa cuando un colega entrega | Nombra una tarea que te negaste a probar en los últimos 90 días. Pruébala una vez. Anota el resultado antes de interpretarlo. |
| Espectador | “Me implicaré cuando la cosa se asiente.” | Un estado final estable que llegará pronto | Aplazamiento; nada se acumula; entrada justo cuando la ventaja ya se ha ido | Escribe el hecho observable concreto que te dirá que la cosa se ha asentado. Si no puedes escribirlo, la condición no es una condición, es una excusa permanente. |
| Operador | “Cambia qué partes de mi trabajo son escasas.” | Desplazamientos desiguales a nivel de tarea, algunos rápidos, otros nunca | Pruebas a nivel de tarea; medición; puntos de control | Enumera las tareas en las que tu revisión todavía detecta errores. Si esa lista está vacía, no estás revisando, estás aprobando. |
Auditoría de Relato de CEOtudent. Marco editorial, no datos de encuesta. Construido a partir de la tesis de que la unidad operativa del impacto de la IA es la tarea, no el puesto.
Dos cosas son deliberadas en esa tabla.
Primera, la prueba que cada relato suspende es una medición, no un argumento. No se sale de un relato razonando, porque el relato es lo que hace tu razonamiento. Los 16 desarrolladores del ensayo de METR no pudieron salir del suyo razonando mientras estaban sentados sobre los datos de cronometraje. Lo que rompe un relato es una observación concreta, fechada y escrita que ese relato no predijo.
Segunda, el relato Operador no es el optimista. Es el único de la lista que puede estar equivocado de una manera que notarías. Catástrofe, Humo y Espectador son, tal como se sostienen habitualmente, infalsables: el desplazamiento siempre está por llegar, la burbuja siempre está a punto de estallar, la cosa todavía no se ha asentado. El Operador formula afirmaciones a nivel de tarea, lo bastante pequeñas para comprobarlas antes del viernes.
Esa es la mitad CEO de la tesis trabajando junto a la mitad estudiante. Una directora no necesita ser optimista; necesita una posición revisable con evidencia. Un estudiante no necesita estar seguro; necesita seguir ejecutando el experimento. La certeza sin prueba no es ninguna de las dos.
Por qué la historia trabaja más que la tecnología
Piensa en lo que los cuatro relatos determinan realmente.
Determinan qué tareas intentas. Quien sostiene Catástrofe no construye un flujo de trabajo, porque construir es inútil si el resultado está fijado. Quien sostiene Humo no prueba, porque probar sería una concesión. Quien sostiene Espectador no empieza, porque empezar sería prematuro. Los tres llegan al mismo comportamiento por tres caminos distintos: en su semana no cambia nada.
Determinan qué adviertes. Una historia es un filtro antes de ser una conclusión. Si tu historia dice que las herramientas no sirven, un buen resultado se lee como casualidad y uno malo como confirmación. No es un defecto de carácter; es el corriente sesgo de la primera conclusión operando en una escala de tiempo más larga.
Determinan qué puedes escuchar de otras personas. El efecto más caro de un relato bloqueado es que hace que la información precisa de tus colegas suene o a pánico o a venta, según hacia dónde corte.
Nada de esto afirma nada sobre lo capaces que son los sistemas de IA. Esa pregunta está abierta, disputada y en gran medida fuera de tu control. Qué experimentos haces este trimestre está enteramente dentro de él.
La auditoría: cinco movimientos, unas dos horas
Este es el protocolo. Es deliberadamente mecánico, porque el autoexamen discrecional es justo aquello de lo que el resultado de METR aconseja desconfiar.
Uno. Escribe tu frase. Una línea, con tus propias palabras, sobre lo que la IA significa para tu trabajo en los próximos tres años. No la pulas. La versión sin pulir es la que está funcionando.
Dos. Nombra la predicción que contiene. Cada frase de la tabla anterior contiene una afirmación sobre el mundo con una escala temporal adjunta. Extrae la tuya y escribe la escala de forma explícita. “Pronto” no es una escala temporal.
Tres. Escribe la prueba de falsación. ¿Qué cosa observable y concreta tendría que ocurrir para que concluyeras que tu frase es falsa? Si nada la haría falsa, párate aquí. No tienes una postura, tienes un estado de ánimo, y el resto del protocolo no puede ayudarte.
Cuatro. Ejecuta tres pruebas a nivel de tarea en 30 días. No pruebas de herramientas, pruebas de tareas. Elige tres cosas que realmente haces, definidas de forma lo bastante estrecha para cronometrarlas. Haz cada una una vez con IA y una vez sin ella. Anota los tiempos y el esfuerzo de corrección en el momento de hacerlo, no a final de mes. En eso consiste el diario de decisiones: el registro debe hacerse antes de la interpretación.
Cinco. Relee tu frase contra el registro. No contra tu recuerdo del mes. Contra el registro escrito. La distancia entre ambos es el tamaño de tu trampa narrativa, y se mide igual que se midió la brecha de 39 puntos de los desarrolladores.
La mayoría de quienes hacen esto descubren que su frase acierta en la dirección y se equivoca de forma drástica en el alcance. Los de Catástrofe encuentran una tarea realmente desaparecida y once intactas. Los de Humo encuentran una tarea realmente transformada y el resto sin cambios. Ambos descubren lo mismo: la respuesta honesta nunca estuvo en el nivel del puesto. Siempre estuvo en el nivel de la tarea, que es también donde debe tomarse la decisión sobre qué elecciones delegar y cuáles no automatizar nunca.
Qué añade el panorama global
Una corrección al marco estadounidense. La encuesta de Pew en 25 países publicada en octubre de 2025 encontró una mediana del 34 por ciento de adultos más preocupados que entusiasmados, un 42 por ciento igual de preocupados y entusiasmados, y un 16 por ciento más entusiasmados que preocupados. Estados Unidos se sitúa en el extremo pesimista de esa distribución, junto a Italia, Australia, Brasil y Grecia, donde alrededor de la mitad de los adultos están más preocupados que entusiasmados.
Esto importa a cualquiera que lea fuera de Estados Unidos por dos razones. Significa que los datos de actitud estadounidenses no son una constante global, y significa que el relato que has absorbido depende en parte de dónde procede tu información y no de lo que hace la tecnología. Una historia que alcanza el 52 por ciento en un país y se acerca a un tercio en 25 países no es una lectura de la tecnología. Es una lectura de un entorno mediático.
La misma encuesta encontró una división en la que vale la pena detenerse: en Corea del Sur, el 39 por ciento de quienes estaban más informados sobre IA se declaraban más entusiasmados que preocupados, frente al 19 por ciento de los menos informados. El conocimiento corta en direcciones distintas en lugares distintos. Es otra prueba de que la historia no se deriva del objeto.
El resumen incómodo
La evidencia reunida aquí sostiene cuatro afirmaciones y ninguna más.
La preocupación estadounidense por la IA subió una vez, con fuerza, el año anterior a la adopción organizativa masiva, y ha permanecido plana durante los tres años de adopción posteriores. La adopción empresarial en esa ventana plana creció más de cinco veces. En un entorno controlado, las estimaciones de profesionales experimentados sobre el efecto de la IA en su propio trabajo estaban equivocadas en unos 39 puntos porcentuales, en la dirección de su expectativa previa, inmediatamente después del hecho. Y una mayor exposición entre los adultos más jóvenes coincidió con más pesimismo laboral, no con menos.
Nada de esto te dice si debes preocuparte. Te dice que lo que sientes ahora mismo sobre la IA probablemente no lo produjo la evidencia, es improbable que la evidencia lo revise y, aun así, está decidiendo qué vas a intentar.
La corrección no es una actitud mejor. Es una actitud comprobable. Escribe la frase, extrae la predicción, adjunta la prueba, ejecuta tres tareas, lee el registro. Lo que sobreviva a eso es una postura. Todo lo demás es una historia que ha estado tomando tus decisiones por ti.
Preguntas frecuentes
¿Es este un argumento para ser más optimista sobre la IA?
No. La evidencia aquí trata de la relación entre creencia y comportamiento, no de qué creencia es correcta. Una visión pesimista que formula predicciones falsables a nivel de tarea es mejor que una optimista que no formula ninguna. El relato Operador de la tabla no se define por su conclusión, sino por ser comprobable.
¿De dónde sale la brecha de 39 puntos porcentuales?
Es la distancia entre el resultado medido del ensayo de METR, con desarrolladores tardando un 19 por ciento más con herramientas de IA, y la creencia de esos mismos desarrolladores tras el estudio de que la IA los había acelerado un 20 por ciento. La resta es directa; las cifras son de METR. Ten en cuenta la declaración de la propia METR de febrero de 2026 de que el resultado de productividad está desfasado y que los desarrolladores probablemente son más rápidos con herramientas de 2026. La parte que se sostiene es la brecha de percepción.
¿La comparación entre Pew y el Censo demuestra que la experiencia no cambia las opiniones?
No lo demuestra, y el artículo no reclama ninguna demostración. Las dos series miden poblaciones distintas, individuos y empresas, con instrumentos distintos. Lo que la comparación establece es más estrecho y sigue siendo útil: durante un periodo de crecimiento grande y documentado del uso organizativo de la IA, la actitud pública neta en el mismo país no se movió. Cualquier explicación de las actitudes públicas hacia la IA tiene que dar cuenta de eso.
Ya uso IA a diario. ¿Me aplica la auditoría de relato?
Especialmente. El uso intensivo es compatible con los cuatro relatos, incluido Catástrofe, donde el uso es resignado, y Humo, donde el uso es superficial y no medido. Los datos por edad de 2026 lo hacen concreto: el grupo que más usa asistentes conversacionales es también aquel cuyo pesimismo laboral más subió. El uso no es una postura.
¿Y si mi prueba de falsación vuelve y mi historia era correcta?
Entonces has convertido un estado de ánimo en un hallazgo, que es todo el objetivo. Un pesimismo comprobado es un activo: te dice exactamente qué terreno dejar de defender y cuál sostener. El modo de fallo al que apunta este artículo no es equivocarse. Es no poder distinguirlo.
Fuentes
Pew Research Center, encuesta a 3.488 adultos estadounidenses realizada del 22 al 28 de junio de 2026 en el American Trends Panel, sobre preocupación y entusiasmo ante la inteligencia artificial y expectativas laborales por grupo de edad.
Pew Research Center, síntesis de hallazgos clave sobre cómo ven los estadounidenses la inteligencia artificial, marzo de 2026, incluido el uso de IA en el trabajo y la frecuencia de interacción con IA.
Pew Research Center, encuesta a adultos de 25 países sobre opiniones acerca de la inteligencia artificial, publicada en octubre de 2025, con las medianas internacionales de preocupación y entusiasmo.
Oficina del Censo de los Estados Unidos, Business Trends and Outlook Survey, estimaciones de uso de inteligencia artificial para el periodo de diciembre de 2025 a mayo de 2026, con desgloses nacional, por tamaño de empresa y por sector.
Kathryn Bonney, Cory Breaux, Catherine Buffington, Emin Dinlersoz, Lucia Foster, Nathan Goldschlag, John Haltiwanger, Zachary Kroff y Keith Savage, Tracking Firm Use of AI in Real Time: A Snapshot from the Business Trends and Outlook Survey, Documento de Trabajo CES-24-16 del Center for Economic Studies de la Oficina del Censo de los Estados Unidos, marzo de 2024.
METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, ensayo controlado aleatorizado con 16 desarrolladores sobre 246 incidencias, julio de 2025.
METR, nota sobre los cambios en el diseño del experimento de productividad de desarrolladores, febrero de 2026, con la cohorte de seguimiento de 57 desarrolladores y más de 800 tareas y la posición revisada de la organización.
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:
