Español, leer abajo…
In the late 1980s, in an article published by the Times Book Review, economist Robert Solow —Nobel laureate and professor at M.I.T.— wrote a phrase that would become legendary: “You can see the computer age everywhere but in the productivity statistics.”
At that time, despite the massive increase in computing power and the growing popularity of personal computers, the data told another story: productivity—measured as output per worker—had stagnated for more than a decade. This phenomenon became known as “the productivity paradox.” Throughout the 1990s and even beyond, it generated a vast amount of studies, debates, and theories, none of which reached a definitive conclusion.
Some economists attributed the problem to poor management of the new technology. Others argued that computers simply couldn’t compare with the transformative impact of inventions like the steam engine or electricity. And there were those who believed the issue was due to measurement errors—that once the data were corrected, the paradox disappeared.
Almost forty years after Solow’s article, and three years after the launch of ChatGPT by OpenAI, we may be witnessing a new economic paradox—this time related to generative artificial intelligence.
According to a recent survey conducted by economists from Stanford, Clemson, and the World Bank, during June and July of this year, nearly half of all workers (exactly 45.6%) are using AI tools. Yet a new study by researchers associated with the M.I.T. Media Lab reveals something surprising: “Despite enterprise investments ranging from $30 to $40 billion in generative AI, 95% of organizations are seeing zero measurable return.”
Most projects don’t fail because of AI. They fail because companies don’t know how to implement it. They often choose to do it internally rather than seek expert providers, lack clear goals or key performance indicators (KPIs), and ultimately face a deeply human problem: poor definition of purpose. Many companies are likely also trying to force AI-based solutions into tasks that are already being handled efficiently by existing products—or by people—making those solutions unnecessary.
Perhaps, as in the 1980s, we face the same challenge: a profoundly transformative technology whose impact we cannot yet fully capture in the numbers, but which is quietly reshaping the way we work, create, and understand value in the digital economy.
A finales de la década de los ochentas, en un artículo publicado por el Times Book Review, el economista Robert Solow —premio Nobel y profesor del M.I.T.— escribió una frase que se volvería legendaria: “La era de la computación es visible en todas partes, excepto en las estadísticas de productividad.”
En aquel momento, pese al aumento masivo en la capacidad de cómputo y la popularización de las computadoras personales, los datos mostraban otra realidad: la productividad, medida como el rendimiento por trabajador, se había estancado por más de una década. Este fenómeno se conoció con el nombre de “la paradoja de la productividad”. Y durante los años noventa y aún después, generó una enorme cantidad de estudios, debates y teorías sin una conclusión definitiva.
Algunos economistas atribuían el problema a la mala gestión de la nueva tecnología. Otros sostenían que, en realidad, los ordenadores no podían compararse con el impacto transformador de inventos como la máquina de vapor o la electricidad. Y había quienes pensaban que todo se reducía a errores de medición: que una vez corregidos los datos, la paradoja simplemente desaparecía.
Casi cuarenta años después del artículo de Solow, y tres años después del lanzamiento de ChatGPT por parte de OpenAI, podríamos estar presenciando una nueva paradoja económica, esta vez vinculada a la inteligencia artificial generativa.
De acuerdo con una encuesta realizada recientemente por economistas de Stanford, Clemson y el Banco Mundial, durante los meses de junio y julio de este año, casi la mitad de los trabajadores (exactamente un 45.6 %), está utilizando herramientas de inteligencia artificial. Sin embargo, un nuevo estudio elaborado por investigadores asociados al Media Lab del M.I.T. revela algo sorprendente: “A pesar de inversiones empresariales de entre 30 y 40 mil millones de dólares en IA generativa, el 95% de las organizaciones no está obteniendo ningún retorno medible.”
La mayoría de los proyectos no fracasan por la IA. Fracasan porque las empresas no saben cómo implementarla, prefieren hacerlo internamente en lugar de acudir a un proveedor, además de que no tienen objetivos claros ni indicadores clave de desempeño (KPI) sobre lo que quieren lograr (un problema netamente humano). Seguramente muchas empresas estén también intentando desesperadamente forzar soluciones basadas en IA que ya están siendo realizadas de manera eficiente por productos/personas existentes, lo cual hace que no sean necesarias.
Tal vez, como en los años ochenta, estamos ante el mismo desafío: una tecnología profundamente transformadora cuyo impacto aún no logramos captar del todo en los números, pero que sí está reformulando silenciosamente la manera en la que trabajamos, creamos y entendemos el valor en la economía digital.
Rebeca Dallal Fratz – Arquitecta de Cultura Sistémica e Innovación | Consultora | Speaker | Capacitación
VOCES Consultoría & Capacitación
Contacto: https://linktr.ee/rebecadallal
#InteligenciaArtificial #Productivity #TransformacionDigital #Innovation #Liderazgo #leadership #EstrategiaEmpresarial #IA #FuturoDelTrabajo #EconomiaDigital #MIT #ChatGPT #ReflexionProfesional
