Anthropic mide cómo la IA ya cambia el trabajo

Anthropic acaba de publicar una radiografía de cómo se usa Claude y qué puede significar para el trabajo. El informe analiza dos millones de interacciones recopiladas entre el 13 y el 20 de noviembre de 2025: un millón de conversaciones de Claude.ai y otro millón de registros de su API empresarial.

La conclusión principal es menos espectacular y más útil que muchas predicciones sobre el futuro: la IA ya está acelerando tareas reales, pero su impacto depende de qué tarea realiza, con qué éxito y cuánto criterio humano sigue haciendo falta.

La IA sigue concentrada en programar

La programación continúa siendo el uso dominante de Claude. En Claude.ai, las tareas informáticas y matemáticas representan el 34% de las conversaciones, mientras que en la API empresarial llegan al 46%.

La tarea más frecuente es modificar software para corregir errores. Por sí sola representa el 6% del uso en Claude.ai y aproximadamente una de cada diez solicitudes en la API empresarial.

El uso también está muy concentrado. Las diez tareas más comunes reúnen el 24% de las conversaciones de Claude.ai y el 32% del tráfico de la API. Eso significa que, aunque Claude puede responder sobre miles de actividades distintas, empresas y usuarios siguen recurriendo a él sobre todo para un grupo reducido de tareas con valor claro.

La educación es el segundo gran ámbito de uso en Claude.ai. Las conversaciones relacionadas con cursos, tutorías y materiales didácticos subieron hasta el 15%, frente al 9% registrado en enero de 2025.

Las personas vuelven a trabajar con la IA, no solo a delegarle tareas

En noviembre, el 52% de las conversaciones de Claude.ai fueron de colaboración: el usuario revisa, corrige, aprende o itera junto al sistema. El 45% se clasificó como automatización, cuando Claude recibe una instrucción y completa la tarea con poca interacción.

El resultado contrasta con agosto de 2025, cuando la automatización había superado temporalmente a la colaboración. Anthropic relaciona el cambio con funciones como la creación de archivos, la memoria persistente y las herramientas para personalizar flujos de trabajo.

En las empresas ocurre lo contrario. La API se usa principalmente para automatizar procesos, como:

• Gestionar y clasificar correos.
• Procesar documentos y facturas.
• Programar reuniones.
• Generar respuestas comerciales.
• Crear y mantener sistemas de atención al cliente.

Para ti, la diferencia importa. Una conversación en Claude.ai se parece más a trabajar con un asistente que te ayuda a pensar. Una integración empresarial se parece más a incorporar la IA dentro de un proceso que funciona automáticamente.

Claude acierta más en tareas sencillas

El informe introduce una medida que hasta ahora faltaba en este tipo de análisis: la tasa de éxito. Anthropic pide a Claude que estime si una tarea se completó correctamente y combina ese dato con su duración, complejidad y nivel de autonomía.

El patrón es claro: cuanto más tiempo necesitaría una persona para completar una tarea, menor es la probabilidad de que Claude la resuelva bien.

En las solicitudes de la API, la tasa de éxito cae desde alrededor del 60% en tareas de menos de una hora hasta aproximadamente el 45% en tareas que exigirían cinco horas o más a una persona. El punto en el que el éxito baja al 50% aparece cerca de las 3,5 horas de trabajo humano.

En Claude.ai, donde existe más intercambio entre usuario y modelo, el resultado es distinto. La tasa de éxito del 50% se alcanzaría cerca de las 19 horas, según una extrapolación del informe. Anthropic advierte que esta cifra no es una prueba controlada: los usuarios eligen qué tareas llevar a Claude y suelen evitar aquellas que creen que no funcionarán.

La lección práctica es sencilla: pedirle a la IA que acelere una tarea compleja puede ahorrar mucho tiempo, pero también aumenta la necesidad de revisar el resultado.

La productividad estimada baja cuando se cuenta la fiabilidad

En un análisis anterior, Anthropic calculó que el uso generalizado de Claude podría aumentar el crecimiento anual de la productividad laboral en Estados Unidos en 1,8 puntos porcentuales durante la próxima década.

Al descontar las tareas que Claude no completa con éxito, la estimación baja a:

• 1,2 puntos porcentuales para el uso en Claude.ai.
• 1 punto porcentual para el tráfico empresarial de la API.

No son resultados observados en la economía, sino estimaciones basadas en los patrones de uso y en supuestos sobre cómo se trasladan las mejoras de tareas concretas a la productividad general.

Además, el efecto podría ser menor si algunas tareas funcionan como cuellos de botella. Un profesor puede preparar materiales más rápido con IA, por ejemplo, pero eso no elimina el tiempo necesario para dar clase y atender a sus estudiantes.

El impacto no será igual para todos los trabajadores

Claude se utiliza en tareas que requieren, en promedio, más educación que las tareas de la economía en general. Las tareas observadas en el informe exigen unos 14,4 años de educación, frente a 13,2 años para el conjunto de tareas analizadas.

Si la IA elimina primero las partes más especializadas de un empleo, el trabajo restante puede volverse menos cualificado. Anthropic llama a esto un posible efecto de descualificación.

Un agente de viajes podría conservar tareas rutinarias como imprimir billetes o cobrar, mientras Claude se encarga de planificar itinerarios complejos. En cambio, un gestor inmobiliario podría delegar la contabilidad y concentrarse en negociar contratos y tratar con otras partes, haciendo que su trabajo restante sea más especializado.

Por eso no basta con preguntar qué empleos están expuestos a la IA. También hay que observar qué parte del empleo se automatiza y qué tareas quedan para las personas.

La brecha geográfica sigue abierta

El uso de Claude continúa concentrado en países con mayor PIB por habitante. Anthropic calcula que un aumento del 1% en el PIB per cápita se asocia con un aumento del 0,7% en el uso de Claude por habitante, aunque la relación no demuestra que una variable cause la otra.

En los países de menores ingresos, el uso educativo tiene más peso. En los países ricos, crecen más los usos personales y profesionales. Esto sugiere que la IA no se adopta de la misma forma en todas partes: algunos usuarios la emplean para resolver necesidades concretas o estudiar, mientras otros la incorporan a actividades laborales y cotidianas más variadas.

La adopción también sigue siendo desigual dentro de Estados Unidos, aunque las diferencias entre estados se redujeron entre agosto y noviembre de 2025. Si el ritmo observado se mantuviera, el uso por habitante podría acercarse a la igualdad nacional en dos a cinco años. Anthropic subraya que la estimación se basa solo en tres meses de datos y tiene una incertidumbre considerable.

El dato que conviene vigilar no es únicamente cuánta gente usa IA, sino si puede usarla bien. La educación necesaria para entender las instrucciones de los usuarios y la de las respuestas de Claude están casi perfectamente relacionadas, con una correlación superior a 0,92. En otras palabras, la calidad de lo que obtienes depende en buena medida de cómo planteas el problema.

El informe apunta a un escenario concreto: la IA puede aumentar la productividad, pero sus beneficios serán mayores para quienes tengan las habilidades, el contexto y el tiempo necesarios para supervisarla. La siguiente señal importante será comprobar si los modelos mejoran su fiabilidad en tareas largas y si las empresas trasladan esos avances desde el chat a procesos completos de trabajo.