Claude proyecta un 1,8% anual de productividad en EE.UU.

Anthropic calcula que el uso generalizado de los modelos actuales de IA podría elevar la productividad laboral de Estados Unidos un 1,8% anual durante la próxima década. La cifra no es una predicción: es una estimación basada en cómo las personas usan Claude hoy y en el supuesto de que la tecnología llegue a toda la economía.

El análisis estudia 100.000 conversaciones reales y anonimizadas de Claude.ai. Para cada una, Claude estimó cuánto tardaría un profesional en completar la tarea sin ayuda de IA y cuánto tiempo habría llevado con la asistencia del modelo.

Según esas estimaciones, las tareas analizadas requerirían 1,4 horas de trabajo humano, unos 84 minutos, y la IA reduciría ese tiempo alrededor de un 80% en promedio. En términos económicos, cada conversación representaría tareas con un coste laboral estimado de aproximadamente 55 dólares.

La diferencia depende del trabajo

La IA no acelera todas las tareas por igual. Claude estima ahorros mucho mayores en trabajos basados en leer, escribir y organizar información que en actividades que requieren presencia física o interacción directa.

• Las tareas de gestión tardarían unos 2,0 horas sin IA.
• Las tareas legales ocuparían alrededor de 1,8 horas.
• Las tareas educativas se situarían en 1,7 horas.
• Las tareas de preparación de alimentos requerirían entre 30 minutos y una hora.

En algunos casos, la diferencia es especialmente amplia. Anthropic cita tareas de desarrollo de planes educativos que, según Claude, llevarían 4,5 horas a una persona y se completaron en 11 minutos con el modelo. También calcula ahorros del 87% en la redacción de facturas, memorandos y documentos similares, y del 80% en tareas de análisis financiero.

Pero hay trabajos donde el efecto es más limitado. La asistencia sanitaria muestra un ahorro estimado del 90% en ciertas tareas, mientras que los problemas de hardware se quedan en el 56%. Revisar imágenes diagnósticas, por ejemplo, solo registraría un ahorro del 20%, porque los profesionales ya pueden realizar esa tarea con rapidez sin IA.

El cálculo para toda la economía

Anthropic cruzó estas estimaciones con datos laborales de Estados Unidos, salarios medios y una clasificación de tareas profesionales conocida como O*NET. Después aplicó un método económico estándar para calcular qué ocurriría si las mejoras se extendieran por toda la economía durante diez años.

El resultado: los modelos actuales podrían duplicar aproximadamente el ritmo de crecimiento de la productividad laboral registrado desde 2019, que ha sido del 1,8% anual. Los mayores efectos se concentrarían en:

• Desarrollo de software, que aportaría el 19% de la mejora total estimada.
• Dirección y operaciones, con cerca del 6%.
• Investigación de mercados y marketing, con el 5%.
• Atención al cliente, con el 4%.
• Enseñanza secundaria, con el 3%.

Restaurantes, comercio minorista, construcción y parte de la atención sanitaria aparecen con un impacto menor en los datos. No necesariamente porque la IA no pueda ayudar en esos sectores, sino porque pocas tareas asociadas a ellos aparecen en la muestra de conversaciones de Claude.ai.

Una estimación, no una medición definitiva

El estudio tiene una limitación central: Claude estima cuánto tiempo ahorra Claude. El modelo no puede ver todo lo que ocurre después de una conversación, como revisar respuestas, corregir errores, adaptar un documento o comprobar que el resultado funciona en la práctica.

Anthropic también reconoce que su muestra no representa todos los usos de la IA. Las personas tienden a utilizar Claude en las tareas que creen que el modelo puede resolver, y eso deja fuera trabajos menos frecuentes o que requieren herramientas y presencia física.

Para comprobar si las estimaciones tenían relación con la realidad, la empresa las comparó con 1.000 tareas de programación con tiempos registrados. Claude Sonnet 4.5 obtuvo una correlación de 0,44 con los tiempos reales, frente a 0,50 de los propios desarrolladores. El resultado sugiere que sus cálculos sirven para comparar tareas y detectar tendencias, pero no para medir con precisión cada caso.

La idea más importante está en otro sitio: acelerar unas tareas puede convertir otras en cuellos de botella. Si una IA prepara un informe en minutos, pero el trabajador sigue necesitando horas para desplazarse, revisar datos o conseguir una aprobación, esas partes lentas pasan a pesar más en el trabajo final.

Por eso, el impacto real no dependerá solo de cuántos minutos ahorre un modelo. También dependerá de si las empresas reorganizan sus procesos alrededor de esa capacidad. Anthropic seguirá siguiendo estos cambios mediante su Economic Index, pero por ahora el 1,8% debe leerse como un escenario basado en el uso actual, no como una promesa sobre el futuro.