El nuevo informe “Anthropic Economic Index Report: Economic Primitives” ofrece el mapa más completo hasta hoy sobre cómo se usa realmente la IA en el trabajo, el estudio y la vida diaria, y qué significa eso para la productividad, los empleos y la competitividad de países y empresas.
De qué trata el informe
El “Anthropic Economic Index Report: Economic Primitives” analiza 1 millón de conversaciones en Claude.ai y 1 millón de registros de la API de Anthropic, tomados en noviembre de 2025, para entender no solo cuánto se usa la IA, sino cómo se usa en tareas reales.
El informe introduce cinco “primitivas económicas” —complejidad de la tarea, nivel de habilidades humanas y de la IA, tipo de uso (trabajo, educación, personal), autonomía de la IA y éxito en la tarea— como bloques básicos para medir el impacto económico de la IA en el tiempo.
Estas primitivas se construyen pidiéndole a Claude que clasifique, de forma preservando la privacidad, cada conversación según esas dimensiones, y se validan contra datos externos y trabajo previo sobre productividad con IA.
El resultado es un panel de datos único: permite ver qué tareas se aceleran más, en qué ocupaciones se concentra el uso, cómo varía por país o estado de EE.UU. y qué parte del trabajo podría ser automatizada con los modelos actuales.
Por qué es importante ahora
El informe muestra que las tareas más complejas —las que requieren educación de nivel terciario o superior— son precisamente las que más se aceleran con IA: en Claude.ai, tareas que exigen aproximadamente un título universitario pueden hacerse hasta 12 veces más rápido, incluso descontando los casos en que la IA falla.
Esa aceleración no es neutra: Anthropic estima que, aun ajustando por tasas de éxito, la adopción extendida de la IA podría sumar alrededor de 1 punto porcentual adicional al crecimiento de la productividad laboral anual en EE.UU., acercándola nuevamente a los niveles de finales de los 90.
El informe también aporta matices sobre la famosa dicotomía “automatización vs. aumento”: en Claude.ai vuelve a dominar el uso de aumento (colaboración humano‑IA), mientras que en la API empresarial predomina la automatización de flujos rutinarios, especialmente en tareas de oficina y back office.
Además, ofrece una clara fotografía de la desigualdad en la adopción: países como EE.UU., India, Japón, Reino Unido y Corea del Sur concentran la mayor parte del uso, y las diferencias globales siguen explicándose en gran medida por el PIB per cápita y el nivel educativo.
A quién debería interesarle
- Decisores de negocio y líderes de producto : el informe detalla qué tareas ya se están automatizando vía API (por ejemplo, corrección de código, gestión de correos electrónicos, procesamiento de documentos) y dónde sigue prevaleciendo el modelo colaborativo, información clave para priorizar casos de uso y roadmap de IA.
- Responsables de políticas públicas y reguladores : las primitivas permiten distinguir entre adopción educativa, laboral y personal por país, y estudiar cómo el nivel de educación condiciona quién captura los beneficios de la IA, con implicancias directas para políticas de capacitación y reducción de brechas.
- Equipos de RR.HH. y formación : al descomponer ocupaciones en tareas y medir qué parte de cada rol puede ser cubierta por Claude —y con qué nivel de éxito—, el informe da pistas sobre qué tareas se automatizan primero, dónde se produce “deskilling” y qué habilidades complementarias deberán reforzarse.
- Investigadores y analistas de economía digital : Anthropic publica los datos para uso externo, y ya trabajos como Brynjolfsson, Chandar & Chen (2025) usaron versiones anteriores del índice para estudiar cambios en el mercado laboral, algo que ahora se puede refinar con las nuevas primitivas.
No es casual que los analistas especializados hayan comenzado a describir el índice como un “nuevo bloque de construcción para entender el uso de la IA”, ya destacar que ofrece “indicadores líderes” de su impacto económico antes de que se vean plenamente en las estadísticas macro.
Claves del informe
El informe condensa una serie de hallazgos que cualquier lector de negocios digitales debería tener presentes:
- La IA hoy acelera sobre todo trabajo de alta complejidad. Las mayores ganancias de tiempo se concentran en tareas que requieren alta educación formal, en línea con el hecho de que los profesionales de cuello blanco son quienes más usan IA en el trabajo.
- Éxito y complejidad están en tensión, pero no anulan el impacto. A medida que las tareas se vuelven más complejas, las tasas de éxito de Claude Bajan, pero esa caída no compensa del todo las ganancias de velocidad, por lo que el equilibrio en productividad sigue siendo positivo.
- La exposición ocupacional cambia cuando se mira el éxito. Al ponderar no solo qué tareas podrían cubrir la IA, sino con qué frecuencia las resuelve bien y cuánto pesan en un puesto, ocupaciones como entrada de datos o radiología aparecen mucho más expuestas que docentes o desarrolladores de software.
- La adopción es desigual, pero dentro de EE.UU. se está acelerando la convergencia. El índice de uso de IA de Anthropic sugiere que los estados con menos adopción están creciendo más rápido, y que, si la tendencia se mantiene, la brecha podría cerrarse en 2 a 5 años, mucho más rápido que las tecnologías previas.
- El modo de interacción importa tanto como el volumen. Volver a un predominio del aumento en Claude.ai, mientras la API se orienta a automatización programática, anticipa un futuro mixto: ni reemplazo completo ni simple asistente, sino carteras de tareas combinando colaboración y delegación total.
Cómo aprovechar este informe hoy
Para lectores de negocios, el valor del Anthropic Economic Index no es solo descriptivo: es una guía de acción.
- Priorizar casos de uso con mejor relación complejidad/éxito. Las primitivas ayudan a identificar tareas donde la IA ya combina alta aceleración y tasas de éxito razonables; ahí es donde las inversiones en automatización tienen más probabilidad de retorno en el corto plazo.
- Rediseñar roles en lugar de solo “reemplazar”. Al ver qué porción de cada ocupación cubre Claude y qué tipo de tareas son (más o menos intensivas en habilidades), las empresas pueden reconfigurar puestos, moviendo tareas repetitivas hacia la IA y reorientando a las personas hacia actividades de mayor valor agregado.
- Anclar estrategias de talento en datos reales de uso. En vez de suponer qué habilidades serán críticas, los equipos de formación pueden apoyarse en los patrones concretos de uso por sector y geografía que muestra el informe para diseñar programas de reskilling alineados con la realidad.
- Conectar política pública con métricas de adopción. Gobiernos y organismos pueden usar el índice como referencia para decidir dónde acelerar infraestructuras digitales, programas de acceso y capacitación, especialmente en países y segmentos donde la IA se usa sobre todo para educación.
El “Anthropic Economic Index report: Economicprimitives” se perfila así como una pieza de referencia para entender el impacto económico de la IA en tiempo real: no proyecta desde el laboratorio, sino que mide lo que millones de personas y empresas ya están haciendo con ella.