El Índice Económico de Anthropic de enero 2026 analizó dos millones de conversaciones reales con Claude y llegó a una conclusión incómoda para la propia Anthropic: en la mayoría de las ocupaciones que estudiaron, el efecto neto de usar el modelo es una pérdida de habilidades, no una ganancia. La razón es simple. Claude cubre tareas que requieren en promedio 14.4 años de educación formal, el equivalente a un título técnico completo, contra 13.2 años del promedio de toda la economía. La IA no se está quedando con las tareas rutinarias. Se está quedando con las tareas más calificadas de cada puesto, que son justo las que le dan a una persona la práctica para volverse mejor en su trabajo.

Esto no es una advertencia externa ni una crítica de un competidor. Es el propio laboratorio detrás de Claude publicando el dato. Y es la razón por la que cualquier empresa que está diseñando un flujo de trabajo con IA necesita hacerse una pregunta distinta a la que normalmente se hace: no “¿qué tarea puedo automatizar?”, sino “¿en qué parte de esta tarea necesito que mi gente se siga ejercitando?”

Lo que dice el Índice de Anthropic, en detalle

El reporte de enero es la cuarta edición del Índice Económico de Anthropic, y esta vez pusieron ejemplos concretos por ocupación. Los redactores técnicos pierden tareas como “analizar desarrollos de un campo específico para determinar la necesidad de revisiones” (18.7 años de educación equivalente) y quedan con tareas como “hacer bocetos para ilustrar materiales específicos” (13.6 años). Los agentes de viajes pierden la planificación compleja de itinerarios y quedan con la compra rutinaria de boletos y el cobro. No todas las ocupaciones pierden: los administradores de propiedades ganan habilidad, porque la IA les quita la contabilidad rutinaria y les deja más tiempo para negociación de contratos y manejo de inquilinos, que son tareas de mayor nivel.

El patrón es consistente: cuando la IA se queda con la parte fácil de un trabajo, la persona sube de nivel. Cuando se queda con la parte difícil, la persona se estanca o retrocede. Y en la mayoría de las ocupaciones que Anthropic estudió, se está quedando con la parte difícil.

El caso de la empatía muestra el mecanismo en miniatura

Si quieres ver este patrón en un ejemplo concreto, la comunicación asistida por IA es el más claro. Un estudio publicado en Nature Human Behaviour comparó cómo la gente valora la empatía humana frente a la generada por IA, y encontró algo contraintuitivo: en pruebas ciegas, las personas califican las respuestas de IA como iguales o mejores en calidad. Pero cuando se les dice de dónde viene cada respuesta, la preferencia cambia por completo. La gente sigue prefiriendo recibir empatía de un humano, incluso sabiendo que en promedio la respuesta de IA midió mejor.

Un estudio complementario publicado en PNAS confirma el mismo efecto desde otro ángulo: una respuesta que se sintió genuina y empática deja de sentirse así en el instante en que el receptor descubre que la escribió una IA, aunque el texto no haya cambiado ni una palabra. Y un tercer estudio, de este mismo año, encontró que las respuestas empáticas generadas por IA son bien valoradas en promedio, pero tienden a seguir patrones repetitivos y genéricos que un humano atento reconoce si presta suficiente atención.

Ninguno de estos tres estudios dice que la IA sea mala escribiendo mensajes empáticos. Dicen algo más específico: que delegarle completamente la tarea tiene un costo, tanto en cómo lo recibe el otro lado como en qué tan genuina termina siendo la comunicación.

El experimento que muestra la salida

Acá está la parte que casi nadie está citando cuando habla de este tema. Un experimento de Stanford y Northwestern con investigadores probó algo distinto: en vez de dejar que la IA escriba el mensaje completo, le pidieron a los participantes que escribieran primero su propia respuesta, y luego usaran un modelo de lenguaje para recibir retroalimentación específica sobre cómo mejorar su comunicación empática. Con casi 34,000 mensajes analizados en más de 2,900 conversaciones, encontraron que esta forma de usar la IA sí mejoró la habilidad empática real de las personas, medida en cómo se comunicaban después, sin el asistente presente.

La diferencia entre ese experimento y el escenario típico de “pídele a ChatGPT que te escriba el correo” no es el modelo. Es el punto del flujo de trabajo donde queda el criterio humano. En un caso, la persona nunca practica: recibe el mensaje terminado, lo aprueba, lo envía. En el otro, la persona practica primero, recibe una corrección específica, y reescribe con su propio juicio. El resultado en habilidad es opuesto, aunque el modelo detrás sea el mismo. Ya escribimos sobre esta misma distinción en otro contexto: delegación cognitiva no es lo mismo que rendición cognitiva, y acá aparece de nuevo con un dato que la respalda.

Lo que esto significa para tu flujo de trabajo

Esta no es una razón para desconfiar de la IA en comunicación empresarial. Es una razón para diseñar el flujo de trabajo con esta distinción en mente, sobre todo en las áreas donde la comunicación es la parte más sensible del trabajo: atención al cliente, recursos humanos, ventas, cualquier interacción donde el tono importa tanto como el contenido.

En los discovery de AI Maestro, esta es literalmente una de las decisiones de diseño que definimos con el cliente antes de tocar código: para cada tarea que se automatiza con IA, ¿el humano queda como aprobador pasivo de un texto ya terminado, o como autor que recibe retroalimentación y decide? La primera opción es más rápida de implementar. La segunda es la que mantiene al equipo capacitado seis meses después, cuando la herramienta cambie, se caiga, o simplemente el cliente necesite algo que el modelo no supo resolver. Es la misma lógica detrás de por qué adopción no es lo mismo que transformación: automatizar una tarea sin rediseñar el flujo alrededor de ella rara vez produce el resultado que la empresa esperaba.

El dato de Anthropic no dice que tengas que elegir entre velocidad y habilidad. Dice que si no diseñas esa decisión a propósito, la vas a perder por default. Y en comunicación con clientes o empleados, esa es una de las peores formas de perderla.