Erik Brynjolfsson: la paradoja de la productividad, la segunda era de las máquinas y la IA en el trabajo
Erik Brynjolfsson es economista de la tecnología, profesor en Stanford y director de su Digital Economy Lab. Desde 1993 estudia por qué la inversión en computadores tarda en verse en la productividad; con Andrew McAfee escribió The Second Machine Age (2014) y hoy mide qué hace la inteligencia artificial con la productividad y el empleo.
Última actualización: 2026-09-19
Contenido de esta página
- ¿Quién es Erik Brynjolfsson y qué cargo tiene hoy?
- ¿Qué es la paradoja de la productividad según Brynjolfsson?
- ¿Cómo revisó Brynjolfsson la paradoja en la era de la inteligencia artificial?
- ¿Qué plantea The Second Machine Age?
- ¿Qué es la trampa de Turing de Brynjolfsson?
- ¿Qué ha medido Brynjolfsson sobre la inteligencia artificial y el empleo?
- ¿Qué lectura deja Brynjolfsson para Colombia y América Latina?
Tres millones de chats. Los respondieron 5.179 agentes de soporte técnico de una empresa de software de la lista Fortune 500, la mayoría desde oficinas en Filipinas, para atender a dueños de pequeños negocios en Estados Unidos; cada sesión duraba en promedio 40 minutos, buena parte de ella buscando la causa de una falla [1]. A una parte de esos agentes les llegó, en fechas escalonadas, un asistente de inteligencia artificial generativa que les sugería respuestas.
El resultado no fue parejo. Los agentes con el asistente resolvieron en promedio un 14 % más de casos por hora; los novatos y los de menor destreza, un 34 % más; los más experimentados, casi nada [1]. Un agente con dos meses en el puesto y el asistente rendía como uno sin asistente con más de seis meses de antigüedad [1].
Ese estudio de 2023 lo firma Erik Brynjolfsson con Danielle Li y Lindsey Raymond [1]. Treinta años antes, el mismo Brynjolfsson se preguntaba por qué los computadores no aparecían en las estadísticas de productividad. La pregunta de fondo no cambió: cuándo y para quién rinde una tecnología nueva.
¿Quién es Erik Brynjolfsson y qué cargo tiene hoy?
Erik Brynjolfsson es economista de la tecnología y dirige el Stanford Digital Economy Lab; ocupa la cátedra Jerry Yang y Akiko Yamazaki y es investigador principal (senior fellow) del Instituto de Stanford para la Inteligencia Artificial Centrada en el Ser Humano (HAI), según su perfil consultado el 19 de septiembre de 2026 [2]. Es además Ralph Landau Senior Fellow del instituto de política económica SIEPR, profesor por cortesía en la Escuela de Negocios y en el Departamento de Economía de Stanford, e investigador asociado del NBER [2].
El registro de Stanford fecha en 2020 todos sus nombramientos allí, y su vínculo con el NBER desde 1995 [3]. Antes pasó tres décadas en el MIT: su currículum de junio de 2020 lo registra como profesor asistente de la Escuela Sloan desde 1990 y como titular de la cátedra Schussel Family Professor of Management entre julio de 2001 y junio de 2020, cuando se mudó a dirigir el laboratorio de Stanford [4].
Estudió matemáticas aplicadas en Harvard (grado magna cum laude y maestría, ambos en 1984) y se doctoró en economía gerencial en la Escuela Sloan del MIT en febrero de 1991, con una tesis sobre tecnología de la información y reorganización del trabajo [4]. En el MIT fue cofundador y director de la Iniciativa sobre la Economía Digital, que lanzó con Andrew McAfee para estudiar, entre otros temas, productividad, empleo y desigualdad [4][5]. Su perfil del laboratorio le atribuye nueve libros y más de cien artículos académicos [2].
Su ficha cuelga de la carpeta de economistas contemporáneos, una de las escuelas del mapa de economistas y escuelas de pensamiento. Comparte carpeta con Diane Coyle, que estudia cómo medir lo digital desde las cuentas nacionales.
¿Qué es la paradoja de la productividad según Brynjolfsson?
Para Brynjolfsson, la paradoja de la productividad es el choque entre lo que se espera de la tecnología de la información y lo que muestran las estadísticas: mucha inversión en computadores y poca productividad medida. En 1993 la ordenó en cuatro explicaciones posibles —errores de medición, rezagos de aprendizaje, redistribución de ganancias y mala gestión— y advirtió que la falta de pruebas no demostraba que la tecnología fallara [6].
El artículo salió en Communications of the ACM en diciembre de 1993 y revisaba lo publicado en 30 revistas de sistemas de información y de economía [6]. El dilema venía de Robert Solow, que en 1987 había dicho que la era del computador se veía en todas partes menos en las estadísticas de productividad [6][7]. La frase, su fecha y su lectura macroeconómica están en la página de transformación digital de la economía; el economista que la dijo tiene ficha propia en Robert Solow.
Lo que Brynjolfsson añadió fue una advertencia de método. «La escasez de evidencia no es necesariamente evidencia de escasez», escribió (Brynjolfsson, The Productivity Paradox of Information Technology, 1993; traducción propia) [6]. Y dejó una sospecha: el déficit de productividad de la tecnología se debía tanto a las deficiencias de las herramientas de medición como a la mala gestión de quienes la desarrollaban y la usaban [6].
Uno de sus ejemplos de las anomalías de medición era casi cómico. En la medida en que los cajeros automáticos hacían que se escribieran menos cheques, podían bajar las estadísticas de productividad de un banco [6]. La variedad, la puntualidad en las entregas y la atención personalizada, justo lo que la informática mejora, casi no quedaban registradas [6].
Dónde buscó la respuesta: dentro de las empresas
La respuesta de Brynjolfsson estaba en la empresa, no en el agregado nacional: el valor de un computador depende de las inversiones organizacionales que lo acompañan, y buena parte de ese valor es intangible y difícil de medir. Así lo resumió en 2000 con Lorin Hitt en el Journal of Economic Perspectives [8].
La evidencia salía de datos de firmas. Con Hitt encontró que el beneficio de la inversión en tecnología era pequeño si se medía de un año al siguiente y crecía a medida que se alargaba la ventana, hasta tocar su máximo hacia los siete años [7]. Con Bresnahan y Hitt halló complementariedades de tres vías entre tecnología, capital humano y cambios organizacionales [7]. Y con Hitt y Shinkyu Yang publicó en 2002 Intangible Assets: Computers and Organizational Capital en los Brookings Papers on Economic Activity [4].
Un dato para gerentes está en ese mismo recuento: al instalar grandes sistemas de planeación empresarial, las firmas casi siempre gastan varias veces más en rediseñar procesos y en capacitar que en el hardware y el software [7]. Comprar la máquina es la parte barata.
¿Cómo revisó Brynjolfsson la paradoja en la era de la inteligencia artificial?
En noviembre de 2017, 24 años después del artículo de 1993, Brynjolfsson volvió a la paradoja con Daniel Rock y Chad Syverson, ahora con la inteligencia artificial en el lugar del computador. Tituló el trabajo con el mismo rótulo que había puesto a la primera sección de 1993, «un choque de expectativas y estadísticas», y concluyó que los rezagos de implementación eran probablemente la mayor causa [7][6].
La lista de explicaciones se parece a la de 1993, pero no es la misma. La tabla las pone lado a lado, con las palabras de cada documento.
| Documento | Las cuatro explicaciones | La que el autor privilegia |
|---|---|---|
| The Productivity Paradox of Information Technology (1993) | Errores de medición de productos e insumos · rezagos por aprendizaje y ajuste · redistribución y disipación de ganancias · mala gestión de la información y la tecnología [6] | La medición: cuanto más se examinan los datos, más parece estar en el centro de la paradoja [6] |
| Artificial Intelligence and the Modern Productivity Paradox (2017), con Rock y Syverson | Falsas esperanzas · errores de medición · redistribución · rezagos de implementación [7] | Los rezagos: las capacidades más impresionantes de la IA aún no se habían difundido y necesitan olas de innovaciones complementarias [7] |
El cambio de acento tiene historia detrás. Los autores recuerdan que la aceleración de la productividad estadounidense de finales de los noventa fue, al menos en parte, la solución de la paradoja de Solow [7]. Y citan la electrificación: al menos la mitad de los establecimientos manufactureros de Estados Unidos seguía sin electricidad en 1919, unos 30 años después del paso a la corriente alterna polifásica, y las grandes ganancias llegaron cuando los gerentes reorganizaron las fábricas y le dieron a cada máquina su propio motor [7].
La curva J de la productividad
De esa revisión salió la curva J. El papel de 2017 agradece a Larry Summers la sugerencia de la analogía [7]; la versión formal, The Productivity J-Curve, circuló como documento del NBER en octubre de 2018 y se publicó en el American Economic Journal: Macroeconomics en enero de 2021 [9].
La idea: una tecnología de propósito general exige inversiones complementarias, sobre todo intangibles, que las cuentas nacionales miden mal; por eso el crecimiento de la productividad se subestima en los primeros años y se sobreestima después, cuando esas inversiones rinden [9]. Al llevar el modelo a los datos, los autores hallaron efectos de curva J importantes y todavía en curso para el software, menores para el hardware, y efectos de los intangibles ligados a la IA que calificaron de «pequeños pero crecientes» (traducción propia) [9].
Qué es la productividad total de los factores y cómo se mide pertenece a la página de crecimiento económico. La magnitud del ajuste sobre las cifras oficiales, y por qué no se compara con la tasa de productividad laboral, se lee en la de transformación digital.
¿Qué plantea The Second Machine Age?
The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, escrito con Andrew McAfee y publicado por W. W. Norton en 2014, sostiene que las tecnologías digitales van a reorganizar la economía mundial como lo hizo la máquina de vapor desde el siglo XVIII [5][4]. Entró en la lista de más vendidos del New York Times y fue finalista del premio al libro de negocios del año del Financial Times y McKinsey [4][5].
El libro no es un canto al progreso. Una reseña del propio MIT en 2015 resume su advertencia con un contraste de la época: Instagram, hecha por 14 personas, rozó una valoración de 1.000 millones de dólares casi de la noche a la mañana, mientras Kodak, empleadora de 145.000 personas, se hundía casi igual de rápido [5]. Brynjolfsson se definía entonces como un «optimista consciente» (traducción propia) [5].
El libro tiene un antecesor y un sucesor. Race Against the Machine (2011), también con McAfee, anunciaba en su subtítulo que la revolución digital estaba cambiando de forma irreversible el empleo y la economía [4]. Machine, Platform, Crowd (2017) propuso a las empresas tres pares para reorganizarse: mentes y máquinas, productos y plataformas, núcleo y multitud [4][10].
| Año | Libro | Coautoría | Editorial |
|---|---|---|---|
| 2009 | Wired for Innovation | Adam Saunders | MIT Press [4] |
| 2011 | Race Against the Machine | Andrew McAfee | Digital Frontier Press [4] |
| 2014 | The Second Machine Age | Andrew McAfee | W. W. Norton [4] |
| 2017 | Machine, Platform, Crowd | Andrew McAfee | W. W. Norton [4] |
| 2017 | Information Technology and the U.S. Workforce (informe) | Tom Mitchell, copresidentes del comité | National Academies Press [4] |
¿Qué es la trampa de Turing de Brynjolfsson?
La trampa de Turing es el nombre que Brynjolfsson le dio en 2022 al riesgo de concentrar la inteligencia artificial en imitar a las personas en lugar de aumentar lo que pueden hacer. El ensayo salió en la revista Dædalus en la primavera de 2022 [11].
El argumento es de poder de negociación. «A medida que las máquinas se vuelven mejores sustitutos del trabajo humano, los trabajadores pierden poder de negociación económico y político» (Brynjolfsson, The Turing Trap, 2022; traducción propia) [11]. Cuando la IA aumenta a las personas en vez de imitarlas, sostiene, conservan el poder de exigir una parte del valor creado, y además aparecen capacidades, productos y servicios nuevos [11].
El diagnóstico va con culpables: hoy, escribe, sobran incentivos para automatizar y faltan para aumentar, entre tecnólogos, ejecutivos y quienes hacen la política pública [11]. Es la versión normativa de lo que midió en el centro de llamadas: la herramienta subió más a quien menos sabía.
La mirada de otro economista sobre el mismo dilema —desplazamiento de tareas, restitución y quién decide la dirección del cambio técnico— es la línea propia de Daron Acemoglu, y se cuenta en su página.
¿Qué ha medido Brynjolfsson sobre la inteligencia artificial y el empleo?
Brynjolfsson ha medido dos cosas distintas que conviene no mezclar: la productividad de quienes usan la inteligencia artificial en su puesto y el empleo en las ocupaciones más expuestas a ella. La primera medición salió positiva y desigual; la segunda, preocupante para los más jóvenes.
La primera es el estudio del centro de llamadas. Su unidad es el agente, su métrica son los casos resueltos por hora y su resultado es el 14 % promedio con 34 % para novatos que abre esta página, en la versión de trabajo del NBER revisada en noviembre de 2023 [1]. Los autores añaden que el asistente parece difundir las prácticas de los mejores agentes, mejora el tono de los clientes en las conversaciones y aumenta la retención de empleados [1]. El artículo se publicó después en el Quarterly Journal of Economics de 2025 [1].
La segunda es Canaries in the Coal Mine?, con Bharat Chandar y Ruyu Chen. En su versión de agosto de 2026, con datos administrativos de nómina de la empresa ADP sobre millones de trabajadores estadounidenses hasta junio de 2026, los autores no encuentran un desplazamiento amplio de empleo en toda la economía [12]. Pero el empleo de los jóvenes de 22 a 25 años en ocupaciones expuestas a la IA está un 19 % por debajo de donde estaría si hubiera crecido al ritmo del de sus pares menos expuestos, y los trabajadores con experiencia no muestran una brecha comparable [12].
Ese 19 % no es una caída del empleo total ni un efecto causal probado: es una brecha frente a un grupo de comparación, que los propios autores presentan como indicador temprano y descriptivo [12]. La cifra ha cambiado de medida y de corte: las versiones anteriores titulaban con regresiones ajustadas por choques de las empresas, una caída relativa del 13 % con datos a julio de 2025 y del 16 % con datos a septiembre de 2025, y la de agosto de 2026 pasó a la brecha descriptiva del 19 % [12]. Los autores advierten además que el patrón se atenúa al controlar por educación, que hay algunas tendencias divergentes anteriores a la IA generativa y que es más marcado en la muestra de ADP que en las encuestas nacionales de referencia [12]. La brecha opera sobre todo por menos contratación y se concentra donde la IA sustituye tareas; donde las complementa, el empleo se mantiene o sube [12].
Cómo la tecnología vació los empleos de calificación media en las décadas anteriores es la línea de David Autor y se explica en su ficha.
Medir lo que es gratis: el PIB-B
Brynjolfsson también intentó contar el bienestar que la economía digital entrega a precio cero. Con Avinash Collis, W. Erwin Diewert, Felix Eggers y Kevin J. Fox propuso en 2019 el PIB-B (GDP-B), una métrica que cuantifica los beneficios de los bienes nuevos y gratuitos en lugar de sus costos, con valoraciones obtenidas en experimentos de elección con incentivos [13]. En uno de sus ejemplos, sumar las ganancias de bienestar de Facebook habría añadido entre 0,05 y 0,11 puntos porcentuales por año al crecimiento del PIB-B de Estados Unidos [13]. Los reparos a sumar lo que la gente declara valorar están en la ficha de Diane Coyle.
¿Qué lectura deja Brynjolfsson para Colombia y América Latina?
La lectura más útil de Brynjolfsson para la región es la de la trampa de Turing llevada a los datos: en América Latina hay más empleo con potencial de aumento por la IA generativa que empleo en riesgo de automatización, pero la brecha digital impide aprovechar buena parte de ese potencial. Lo muestra un estudio de 2024 de la OIT y el Banco Mundial [14].
Paweł Gmyrek, Hernan Winkler y Santiago Garganta estimaron que entre el 30 y el 40 % del empleo de la región está expuesto de algún modo a la IA generativa [14]. La franja con riesgo de automatización es pequeña, de 2 a 5 % del empleo total; la de posible aumento es mayor en todos los países, de 8 a 12 %; y cerca de la mitad de los puestos que podrían beneficiarse del aumento están frenados por no usar tecnologías digitales [14].
Colombia aparece como ejemplo en el documento, con la encuesta de hogares armonizada de 2019. Entre las mujeres, el 5,5 % del empleo está expuesto al riesgo de automatización y el 11,3 % está en la categoría de aumento; entre los hombres, el riesgo de automatización es del 1,6 % [14]. Estas cifras salen del índice de exposición de la OIT de 2023 aplicado a encuestas de hogares; no son comparables con las del índice mundial refinado de 2025 que cita la página de transformación digital.
Lo que sigue es opinión mía, no de las fuentes. El estudio del centro de llamadas y el de los jóvenes estadounidenses cuentan la misma historia desde lados opuestos: la IA generativa ayuda al que está aprendiendo cuando alguien lo contrata y lo pone a trabajar con ella, y lo deja por fuera cuando se usa para no contratarlo. En Colombia, según el estudio de la OIT y el Banco Mundial, cerca de la mitad de los empleos femeninos con potencial de aumento no usan computador en el trabajo [14]. La pregunta para una empresa de Bucaramanga que hoy compra licencias de IA no es cuántos puestos puede ahorrarse, sino a quién va a poner a aprender con ellas.
Preguntas frecuentes
¿Dónde trabaja Erik Brynjolfsson? En la Universidad de Stanford, donde dirige el Digital Economy Lab dentro del Instituto HAI desde 2020; antes fue profesor de la Escuela Sloan del MIT entre 1990 y 2020 [2][3][4].
¿Brynjolfsson cree que la inteligencia artificial destruirá empleos? No sostiene una predicción única. Su trabajo de 2026 no halla desplazamiento amplio en Estados Unidos, pero sí una brecha para los trabajadores de 22 a 25 años en ocupaciones expuestas, y su ensayo de 2022 dice que el resultado depende de si la IA se orienta a sustituir o a aumentar a las personas [11][12].
¿Qué libro de Erik Brynjolfsson leer primero? Mi recomendación: The Second Machine Age (2014), con Andrew McAfee, porque condensa la tesis que su investigación posterior intenta medir [4][5]. Para el argumento sobre la dirección de la IA, el ensayo The Turing Trap es corto y de acceso abierto [11].
¿Quién formuló la paradoja de la productividad, Solow o Brynjolfsson? La frase es de Robert Solow, en 1987 [7]. Brynjolfsson hizo en 1993 la revisión sistemática de la evidencia que la volvió un programa de investigación, y en 2017 la reformuló para la inteligencia artificial [6][7].
¿Qué es el Stanford Digital Economy Lab? Es el centro que Brynjolfsson dirige en el Instituto de Stanford para la Inteligencia Artificial Centrada en el Ser Humano; allí se publicó Canaries in the Coal Mine? junto con un tablero público de indicadores económicos de la IA [2][12].
Referencias
- Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey R. Generative AI at Work, NBER Working Paper 31161, abril de 2023, revisado en noviembre de 2023 — 5.179 agentes de soporte al cliente, 3 millones de chats, 89 % fuera de Estados Unidos y sobre todo en Filipinas, sesiones de 40 minutos en promedio, aumento del 14 % en casos resueltos por hora en promedio y del 34 % para trabajadores novatos y de menor destreza, impacto mínimo en los más experimentados, agentes con dos meses de antigüedad y asistente equivalentes a los que no lo tienen con más de seis meses, difusión de buenas prácticas, mejor trato con clientes y más retención; la ficha del NBER registra la publicación en The Quarterly Journal of Economics, vol. 140(2), 2025, pp. 889-942. NBER: Generative AI at Work, WP 31161 (PDF) — Consultada: 2026-09-19.
- Stanford Digital Economy Lab. Erik Brynjolfsson (perfil) — director del laboratorio, Jerry Yang and Akiko Yamazaki Professor y Senior Fellow del Stanford HAI, Ralph Landau Senior Fellow del SIEPR, profesor por cortesía en la Graduate School of Business y el Departamento de Economía, investigador asociado del NBER, nueve libros y más de cien artículos académicos. Stanford Digital Economy Lab: perfil de Erik Brynjolfsson — Consultada: 2026-09-19.
- Stanford University. Stanford Profiles: Erik Brynjolfsson — nombramientos administrativos en Stanford desde 2020 (cátedra Jerry Yang and Akiko Yamazaki, dirección del Digital Economy Lab, SIEPR, cortesías) e investigador asociado del NBER desde 1995. Stanford Profiles: Erik Brynjolfsson — Consultada: 2026-09-19.
- Brynjolfsson, Erik. Curriculum Vitae, junio de 2020 (alojado por Stanford) — A.B. en Matemáticas Aplicadas magna cum laude y S.M. en Matemáticas Aplicadas y Ciencia de la Decisión en Harvard (1984), Ph.D. en Economía Gerencial en la MIT Sloan School (febrero de 1991) con la tesis Information Technology and the Re-organization of Work, profesor asistente desde 1990, Schussel Family Professor of Management entre 7/2001 y 6/2020, director del Digital Economy Lab desde 7/2020, cofundador y director de la MIT Initiative on the Digital Economy, lista de libros con coautores y editoriales (incluido el informe de las National Academies copresidido con Tom Mitchell, 2017), Intangible assets: Computers and organizational capital (con Hitt y Yang, Brookings Papers on Economic Activity, 2002) y los reconocimientos de The Second Machine Age (lista de más vendidos del New York Times y finalista del premio FT-McKinsey, 2014). Stanford: currículum de Erik Brynjolfsson (PDF) — Consultada: 2026-09-19.
- MIT. The Second Machine Age, MIT Spectrum, primavera de 2015 — el libro de Brynjolfsson y McAfee (W. W. Norton, 2014) en la lista de más vendidos del New York Times, la comparación con la máquina de vapor desde el siglo XVIII, el contraste Instagram (14 personas, cerca de 1.000 millones de dólares) y Kodak (145.000 empleados), la frase «I’m a mindful optimist» y el lanzamiento de la MIT Initiative on the Digital Economy. MIT Spectrum: The Second Machine Age — Consultada: 2026-09-19.
- Brynjolfsson, Erik. The Productivity Paradox of Information Technology: Review and Assessment, Center for Coordination Science, MIT Sloan School of Management (versión de septiembre de 1992; publicado en Communications of the ACM, diciembre de 1993) — sección «A Clash of Expectations and Statistics», búsqueda en 30 revistas líderes, la frase «a shortfall of evidence is not necessarily evidence of a shortfall», las cuatro explicaciones (mismeasurement, lags, redistribution, mismanagement), el déficit atribuido tanto a la medición como a la mala gestión, el ejemplo de los cajeros automáticos y los cheques, y la medición como centro de la paradoja. MIT Center for Coordination Science: The Productivity Paradox of IT — Consultada: 2026-09-19.
- Brynjolfsson, Erik; Rock, Daniel; Syverson, Chad. Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics, NBER Working Paper 24001, noviembre de 2017 — la paradoja de Solow (1987), las cuatro explicaciones (false hopes, mismeasurement, redistribution, implementation lags) con los rezagos como mayor causa probable, la necesidad de olas de innovaciones complementarias, el agradecimiento a Larry Summers por la analogía de la curva J, la electrificación (la mitad de los establecimientos manufactureros sin electricidad hasta 1919, unos 30 años después de la corriente alterna polifásica), la aceleración de finales de los noventa como solución al menos parcial de la paradoja, y el recuento de Brynjolfsson y Hitt (2003: beneficios que crecen con ventanas más largas y tocan su máximo hacia los siete años), de Bresnahan, Brynjolfsson y Hitt (2002: complementariedades de tres vías) y del gasto en rediseño y capacitación varias veces mayor que en hardware y software. NBER: AI and the Modern Productivity Paradox, WP 24001 (PDF) — Consultada: 2026-09-19.
- Brynjolfsson, Erik; Hitt, Lorin M. Beyond Computation: Information Technology, Organizational Transformation and Business Performance, Journal of Economic Perspectives, vol. 14, n.º 4, otoño de 2000 — las inversiones organizacionales influyen mucho en el valor de la inversión en tecnología de la información y sus beneficios suelen ser intangibles y difíciles de medir. American Economic Association: Beyond Computation — Consultada: 2026-09-19.
- Brynjolfsson, Erik; Rock, Daniel; Syverson, Chad. The Productivity J-Curve: How Intangibles Complement General Purpose Technologies, NBER Working Paper 25148, octubre de 2018, revisado en enero de 2020 (publicado en American Economic Journal: Macroeconomics, vol. 13, n.º 1, enero de 2021, pp. 333-372) — inversiones complementarias intangibles mal medidas, subestimación temprana y sobreestimación posterior del crecimiento de la productividad, efectos importantes y en curso para el software y menores para el hardware, y efectos de los intangibles ligados a la IA «small but growing». NBER: The Productivity J-Curve, WP 25148 (PDF) — Consultada: 2026-09-19.
- MIT Sloan School of Management. How to approach the second machine age, 6 de marzo de 2018 — Machine, Platform, Crowd y sus tres áreas: mentes y máquinas, productos y plataformas, núcleo y multitud. MIT Sloan: How to approach the second machine age — Consultada: 2026-09-19.
- Brynjolfsson, Erik. The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence, Dædalus, vol. 151, n.º 2, primavera de 2022, p. 272 (doi: 10.1162/daed_a_01915; versión de acceso abierto en arXiv 2201.04200) — la frase «As machines become better substitutes for human labor, workers lose economic and political bargaining power», el poder de exigir una parte del valor creado cuando la IA aumenta en lugar de imitar, las capacidades y productos nuevos del aumento y el exceso de incentivos para automatizar entre tecnólogos, ejecutivos y responsables de política. arXiv: The Turing Trap, versión de autor (PDF) — Consultada: 2026-09-19.
- Brynjolfsson, Erik; Chandar, Bharat; Chen, Ruyu. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab, agosto de 2026 (primera versión: agosto de 2025) — datos de nómina de ADP sobre millones de trabajadores de Estados Unidos hasta junio de 2026, sin evidencia de desplazamiento amplio, empleo de los jóvenes de 22 a 25 años en ocupaciones expuestas un 19 % por debajo del ritmo de sus pares menos expuestos, sin brecha comparable para los experimentados, operación por menor contratación, concentración donde la IA sustituye tareas, el 13 % (datos a julio de 2025) y el 16 % (datos a septiembre de 2025) de caída relativa por regresión de las versiones anteriores, la atenuación al controlar por educación, las tendencias divergentes previas a la IA generativa, el patrón más marcado en ADP que en las encuestas nacionales, lectura como indicadores descriptivos y no causales, e indicadores públicos de IA. Stanford Digital Economy Lab: Canaries in the Coal Mine?, agosto de 2026 (PDF) — Consultada: 2026-09-19.
- Brynjolfsson, Erik; Collis, Avinash; Diewert, W. Erwin; Eggers, Felix; Fox, Kevin J. GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy, NBER Working Paper 25695, marzo de 2019 — la métrica GDP-B, que cuantifica beneficios y no costos, las valoraciones por experimentos de elección compatibles con incentivos y el aporte de Facebook de entre 0,05 y 0,11 puntos porcentuales por año al crecimiento del GDP-B de Estados Unidos. NBER: GDP-B, WP 25695 (PDF) — Consultada: 2026-09-19.
- Gmyrek, Paweł; Winkler, Hernan; Garganta, Santiago. Buffer or Bottleneck? Employment Exposure to Generative AI and the Digital Divide in Latin America, ILO Working Paper 121, OIT y Banco Mundial, 2024 (doi: 10.54394/TFZY7681) — entre 30 y 40 % del empleo de América Latina y el Caribe expuesto de algún modo, 2 a 5 % en riesgo de automatización, 8 a 12 % con potencial de aumento, cerca de la mitad de los puestos con potencial de aumento frenados por la brecha digital, índice de Gmyrek, Berg y Bescond (2023), y Colombia (encuesta SEDLAC de 2019): mujeres 5,5 % en automatización y 11,3 % en aumento, hombres 1,6 % en automatización, y entre los empleos femeninos con potencial de transformación la restricción digital afecta a cerca de la mitad (p. 30). OIT: Buffer or Bottleneck, Working Paper 121 (PDF) — Consultada: 2026-09-19.
Cómo investigamos esta página
- Pregunta que responde: Quién es Erik Brynjolfsson, cómo formuló y revisó la paradoja de la productividad y qué ha medido sobre la IA y el trabajo.
- Fuentes: identificadas 47 → incluidas 14
- Criterios de inclusión: perfiles y currículum de Stanford, textos del autor en el MIT, el NBER, la AEA y arXiv, y un estudio de la OIT, cada uno sosteniendo literalmente la afirmación que respalda.
- Fecha de corte de los datos: 2026-09-19