Este artículo ha sido traducido automáticamente. La versión original está disponible en inglés.
Última actualización: · 19 min de lectura
En resumen
Robert Solow escribió en 1987 que la era de los ordenadores estaba en todas partes salvo en las estadísticas de productividad. Casi cuatro décadas después, la misma frase se recicla para hablar de la IA. Los bienes digitales gratuitos que el PIB no recoge no pueden explicar la desaceleración, porque su valor es demasiado pequeño. La verdadera lección viene de la electricidad. Las fábricas no vieron ningún salto de productividad durante unos cuarenta años, hasta que se diseñaron nuevas plantas en torno al motor eléctrico. Para que la IA rompa el bucle, las empresas tendrían que reconstruirse en torno a ella en lugar de hacer el trabajo de siempre un poco más deprisa.
Contenido
«Se puede ver la era de la informática en todas partes menos en las estadísticas de productividad». Robert Solow lo escribió en 1987, casi de pasada, en mitad de una reseña para la New York Times Book Review. Se convirtió en una de las citas más repetidas de la economía, la frase fundacional de lo que todavía se llama la paradoja de la productividad de Solow.
En agosto de 2024, tres investigadores de la Reserva Federal de Richmond abrieron un informe sobre la IA y la mano de obra citando palabra por palabra la frase de Solow y aplicándola a la inteligencia artificial. A comienzos de 2026, el economista jefe de Apollo, Torsten Slok, lo dijo aún más a las claras: «La IA está en todas partes excepto en los datos macroeconómicos que van llegando». Casi cuatro décadas después, la misma frase se había reciclado para hablar de una tecnología completamente distinta.
Aquello que produjo la paradoja original nunca se resolvió. La era de la informática acabó apareciendo en las estadísticas, brevemente, entre 1996 y 2004, y luego volvió a desaparecer de ellas. Ahora una nueva tecnología está haciendo lo mismo: transforma la vida cotidiana a la vista de todos mientras las cifras de productividad se niegan a moverse.
Ya en dos ocasiones una tecnología transformadora ha abierto la misma brecha entre lo que se ve y lo que registran los datos. La brecha nace de una confusión concreta entre lo impresionante de una tecnología y la reorganización estructural que impulsa el crecimiento agregado, una confusión en la que seguimos cayendo porque nunca la hemos diagnosticado como es debido.
Las cifras
Es fácil quedarse corto al medir la magnitud de la desaceleración, porque los porcentajes ocultan el efecto acumulativo. La productividad del sector empresarial privado no agrícola de Estados Unidos, es decir, la producción por hora trabajada, creció aproximadamente un 2,9 % anual entre 1948 y 1973. Después de 1973 promedió más bien un 1,8 %, y salvo un repunte entre mediados de los años noventa y 2004 nunca ha recuperado el ritmo de antes. Si se hubiera mantenido la tasa anterior a 1973, la producción por hora en Estados Unidos sería hoy aproximadamente un 75 % mayor de lo que es, una brecha que equivale a billones de dólares de producción cada año.
Robert Gordon lo plantea como el final de un «siglo especial»: la producción por hora creció un 2,82 % anual entre 1920 y 1970, frente a alrededor de un 1,5 % en las décadas anteriores a 1920 y de un 1,6 % después de 1970. El crecimiento de la PTF, la medida más profunda, que descuenta la acumulación de capital, avanzó durante ese periodo central a casi el triple de sus tasas anteriores a 1920 y posteriores a 1970. Según esa lectura, las décadas transcurridas desde 1970 marcan una vuelta al ritmo antiguo, más lento.
Los datos más recientes apenas cambian este panorama. La productividad del trabajo en el sector empresarial privado no agrícola de Estados Unidos creció un 3,0 % en 2024, un rebote cíclico, y luego un 2,2 % en 2025, y a mediados de 2026 la productividad del sector empresarial no agrícola seguía creciendo un 2,2 % interanual: una cifra respetable, pero todavía lejos del ritmo de la posguerra. En el conjunto de la OCDE, la productividad del trabajo creció alrededor de un 1,2 % en 2024, mejor que el año anterior.
Las explicaciones obvias caen enseguida. El problema no es exclusivo de Estados Unidos; la desaceleración aparece en todas las economías desarrolladas. Tampoco es una secuela de la crisis financiera de 2008: la desaceleración empezó en 1973, y el frenazo posterior a 2004 se adelantó cuatro años a la crisis.
Tampoco es pasajera, porque cincuenta años es mucho más que un ciclo económico. Ni es un simple efecto de composición debido al desplazamiento hacia los servicios, porque la desaceleración golpeó por igual a la industria y a los servicios.
Productividad del trabajo frente a productividad total de los factores
La productividad del trabajo, o producción por hora trabajada, puede aumentar solo porque las empresas invierten en más o mejor equipo por trabajador. Una fábrica que compra a cada trabajador una máquina más rápida eleva la producción por hora sin volverse en absoluto más eficiente. La productividad total de los factores descuenta esta intensificación del capital y aísla el residuo: cuánta más producción obtiene la economía con los mismos insumos. Los economistas tratan la PTF como la medida fundamental del potencial de crecimiento a largo plazo, porque cuando se estanca, la acumulación de capital por sí sola no puede sostener el crecimiento indefinidamente.
La escapatoria de la medición
La explicación más cómoda es que la desaceleración es una ilusión estadística. El PIB mide transacciones de mercado. Los bienes digitales gratuitos, como Google Maps, Wikipedia y las redes sociales de uso gratuito, dan a los usuarios mucho más valor que cualquier cosa que paguen, y el PIB, que cuenta lo que se paga, deja escapar la mayor parte de ese valor. Desde este punto de vista somos más ricos de lo que dice el PIB, y la crisis de productividad es una crisis de medición disfrazada.
Erik Brynjolfsson y sus coautores intentaron ponerle cifra al valor que falta. Construyeron un marco llamado GDP-B para estimar el excedente del consumidor que generan los bienes digitales gratuitos, preguntando a la gente qué aceptaría a cambio de renunciar a un servicio.
El usuario mediano de Facebook en Estados Unidos, según descubrieron, pediría unos 42 dólares al mes por renunciar al acceso. Nada de ese excedente aparece en el PIB.
Chad Syverson ha demostrado que la mala medición no basta como explicación. Su argumentación empírica tiene cuatro partes. Empecemos por la geografía: la desaceleración de la productividad es un fenómeno que abarca a muchos países, y su magnitud no guarda relación con la intensidad con que cada país usa las tecnologías de la información y la comunicación (TIC). Si la desaceleración fuera un artefacto de medición de las economías digitales, debería ser más grave en las más digitales, y no lo es. El crecimiento de la productividad del trabajo se frenó en 29 de los 30 países de la OCDE que examinó, en 1,2 puntos porcentuales anuales de media, tanto si eran grandes usuarios o productores de tecnología digital como si no.
Luego está la escala. La «producción perdida» total que implica la desaceleración de la productividad posterior a 2004, es decir, la diferencia entre lo que habría sido el PIB con la tendencia de 1995–2004 y lo que resultó ser, rondaba los 3 billones de dólares anuales en 2015. Todas las estimaciones del excedente del consumidor de los bienes digitales de la era de internet que examinó Syverson cubren solo una pequeña fracción de esa brecha. Los trabajos posteriores no hacen más que afinar el argumento: según las estimaciones del GDP-B, contabilizar el valor no medido de Facebook añade entre 0,05 y 0,11 puntos porcentuales anuales al crecimiento, mientras que la desaceleración por sí sola restó alrededor de 1,5 puntos porcentuales anuales al crecimiento de la productividad del trabajo.
Los datos sectoriales tampoco ayudan. Para que la mala medición explicara siquiera una fracción modesta de la producción perdida, las industrias productoras de TIC y las que hacen un uso intensivo de ellas habrían necesitado tasas de crecimiento de la productividad no medidas varias veces superiores a sus tasas medidas. Los datos entre industrias no lo respaldan. Los sectores que con más probabilidad producen valor digital no medido no muestran una brecha anómala de ese tipo entre su productividad medida y la implícita.
Y en la década posterior a 2004 el ingreso interno bruto avanzó algo por delante del producto interno bruto —el patrón que cabría esperar si a los trabajadores se les pagara por fabricar cosas que luego se regalan—. Pero el IIB empezó a superar al PIB en 1998, en plena expansión de la productividad, y el ingreso adicional fue a parar a beneficios y no a salarios. Ni el momento ni el reparto encajan con la historia de la producción oculta.
Syverson no niega que los bienes digitales tengan un valor no medido. Lo que sostiene es que ese valor es un orden de magnitud demasiado pequeño para explicar lo ocurrido. Y la hipótesis de la mala medición no tiene respuesta para lo que muestra la comparación entre países.
Cómo funciona el GDP-B
Para estimar el excedente del consumidor, el GDP-B recurre a experimentos de elección discreta compatibles con los incentivos: los participantes eligen entre conservar un servicio o recibir un pago en efectivo, con dinero real en juego. Las estimaciones son significativas pero ruidosas, ya que recogen lo que la gente dice que aceptaría, en condiciones diseñadas para obtener respuestas sinceras. Una ganancia de bienestar de unos 42 dólares al mes por usuario de Facebook, aun sumada para todos los estadounidenses presentes en la plataforma, no se acerca a los 3 billones de dólares de producción anual no contabilizada.
Qué hizo especial al siglo especial
Si la historia de la medición no explica la desaceleración, la pregunta cambia: ¿qué impulsó los cincuenta años de crecimiento que no hemos sido capaces de repetir? El resumen habitual del argumento de Gordon, «las TI están sobrevaloradas», pasa por alto la tesis estructural que hay debajo.
Los inventos de 1870–1940 abolieron tareas enteras. Antes del agua corriente, el hogar estadounidense medio acarreaba unos 9.000 galones de agua al año: la traía, la calentaba en el fogón y volvía a sacarla; la fontanería interior acabó de raíz con esa tarea. La refrigeración hizo innecesaria toda una categoría de trabajo doméstico: la nevera de hielo ya había reducido el deterioro de los alimentos, pero la refrigeración mecánica eliminó la compra diaria que exigía lo perecedero. La electrificación transformó la colada. Para una granjera encuestada en 1945–1946, una carga de 38 libras de ropa que a la antigua llevaba unas cuatro horas pasó a llevar 41 minutos cuando el hogar tuvo lavadora y secadora eléctricas, agua corriente y calentador de agua.
Cada invento eliminó, de una vez por todas, una actividad que había consumido buena parte del tiempo de los hogares. Las mujeres se incorporaron en masa al trabajo remunerado, en parte porque las máquinas asumieron el trabajo doméstico que las había mantenido fuera.
La comparación de Gordon con las TI gira en torno a la diferencia entre mejorar una tarea tolerable y eliminar una intolerable. El correo electrónico aceleró la escritura de cartas, pero escribir cartas nunca fue un cuello de botella para toda la economía: nadie pasaba horas al día con la correspondencia como los hogares las pasaban antes acarreando agua y frotando la ropa a mano. Los buscadores aceleraron la recuperación de información en los márgenes del trabajo intelectual, y encontrar información nunca limitó la economía como lo hicieron la conservación de alimentos y el transporte.
Tyler Cowen amplía el encuadre. En su relato, el crecimiento de 1880–1970 descansó sobre tres tipos de frutos al alcance de la mano. El primero fue la tierra gratuita: la frontera continental, arrebatada a las naciones nativas que vivían en ella y en buena parte entregada a colonos a cambio de una tasa de registro, siempre que vivieran en la tierra, se construyeran una casa y la cultivaran. El segundo fue la rápida traducción de la ciencia de los siglos XVIII y XIX en tecnología útil: la ciencia básica de la termodinámica, el electromagnetismo y la teoría microbiana, acumulada a lo largo de siglos, se convirtió en energía eléctrica, motores de combustión interna y saneamiento moderno en un estallido concentrado entre 1880 y 1940. El tercero fue el gran rendimiento de educar a poblaciones que hasta entonces no habían recibido instrucción, con lo que terminar la secundaria pasó de ser una rareza a ser una norma casi universal, y cada año adicional de escolarización producía grandes rendimientos marginales porque el punto de partida era muy bajo.
Las tres fueron condiciones irrepetibles, no rasgos renovables de las economías industriales: no se puede descubrir tierra gratuita dos veces, ni pasar por segunda vez del analfabetismo masivo a la alfabetización masiva. Internet, sostenía Cowen, proporciona un disfrute enorme, en gran parte gratuito, pero «en términos de ingresos y empleos, internet no ha aportado tanto valor como cree la mayoría de la gente». Cuando lo escribió, Twitter empleaba a unas 300 personas y Google a unas 20.000, plantillas que en la era del automóvil habrían sido un error de redondeo.
Gordon y Cowen discrepan sobre hasta qué punto está cerrado el futuro —Gordon es más pesimista sobre la vuelta de la innovación transformadora; Cowen deja la puerta abierta—. Pero coinciden en el diagnóstico: la desaceleración posterior a 1970 es estructural y tiene su raíz en la propia economía, no en el ciclo económico ni en las estadísticas.
Su acuerdo plantea una pregunta más amplia que la de por qué decepcionaron las TI: ¿qué tendría que hacer cualquier tecnología para igualar el siglo especial?
Los vientos en contra de Gordon
Con independencia de la cuestión de la innovación, Gordon identifica cuatro lastres estructurales que frenan el crecimiento: una desigualdad creciente que concentra las ganancias de productividad en una élite reducida en lugar de elevar los ingresos medianos; un nivel educativo que se estanca tras décadas de expansión; un envejecimiento demográfico que reduce el peso de la población en edad de trabajar; y una ratio de deuda pública sobre el PIB en aumento que limita la capacidad fiscal. Juntos frenarían el crecimiento del nivel de vida típico aunque la innovación repuntara. La cuestión tecnológica es si la productividad puede acelerarse siquiera.
El repunte de 1996–2004
Entre 1996 y 2004 la desaceleración pareció invertirse: la producción por hora del sector empresarial no agrícola creció aproximadamente un 3 % anual, a la par del ritmo anterior a 1970. Los optimistas de las TI lo citan como prueba de que la tecnología puede impulsar el crecimiento, y en eso tienen razón. La pregunta abierta es qué tecnología impulsó esas ganancias, y a través de qué sectores.
La aceleración se concentró en un puñado de sectores: en 1995–2000, seis de 59 sectores, encabezados por el comercio mayorista y minorista, los semiconductores y la fabricación de ordenadores, explicaron casi la totalidad. Destacan dos mecanismos. Uno fue la fabricación de semiconductores, donde la ley de Moore impulsó una deflación rápida y continua de los precios del hardware informático, abaratando cada unidad de capacidad de cálculo a un ritmo que inflaba directamente la producción medida por hora en el sector de los semiconductores. El otro fue la logística en el comercio mayorista y minorista. La revolución de Walmart en la gestión de inventarios, basada en la lectura de códigos de barras, el intercambio electrónico de datos y la coordinación en tiempo real de la cadena de suministro, produjo grandes ganancias de eficiencia medidas en la distribución, y los competidores pasaron los años siguientes copiándolas. La internet de consumo, con sus sitios web, su comercio electrónico y su correo electrónico, contribuyó, pero bastante menos que el hardware y la logística.
El repunte terminó hacia 2004. Las caídas medidas de los precios de los semiconductores se frenaron bruscamente en las estadísticas oficiales, en parte porque Intel cambió su forma de fijar el precio de sus chips. Los chips siguieron mejorando deprisa; las estadísticas oficiales de precios solo captaron una fracción de esa mejora. El sector productor de TI dejó de sumar gran cosa al crecimiento medido.
Luego llegaron Facebook en 2004, YouTube en 2005 y el iPhone en 2007. La computación en la nube se extendió a finales de la década de 2000, la banda ancha se generalizó y las redes sociales se extendieron por la vida cotidiana. El cambio tecnológico visible se aceleró bruscamente justo cuando el crecimiento medido de la productividad retrocedía, y desde entonces ambos han ido cada uno por su lado.
El problema de la dinamo
Esa separación ofrece una manera de juzgar la IA. ¿Es como el semiconductor, transformadora en lo estructural de formas que se reflejan en la producción, o como la internet de consumo, impresionante y dominante pero marginal en lo económico? El argumento más sólido a favor de una recuperación impulsada por la IA es el que precisa exactamente qué condiciones deben cumplirse.
El historiador económico Paul David encontró el patrón en la electricidad. Las primeras centrales eléctricas abrieron a principios de la década de 1880, pero el accionamiento eléctrico se extendió despacio por las fábricas estadounidenses, y la productividad manufacturera no se aceleró hasta los años veinte, unos cuarenta años después. Los directores de fábrica que sustituyeron las máquinas de vapor por dinamos habían conservado la distribución física existente: una única fuente de energía central que movía las máquinas mediante ejes y correas. Las ganancias de eficiencia de los motores eléctricos individuales se desperdiciaban en gran medida porque la fábrica estaba organizada en torno a las limitaciones de la transmisión mecánica de energía.
El cambio decisivo llegó a medida que las viejas fábricas se desgastaban y las nuevas instalaciones, muchas construidas durante el auge inversor de los años veinte, se diseñaban desde cero en torno a sistemas de accionamiento individual, con un motor propio en cada máquina. Eso permitió naves de una sola planta que seguían el flujo de los materiales y del trabajo, con secuencias de producción ordenadas según su lógica y no según su cercanía a un eje de transmisión. Esa reorganización, más que los motores por sí solos, trajo el salto de productividad de los años veinte.
Los economistas llaman a la versión moderna la curva J de la productividad: las tecnologías de propósito general requieren grandes inversiones intangibles complementarias, como el rediseño de los flujos de trabajo, la recualificación de la plantilla y la reestructuración organizativa, antes de que se materialicen las ganancias de productividad, y esa fase de inversión deprime la PTF medida antes de que aparezcan las ganancias. Para la IA, la pregunta es si las empresas siguen moviendo motores nuevos con el viejo eje de transmisión, metiendo la IA en flujos de trabajo intactos, o han empezado a construir organizaciones nuevas en torno a ella.
En el plano de las tareas individuales, las pruebas son sólidas. Entre más de 5.000 agentes de atención al cliente de una empresa, el acceso a una herramienta de IA aumentó las incidencias resueltas por hora alrededor de un 15 % de media, con ganancias mucho mayores para los trabajadores novatos. Los desarrolladores que usaban GitHub Copilot completaron una tarea de programación estándar alrededor de un 56 % más rápido que un grupo de control.
Si esas ganancias se suman en el conjunto de la economía es otra cuestión. Una ganancia del 15 % en el servicio de atención al cliente de una empresa, o una aceleración del 56 % en una tarea de programación controlada, no mueve el PIB por sí sola. Para revertir el estancamiento, el tiempo ahorrado tiene que convertirse en más producción con las mismas horas, o en la misma producción con menos horas pagadas, en toda la economía.
Esa traducción depende de dónde esté el cuello de botella. Ahorrarle a un desarrollador horas cada semana eleva la producción de la empresa solo si el tiempo del desarrollador es lo que frena a la empresa. Si las decisiones de producto, la infraestructura de pruebas o los procesos de despliegue marcan el ritmo, el ahorro se pierde en holgura: comidas más largas y tardes más lentas con las mismas horas pagadas, algo que ninguna estadística registra como productividad. La misma lógica se aplica a todos los sectores: un revisor de siniestros de seguros más rápido produce más solo si la capacidad de revisión era el cuello de botella, y no el flujo de reclamaciones o la aprobación regulatoria. Un investigador jurídico más rápido produce más trabajo facturable solo si el bufete factura por rapidez y no por horas. La analogía de la dinamo indica qué hay que buscar: empresas organizadas de otra manera en torno a la tecnología.
Tecnologías de propósito general
La definición estándar de una tecnología de propósito general tiene tres criterios: presencia generalizada en distintos sectores, mejora técnica continua y capacidad de generar innovaciones complementarias. El vapor, la electricidad y la informática cumplen los tres. Si la IA actual cumple los tres, o solo los dos primeros, sigue sin estar claro. La presencia generalizada es evidente y la mejora técnica es rápida. La cuestión abierta es la tercera: si las mejoras de la IA elevan la productividad de la innovación en los sectores que la usan, generando nuevos procesos y productos construidos sobre ella. Las pruebas de ello siguen siendo anecdóticas y no sistemáticas.
Lo que dicen las pruebas
Hasta ahora las pruebas son de tres tipos, y no apuntan en la misma dirección.
Las cifras más firmes son las oficiales. El crecimiento de la productividad del trabajo en Estados Unidos se ha mantenido en niveles respetables desde su rebote cíclico de 2024, mientras que el crecimiento de la productividad total de los factores en el sector empresarial privado no agrícola se frenó hasta el 0,8 % en 2025, desde el 1,5 % de 2024. Ninguna serie de datos agregados hasta mediados de 2026 muestra una ruptura estructural compatible con una aceleración impulsada por la IA en toda la economía.
Las encuestas a trabajadores son más alentadoras. A finales de 2024, el tiempo que los usuarios de IA decían ahorrar sumaba el 1,4 % de todas las horas trabajadas, suficiente para elevar la productividad agregada alrededor de un 1,1 % si el tiempo ahorrado se convertía en producción adicional en lugar de diluirse en holgura. En el verano de 2025, más de un tercio de los trabajadores estadounidenses usaba IA generativa en su trabajo, una adopción más rápida que la que logró el ordenador personal en el mismo punto de su difusión, y su uso representaba el 5,7 % de todas las horas de trabajo en Estados Unidos.
El tiempo ahorrado y el tiempo dedicado son medidas distintas, y ninguna mide directamente la producción. Los economistas que dirigen esas encuestas sí ven indicios tempranos en las cifras agregadas: entre el lanzamiento de ChatGPT y mediados de 2025, el crecimiento acumulado de la productividad se situó unos 1,9 puntos porcentuales por encima de su tendencia prepandemia, y las industrias que declaraban mayores ahorros de tiempo tendían a crecer más deprisa que su tendencia. Subrayan que ese vínculo no puede leerse como causal, y las estadísticas oficiales hasta mediados de 2026 no han constatado una ruptura estructural impulsada por la IA.
Las previsiones son lo menos seguro. El Penn Wharton Budget Model estima la contribución de la IA al crecimiento de la PTF en unos 0,01 puntos porcentuales en 2025, una cifra mínima porque la mayoría de las empresas aún no ha desplegado herramientas de IA a gran escala. Proyecta una contribución creciente durante los últimos años de la década de 2020, con un máximo a principios de la década de 2030, pero se trata de resultados de un modelo bajo supuestos concretos, no de observaciones.
Dos lecturas encajan con este patrón. Una es la curva J: el coste de implantar la IA y de reorganizarse en torno a ella frena la productividad durante un tiempo, como hizo la electrificación, y la recompensa llega después. La otra es que el tiempo liberado se diluye en holgura, de modo que la tecnología ayuda a los trabajadores individuales mientras la economía nunca convierte su ahorro en producción.
Los datos todavía no permiten distinguirlas. Que los trabajadores terminen las tareas más deprisa y que los encuestados declaren ahorros de tiempo no zanjará la cuestión, porque ambas cosas aparecerían tanto en el caso optimista, una curva J antes del despegue, como en el pesimista, en el que las ganancias en cada tarea nunca llegan a sumarse.
La historia de la electrificación indica cómo se reconocería que la IA «funciona». Habría ganancias de PTF sostenidas en los sectores donde la adopción de la IA tiene tres o más años de madurez. Las mejoras de productividad se mantendrían a lo largo de varias fases del ciclo económico en lugar de reflejar variaciones cíclicas. Y las empresas rediseñarían el trabajo, los equipos y los productos en torno a la IA a gran escala, en vez de superponer herramientas a estructuras intactas. En los términos de la dinamo, las empresas estarían construyendo la fábrica de una sola planta en lugar de atornillar el motor eléctrico al eje existente. Los casos de empresas que lo están haciendo se multiplican, pero siguen siendo ejemplos aislados, y el patrón en el conjunto de la economía no ha aparecido.
El bucle
El siglo especial nunca planteó el enigma de Solow. Rehízo la vida económica cotidiana de forma tan completa que un viajero en el tiempo llegado de 1870 no reconocería 1940, y nadie necesitaba una medición sofisticada para verlo. Los ordenadores plantearon el enigma, y la IA lo ha vuelto a plantear.
Para que la IA rompa el bucle, las empresas tendrían que hacer lo que hicieron los constructores de fábricas en los años veinte: reconstruirse en torno a la tecnología y prescindir de categorías enteras de trabajo en lugar de hacer el trabajo existente un poco más deprisa. Cuando se ha producido una reorganización de ese tipo, en el siglo especial y de nuevo en el repunte de 1996–2004, se ha visto con claridad en las cifras. Si le llega el turno a la IA, nadie necesitará citar a Solow.
Artículos relacionados
- Desarrollo económico de Japón en la posguerra
- ¿Quién carga con la deuda detrás del auge de la IA?
- ¿Quién paga la red que necesitan los centros de datos?
Lecturas recomendadas
Como Afiliado de Amazon, Eikleaf obtiene ingresos por las compras adscritas que cumplen los requisitos aplicables. Los enlaces a libros que aparecen a continuación son enlaces de afiliado: si compras a través de ellos, podemos recibir una pequeña comisión sin coste adicional para ti.
The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil WarMuestra cómo la electricidad, el saneamiento, el transporte y los inventos domésticos transformaron la productividad y por qué las innovaciones posteriores aportaron menores ganancias.Crecimiento: Historia y balanceCrecimiento: Historia y balanceExplica las fuentes del crecimiento económico, la reciente desaceleración y las propuestas para generar nuevas ideas, sopesando a la vez los costes más amplios del crecimiento.
How Progress Ends: Technology, Innovation, and the Fate of NationsUtiliza casos históricos de innovación y estancamiento para explicar por qué las instituciones deben adaptarse antes de que los avances tecnológicos puedan sostener el crecimiento económico.
Power and Prediction: The Disruptive Economics of Artificial IntelligenceExplica mediante ejemplos empresariales por qué los mayores beneficios de la IA requieren rediseñar decisiones y procesos de trabajo interconectados, en consonancia con el argumento del artículo sobre la reorganización.Vídeos recomendados
12:14Robert Gordon: The death of innovation, the end of growthEl alegato pesimista de Robert Gordon: los grandes inventos ya quedaron atrás y el crecimiento se ralentiza para siempre.
12:38Robert Gordon, Erik Brynjolfsson debate the future of work at TED2013Gordon y Brynjolfsson debaten si la tecnología digital reactivará la productividad, la pregunta central del artículo.
25:43Tyler Cowen: The Great StagnationTyler Cowen sobre la tesis de la «fruta al alcance de la mano» que dio nombre al Gran Estancamiento.Cómo citar este artículo
Lena Martin. “El gran estancamiento: por qué se frenó el crecimiento de la productividad y si puede recuperarse.” Eikleaf, 10 de mayo de 2026, actualizado 2 de noviembre de 2026. https://www.eikleaf.com/es/the-great-stagnation-why-productivity-growth-slowed-and-whether-it-can-recover/
Aviso sobre IA generativa
Algunos contenidos de esta página se generaron y/o editaron con la ayuda de una IA generativa.
Multimedia
Principales fuentes y referencias
Robert Solow, «We’d Better Watch Out,» New York Times Book Review, July 12, 1987, p. 36.
Erin Henry, Pierre-Daniel Sarte, and Jack Taylor, «The Productivity Puzzle: AI, Technology Adoption and the Workforce,» Federal Reserve Bank of Richmond Economic Brief No. 24-25, August 2024. https://www.richmondfed.org/publications/research/economic_brief/2024/eb_24-25
Sasha Rogelberg, «Thousands of CEOs admit AI had no impact on employment or productivity—and it has economists resurrecting a paradox from 40 years ago,» Fortune, February 17, 2026. https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/
Robert J. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016.
Tyler Cowen, The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better, Dutton/Penguin, 2011.
U.S. Bureau of Labor Statistics, Productivity and Costs news releases, 2024–2026, including «Total Factor Productivity — 2025» (March 19, 2026) and «Productivity and Costs, Second Quarter 2026, Revised» (September 3, 2026). https://www.bls.gov/productivity/ · https://www.bls.gov/news.release/prod3.nr0.htm · https://www.bls.gov/news.release/prod2.nr0.htm
OECD, Compendium of Productivity Indicators 2026, June 2026. https://www.oecd.org/en/publications/2026/06/oecd-compendium-of-productivity-indicators-2026_04e21c23.html
Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, «GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy,» NBER Working Paper 25695, 2019. https://www.nber.org/papers/w25695
Chad Syverson, «Challenges to Mismeasurement Explanations for the US Productivity Slowdown,» Journal of Economic Perspectives, vol. 31, no. 2, Spring 2017, pp. 165–186. https://www.aeaweb.org/articles?id=10.1257/jep.31.2.165 · https://www.nber.org/system/files/working_papers/w21974/w21974.pdf
Paul A. David, «The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,» American Economic Review: Papers and Proceedings, vol. 80, no. 2, May 1990, pp. 355–361.
Erik Brynjolfsson, Daniel Rock, and Chad Syverson, «The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,» American Economic Journal: Macroeconomics, vol. 13, no. 1, January 2021, pp. 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386
Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, «Generative AI at Work,» Quarterly Journal of Economics, vol. 140, no. 2, 2025, pp. 889–942. https://academic.oup.com/qje/article/140/2/889/7990658
Sida Peng, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer, «The Impact of AI on Developer Productivity: Evidence from GitHub Copilot,» arXiv:2302.06590, February 2023. https://arxiv.org/abs/2302.06590
Alexander Bick, Adam Blandin, and David Deming, «The Impact of Generative AI on Work Productivity,» Federal Reserve Bank of St. Louis, On the Economy blog, February 27, 2025. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
Alexander Bick, Adam Blandin, and David Deming, «The State of Generative AI Adoption in 2025,» Federal Reserve Bank of St. Louis, On the Economy blog, November 13, 2025. https://www.stlouisfed.org/on-the-economy/2025/nov/state-generative-ai-adoption-2025
Penn Wharton Budget Model, «The Projected Impact of Generative AI on Future Productivity Growth,» September 8, 2025. https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth
Congressional Budget Office, «Labor Productivity: Developments Since 1995,» March 2007. https://www.cbo.gov/sites/default/files/110th-congress-2007-2008/reports/03-26-labor.pdf
Timothy F. Bresnahan and M. Trajtenberg, «General Purpose Technologies: ‘Engines of Growth’?» Journal of Econometrics, vol. 65, no. 1, January 1995, pp. 83–108. https://doi.org/10.1016/0304-4076(94)01598-T
Robert J. Gordon, «Off Its Pinnacle,» Finance & Development, IMF, vol. 53, no. 2, June 2016. https://www.imf.org/external/pubs/ft/fandd/2016/06/gordon.htm
«The Great Stagnation: Why Hasn’t Recent Technology Created More Jobs?» (interview with Tyler Cowen), PBS NewsHour, 2011. https://www.pbs.org/newshour/show/the-great-stagnation-why-hasn-t-recent-technology-created-more-jobs
Jeremy Greenwood, Ananth Seshadri, and Mehmet Yorukoglu, «Engines of Liberation,» Review of Economic Studies, vol. 72, no. 1, 2005, pp. 109–133. https://users.ssc.wisc.edu/~aseshadr/Publications/engines.pdf
Brink Lindsey, «Not So Stagnant,» Reason, April 15, 2011. https://reason.com/2011/04/15/not-so-stagnant/
Shawn Sprague, «Contributions to labor productivity growth, private nonfarm business, 1948–2018,» Monthly Labor Review, U.S. Bureau of Labor Statistics, 2021. https://www.bls.gov/opub/mlr/2021/highcharts/data/sprague-fig2.stm
McKinsey Global Institute, «US Productivity Growth 1995–2000,» October 2001. https://www.mckinsey.com/featured-insights/americas/us-productivity-growth-1995-2000
David M. Byrne, Stephen D. Oliner, and Daniel E. Sichel, «How Fast Are Semiconductor Prices Falling?» NBER Working Paper 21074, 2015. https://www.nber.org/papers/w21074
National Park Service, «About the Homestead Act,» Homestead National Historical Park. https://www.nps.gov/home/learn/historyculture/abouthomesteadactlaw.htm












