Google mide 15 millones de conversaciones con IA

Qué publicó Google

Google presentó AI & Economy ATLAS, un estudio continuo para observar cómo las personas usan IA en el trabajo y en su vida cotidiana. ATLAS significa Activity, Task, Landscape, and Adoption Study. La primera versión analiza actividad agregada de Gemini App, AI Mode y Gemini API.

La ambición del proyecto es seguir tareas reales en lugar de preguntar únicamente si alguien “adoptó IA”. Esa diferencia importa. Una licencia activa puede esconder un uso esporádico; una conversación clasificada muestra la necesidad concreta que llevó a abrir la herramienta.

Qué contiene la muestra

El reporte ATLAS v1.0 parte de 15 millones de interacciones agregadas y desidentificadas. Los tres productos estudiados suman más de 1.000 millones de usuarios mensuales, según Google. La cobertura incluye más de 150 países y territorios, 140 idiomas, 800 ocupaciones y 4.000 tareas.

Google usó OCTO, una herramienta de DeepMind, para convertir texto no estructurado en grupos y taxonomías. La compañía dice que eliminó información personal, rompió vínculos con los logs subyacentes y agregó los resúmenes en grupos de múltiples usuarios. La metodología reduce exposición individual, aunque el dueño del producto conserva el control sobre clasificación y muestra.

Qué revela sobre el trabajo

Algún uso laboral de IA aparece en 68% de las ocupaciones que representan 90% del empleo estadounidense. Esa amplitud atraviesa oficina, servicios y labores técnicas. Dentro de un empleo típico, sin embargo, la IA aparece en cerca de 21% de las tareas.

La distancia entre 68 y 21 evita una conclusión cómoda: presencia ocupacional y profundidad operativa son métricas distintas. Una herramienta puede tocar ventas, finanzas, soporte y mantenimiento sin gobernar la mayor parte del trabajo de ninguna de esas áreas.

El patrón ayuda a leer programas como el que lleva ChatGPT Work a pequeñas empresas. Formación y guías pueden ampliar el número de tareas donde la IA aporta valor. El resultado debería medirse por tarea, frecuencia y calidad, junto con el número de personas capacitadas.

La automatización completa sigue baja

Menos de 10% de las interacciones laborales clasificadas por ATLAS automatiza una tarea completa. La mayoría se concentra en ideación, estrategia, búsqueda de información, aprendizaje y otras formas de colaboración. Las tareas cognitivas no rutinarias representan 65% de la actividad laboral observada, frente a 35% en la economía general usada como línea base.

Ese dato cambia la conversación sobre reemplazo inmediato. El uso actual luce más parecido a una capa de asistencia selectiva: una persona plantea el problema, interpreta la salida y conserva decisiones. La autonomía puede crecer con mejores agentes, pero ATLAS describe actividad observada, no una predicción sobre el próximo año.

El valor fuera de la oficina

Más de 86% de las interacciones incluidas ocurre fuera del trabajo. Google identifica investigación de compras, uso y reparación de aparatos, impuestos, licencias, multas y otros trámites de alta fricción. Esas actividades ahorran errores y mejoran decisiones, aunque rara vez aparecen en una estadística de productividad empresarial.

La demanda doméstica puede explicar por qué una persona aprende a usar IA antes de que su empleador defina una política. También amplía el mercado para experiencias conectadas. La historia donde Google AI Mode conecta aplicaciones como Canva e Instacart muestra esa dirección: una pregunta empieza en búsqueda y termina dentro de una tarea concreta.

Los oficios también usan IA

ATLAS encuentra actividad en ocupaciones manuales y técnicas. Mecánicos automotrices e industriales consultan diagnósticos, cableado, resultados de pruebas y desgaste de maquinaria. Cuando estos trabajadores usan IA, recurren a entradas multimodales al doble de la tasa observada en otros grupos del estudio.

La cámara y la imagen acercan el modelo al objeto físico. Un técnico puede mostrar una pieza, un tablero o una lectura en lugar de traducir todo a texto. Esa ventaja depende de calidad visual, contexto y verificación; una respuesta convincente frente a una máquina averiada todavía puede estar equivocada.

Qué limita las conclusiones

ATLAS observa productos de Google. Quedan fuera Workspace, Translate, AI Overviews, Gemini Enterprise, agentes de programación y herramientas rivales. La muestra tampoco representa una encuesta aleatoria de la población: describe a quienes ya interactúan con esos productos.

Google reporta una relación entre uso per cápita e ingreso por país, con excepciones en Suramérica y Medio Oriente. La correlación señala una posible brecha digital, pero no identifica por sí sola la causa. Precio, conectividad, idioma, dispositivos, política pública y oferta local pueden mover el resultado.

Cómo usar ATLAS en una empresa

El primer inventario útil lista tareas, responsables, frecuencia, datos sensibles, costo del error y resultado esperado. Después conviene separar asistencia, colaboración y autonomía. Esas tres categorías requieren permisos, evaluación y métricas distintas.

La adopción se puede seguir con tareas completadas, calidad revisada, recurrencia y tiempo hasta corrección. Un tablero que solo cuenta usuarios activos premia abrir la herramienta. ATLAS sugiere medir dónde entra la IA y cuánto del flujo realmente asume.

La lectura de Radar IA

ATLAS pone una cifra grande alrededor de una realidad fragmentada. La IA ya aparece en casi todas las clases de trabajo, pero entra por grietas pequeñas: buscar, comparar, diagnosticar, aprender y proponer. El empleo completo sigue compuesto por muchas tareas que la muestra apenas toca.

La oportunidad de negocio está en encontrar esas grietas con precisión. Una compañía que mapea tareas puede elegir dónde la asistencia mejora una decisión y dónde la autonomía agrega riesgo. El dato más útil de ATLAS es la distancia entre adopción visible y profundidad operativa.

Tres denominadores evitan una conclusión tramposa

ATLAS v1.0 permite contar tres cosas distintas: ocupaciones donde aparece algún uso, tareas dentro de un empleo típico e interacciones que completan una tarea sin colaboración. El 68%, el 21% y el menos de 10% no forman una escalera de madurez automática. Cada cifra usa un denominador diferente. Mezclarlas produce titulares grandes y decisiones pequeñas.

Una empresa puede copiar esa separación mediante tres niveles:

• en cuántas funciones aparece IA al menos una vez;
• qué proporción de tareas recurrentes toca dentro de cada función;
• qué grado de autonomía asume en cada tarea concreta.

Después vienen los datos que ATLAS no resuelve para una organización: calidad aceptada, frecuencia, costo, tiempo de revisión y consecuencia del error. “El 70% de las áreas usa IA” puede coexistir con una operación donde apenas una tarea ocasional depende de ella. También puede ocurrir lo contrario: pocas áreas concentran procesos repetidos y valiosos.

El inventario correcto baja hasta la tarea, conserva una línea base y distingue asistencia, colaboración y ejecución completa. Así la adopción se representa como un mapa de trabajo más preciso que una foto de licencias. La primera versión de ATLAS sirve como referencia de patrones dentro de productos Google, con alcance insuficiente para predecir cuánta automatización habrá el próximo año.

Los tres niveles tampoco deben sumarse. Sirven para localizar oportunidades distintas y decidir dónde una mejora de asistencia merece inversión antes de intentar autonomía completa.

Privacidad declarada, selección y el mercado fuera de la oficina

Google dice que ATLAS elimina información personal, suprime referencias sensibles, rompe vínculos con logs, resume texto y agrupa resultados de múltiples usuarios. OCTO convierte conversaciones no estructuradas en entidades y taxonomías. Esas capas reducen exposición individual según el dueño del dataset; el reporte metodológico no convierte la muestra en un censo.

Aun si la desidentificación funciona como se describe, la selección permanece:

• la muestra proviene de Gemini App, AI Mode y Gemini API;
• deja fuera Workspace, Translate, AI Overviews y productos rivales;
• observa usuarios de esas herramientas, no una muestra aleatoria de población.

Más de 86% de las interacciones observadas ocurre fuera del trabajo. Google encuentra consultas sobre compras, aparatos, herramientas, impuestos, licencias, multas y servicios públicos. Son actividades productivas para una persona, aunque no aparezcan como horas facturables. La cobertura abarca más de 150 países y 140 idiomas; el inglés representa cerca de un tercio. El uso per cápita se relaciona con riqueza, con excepciones en Suramérica y Medio Oriente, pero el dataset no identifica causalidad.

Para producto y growth, el hallazgo útil es mapear momentos de fricción por país, idioma y costo del error. Reparar un aparato admite experimentación; interpretar una multa exige fuentes, límites y escalamiento. ATLAS muestra dónde aparecen preguntas. Cada empresa debe demostrar que su respuesta resuelve la tarea.

Privacidad y representatividad son preguntas distintas: la primera trata de proteger personas; la segunda determina hasta dónde puede generalizarse un patrón observado.

Fuentes primarias: anuncio de Google y reporte ATLAS v1.0.