Lo más cruel de la IA no es que no dé respuestas a los pobres.

Quite the contrary, it provides answers for everyone.

Proporciona estructuras para tesis de estudiantes, plantillas de correo electrónico para empleados, planes de negocio para emprendedores, y explicaciones legales, consejos de inversión y planificación profesional para personas comunes. Por primera vez, las respuestas son tan baratas, tan abundantes y tan creíbles.

Pero el problema está aquí: cuando las respuestas están disponibles para todos, lo verdaderamente escaso ya no son las respuestas, sino la capacidad de juzgarlas.

La nueva pobreza no es la de quienes están excluidos de la IA, sino la de quienes ya tienen las respuestas, pero carecen de la capacidad para evaluarlas o de las condiciones para convertirlas en oportunidades reales.

En la era de Internet, los pobres de información son aquellos excluidos de la red. La solución parece clara: conectar el cable, difundir dispositivos y aumentar la tasa de alfabetización. En la era de los motores de búsqueda, es un poco más complejo: necesitas aprender a extraer palabras clave, filtrar fuentes y evaluar la credibilidad, y lo ideal es entender un poco de inglés. Pero la barrera es visible y cuantificable.

La brecha de información en la era de la IA es estructuralmente diferente.

Los modelos de lenguaje grandes no son motores de búsqueda; generan directamente las conclusiones por ti. No necesitas "buscar" la respuesta: la respuesta se presenta en párrafos fluidos, pasos claros y un tono seguro, entregada activamente ante ti. A primera vista, la barrera se ha reducido drásticamente. Pero aquí se esconde una estructura fría: cuando las respuestas se vuelven baratas, los errores también se vuelven baratos; y la capacidad de discernir "si esta respuesta es confiable" es, en cambio, más escasa y valiosa que nunca.

Cada vez que se ha difundido una tecnología general en la historia, ha seguido el mismo patrón: las nuevas tecnologías primero recompensan a quienes ya poseen capital complementario. La imprenta benefició primero a quienes sabían leer; las computadoras beneficiaron primero a quienes entendían software de oficina y programación; internet benefició primero a quienes tenían un buen dominio del inglés y habilidades de búsqueda avanzadas. El capital complementario para la IA incluye antecedentes educativos, conocimientos especializados, pensamiento crítico, autorización organizacional, capacidad de pago y, lo más difícil de cuantificar: el juicio.

Las nuevas tecnologías rara vez recompensan primero a quienes más las necesitan. Por lo general, recompensan primero a quienes más pueden aprovecharlas.

La primera grieta de la desigualdad ya está marcada antes de que abras la aplicación.

En abril de 2026, la institución de investigación de IA Epoch AI y la empresa de encuestas Ipsos publicaron una encuesta dirigida a aproximadamente 5.000 adultos estadounidenses. Tres rondas de preguntas planteaban una pregunta aparentemente sencilla: ¿Qué servicios de IA ha utilizado durante la semana pasada? Pero las respuestas no revelaron simples preferencias de productos, sino un mapa entrelazado de ingresos, puntos de acceso y distribución.

Del 80% de usuarios activos semanales de Claude, provienen de hogares con ingresos anuales superiores a 100.000 dólares; en los usuarios de Meta AI, esta proporción es solo del 37%. Por el contrario, aproximadamente el 32% de los usuarios de Meta AI provienen de hogares con ingresos anuales inferiores a 50.000 dólares, mientras que en los usuarios de Claude, esta proporción es solo del 7%.

Estos números son importantes no porque demuestren que "los ricos usan IA avanzada y los pobres usan IA gratuita". Esa es la lectura más superficial. Lo que merece preguntarse es: ¿por qué diferentes personas encuentran diferentes IA en su vida diaria?

Una persona le pide a la IA que sugiera una cena para los sobrantes en el refrigerador, ajuste el brillo del fondo de una foto y reescriba un mensaje de texto para que sea más adecuado. Otra persona le pide a la IA que organice entrevistas con clientes, compare ofertas de proveedores y identifique supuestos débiles en un informe. Ambos están utilizando la misma tecnología. Pero el primero la usa solo para conveniencia, mientras que el segundo la integra en un ciclo de ingresos, puestos y poder de negociación.

La diferencia no solo está en los usuarios, sino también en los puntos de entrada. La ruta de uso de Claude requiere buscar activamente, comparar productos, comprender las diferencias de capacidad, elegir la opción de pago y luego integrar la herramienta en el flujo de trabajo: cada paso filtra a los usuarios. En cambio, la ruta de Meta AI es casi lo opuesto: está integrada en plataformas sociales, es gratuita y de bajo fricción, y los usuarios a menudo la encuentran pasivamente mientras desplazan actualizaciones, envían mensajes o miran fotos.

Este no es un mercado sobre gustos, sino un mercado sobre distribución. Los usuarios parecen elegir herramientas, pero los precios y el acceso de las herramientas también eligen a los usuarios.

Fuente: epoch.ai

Incluso si encuentras una buena herramienta de IA, el segundo filtro te espera dentro de la empresa.

En una oficina común, la llegada de la IA rara vez se manifiesta en forma de "notificaciones de despido". Primero asume tareas como tomar actas de reuniones, redactar correos electrónicos, organizar hojas de cálculo, clasificar clientes y preparar borradores de informes. Para los gerentes, esta automatización libera tiempo para que se enfoquen en la toma de decisiones; pero para los nuevos empleados y los trabajadores de nivel inicial, esta automatización les quita precisamente la oportunidad de demostrar su capacidad, practicar la toma de decisiones y acceder a puestos de mayor nivel.

Los datos son aún más fríos que este escenario: una encuesta conjunta realizada por el Financial Times y una institución de investigación sobre el seguimiento de la IA en la fuerza laboral británica y estadounidense (febrero-marzo de 2026, con más de 4.000 encuestados en Reino Unido y EE. UU.) muestra que el 63% de los trabajadores en el rango salarial más alto utilizan IA en días laborales normales, mientras que las proporciones en los dos rangos más bajos son solo del 17% y el 16%, respectivamente. Esto no es una pendiente suave, es un acantilado.

El hallazgo más clave radica en los factores impulsores. El análisis de regresión de esta encuesta laboral reveló que, al controlar otras variables, el salario tiene un efecto casi nulo sobre la tasa de uso de IA; los factores realmente determinantes son cuatro: edad, antigüedad, industria y capacitación. La capacitación tiene el mayor efecto: una empresa que ofrece capacitación formal en IA tiene una tasa diaria promedio de uso de IA 37 puntos porcentuales más alta que empresas similares sin capacitación. Incluso la orientación informal eleva la tasa en 24 puntos porcentuales.

Sin embargo, la realidad es que, a principios de 2026, solo el 14% de los empleados indicaron haber recibido capacitación formal en IA proporcionada por su empleador, y dos tercios no habían recibido ningún tipo de capacitación.

La capacitación en IA no es un problema técnico, sino de asignación. Quién sea seleccionado para recibir la capacitación es quien se permite acceder a la trayectoria de crecimiento de la productividad; quien no lo sea, simplemente tendrá herramientas que son solo íconos en la pantalla sin autorización para abrirse.

La IA en el lado del consumidor es una aplicación, en el lado laboral es un privilegio. Y los privilegios nunca se distribuyen de manera equitativa.

Fuente: Focaldata

Esta es la derivación más sutil y también la más fundamental.

Imagina a un recién graduado que acaba de unirse a una empresa de consultoría. Él usó IA para generar un borrador de un informe de análisis de la industria: estructura completa, datos abundantes, tono seguro. Su jefe —alguien con diez años de experiencia en el sector— echa un vistazo y señala que dos de las fuentes de datos tienen defectos metodológicos, y que la tercera conclusión tiene un error en la inferencia causal. El jefe no es más trabajador que él; simplemente posee esa base: sabe dónde es fácil equivocarse, reconoce qué fluidez es verdadera y qué fluidez es solo la máquina rellenando espacios.

Este es precisamente el verdadero significado del hallazgo contraintuitivo en los datos de la encuesta laboral: los usuarios más intensivos de IA en el trabajo no son los empleados más jóvenes, sino aquellos que llevan entre 2 y 10 años en su puesto actual. La relación entre el uso de IA y la antigüedad sigue siendo significativa tras controlar la edad. No se debe a que los jóvenes no quieran usarla, sino a que el valor de la IA depende en gran medida de la capacidad de juicio que ya posee el usuario.

La experiencia es el capital complementario más importante para la IA, y la experiencia no se puede suscribir.

La IA reduce el costo de "parecer que entiendes", pero no reduce proporcionalmente el costo de "entender realmente". Incluso hay una consecuencia más peligrosa: cuanto menos base tenga un usuario, más probable es que acepte sin cuestionar las salidas de la IA; y cuanto más las acepte sin cuestionar, más difícil será que crezca su capacidad de juicio. Cuando un agente decide por ti, estás consumiendo inteligencia, no acumulándola.

El premio Nobel de Economía y profesor del MIT, Daron Acemoglu, lo dice sin rodeos: utilizar herramientas de IA requiere un cierto nivel de educación, pensamiento abstracto, habilidades cuantitativas y familiaridad con la tecnología. "Es casi seguro que la IA aumentará la desigualdad", dice.

La nueva información de los pobres está emergiendo aquí: no son quienes carecen de IA, sino quienes tienen IA, acceso y respuestas, pero carecen de la formación para juzgar esas respuestas; tienen herramientas y escenarios, pero no tienen el permiso para convertir los resultados de las herramientas en oportunidades; consumen inteligencia todos los días, pero nunca la acumulan.

Pero la relación entre la IA y la desigualdad no solo consiste en ampliar la brecha.

Varios estudios experimentales han encontrado que, en condiciones controladas, la IA tiende a elevar más a los individuos con bajos niveles de habilidad, como empleados de centros de llamadas, escritores principiantes y consultores de nivel inicial. Esto no es sorprendente: los expertos de élite obtienen ganancias marginales limitadas de la IA; mientras que una persona que nunca pudo permitirse servicios profesionales experimenta un salto cualitativo al usar la IA por primera vez para comprender un contrato.

Pero aquí hay una diferencia clave que señalar: los estudios experimentales miden el "mejoramiento después del uso", mientras que los datos reales miden "quién está usando realmente", "quién tiene permiso para usar" y "quién, después de usarlo, puede convertir los resultados en oportunidades". Ambos conjuntos de datos no mienten; miden cosas completamente diferentes.

Una tecnología puede reducir la brecha en el laboratorio, pero ampliarla en el mundo real: si la adopción es desigual, si los escenarios son desiguales, si el juicio es desigual.

La IA posee características técnicas de igualdad, pero opera dentro de estructuras sociales desiguales. Que ambas cosas sean verdaderas al mismo tiempo es la forma real del problema.

Cada generación tiende a creer que la tecnología general de su época romperá el antiguo orden.

Después de la invención de la imprenta, los alfabetizados se beneficiaron durante siglos. Al principio de la普及 de las computadoras, se potenciaron las habilidades de quienes ya sabían usar software de oficina y escribir código. Los primeros beneficios de internet fueron a parar a quienes entendían inglés, sabían buscar información y tenían tiempo y motivación para aprovechar oportunidades. En cada ola tecnológica, las voces que dicen "esta vez es diferente" son muy fuertes, pero los desvíos estructurales suelen tardar décadas en volverse visibles.

La velocidad de desviación de la IA podría ser más rápida y las ramificaciones más profundas, ya que no afecta solo a un tipo de tarea, sino a casi todos los trabajos que dependen del juicio y el lenguaje. Y precisamente, estas son las capacidades más difíciles de estandarizar y reasignar.

Algunos creen que la brecha finalmente se reducirá. El historiador económico y profesor del Oxford Internet Institute, Carl Benedikt Frey, sostiene esta opinión, basándose en la historia: la desigualdad provocada por la普及 de las computadoras se disipó con el tiempo a medida que disminuyeron las barreras de acceso. Esta analogía no carece de sentido.

El problema es que, incluso aceptando este optimista paralelo histórico, Frey mismo reconoce las condiciones clave: "Depende de cuánto tiempo tome cerrar la brecha. Si son diez o veinte años, es más preocupante."

Diez o veinte años, no es una escala de tiempo que se pueda esperar fácilmente—especialmente para quienes necesitan buscar trabajo, negociar salarios y acumular experiencia durante ese período.

Este es un momento histórico peculiar: por primera vez tenemos una tecnología que hace que todos se sientan más inteligentes.

This feeling is often the end.

El problema es que, en una era en la que el juicio determina realmente el éxito o el fracaso, tomar los sentimientos como el objetivo final puede ser el error más costoso.