Google amplía ATLAS para mostrar cómo se usa la IA en el trabajo y la ciencia

Un mapa abierto del uso de la IA

Google anunció una experiencia interactiva y de acceso abierto para explorar los millones de datos globales reunidos en su proyecto AI & Economy ATLAS. La novedad busca convertir una colección extensa en una herramienta que permita comparar ocupaciones, países y usos cotidianos sin depender únicamente de conclusiones generales.

El valor potencial está en observar diferencias que suelen desaparecer cuando la adopción de IA se resume en una sola cifra mundial. Aun así, una visualización accesible no resuelve por sí sola las preguntas sobre representatividad, sesgos de medición o causalidad: ayuda a formularlas con mayor precisión.

Patrones distintos entre India y Estados Unidos

Según Google, las actividades de arte, diseño y medios representan el 19% del uso laboral de IA observado en India, una proporción 1,6 veces superior al promedio mundial. Google también afirma que las ocupaciones informáticas y matemáticas concentran el 30% del uso laboral de IA en Estados Unidos, el doble de la participación registrada fuera del país.

Estos contrastes sugieren que la adopción no sigue una trayectoria uniforme. Desde una perspectiva editorial, pueden reflejar diferencias en las tareas disponibles, la estructura productiva, el acceso a herramientas o la manera de clasificarlas. Los datos descritos no permiten decidir por sí solos cuál de esas explicaciones pesa más.

Qué revela el estudio sobre científicos

La investigación presentada por Google, Google DeepMind y MIT FutureTech analizó 2.600 modelos especializados y encuestó a más de 600 científicos de Estados Unidos y Reino Unido. De acuerdo con Google, casi la mitad de los científicos encuestados utiliza alguna modalidad de IA todos los días.

Los científicos encuestados declararon ahorrar algo menos de siete horas semanales mediante IA, según el informe difundido por Google. Ese ahorro declarado resulta relevante para laboratorios y organizaciones de investigación, pero no equivale automáticamente a más descubrimientos, mejores resultados o ciclos completos más rápidos.

El cuello de botella cambia de lugar

Google señala que el estudio encontró tiempo dedicado a validar resultados, una acumulación de hipótesis pendientes y cuellos de botella en la experimentación física y la validación clínica. La lectura más prudente es que acelerar una etapa puede trasladar la presión hacia procesos posteriores que requieren equipos, revisión o comprobación fuera del modelo.

Esto afecta especialmente a responsables de laboratorios, instituciones y equipos que evalúan productividad: medir únicamente horas ahorradas podría ocultar trabajo desplazado hacia la verificación. También queda abierta la cuestión de si los resultados observados entre científicos de dos países pueden extrapolarse a otras disciplinas, regiones y condiciones de acceso.

Qué falta por conocer

Google presenta ATLAS como un proyecto de investigación a largo plazo que continuará desarrollando con colaboradores académicos y de otros ámbitos. Las próximas actualizaciones serán más útiles si permiten examinar cómo se obtuvieron las muestras, cómo cambia el uso a través del tiempo y qué relación existe entre adopción, calidad del trabajo y resultados finales.

Por ahora, ATLAS aporta una fotografía promovida por el propio proveedor y no una respuesta definitiva sobre el impacto económico de la IA. Su principal interés editorial está en hacer visibles dos fenómenos simultáneos: la adopción varía según el contexto y una mayor velocidad en tareas aisladas puede crear nuevas restricciones en el resto del proceso.