El lugar más despiadado de la IA no es que niegue respuestas a los pobres.

Por el contrario, es que da respuestas a todos.

A los estudiantes les da la estructura de una tesis, a los empleados plantillas de correos, a los emprendedores planes de negocio, a las personas comunes explicaciones legales, consejos de inversión y planes profesionales. Las respuestas son por primera vez tan baratas, tan abundantes y tan parecidas a la verdad.

Pero ahí reside también el problema: cuando las respuestas son accesibles para todos, lo que realmente se vuelve escaso ya no son las respuestas, sino la capacidad de juzgarlas.

Los nuevos pobres informacionales no son los excluidos de la IA, sino aquellos que ya tienen las respuestas, pero carecen de la capacidad para evaluarlas y tampoco tienen las condiciones para convertir esas respuestas en oportunidades reales.

一、La brecha informativa en la era de la IA

Los pobres informacionales de la era de Internet eran aquellos excluidos de la red. La solución parecía clara: conectar el cable, popularizar los dispositivos, mejorar la alfabetización. La era de los motores de búsqueda fue un poco más compleja; necesitabas aprender a refinar palabras clave, filtrar fuentes, juzgar la credibilidad, y preferiblemente saber algo de inglés. Pero el umbral era visible y cuantificable.

La brecha informativa en la era de la IA es estructuralmente completamente diferente.

Los grandes modelos de lenguaje no son motores de búsqueda; generan conclusiones directamente por ti. Ya no necesitas "buscar" la respuesta: la respuesta se organiza en párrafos fluidos, pasos claros, con un tono confiado, y se presenta activamente ante tus ojos. En la superficie, el umbral se reduce drásticamente. Pero aquí se esconde una estructura fría: cuando las respuestas se abaratan, los errores también se abaratan; y la capacidad de discernir "si esta respuesta es confiable" se vuelve, en cambio, más escasa y valiosa que nunca.

Cada difusión de tecnología general en la historia ha seguido la misma lógica: la nueva tecnología recompensa primero a quienes ya poseen capital complementario. La imprenta benefició primero a los alfabetizados; las computadoras a quienes sabían usar software de oficina y programar; Internet a quienes tenían buen nivel de inglés y habilidades de búsqueda. El capital complementario de la IA incluye antecedentes educativos, conocimiento profesional, pensamiento crítico, autorización organizacional, capacidad de pago, y lo más difícil de cuantificar: el criterio.

La nueva tecnología rara vez recompensa primero a quienes más la necesitan. Suele recompensar primero a quienes mejor pueden aprovecharla.

二、Lo primero que se separa es el camino hacia la IA

La primera grieta de la desigualdad se traza incluso antes de que abras la aplicación.

En abril de 2026, el instituto de investigación de IA Epoch AI y la firma de encuestas Ipsos publicaron una encuesta realizada a unos 5000 adultos estadounidenses. Tres rondas de preguntas abordaban una cuestión aparentemente ordinaria: ¿Qué servicios de IA has usado en la última semana? Pero las respuestas no mostraban simples preferencias de producto, sino un mapa entrelazado de ingresos, acceso y distribución.

Entre los usuarios semanales activos de Claude, aproximadamente el 80% provenía de hogares con ingresos anuales superiores a 100.000 dólares; entre los usuarios de Meta AI, esta proporción era solo del 37%. A la inversa, entre los usuarios de Meta AI, aproximadamente el 32% provenía de hogares con ingresos inferiores a 50.000 dólares, mientras que entre los usuarios de Claude, esta proporción era solo del 7%.

Estas cifras son importantes no porque prueben que "los ricos usan IA avanzada y los pobres IA gratuita". Esa es la lectura más superficial. Lo que merece más cuestionamiento es: ¿por qué diferentes personas encuentran diferentes IAs en su vida cotidiana?

Una persona le pide a la IA que prepare una cena con las sobras de la nevera, aclare el fondo de una foto, o mejore la redacción de un mensaje de texto. Otra persona le pide a la IA que organice entrevistas con clientes, compare cotizaciones de proveedores, o identifique las hipótesis débiles en un informe. Ambos están invocando la misma tecnología. Pero una invocación se queda en la conveniencia; la otra ingresa en el ciclo de ingresos, cargos y poder de negociación.

La diferencia no está solo en los usuarios, sino también en el acceso. La ruta de uso de Claude requiere búsqueda activa, comparación de productos, comprensión de las diferencias de capacidad, elección de pago y luego integración de la herramienta en el flujo de trabajo: cada paso filtra personas. La ruta de Meta AI es casi lo contrario: está integrada en la plataforma social, es gratuita, de baja fricción, y los usuarios a menudo la encuentran de forma pasiva en los intersticios de desplazarse por el feed, enviar mensajes o ver fotos.

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

Fuente: epoch.ai

三、Luego se separan los escenarios de uso de la IA

Incluso si encuentras una buena herramienta de IA, la segunda división te espera en la empresa.

En las oficinas comunes, la llegada de la IA rara vez se presenta en forma de "notificación de despido". Primero se hace cargo de las actas de reuniones, borradores de correos, organización de tablas, clasificación de clientes y borradores iniciales de informes. Para los gerentes, esta automatización libera tiempo para que hagan juicios; pero para los nuevos empleados y el personal de base, esta automatización elimina precisamente el acceso para demostrarse a sí mismos, practicar el juicio y entrar en trabajos de mayor nivel.

Los datos son más fríos que esta escena: la encuesta de seguimiento de la IA en la fuerza laboral de EE.UU. y Reino Unido realizada por Financial Times en conjunto con una institución de investigación (febrero-marzo de 2026, que cubrió a más de cuatro mil encuestados en ambos países) muestra que entre los trabajadores del nivel salarial más alto, el 63% usa la IA en un día laboral común, mientras que las proporciones en los dos niveles más bajos son solo del 17% y 16% respectivamente. Esta no es una pendiente suave; es un precipicio.

El hallazgo más crucial está en los factores impulsores. El análisis de regresión de esta encuesta laboral revela que la influencia del salario en la tasa de uso de la IA casi desaparece después de controlar otras variables; lo que realmente está actuando son cuatro factores: edad, antigüedad, industria y capacitación. De estos, el efecto de la capacitación es mayor: en una empresa que brinda capacitación formal en IA, la tasa de uso diario promedio de IA de los empleados es 37 puntos porcentuales más alta que en empresas similares sin capacitación. Incluso solo con orientación informal, hay una mejora de 24 puntos porcentuales.

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

La capacitación en IA no es un problema técnico, es un problema de distribución. Quien es seleccionado para recibir capacitación tiene permiso para ingresar a la vía de crecimiento de la productividad; quien no la tiene, la herramienta es solo un icono en la pantalla que no tiene autorización para abrir.

La IA en el lado del consumo es una aplicación; en el lado laboral, es un permiso. Y los permisos nunca se distribuyen equitativamente.

Fuente: Focaldata

四、Finalmente se separa la capacidad para juzgar la IA

Esta es la división más oculta y también la más fundamental.

Imagina a un recién graduado que acaba de entrar a una empresa consultora. Usa la IA para generar un borrador inicial de un informe de análisis de la industria: estructura completa, datos abundantes, tono seguro. Su supervisor, alguien con diez años en la industria, lo revisa y señala que dos de las fuentes originales de los datos citados tienen defectos metodológicos, y que la derivación de causalidad de una tercera conclusión es problemática. El supervisor no es más trabajador, sino porque posee esa base de conocimiento: sabe dónde es probable que haya errores, sabe qué tipo de fluidez es real y qué tipo de fluidez es la máquina rellenando espacios.

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

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

La IA reduce el costo de "sonar como si supiera", pero no reduce por igual el costo de "realmente saber". Incluso hay una consecuencia más peligrosa: cuanto menos base tiene el usuario, más propenso es a aceptar sin cuestionar la salida de la IA; y cuanto más la acepta sin cuestionar, más difícil le resulta desarrollar su criterio. Cuando un agente juzga por ti, estás consumiendo inteligencia, no acumulándola.

El premio Nobel de Economía y profesor del MIT, Daron Acemoglu, no tiene pelos en la lengua al respecto: usar herramientas de IA requiere un cierto grado de educación, pensamiento abstracto, capacidad cuantitativa y familiaridad con la tecnología. "Es casi seguro que la IA aumentará la desigualdad", dice.

Aquí es donde toma forma el nuevo pobre informacional: no son quienes no tienen IA, sino quienes tienen IA, acceso, respuestas, pero carecen del entrenamiento para juzgarlas; tienen herramientas, escenarios, pero no el permiso para convertir el producto de la herramienta en oportunidades; consumen inteligencia todos los días, pero nunca la acumulan.

五、Los límites del efecto igualador

Pero la relación de la IA con la desigualdad no tiene solo el lado de ampliar la brecha.

Múltiples estudios experimentales encuentran que, en condiciones controladas, la IA a menudo mejora más a las personas con menor habilidad: empleados de centros de llamadas, escritores principiantes, asesores consultores de nivel básico, etc. Esto no es difícil de entender: los expertos de primer nivel obtienen una ganancia marginal limitada de la IA; para alguien que nunca pudo pagar servicios profesionales, leer por primera vez un contrato con la ayuda de la IA es en sí mismo un salto cualitativo.

Pero hay una diferencia clave que señalar: los estudios experimentales miden la "mejora después del uso", mientras que los datos de la realidad miden "quién realmente la usa", "a quién se le permite usarla", "quién, después de usarla, puede convertir el resultado en una oportunidad". Ambos conjuntos de datos dicen la verdad; miden cosas completamente diferentes.

Una tecnología puede reducir la brecha en el laboratorio y, al mismo tiempo, ampliarla en el mundo real, si la adopción en sí es desigual, si los escenarios en sí son desiguales, si la capacidad de juicio en sí es desigual.

La IA tiene características técnicas igualitarias, pero opera en una estructura social desigual. Ambas cosas son ciertas simultáneamente, y esa es la verdadera forma del problema.

六、La tecnología se populariza, pero los beneficios no llegan simultáneamente

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

Después de la imprenta, los alfabetizados se beneficiaron primero durante siglos. En los inicios de la popularización de las computadoras, ampliaron las capacidades de quienes ya sabían usar software de oficina y programar. Los primeros beneficios de Internet fluyeron hacia quienes sabían inglés, sabían buscar, tenían tiempo y motivación para arbitrar. En cada ola tecnológica, la voz de que "esta vez es diferente" ha sonado fuerte, y la división estructural a menudo tarda décadas en volverse visible lentamente.

La velocidad de división de la IA puede ser más rápida, la bifurcación puede ser más profunda. Porque no afecta a un tipo particular de tarea, sino a casi todos los trabajos que dependen del juicio y el lenguaje. Y precisamente estas son las habilidades más difíciles de estandarizar y de redistribuir.

Algunos creen que la brecha finalmente se reducirá. El historiador económico y profesor del Oxford Internet Institute, Carl Benedikt Frey, sostiene esta visión, basándose en la historia: la desigualdad generada por la popularización de las computadoras se disipó gradualmente décadas después, a medida que bajaba la barrera de uso. Esta analogía no carece de razón.

El problema es que, incluso aceptando esta analogía histórica optimista, el propio Frey admite la condición limitante clave: "Depende de cuánto tiempo tarde en cerrarse la brecha. Si son diez o veinte años, es más preocupante."

Diez o veinte años no son una escala de tiempo que se pueda esperar con ligereza, especialmente para quienes necesitan encontrar trabajo, negociar salarios y acumular experiencia durante ese período.

Conclusión

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

Esa sensación, a menudo, es el punto final.

El problema es que, en una era donde el criterio realmente decide quién gana o pierde, tomar la sensación como punto final puede ser el error más costoso.