Brecha entre adopción declarada y uso efectivo de una tecnología

Qué es

La brecha entre adopción declarada y uso efectivo es la distancia entre dos cifras que suelen confundirse: cuántas organizaciones dicen haber incorporado una tecnología y cuántas efectivamente la usan de manera rutinaria, a escala y con consecuencias medibles sobre su operación. La primera se obtiene preguntando; la segunda exige mirar intensidad de uso, procesos rediseñados y resultados. Cuando se reportan indicadores de digitalización —"X% de las empresas usa inteligencia artificial"— casi siempre se está informando la primera.

La brecha tiene tres orígenes distintos, y conviene no mezclarlos porque exigen remedios distintos.

El primero es de medición. Una encuesta que pregunta "¿usa su empresa esta tecnología?" trata como equivalentes a la firma que reorganizó su cadena de abastecimiento y a la que abrió una cuenta y la probó dos veces. Se suma el sesgo de deseabilidad social: declarar que no se usa equivale a declararse atrasado. El resultado es un indicador binario que mide contacto, no uso.

El segundo es económico y es el más profundo. La productividad no viene del artefacto sino de las inversiones complementarias que lo rodean: procesos nuevos, capital organizacional, capacitación, datos limpios, gobernanza. Milgrom y Roberts (1990) formalizaron por qué esas piezas son complementarias —adoptar una sola rinde poco o nada, porque el retorno de cada una depende de las demás—, y Brynjolfsson y Hitt (2000) mostraron que el capital intangible asociado a las tecnologías de información supera varias veces al gasto en equipos. De ahí la famosa observación de Solow (1987) de que la era del computador se veía en todas partes menos en las estadísticas de productividad, y la explicación histórica de David (1990): la electrificación tardó décadas en rendir porque la ganancia no estaba en reemplazar la máquina a vapor por un motor eléctrico, sino en rediseñar la planta entera que el eje de transmisión obligaba a construir en altura. Brynjolfsson, Rock y Syverson (2019) llaman a este patrón la curva J de los intangibles: durante la fase de construcción del capital complementario, el gasto ya está contabilizado y el producto todavía no, así que la productividad medida cae justo cuando la tecnología está siendo bien adoptada.

El tercero es organizacional. Meyer y Rowan (1977) describieron el desacople entre la estructura formal que una organización exhibe hacia afuera —para ganar legitimidad— y las prácticas que efectivamente gobiernan su trabajo diario. Una tecnología puede adoptarse ceremonialmente: aparece en la memoria anual, existe en un comité, y no toca el flujo de trabajo. A eso se suman incentivos internos desalineados; Atkin y coautores (2017) documentaron el caso más nítido: a productores de balones de fútbol en Pakistán se les regaló una tecnología de corte estrictamente superior y la mayoría casi no la usó, porque los cortadores se pagaban a destajo y el aprendizaje les bajaba el ingreso en el corto plazo.

La consecuencia práctica es que la tasa de adopción es un mal proxy del efecto productivo. Rogers (2003) ya separaba la decisión de adoptar de las etapas posteriores de implementación y confirmación, donde ocurre el abandono. Si una política pública o una estrategia de empresa se fija la meta en la cifra declarada, invita a producir adopciones nominales baratas en lugar de reorganizaciones caras —y el indicador deja de informar exactamente porque se volvió meta.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 11 de septiembre de 2026, al revisar la adopción de inteligencia artificial en las empresas chilenas, el panel puso el dedo justo en esa distancia. Los indicadores disponibles son optimistas —sobre 80% de las firmas declara usar IA—, pero la pregunta relevante aparece recién al desagregar en qué la usan: pilotos sueltos, un chatbot puntual, iniciativas que no se conectan entre sí ni con el negocio.

Carolina Pérez Echeverría lo resumió así: "estamos llenos de pilotos, pilotos que muchas veces son fragmentados, que no tienen impacto real".

La frase describe con precisión los tres mecanismos de arriba operando juntos. El piloto es lo que hace subir el indicador declarado —es barato, es reportable y basta para contestar "sí" en una encuesta—. Es fragmentado porque no vino acompañado del capital complementario que lo volvería productivo. Y no tiene impacto real porque el rediseño de la operación, que es donde vive el retorno, nunca se hizo. Leído desde el marco de la curva J, un país lleno de pilotos fragmentados no está en la parte baja de la curva esperando el repunte: está pagando el costo sin haber empezado a construir el intangible que lo justifica.

Relación con otros conceptos

Esta brecha es un caso particular de la distancia entre indicador y fenómeno medido, y explica por qué una meta fijada sobre la cifra declarada tiende a corromperse (la lógica de la ley de Goodhart). Su base microeconómica son las complementariedades entre tecnología, organización y capital humano: sin el rediseño de procesos ni las habilidades que lo operan, el retorno de la inversión tecnológica es cercano a cero, lo que conecta directo con el capital organizacional como activo intangible y con el aprendizaje por la práctica —el rendimiento aparece con el uso acumulado, no con la compra—. A escala agregada, es una de las explicaciones estándar de la paradoja de la productividad y del rezago entre la difusión de una tecnología de propósito general y su efecto en el PIB. Finalmente, se cruza con la brecha tecnológica entre empresas líderes y rezagadas: si el uso profundo se concentra en pocas firmas mientras el resto adopta nominalmente, la dispersión de productividad se amplía aunque la tasa de adopción declarada converja.

Fuentes y lecturas

• Rogers, E. M. (2003), Diffusion of Innovations (5ª ed.), Free Press. El manual estándar de difusión; la distinción entre decisión de adoptar, implementación y confirmación está en su modelo de proceso.
• David, P. A. (1990), "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox", American Economic Review 80(2), pp. 355-361. El artículo corto que instaló la analogía de la electrificación.
• Brynjolfsson, E. y Hitt, L. M. (2000), "Beyond Computation: Information Technology, Organizational Transformation and Business Performance", Journal of Economic Perspectives 14(4), pp. 23-48. DOI: 10.1257/jep.14.4.23
• Brynjolfsson, E., Rock, D. y Syverson, C. (2019), "Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics", en Agrawal, Gans y Goldfarb (eds.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
• Atkin, D., Chaudhry, A., Chaudry, S., Khandelwal, A. K. y Verhoogen, E. (2017), "Organizational Barriers to Technology Adoption: Evidence from Soccer-Ball Producers in Pakistan", Quarterly Journal of Economics 132(3), pp. 1101-1164. La evidencia experimental más limpia de adopción sin uso.