El Instituto de Inteligencia Artificial Centrado en las Personas de Stanford publicó su Informe del Índice de IA 2026. El informe tiene más de 400 páginas divididas en nueve capítulos que cubren el desempeño técnico, la inversión, los efectos en la fuerza laboral y el sentimiento público.
El número que recibe más atención es que la IA generativa alcanzó 53% adopción entre la población mundial dentro de los tres años posteriores al lanzamiento de ChatGPT. Eso es más rápido que lo que la computadora personal o Internet alcanzaron niveles comparables.
Para cualquiera que trabaje en búsquedas, el informe contiene datos que se conectan directamente con los cambios por los que ha estado navegando durante todo el año.
Lo que encontró el informe
Este es el noveno índice anual de IA y cubre mucho terreno. Algunos hallazgos son los más importantes para la industria de las búsquedas.
En términos de capacidad, los modelos de frontera ahora superan el desempeño humano en preguntas científicas de nivel de doctorado y en matemáticas competitivas. Los agentes de IA que manejan tareas del mundo real mejoraron desde un principio 20% tasa de éxito en 2025 para 77% hoy. Los puntos de referencia de codificación con los que los modelos lucharon hace un año ahora están casi resueltos.
En cuanto a la inversión, la inversión corporativa mundial en IA alcanzará los 581.000 millones de dólares en 2025, un aumento 130% del año anterior. La inversión privada estadounidense en IA alcanzó los 285 mil millones de dólares. Más del 90% de los modelos de frontera provienen ahora de empresas privadas, no de laboratorios académicos.
En cuanto a los efectos sobre la fuerza laboral, el empleo entre los desarrolladores de software de entre 22 y 25 años se ha reducido en casi 20% desde 2024. Apareció un patrón similar en el servicio al cliente y otras funciones con mayor exposición a la IA.
La transparencia está disminuyendo. El índice de transparencia del modelo Foundation cayó de 58 a 40. Los modelos más capaces ahora son los que menos revelan sobre sus datos, parámetros y métodos de entrenamiento. De los 95 modelos más destacados lanzados el año pasado, 80 se lanzaron sin su código de entrenamiento.
El número de adopción que todos citan
Comprender la cifra del 53%, lo que incluye y lo que no, es importante para interpretarla.
La comparación con las PC e Internet se basa en una investigación realizada por la Reserva Federal de St. Louis, Vanderbilt y la Escuela Kennedy de Harvard. El equipo comparó las tasas de adopción por años desde el primer producto de mercado masivo de cada tecnología. La PC IBM se lanzó en 1981. El tráfico comercial de Internet se abrió en 1995. ChatGPT se lanzó en noviembre de 2022.
En momentos comparables después del lanzamiento, la adopción de la IA generativa va muy por delante de las dos tecnologías anteriores.
Pero la comparación no es de manzanas con manzanas, y los propios investigadores lo dijeron. David Deming, de Harvard, señaló que la IA se construye sobre las PC e Internet. La gente ya tenía el hardware y la conectividad. Nadie necesitaba comprar nuevos equipos ni esperar a que la conectividad llegara a su zona. La adopción de la IA se basó en décadas de inversión en tecnología previa.
Las cifras de adopción también varían dependiendo de quién cuenta y cómo. El informe de Stanford sitúa la adopción en Estados Unidos en 28%ubicando al país en el puesto 24 a nivel mundial. El propio rastreador de la Reserva Federal de St. Louis sitúa la adopción en EE.UU. en 54% a agosto de 2025. El mismo país, casi el doble de la tasa, medido de manera diferente. El equipo de la Reserva Federal incluso revisó su estimación anterior al alza desde 39% a 44% después de cambiar el orden de sus preguntas de la encuesta.
La “adopción” tampoco distingue intensidad. Alguien que se registró para obtener una cuenta ChatGPT gratuita y la probó una vez cuenta lo mismo que alguien que la usa ocho horas al día. El informe de Stanford señala que la mayoría de los usuarios acceden a niveles gratuitos o casi gratuitos. Esa es una imagen diferente a la que implica el número del titular.
Nada de esto significa que los datos de adopción sean incorrectos. La IA generativa se está extendiendo más rápido que tecnologías comparables en la misma etapa. Pero la velocidad de adopción por sí sola no indica qué tan profundamente está integrado en los flujos de trabajo o cuánto está cambiando específicamente el comportamiento de búsqueda.
La frontera irregular
El concepto más útil del informe para los profesionales de la búsqueda podría ser su “frontera irregular” de capacidad de IA.
Los mismos modelos que ganan el oro en la Olimpiada Internacional de Matemáticas solo leen correctamente los relojes analógicos 50% de la época. IEEE Spectrum informó que Claude Opus 4.6 obtiene el puntaje más alto en el último examen de la humanidad mientras lee relojes a solo 8,9% exactitud. Los modelos que superan las preguntas científicas de nivel de doctorado todavía tienen dificultades con la comprensión del vídeo y la planificación de varios pasos.
Ray Perrault, codirector del comité directivo del Índice AI, dijo a IEEE Spectrum que los puntos de referencia no se corresponden claramente con los resultados del mundo real. Conocer las puntuaciones de un modelo 75% sobre un punto de referencia de razonamiento jurídico “nos dice poco sobre qué tan bien encajaría en las actividades de una práctica jurídica”, dijo.
Los profesionales de la búsqueda han observado desigualdades similares en los productos de búsqueda de IA. La investigación de Ahrefs mostró que el modo AI y las descripciones generales de AI citan diferentes URL para las mismas consultas, con solo 13% superposición. Robby Stein, de Google, reconoció que el sistema retira las descripciones generales de IA cuando las personas no interactúan con ellas. Esas señales sugieren que el rendimiento de la búsqueda de IA es desigual en todos los contextos, incluso si Google no ha explicado completamente dónde son más pronunciadas esas diferencias.
Los datos de Stanford sugieren que un rendimiento de referencia sólido no garantiza resultados confiables en todas las tareas o tipos de consultas. Si esa desigualdad mejora con los modelos futuros es una pregunta abierta que el informe no responde.
¿Qué está pasando con la transparencia?
Lo que dice el informe sobre la transparencia se conecta directamente con la búsqueda.
El Índice de Transparencia del Modelo de la Fundación cayó de 58 a 40 en un solo año. Los modelos más capaces obtienen la puntuación más baja. Google, Anthropic y OpenAI han dejado de revelar los tamaños de los conjuntos de datos y la duración del entrenamiento para sus últimos modelos. 80 de los 95 modelos más destacados lanzados en 2025 se enviaron sin código de capacitación.
TechCrunch notó una desconexión entre el optimismo de los expertos sobre la IA y la ansiedad del público al respecto. Estados Unidos informó la confianza más baja en la capacidad de su gobierno para regular la IA entre los países encuestados, en 31%.
Para poner en contexto el índice en sí, una caída de 58 a 40 podría indicar que las empresas se están volviendo más reservadas. También podría reflejar que el índice penaliza a los modelos de código cerrado por diseño, y los modelos más capaces resultan ser de código cerrado. Ambas explicaciones pueden ser ciertas al mismo tiempo.
Lo que importa para los profesionales es la implicación. Los modelos que impulsan las descripciones generales de IA, el modo AI y la búsqueda ChatGPT son cada vez más capaces y menos explicables al mismo tiempo. Está optimizando sistemas en los que las empresas que los crean comparten menos sobre cómo funcionan, no más.
Los reconocimientos del informe revelan que Stanford HAI recibe apoyo financiero de Google, OpenAI y otros, y que el informe se produjo con la ayuda de ChatGPT y Claude.
La pregunta del nivel de entrada
El empleo entre los desarrolladores de software de entre 22 y 25 años cayó casi 20% desde 2024, según el informe. La plantilla de desarrolladores más antiguos creció durante el mismo período. Un patrón similar apareció en las funciones de servicio al cliente.
A primera vista, parece que la IA reemplaza el trabajo de nivel básico. Pero el informe incluye una advertencia que complica esa conclusión. El desempleo está aumentando en muchas ocupaciones, y los trabajadores menos expuestos a la IA lo han visto aumentar más que los más expuestos.
Eso no descarta que la IA sea un factor. Significa que la caída del 20% podría reflejar el desplazamiento de la IA, una desaceleración más amplia de la contratación, la reestructuración de las empresas de su contratación inicial, o las tres cosas a la vez. El informe presenta correlación, no causalidad.
Para los equipos de búsqueda y contenido, la señal es direccional incluso si la causa es mixta. Los datos de Stanford son consistentes con lo que mostró el índice de riesgo laboral de IA de Tufts a principios de este año. Los roles que implican reunir información de fuentes existentes enfrentan más presión que los roles que requieren juicio, experiencia y análisis original.
Por qué esto es importante para los profesionales de la búsqueda
Incluso con sus salvedades, la velocidad de adopción explica el ritmo de lo que hemos estado viendo.
Google amplió las descripciones generales de IA a 1.500 millones de usuarios mensuales en el primer trimestre de 2025. El modo AI alcanzó los 75 millones de usuarios activos diarios en el tercer trimestre de 2025 y luego se globalizó. Google amplió Search Live a más de 200 países. Personal Intelligence se lanzó de forma gratuita a los usuarios estadounidenses este año.
La curva de adopción ayuda a explicar por qué Google ha estado ampliando las funciones de búsqueda de IA a este ritmo. No nos dice cuánto de ese uso se produce dentro de la búsqueda en lugar de en herramientas de inteligencia artificial independientes.
La “frontera irregular” significa que no se pueden hacer suposiciones generales sobre la calidad de la búsqueda de IA en todas las categorías de consulta. Un tipo de consulta que devuelva descripciones generales precisas de la IA hoy en día podría alucinar con ligeras variaciones. El seguimiento debe realizarse a nivel de consulta, no a nivel de categoría. Actualmente, Search Console no separa el rendimiento de la descripción general de IA o del modo AI de las métricas de búsqueda tradicionales, lo que lo hace más difícil.
La disminución de la transparencia afecta la capacidad de comprender por qué su contenido aparece o no en las respuestas generadas por IA. Cuando Google comparte menos sobre los modelos que impulsan sus funciones de búsqueda, el ciclo de retroalimentación entre lo que publicas y lo que aparece se vuelve más difícil de leer.
Shelley Walsh habló en SEJ Live y hizo referencia a Grant Simmons: el “conocimiento de oro” es contenido basado en datos originales, experiencia de primera mano y profundidad que los resúmenes de IA no pueden replicar a partir de datos de entrenamiento. Los datos del informe de Stanford sobre la velocidad de adopción y las limitaciones del modelo respaldan esa posición. Los modelos son rápidos y ampliamente utilizados, pero son desiguales. El contenido que llena los vacíos donde la IA no es confiable tiene una ventaja estructural.
Lo que el informe no nos dice
El informe de Stanford no desglosa datos de adopción específicos de búsquedas. No sabemos qué porcentaje de eso 53% utiliza IA a través de búsqueda específicamente, en lugar de ChatGPT, Gemini u otras herramientas independientes.
Las cifras de uso de la búsqueda de IA de Google son limitadas. La empresa informó que AI Overviews alcanzó los 1.500 millones de usuarios mensuales en el primer trimestre de 2025, y AI Mode alcanzó 75 millones de usuarios activos diarios en el tercer trimestre de 2025. Las cifras actualizadas deberían incluirse en la próxima convocatoria de resultados.
El informe tampoco puede decirnos si el problema de la frontera irregular está mejorando o empeorando en las aplicaciones de búsqueda. Los datos de referencia muestran que los modelos mejoran en general, pero el ejemplo de lectura del reloj muestra que la mejora no es uniforme. Para saber si las descripciones generales de IA y el modo AI son cada vez más confiables para las consultas específicas que son importantes para su negocio, es necesario su propio monitoreo, no datos de referencia agregados.
Mirando hacia el futuro
El informe de Stanford llega una semana después de que se completara la actualización principal de marzo de Google. La próxima convocatoria de resultados de Alphabet probablemente incluirá cifras actualizadas de uso de búsqueda de IA.
Los datos de adopción no predicen cómo serán las búsquedas a finales de año. Pero sí confirma que el comportamiento de dar prioridad a la IA ya no es especulativo. La pregunta es si los productos de búsqueda de inteligencia artificial de Google serán lo suficientemente confiables como para igualar el ritmo de adopción.
Leer más recursos:
Imagen destacada: n_un vector/Shutterstock
