La confianza en la IA se está enfriando

La conversación sobre inteligencia artificial pasó de la euforia al cansancio más rápido de lo que muchos esperaban. Durante dos años, casi cualquier producto con IA se vendía como si fuera a cambiarlo todo. Hoy el panorama se ve más frío: ya no basta con decir que un modelo responde bien o que una app “tiene IA”. La gente quiere saber si le ahorra tiempo, si le complica la vida o si le va a quitar algo que ya hacía bien.

Ese cambio de humor importa más de lo que parece. Un estudio citado por TechCrunch, basado en una encuesta reciente en Estados Unidos, encontró que solo 16% de los adultos cree que la IA tendrá un impacto positivo en la sociedad. No estamos hablando de una minoría ruidosa en redes. Estamos hablando de una señal de desgaste social en uno de los mercados más influyentes para producto, inversión y regulación.

Qué mide realmente este 16%

El dato de 16% no debe leerse como una sentencia sobre la tecnología. Mide algo más específico: confianza pública. Y la confianza no es un adorno de marca, sino una variable que afecta adopción, retención y tolerancia al error. Si un usuario cree que una herramienta está para ayudarlo, le perdona más. Si cree que viene a reemplazarlo o a vigilarlo, la usa con desconfianza desde el primer clic.

En IA, esa percepción ya se está moviendo. El entusiasmo inicial de muchos usuarios se apoyó en tres promesas: automatización, velocidad y resultados “casi humanos”. Pero cuando la gente empieza a ver errores básicos, respuestas inventadas, sesgos o usos dudosos de sus datos, la narrativa cambia. El producto deja de ser una novedad y pasa a ser una herramienta que debe demostrar su valor todos los días.

Por qué un estudio así pesa más que una encuesta aislada

Porque no solo captura una opinión, también refleja el contexto. En Estados Unidos, la IA ya está en el centro de debates sobre empleo, educación, derechos de autor, privacidad y seguridad. Si en ese entorno solo 16% ve un impacto positivo, el resto está dividido entre escepticismo, dudas o rechazo. Eso importa para cualquier empresa que diseñe productos para una audiencia global, incluida Latinoamérica.

Además, la percepción pública suele adelantarse a la regulación. Cuando la presión social sube, los legisladores responden. No siempre con leyes bien diseñadas, pero sí con más supervisión, más exigencias de transparencia y más preguntas sobre responsabilidad. Para una startup o una empresa grande, eso significa más costo de cumplimiento y menos margen para lanzar funciones opacas.

Del hype al desgaste: qué cambió en la cabeza del usuario

La IA no perdió valor técnico. Lo que perdió fue el beneficio de la duda. Al principio, mucha gente probó chatbots, generadores de imágenes o asistentes de escritura con curiosidad. Después llegó la fase de uso real, y ahí aparecieron los límites: respuestas incorrectas, alucinaciones, contenido genérico, dependencia de prompts y una sensación de que la herramienta ahorra tiempo solo en tareas muy concretas.

También cambió el contexto económico. Con despidos en empresas tecnológicas, automatización en áreas administrativas y más presión por productividad, la IA dejó de verse solo como una ayuda creativa. Para muchas personas empezó a parecer una tecnología asociada con recorte de costos. Ese cambio de marco importa porque la aceptación social no depende únicamente de la calidad del modelo, sino de la historia que la gente se cuenta sobre su impacto.

Señales de cansancio que ya ves en producto

Hay varios síntomas visibles en el mercado:

1. Usuarios que prueban una función de IA una vez y no vuelven.
2. Equipos que activan copilots, pero luego los deshabilitan por ruido o resultados poco confiables.
3. Empresas que anuncian “IA en todo” y terminan mostrando mejoras menores en tareas específicas.
4. Consumidores que aceptan la automatización solo si pueden apagarla o revisarla manualmente.

Ese patrón es clave. La adopción de IA no está fallando por falta de demos, sino por falta de confianza sostenida. Si la función no resuelve un problema claro, se vuelve un costo cognitivo adicional. Y cuando eso pasa, el usuario no la integra a su rutina.

Qué significa para producto, adopción y monetización

Si tú trabajas en producto, este estudio debería obligarte a bajar el volumen del marketing y subir el nivel de evidencia. Ya no alcanza con decir que tu app “usa modelos avanzados”. Necesitas mostrar qué tarea concreta resuelve, cuánto tiempo ahorra y qué controles le das al usuario para corregir errores. En otras palabras: menos promesa abstracta, más utilidad medible.

La monetización también cambia. Las funciones de IA que se venden como premium deben justificar su precio con resultados visibles. Si una suscripción cuesta más, el usuario espera menos fricción, más precisión y mejores flujos. Cuando eso no pasa, la IA se siente como un cargo extra por una función que todavía no está madura.

Lo que el usuario sí paga y lo que no

En productos B2C y B2B hay una diferencia clara. El usuario paga más fácil por IA cuando esta hace una de estas cosas:

• Resume información larga en segundos.
• Extrae datos de documentos o correos.
• Clasifica, etiqueta o prioriza tareas repetitivas.
• Reduce trabajo manual en procesos con volumen alto.

En cambio, paga menos cuando la IA solo “suena inteligente” o genera contenido que luego tiene que corregir casi por completo. Ahí la percepción de valor se rompe. Y si la experiencia se repite, la confianza baja rápido.

Tabla: cómo cambia el comportamiento según la confianza

Ese cuadro resume algo que muchas empresas subestiman: la confianza no solo afecta reputación, también afecta métricas. Si el usuario no cree en la herramienta, no completa el onboarding, no prueba features avanzadas y no renueva la suscripción.

Regulación: cuando la opinión pública empuja la agenda

La percepción social no se queda en comentarios de redes. Termina entrando en leyes, audiencias públicas y marcos de cumplimiento. Cuando la gente siente que una tecnología avanza más rápido que las reglas, pide frenos. Y en IA ese reclamo tiene varias capas: protección de datos, transparencia de modelos, uso de contenido protegido y responsabilidad por daños.

En Estados Unidos, la discusión ya está instalada. En Europa, el AI Act marcó una ruta más estricta. En América Latina, el ritmo es más desigual, pero la presión llega igual por dos vías: empresas globales que deben cumplir estándares internacionales y gobiernos que observan lo que pasa en mercados grandes antes de mover sus propias reglas.

Qué puede pasar en mercados clave como Latinoamérica

Si la desconfianza sigue creciendo en Estados Unidos, es probable que veas efectos indirectos en la región:

• Más controles de privacidad en productos que operan en varios países.
• Más exigencias de trazabilidad para herramientas usadas en banca, salud y educación.
• Más cuidado con funciones que toman decisiones automatizadas sin explicación.
• Más sensibilidad pública frente a deepfakes, fraude y suplantación.

Para Ecuador y otros mercados latinoamericanos, eso tiene una traducción práctica: los equipos de producto deberán documentar mejor sus sistemas, y los equipos legales tendrán que revisar más rápido qué datos se usan, dónde se almacenan y cómo se responde ante errores.

Cómo deberías leer esta señal si construyes o compras IA

Si tú lideras producto, compras software o tomas decisiones de negocio, no conviene leer este estudio como un problema de “imagen”. Es un problema operativo. Cuando la confianza cae, sube el costo de adopción. Y cuando sube ese costo, el retorno de inversión tarda más en aparecer o nunca llega.

La pregunta correcta no es si la IA funciona en un demo. La pregunta es si funciona bajo condiciones reales, con datos imperfectos, usuarios apurados y supervisión limitada. Ahí es donde se define si una herramienta se queda o se abandona.

Tres decisiones que puedes tomar hoy

1. Define un caso de uso estrecho: no intentes meter IA en todo. Empieza por una tarea con volumen alto y error tolerable.
2. Mide ahorro real: calcula minutos por tarea, tasa de corrección manual y tasa de adopción semanal.
3. Da control al usuario: permite revisar, editar, desactivar o auditar la salida antes de publicarla.

Si una función no mejora una métrica concreta, probablemente solo está sumando complejidad. Y en un momento de escepticismo, la complejidad se castiga más rápido.

Qué métricas mirar para no autoengañarte

No te quedes solo con clics o activaciones. Mira estas señales:

• porcentaje de usuarios que vuelven a usar la función después de 7 días,
• tasa de corrección manual de las salidas,
• tiempo ahorrado por tarea,
• tickets de soporte relacionados con errores de IA,
• cancelaciones después de activar una función automática.

Ese tipo de datos te dice si la confianza está creciendo o si solo estás viendo curiosidad inicial. En muchos productos, la primera semana se ve bien y el mes siguiente cae la adopción. Ahí es donde necesitas evidencia, no slogans.

Qué nos dice este estudio sobre el futuro de la IA

El dato de 16% no significa que la IA vaya a desaparecer ni que el mercado se vaya a frenar en seco. Significa que el relato ya no alcanza por sí solo. La próxima etapa no se va a ganar con promesas grandes, sino con productos más específicos, menos invasivos y mejor explicados.

Eso puede ser una buena noticia para quienes construyen con foco. Las empresas que resuelvan problemas concretos, documenten sus límites y traten la confianza como parte del producto van a tener ventaja. Las que sigan vendiendo humo con capas de IA encima de funciones débiles van a chocar con usuarios más escépticos y reguladores más atentos.

Dónde sí hay espacio para crecer

Hay categorías donde la IA todavía tiene recorrido claro:

• soporte al cliente con supervisión humana,
• búsqueda y análisis de documentos,
• automatización de tareas repetitivas en back office,
• herramientas de escritura y resumen para equipos profesionales,
• asistencia en programación con revisión de código.

En todas ellas, el valor aparece cuando la IA reduce fricción sin quitar control. Ese equilibrio es el que hoy separa a los productos útiles de los que solo viven de la novedad.

Tabla resumen

La lectura final es bastante simple: la IA no está perdiendo capacidad, está perdiendo paciencia social. Y eso obliga a construir mejor. Si tu producto depende de confianza, no puedes tratarla como un extra de marketing. Tienes que diseñarla desde la primera interacción.