Skip to content
WriteVoice WriteVoice Start Creating

149 estadísticas de velocidad de escritura en noviembre de 2026

Actualizado en 149 citas de fuentes primarias Se actualiza mensualmente

En esta página
  1. Conclusiones clave
  2. ¿Cuál es la velocidad media de escritura en un teclado?
  3. ¿Cuál es la velocidad media de escritura en un teléfono?
  4. ¿A qué velocidad habla la gente en comparación con la velocidad a la que escribe?
  5. ¿Qué precisión tienen la escritura y el reconocimiento de voz?
  6. ¿Cuánto de la jornada laboral se dedica a escribir?
  7. ¿Escribir mucho puede causar dolor o lesiones?
  8. Metodología y fuentes

Las estadísticas de velocidad de escritura muestran que la mayoría de la gente escribe mucho más despacio de lo que habla. Los voluntarios que escribieron en sus propios teléfonos promediaron 36,17 palabras por minuto en una prueba en línea realizada por 37 370 personas (Palin et al., MobileHCI 2019, oct. 2019). Los investigadores estiman que, cuando las personas redactan sus propios textos, el método de entrada deja de ralentizarlas solo cuando alcanza unas 67 palabras por minuto (Kristensson and Vertanen, MobileHCI 2014, sept. 2014). Y en un estudio de laboratorio dirigido por Stanford, hablar produjo texto en inglés 2,93 veces más rápido que el teclado del iPhone: 153 palabras por minuto frente a 52 (Ruan et al., IMWUT 2017, dic. 2017).

Las cifras que aparecen a continuación abarcan la velocidad de escritura en ordenadores y teléfonos, qué se considera una buena velocidad de WPM en el trabajo, los ritmos al hablar, la entrada por voz frente al teclado, las tasas de error de quienes escriben y de los sistemas de reconocimiento de voz, las horas que la gente pasa escribiendo y la sobrecarga que esto supone para las manos y las muñecas. Cada cifra enlaza con el estudio, la encuesta o el organismo que la produjo e incluye la fecha de sus datos. Los mayores conjuntos de datos sobre escritura proceden de voluntarios que hicieron pruebas en línea; por tanto, muestran lo que hacen quienes tienen interés por escribir rápido, no lo que hace toda la población. Para saber cómo usa la gente los asistentes de voz y la búsqueda por voz, consulta la página de estadísticas de búsqueda por voz.

Conclusiones clave

  • Los voluntarios que hicieron una prueba de escritura en línea promediaron 51,56 palabras por minuto en un teclado físico, en un estudio con 168 960 personas y 136,9 millones de pulsaciones (Dhakal et al., CHI 2018, abr. 2018).
  • El 10 % más rápido escribe a más de unas 78 WPM, y el 10 % más lento, a menos de unas 26 WPM (Dhakal et al., CHI 2018, abr. 2018).
  • En un estudio de laboratorio con 30 personas, quienes habían aprendido a escribir por su cuenta igualaron a quienes escribían al tacto: 58,9 WPM frente a 57,8 WPM, sin diferencias significativas (Feit et al., CHI 2016, may. 2016).
  • Los puestos federales de mecanografía administrativa de EE. UU. exigen 40 palabras por minuto en una prueba de 5 minutos con tres errores o menos (US Office of Personnel Management, may. 2022).
  • El campeón mundial de 2026 de producción de texto con teclado escribió 837,5 caracteres por minuto, unos 168 WPM, con una tasa de error del 0,088 % (Intersteno, jul. 2026).
  • Quienes escriben en el teléfono y usan la autocorrección promedian 43,4 WPM, frente a 34,8 WPM sin ayudas de escritura y 32,8 WPM con solo predicción de palabras (Palin et al., MobileHCI 2019, oct. 2019).
  • El 91 % de los adultos de EE. UU. tiene un teléfono inteligente, frente al 35 % en 2011 (Pew Research Center, nov. 2025).
  • Las conversaciones telefónicas grabadas en EE. UU. promedian 196 palabras por minuto cuando se cuentan las palabras de ambos interlocutores en relación con la duración total de la llamada, y 164 palabras por minuto si se mide cada turno de habla (Yuan et al., Interspeech 2006, sept. 2006).
  • Los transcriptores profesionales se equivocan en el 5,9 % de las palabras en una prueba estándar de conversación telefónica y en el 11,3 % cuando familiares y amigos hablan con espontaneidad (Xiong et al., Microsoft Research, feb. 2017).
  • Cinco sistemas comerciales de reconocimiento de voz promediaron una tasa de error por palabra de 0,35 entre hablantes negros y de 0,19 entre hablantes blancos (Koenecke et al., PNAS, abr. 2020).
  • Las notas clínicas generadas directamente por reconocimiento de voz tenían una tasa de error del 7,4 %, que bajó al 0,4 % tras la edición de un transcriptor y al 0,3 % en las notas que firmaron los médicos (Zhou et al., JAMA Network Open, jul. 2018).
  • El trabajador medio recibe 117 correos electrónicos al día, la mayoría de los cuales se leen por encima en menos de 60 segundos (Microsoft Work Trend Index, jun. 2025).
  • Los médicos de familia dedican 5,9 horas de una jornada laboral de 11,4 horas a la historia clínica electrónica, 86 minutos de ellas fuera del horario de consulta (Arndt et al., Annals of Family Medicine, sept. 2017).
  • Unos 4,8 millones de trabajadores de EE. UU. (3,1 %) tuvieron síndrome del túnel carpiano durante el último año, y los profesionales sanitarios atribuyeron al trabajo el 67,1 % de esos casos (Luckhaupt et al., American Journal of Industrial Medicine, jun. 2013).

¿Cuál es la velocidad media de escritura en un teclado?

La mayoría de la gente nunca llegó a dominar la mecanografía al tacto, y eso apenas importa. La diferencia entre quienes escriben rápido y despacio es mucho mayor que la que existe entre quienes han recibido formación y quienes han aprendido por su cuenta; incluso quienes escriben rápido en una oficina están muy por debajo de la velocidad del habla corriente.

Estadísticas de velocidad de escritura: distribución de la velocidad de escritura en ordenador, en palabras por minuto, entre 168,960 voluntarios de una prueba en línea, con un máximo cerca de las 40 WPM y una larga cola que supera las 120 WPM, 2018
Figura 1: La mayoría de los voluntarios se concentra entre 30 y 70 WPM; en la larga cola de la derecha están las pocas personas que escriben a más de 100 WPM, por lo que el promedio dice poco sobre una persona concreta. Fuente: Dhakal et al., CHI 2018, Observations on Typing from 136 Million Keystrokes, abr. 2018. Gráfico publicado por la fuente, consultado el 2 oct. 2026.

¿Cuál es la velocidad media de escritura en palabras por minuto?

El promedio del mayor estudio abierto oculta un rango muy amplio. La diferencia entre quienes escriben rápido y quienes lo hacen despacio tiene menos que ver con cómo mueven los dedos que con cuánto solapan las pulsaciones de teclas.

  • El décimo más rápido promedió 89,56 WPM y el décimo más lento, 20,91 WPM: una diferencia de más de cuatro veces. Las personas más rápidas del conjunto de datos superaron las 120 WPM (Dhakal et al., CHI 2018, abr. 2018).
  • El intervalo medio entre dos pulsaciones fue de 238,66 milisegundos: unos 120 ms entre quienes escribían rápido y más de 480 ms entre quienes lo hacían despacio (Dhakal et al., CHI 2018, abr. 2018).
  • Una de cada cuatro pulsaciones se hizo con solapamiento: se pulsó la siguiente tecla antes de soltar la anterior. La mayoría de las personas más rápidas lo hizo en el 40 % al 70 % de las pulsaciones, y el solapamiento se correlacionó con la velocidad en r = 0,73 (Dhakal et al., CHI 2018, abr. 2018).
  • Los voluntarios eran jóvenes y tenían interés por escribir rápido: la edad media era de 24,5 años, el 68 % era de EE. UU. y el 72 % había hecho un curso de mecanografía (Dhakal et al., CHI 2018, abr. 2018).

Los estudios de laboratorio con captura de movimiento y las investigaciones anteriores sobre mecanografía muestran el mismo amplio rango, y también indican que la edad por sí sola no ralentiza a quien domina la escritura.

  • En un estudio de laboratorio con captura de movimiento, 30 personas que escribían a diario y tenían entre 20 y 55 años alcanzaron entre 34 y 79 WPM (Feit et al., CHI 2016, may. 2016).
  • Escribir cadenas de letras aleatorias en lugar de frases reales redujo aproximadamente a la mitad la velocidad de quienes escribían al tacto y de quienes habían aprendido por su cuenta (Feit et al., CHI 2016, may. 2016).
  • En dos estudios con personas que escribían entre 17 y 104 WPM netas y tenían entre 19 y 72 años, las de más edad tardaban más en pulsar teclas y en responder a tareas de elección, pero no en escribir, porque anticipaban más texto con la mirada (Salthouse, Journal of Experimental Psychology: General, sept. 1984).

¿Qué velocidad de WPM es buena para trabajar?

Los puestos administrativos federales fijan un nivel mínimo bajo, mientras que la transcripción judicial exige una velocidad varias veces mayor. Los taquígrafos judiciales escriben las palabras habladas en una máquina de estenotipia, no en un teclado estándar.

  • Los puestos federales de transcripción de datos fijan un nivel inferior al de los puestos de mecanografía administrativa: 20 WPM para las funciones GS-2 y 25 WPM para las funciones GS-3 y GS-4 (US Office of Personnel Management, may. 2022).
  • Para obtener la acreditación inicial Registered Professional Reporter, los taquígrafos judiciales deben superar pruebas de estenotipia de cinco minutos a 180 WPM (literario), 200 WPM (instrucciones al jurado) y 225 WPM (testimonio), con una precisión del 95 % en cada prueba (NCRA, ene. 2025).
  • El siguiente nivel, Registered Merit Reporter, eleva las pruebas a 200, 240 y 260 WPM (NCRA, ene. 2025).
  • Para obtener la acreditación Certified Realtime Reporter hay que transcribir un testimonio en directo a 200 WPM con una precisión del 96 %, sin posibilidad de editarlo antes de entregarlo (NCRA, ene. 2025).
  • El National Speed Contest de NCRA establece pruebas de cinco minutos a 220 WPM (literario), 230 WPM (jurídico) y 280 WPM (testimonio); solo cuentan las transcripciones con una puntuación del 95 % o más (NCRA, mar. 2026).

En el nivel más alto de escritura con teclado, el campeonato mundial establece tanto el requisito de participación como el límite máximo.

  • Para que un resultado sea válido en la categoría sénior del campeonato mundial, los participantes copian un texto durante 30 minutos y deben promediar al menos 360 caracteres por minuto (72 WPM) con un máximo del 0,25 % de errores (Intersteno, Liverpool 2026 competition regulations, ene. 2026).
  • Quienes competían con teclados de acordes fueron aún más rápido: la persona ganadora de 2026 con este tipo de teclado alcanzó 1022,13 caracteres por minuto, unos 204 WPM (Intersteno, jul. 2026).

¿Escribir al tacto te hace más rápido?

Solo un poco. Un curso de mecanografía proporciona una pequeña mejora media; la diferencia más clara está en cuánto mira cada grupo el teclado.

  • Quienes habían hecho un curso de mecanografía promediaron 54,35 WPM, frente a 49,00 WPM entre quienes no lo habían hecho: una diferencia pequeña (d de Cohen = 0,27) (Dhakal et al., CHI 2018, abr. 2018).
  • El 47,6 % de los voluntarios dijo que escribía con 9 o 10 dedos. Usar más dedos se relacionó con una mayor velocidad (r = 0,38), y el décimo más rápido usaba 8,4 dedos de media, frente a 5,3 en el décimo más lento (Dhakal et al., CHI 2018, abr. 2018).
  • Quienes habían aprendido a escribir por su cuenta pasaban el 41 % del tiempo mirando el teclado, aproximadamente el doble que quienes escribían al tacto, que pasaban el 20 % (Feit et al., CHI 2016, may. 2016).
  • Un estudio de Vanderbilt descubrió que quienes usan la correspondencia estándar entre dedos y teclas escribían con mayor rapidez y precisión que quienes usan una distribución no estándar, sobre todo cuando se quitaban las letras de las teclas o se tapaba el teclado (Logan et al., Journal of Experimental Psychology: Human Perception and Performance, dic. 2016).

¿Cuál es la velocidad media de escritura en un teléfono?

Ahora la mayoría de la gente escribe en el teléfono, y su velocidad es mediblemente inferior a la de un teclado físico. La autocorrección es la única ayuda del teclado que se relaciona con una escritura más rápida; elegir palabras de la barra de sugerencias no lo hace.

Distribución de las velocidades de escritura en teléfonos, en palabras por minuto, entre 37,370 voluntarios, con un máximo cerca de las 30 WPM y un descenso por encima de las 80 WPM, con la submuestra de EE. UU. superpuesta
Figura 2: La mayoría de las personas que escriben en el teléfono alcanza entre 20 y 50 WPM, y casi nadie llega a 80; la submuestra de EE. UU., ajustada a la población por género, edad y sistema operativo del teléfono (rojo), sigue de cerca a la muestra completa (gris). Fuente: Palin et al., Aalto University, How do People Type on Mobile Devices? (MobileHCI 2019), Figure 2, oct. 2019. Gráfico publicado por la fuente, consultado el 2 oct. 2026.

¿A qué velocidad escribe la gente con los pulgares?

La mayoría de la gente alcanza las treinta y tantas WPM, y algo menos cuando se registra la escritura durante varias semanas en los teléfonos propios. En todos los estudios que midieron la postura, usar los dos pulgares fue más rápido que usar uno o un solo dedo.

  • Tres de cada cuatro personas que escribían en el teléfono en el estudio de 37 370 participantes lo hacían a menos de 43,98 WPM, mientras que las más rápidas superaban las 80 WPM (Palin et al., MobileHCI 2019, oct. 2019).
  • Una submuestra de 1475 participantes de EE. UU., ajustada a la población estadounidense por género, edad y sistema operativo del teléfono, promedió 35,99 WPM (Palin et al., MobileHCI 2019, oct. 2019).
  • Escribir en un teléfono es unas 15 WPM más lento que hacerlo en un teclado físico cuando ambas velocidades se miden con la misma prueba (Palin et al., MobileHCI 2019, oct. 2019).
  • El 74 % de los participantes dijo que escribía con los dos pulgares, la postura más rápida, a 38,0 WPM, frente a 30,2 WPM con solo el pulgar derecho y 25,0 WPM con el índice izquierdo (Palin et al., MobileHCI 2019, oct. 2019).
  • Los adolescentes de 10 a 19 años escribían más rápido en el teléfono, a 39,6 WPM, mientras que las personas de 50 a 59 años promediaban 26,3 WPM (Palin et al., MobileHCI 2019, oct. 2019).

Los estudios de campo son pequeños, pero registran la escritura real en los teléfonos de la gente, en lugar de usar una prueba, y arrojan resultados dentro del mismo rango.

  • A lo largo de tres semanas de escritura cotidiana registrada en sus propios teléfonos, 30 participantes promediaron 32,1 WPM (Buschek et al., CHI 2018, abr. 2018).
  • En el mismo estudio de campo, se usaron los dos pulgares en el 74,5 % de los casos, a 36,8 WPM, frente a 25,3 WPM con solo el pulgar derecho (Buschek et al., CHI 2018, abr. 2018).
  • En un estudio de laboratorio de diez sesiones y un estudio de cuatro semanas en los teléfonos propios de los participantes, la gente introdujo texto a una velocidad de entre 28 y 39 WPM, y corrigió entre el 1,0 % y el 3,6 % de los caracteres, pero aún quedaron errores (Reyal, Zhai and Kristensson, CHI 2015, abr. 2015).

¿La autocorrección y la predicción de palabras te hacen escribir más rápido?

La autocorrección sí; la predicción de palabras, en general, no. Las barras de sugerencias rara vez proponen la palabra adecuada, la gente apenas las toca y quienes usan la autocorrección pagan su velocidad pulsando más veces la tecla de borrar.

  • El 13,9 % de quienes escribían en el teléfono no usaba autocorrección, predicción ni escritura gestual. Entre quienes sí usaban estas funciones, se autocorrigió el 8 % de las palabras, se eligió el 10 % en la barra de predicciones y se deslizó el dedo para escribir el 22 % (Palin et al., MobileHCI 2019, oct. 2019).
  • En Gboard de Google, los usuarios tocaron alrededor del 2,35 % de las sugerencias de la siguiente palabra que se les mostraron en el uso real (Hard et al., Google, feb. 2019).
  • En el uso real de Gboard, las predicciones mostradas en las tres opciones de sugerencias coincidieron con la palabra que el usuario escribió a continuación el 13,75 % de las veces con el modelo neuronal federado de Google, frente al 11,05 % con el modelo anterior de n-gramas (Hard et al., Google, feb. 2019).
  • En el uso diario, la gente eligió una palabra sugerida por cada 63 pulsaciones, con una mediana de 9,1 selecciones por persona al día (Buschek et al., CHI 2018, abr. 2018).
  • Las palabras introducidas desde la barra de sugerencias se escribieron a 75,6 WPM, un cálculo de la velocidad a la que podría escribir la gente si la barra siempre ofreciera la palabra correcta (Buschek et al., CHI 2018, abr. 2018).
  • El 8,9 % de todas las pulsaciones en el teléfono correspondió a la tecla de borrar, y quienes usaban la autocorrección pulsaron la tecla casi el doble que quienes no la usaban (el 11 % frente al 6 % de las pulsaciones) (Buschek et al., CHI 2018, abr. 2018).

En un estudio de cuatro semanas, la escritura gestual fue más rápida que pulsar las teclas, pero en la prueba de 37 370 personas quienes usaban gestos no escribieron más rápido, y poca gente desliza el dedo en su día a día.

  • A lo largo de cuatro semanas en sus propios teléfonos, los participantes alcanzaron 39,1 WPM al deslizar el dedo para escribir palabras con un teclado gestual, frente a 31,1 WPM al pulsar las teclas (Reyal, Zhai and Kristensson, CHI 2015, abr. 2015).
  • En la prueba en línea con 37 370 personas, quienes introdujeron palabras únicamente mediante gestos promediaron 32,2 WPM, menos que quienes no usaban ningún tipo de ayuda, aunque el grupo que solo usaba gestos era pequeño (Palin et al., MobileHCI 2019, oct. 2019).
  • Los gestos representaron menos del 4,5 % del texto introducido en un estudio de campo de tres semanas sobre la escritura cotidiana en el teléfono (Buschek et al., CHI 2018, abr. 2018).

¿Cuánto escribe la gente en el teléfono?

Mucho; para muchas personas, el teclado del teléfono es el único que tienen. La mayor parte de lo que se escribe en el teléfono se introduce en aplicaciones de chat.

  • El 16 % de los adultos de EE. UU. solo usa el teléfono inteligente para acceder a internet: tiene un teléfono inteligente, pero no banda ancha en casa (Pew Research Center, nov. 2025).
  • El 27 % de los adultos de EE. UU. de entre 18 y 29 años depende de un teléfono inteligente para acceder a internet, frente al 11 % de quienes tienen entre 30 y 49 años (Pew Research Center, nov. 2025).
  • La proporción de adultos de EE. UU. que tiene un teléfono inteligente baja del 97 % entre quienes tienen de 18 a 29 años al 78 % entre quienes tienen 65 años o más (Pew Research Center, nov. 2025).
  • A lo largo de tres semanas de uso cotidiano del teléfono, el participante mediano escribió 20 353 caracteres; las cifras individuales oscilaron entre 1489 y 180 948 (Buschek et al., CHI 2018, abr. 2018).
  • El 66 % del texto guardado en las memorias caché de entrenamiento local de Gboard procedía de aplicaciones de chat y el 16 %, de aplicaciones sociales (Hard et al., Google, feb. 2019).
  • Las aplicaciones de mensajería representaron el 82,7 % de todas las pulsaciones registradas en un estudio de tres semanas sobre la escritura cotidiana en el teléfono (Buschek et al., CHI 2018, abr. 2018).
  • En 2019, el teclado Gboard de Google tenía más de 1 mil millones de instalaciones y era compatible con más de 600 variedades lingüísticas (Hard et al., Google, feb. 2019).

¿A qué velocidad habla la gente en comparación con la velocidad a la que escribe?

La gente habla varias veces más rápido de lo que escribe, y la diferencia se mantiene en idiomas con teclados muy distintos. El coste de la entrada por voz es el tiempo que se dedica a corregir sus errores, y en algunos sistemas de historias clínicas ese coste anuló la ventaja.

Media de palabras por minuto en un iPhone según el método de entrada, teclado frente a voz: en un estudio de laboratorio de 2017, el inglés pasó de 52 a 153 WPM y el mandarín de 43 a 123 WPM
Figura 3: Hablar fue casi tres veces más rápido que usar el teclado del iPhone, tanto en inglés como en mandarín. Fuente: Ruan et al., IMWUT 2017, Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones, dic. 2017. Gráfico publicado por la fuente, consultado el 2 oct. 2026.

¿Cuál es la velocidad media al hablar en palabras por minuto?

No hay una única velocidad al hablar. La conversación, la lectura en voz alta y la lectura en silencio tienen ritmos distintos, que además varían según la edad, la región y con quién hables; por eso, cada cifra que aparece a continuación corresponde a una tarea distinta.

  • Al eliminar pausas, silencios y ruido de fondo, las conversaciones telefónicas grabadas en EE. UU. alcanzan una velocidad neta de 236 palabras por minuto, con un mínimo de 158 y un máximo de 312 (Yuan et al., Interspeech 2006, sept. 2006).
  • La gente habla alrededor de un 10 % más rápido con familiares y amigos que con desconocidos: 214 palabras por minuto en las llamadas en inglés de CallHome entre personas cercanas, frente a 193 en las llamadas de Fisher entre desconocidos (Yuan et al., Interspeech 2006, sept. 2006).
  • Los hombres hablan un poco más rápido que las mujeres en una conversación, pero la diferencia es de solo unas 4 o 5 palabras por minuto, es decir, un 2 % (Yuan et al., Interspeech 2006, sept. 2006).
  • En un estudio con 192 hablantes de inglés estadounidense, desde niños hasta personas de poco más de 90 años, la velocidad espontánea al hablar aumentó con la edad hasta alcanzar un máximo alrededor de los 45 años y luego disminuyó; los niños y las personas de más edad fueron quienes hablaron más despacio (Jacewicz et al., JASA 2010, ago. 2010).
  • La región tuvo más importancia que el sexo: se calculó que los hablantes de Wisconsin pronunciaban 5,21 sílabas por segundo, frente a 4,80 en Carolina del Norte, mientras que los hombres (5,09) superaron ligeramente a las mujeres (4,92) (Jacewicz et al., JASA 2010, ago. 2010).

En los distintos idiomas, los hablantes intercambian velocidad por densidad de información, y leer en voz alta es más lento que conversar.

  • En un estudio con 17 idiomas y 170 hablantes nativos que leyeron los mismos textos, el habla transmitió una media de 39,15 bits de información por segundo, tanto si el idioma se hablaba rápido con sílabas sencillas como si se hablaba despacio con sílabas densas (Coupe et al., Science Advances 2019, sept. 2019).
  • Los mismos 170 hablantes leyeron a una media de 6,63 sílabas por segundo, y los ritmos individuales variaron en más del doble: desde unas 4,3 sílabas por segundo para el hablante más lento hasta 9,1 para el más rápido (Coupe et al., Science Advances 2019, sept. 2019).
  • Los adultos leyeron en voz alta en inglés a una media de 183 palabras por minuto, según 77 estudios y 5965 participantes (Brysbaert, Journal of Memory and Language 2019, dic. 2019).
  • A modo de comparación, la lectura en silencio alcanza 238 palabras por minuto en los textos de no ficción y 260 en los de ficción, según un metaanálisis de 190 estudios y 18 573 lectores adultos (Brysbaert, Journal of Memory and Language 2019, dic. 2019).

¿La entrada por voz es más rápida que el teclado?

En un teléfono, sí, y por mucho. Los estudios de realidad virtual y de sistemas móviles más antiguos apuntan en la misma dirección, aunque con velocidades absolutas más bajas.

  • La diferencia también se mantuvo en chino mandarín: la voz alcanzó 123 palabras por minuto, frente a 43 con el teclado Pinyin, es decir, fue 2,87 veces más rápida (Ruan et al., IMWUT 2017, dic. 2017).
  • Antes de corregir nada, la primera transcripción del sistema llegó 3,42 veces más rápido que escribir en inglés (unas 179 palabras por minuto) y 4,32 veces más rápido en mandarín: un cálculo de lo que ofrecería la voz sin errores (Ruan et al., IMWUT 2017, dic. 2017).
  • En realidad virtual, dictar una frase y corregir los errores permitió alcanzar 28 palabras por minuto con una tasa de error del 0,5 %, frente a 11 palabras por minuto y un 1,2 % de errores al escribir en un teclado en el aire (Adhikary and Vertanen, IEEE TVCG 2021, may. 2021).
  • Cuando las frases no contenían palabras poco habituales, como nombres propios, la voz con correcciones mediante teclado alcanzó 36 palabras por minuto con una tasa de error del 0,3 % (Adhikary and Vertanen, IEEE TVCG 2021, may. 2021).
  • Una década antes, el reconocimiento de voz en móviles solo alcanzaba 18 palabras por minuto cuando se usaba en interiores y sentado, y 13 al caminar al aire libre (Vertanen and Kristensson, IUI 2009, feb. 2009).

Las cifras del estudio dirigido por Stanford proceden de estudiantes universitarios sentados que transcribieron frases cortas; los autores las consideran un límite superior de rendimiento. Aun así, muestran la magnitud de la diferencia sobre la que se basa la escritura por voz.

¿Corregir los errores del dictado anula la ventaja de velocidad?

En los mensajes cortos, no: corregir los errores de reconocimiento redujo parte de la velocidad de la voz, pero esta siguió muy por delante del teclado. En la documentación clínica, los resultados son dispares: un conjunto de pruebas concluyó que la voz era más lenta y propensa a errores; otro encontró que el tiempo era similar y las notas, más completas.

  • Corregir los errores de reconocimiento redujo la velocidad de la entrada por voz en un factor de 1,17 en inglés y de 1,50 en mandarín; la medida compara la velocidad de la primera transcripción con la velocidad de entrada final (Ruan et al., IMWUT 2017, dic. 2017).
  • Los usuarios dedicaron el 8,5 % del tiempo de entrada por voz a corregir errores y, durante el 86,0 % de ese tiempo, recurrieron al teclado en lugar de volver a hablar (Ruan et al., IMWUT 2017, dic. 2017).
  • En inglés, la entrada por voz produjo menos errores que el teclado durante la escritura (una tasa de error corregido del 3,93 % frente al 4,72 %), pero dejó algo más de errores en el texto final (un 0,55 % sin corregir frente a un 0,35 %) (Ruan et al., IMWUT 2017, dic. 2017).

En las historias clínicas electrónicas, los resultados dependen del sistema y de la tarea.

  • En una prueba aleatorizada con 35 profesionales de urgencias, documentar en una historia clínica electrónica mediante reconocimiento de voz llevó un 18,11 % más de tiempo que hacerlo con teclado y ratón, y produjo 138 errores no tipográficos frente a 32 (Hodgson et al., JAMIA 2017, jul. 2017).
  • Una réplica en la que se resolvieron los problemas de integración obtuvo resultados en la misma línea: las tareas de documentación complejas llevaron 224,4 segundos con voz, frente a 191,9 con teclado y ratón, un 16,94 % más (Hodgson et al., Applied Clinical Informatics 2018, may. 2018).
  • Los médicos del Brigham and Women's Hospital que dictaron sus notas escribieron 320,6 palabras, frente a 180,8 al teclear, en aproximadamente el mismo tiempo de documentación (Blackley et al., International Journal of Medical Informatics 2020, sept. 2020).
  • En el mismo estudio, las notas escritas a máquina tenían más errores sin corregir que las dictadas (2,9 frente a 1,5 por nota, en su mayoría erratas menores) y obtuvieron una puntuación de calidad más alta las notas dictadas (7,7 frente a 6,6) (Blackley et al., International Journal of Medical Informatics 2020, sept. 2020).
  • En una encuesta enviada a 1731 profesionales sanitarios que usan el reconocimiento de voz en Boston y Aurora, Colorado, el 77,2 % de quienes respondieron estuvo de acuerdo en que mejora la eficiencia; aun así, el 19,6 % calculó que la mitad o más de sus errores tenían importancia clínica (Goss et al., International Journal of Medical Informatics 2019, oct. 2019).

¿Qué precisión tienen la escritura y el reconocimiento de voz?

Quienes escriben dejan pocos errores en el texto final, pero necesitan muchas pulsaciones para conseguirlo. Hace años, el reconocimiento de voz igualó a los transcriptores profesionales en una prueba; sigue equivocándose mucho más con algunos hablantes que con otros.

Tasa media de error por palabra de cinco servicios comerciales de reconocimiento de voz (Apple, IBM, Google, Amazon, Microsoft) para hablantes negros y blancos en entrevistas grabadas en EE. UU.: todos los servicios cometen más errores con los hablantes negros, entre 0.27 y 0.45, frente a entre 0.15 y 0.23 con los hablantes blancos, 2020
Figura 4: Los cinco sistemas comerciales de reconocimiento cometieron casi el doble de errores con los hablantes negros que con los blancos. Fuente: Koenecke et al., PNAS, Racial disparities in automated speech recognition, abr. 2020. Gráfico publicado por la fuente, consultado el 2 oct. 2026.

¿Cuántos errores comete la gente al escribir?

Quienes escriben corrigen la mayoría de sus errores sobre la marcha, pero en los teléfonos se escapan más.

  • Los voluntarios que hicieron una prueba de escritura en línea con un teclado físico dejaron, de media, un 1,167 % de los caracteres incorrectos en el texto final; el 90 % dejó menos del 2,66 % (Dhakal et al., CHI 2018, abr. 2018).
  • Para conseguir un texto limpio hicieron una media de 2,29 correcciones por frase, equivalentes al 6,3 % de todas las pulsaciones; las personas en el percentil 99 pulsaron Retroceso o Suprimir 8,5 veces por frase. El resultado fue de 1,173 pulsaciones por cada carácter del texto final (Dhakal et al., CHI 2018, abr. 2018).
  • En un análisis detallado de 783 participantes, los errores de sustitución (pulsar la tecla equivocada, 1,65 %) fueron más comunes que las omisiones (dejarse una letra, 0,8 %) o las inserciones (añadir una letra de más, 0,67 %) (Dhakal et al., CHI 2018, abr. 2018).
  • El décimo más lento dejó sin corregir un 1,78 % de errores, dos veces y media más que el 0,71 % del décimo más rápido (Dhakal et al., CHI 2018, abr. 2018).

En los teléfonos, corregir una errata requiere más esfuerzo y se cuelan más errores.

  • En los teléfonos, 37 370 voluntarios dejaron, de media, un 2,34 % de los caracteres incorrectos, y el 75 % dejó menos del 3,07 % (Palin et al., MobileHCI 2019, oct. 2019).
  • Las sustituciones representaron el 55,6 % de los errores que dejaron las personas al escribir en el teléfono; las omisiones, el 33,3 %, y las inserciones, el 11,1 % (Palin et al., MobileHCI 2019, oct. 2019).
  • Quienes escribían en el teléfono pulsaron Retroceso 1,89 veces por frase, menos que quienes escribían en un ordenador, pero necesitaron 1,18 pulsaciones por carácter, aproximadamente lo mismo que en un teclado físico (Palin et al., MobileHCI 2019, oct. 2019).

¿Qué precisión tiene la conversión de voz a texto en 2026?

En las pruebas estándar en inglés, los mejores sistemas de reconocimiento apenas se dejan unas pocas palabras de cada cien, y menos de una de cada cien en audiolibros leídos con claridad. La precisión sigue bajando en las conversaciones informales y en los idiomas con pocos datos de entrenamiento. Las tasas de error de distintas pruebas no se pueden comparar directamente; por eso, cada cifra que aparece a continuación identifica la prueba correspondiente.

  • El sistema de Microsoft superó por poco la referencia de transcriptores humanos de la propia empresa, con tasas de error del 5,8 % en Switchboard y del 11,0 % en CallHome; Microsoft calificó el resultado como una paridad humana en el reconocimiento del habla conversacional (Xiong et al., Microsoft Research, feb. 2017).
  • IBM contrató a sus propios transcriptores y descubrió que el mejor de ellos, tras los controles de calidad, alcanzaba un 5,1 % en la misma prueba de Switchboard y un 6,8 % en CallHome; el sistema de IBM alcanzó el 5,5 % y el 10,3 %, respectivamente (Saon et al., IBM Research, mar. 2017).
  • En los años previos a esas afirmaciones de paridad, las tasas de error por palabra de la prueba Switchboard habían bajado del 14 % al 8,0 % y luego al 6,6 % (Saon et al., IBM Research, mar. 2017).
  • OpenAI entrenó sus modelos Whisper con 680 000 horas de audio, y el modelo de aprendizaje sin ejemplos previos cometió, de media, un 55,2 % menos de errores en otras pruebas en inglés que un modelo entrenado de manera convencional que obtuvo la misma tasa de error del 2,7 % en la prueba de audiolibros limpios de LibriSpeech (Radford et al., OpenAI, dic. 2022).
  • En distintos idiomas, la tasa de error por palabra de Whisper large-v2 en la prueba de habla leída FLEURS osciló entre el 3,0 % en español y el 156,5 % en sindhi; en amárico alcanzó el 140,3 %. Ambos idiomas cuentan con pocos datos de entrenamiento (Radford et al., OpenAI, dic. 2022).

Las cifras más recientes proceden de Hugging Face, que evalúa por su cuenta sistemas abiertos y comerciales.

  • En los diez conjuntos de pruebas predeterminados en inglés de Open ASR Leaderboard, que incluyen reuniones, llamadas sobre resultados empresariales, pódcast, audiolibros, discursos parlamentarios y conversaciones con acento indio, el sistema mejor clasificado promedió una tasa de error por palabra del 4,38 %; la mejor puntuación en la prueba de audiolibros limpios de LibriSpeech fue del 0,87 % (Hugging Face Open ASR Leaderboard, sept. 2026).
  • En marzo de 2026, el mejor sistema de la clasificación multilingüe (ElevenLabs Scribe v2) promediaba una tasa de error por palabra del 2,67 % en alemán, francés, italiano, español y portugués; la clasificación incluía un total de 86 sistemas de 26 organizaciones (Hugging Face Open ASR Leaderboard, paper, mar. 2026).
  • De 217 notas clínicas dictadas, el 63,6 % de los borradores iniciales de reconocimiento de voz contenía al menos un error de importancia clínica, frente al 7,8 % de las notas que los médicos firmaron finalmente (Zhou et al., JAMA Network Open, jul. 2018).

¿Con qué hablantes se equivocan más los sistemas de reconocimiento?

Con los hablantes infrarrepresentados en los datos de entrenamiento. Las tasas de error son muy superiores a la media entre los hablantes negros estadounidenses, quienes no tienen el inglés como lengua materna, los niños y las personas con discapacidades del habla, aunque los datos específicos han reducido algunas de esas diferencias a la mitad o más.

  • Si se considera inservible una transcripción en la que más de la mitad de las palabras son incorrectas, el 23 % de los fragmentos de hablantes negros resultó inservible, frente al 1,6 % de los de hablantes blancos (Koenecke et al., PNAS, abr. 2020).
  • La diferencia fue mayor entre los hombres negros, con una tasa media de error de 0,41, frente a 0,30 entre las mujeres negras, 0,21 entre los hombres blancos y 0,17 entre las mujeres blancas (Koenecke et al., PNAS, abr. 2020).
  • Cuando los hablantes negros y blancos pronunciaron exactamente la misma frase corta, todos los sistemas siguieron cometiendo aproximadamente el doble de errores con los hablantes negros. En el caso de Microsoft, el sistema con mejores resultados, la tasa de error fue del 0,13 frente al 0,07, lo que apunta a la pronunciación y la prosodia de los modelos acústicos, no al vocabulario (Koenecke et al., PNAS, abr. 2020).
  • La tasa de error de Whisper large-v2 aumentó al 16,2 % en CORAAL, un corpus de entrevistas con hablantes afroamericanos, unas seis veces más que su puntuación en la prueba de audiolibros limpios (Radford et al., OpenAI, dic. 2022).
  • Un sistema neerlandés de reconocimiento de voz de 2021 tuvo una tasa de error media del 26,1 % al transcribir habla leída por hablantes nativos de neerlandés, frente al 55,9 % con hablantes no nativos; los niños nativos (35,3 %) obtuvieron peores resultados que los adolescentes nativos (18,4 %) (Feng et al., TU Delft, abr. 2021).

Las discapacidades del habla muestran las mayores diferencias y también las mejoras más claras cuando se usan datos específicos.

  • En el reto de 2025 del Speech Accessibility Project, realizado con más de 400 horas de habla de más de 500 personas con discapacidades del habla, como la enfermedad de Parkinson y la ELA, el equipo ganador redujo la tasa de error por palabra al 8,11 %, frente al 17,82 % de un modelo básico de Whisper large-v2 listo para usar (Speech Accessibility Project, Interspeech 2025, jul. 2025).
  • Para los hablantes con ELA, el mejor modelo del reto redujo la tasa media de error por hablante del 16,29 % al 5,05 %; para los hablantes con enfermedad de Parkinson, bajó del 18,47 % al 9,61 % (Speech Accessibility Project, Interspeech 2025, jul. 2025).
  • La tasa media de error por palabra de un sistema de reconocimiento de voz de consumo fue del 13,6 % para las personas con tartamudez moderada y del 49,2 % para aquellas con tartamudez grave; los cambios de los investigadores de Apple redujeron en un 79,1 % los cortes al final de las intervenciones y bajaron la tasa de error del 25,4 % al 9,9 % entre participantes con tartamudez moderada o grave (Lea et al., Apple, CHI 2023, abr. 2023).

¿Cuánto de la jornada laboral se dedica a escribir?

Los empleados de oficina y los médicos pasan horas al día escribiendo. Los datos de telemetría de Microsoft 365 contabilizan los mensajes que reciben y los registros de actividad de las historias clínicas electrónicas calculan cuánto tiempo dedican los médicos a las notas, a menudo fuera del horario laboral.

Datos de telemetría de Microsoft 365: el empleado medio recibe 117 correos electrónicos y 153 mensajes de Teams cada jornada laboral, 2025
Figura 5: El usuario medio de Microsoft 365 recibe 117 correos electrónicos y 153 mensajes de Teams cada jornada laboral. Estas cifras cuentan los mensajes recibidos, no el tiempo dedicado a escribir respuestas. Fuente: Microsoft Work Trend Index, Breaking down the infinite workday, jun. 2025. Gráfico publicado por la fuente, consultado el 2 oct. 2026.

¿Cuántos correos electrónicos y mensajes gestionan los trabajadores al día?

Según los propios datos de telemetría de Microsoft, reciben cientos de elementos, y el flujo continúa fuera del horario laboral.

  • El trabajador medio también recibe 153 mensajes de Microsoft Teams por día laborable; en todo el mundo, los mensajes por persona aumentaron un 6 % interanual (Microsoft Work Trend Index, jun. 2025).
  • Entre el 20 % de usuarios de Microsoft 365 que recibe más avisos, una reunión, un correo electrónico o un chat les interrumpe cada 2 minutos durante el horario central, o 275 veces a lo largo de una jornada de 24 horas (Microsoft Work Trend Index, jun. 2025).
  • Los trabajadores reciben ahora una media de 58 mensajes de chat fuera de la jornada laboral de 9 a 17 h, y los chats fuera del horario laboral aumentaron un 15 % interanual (Microsoft Work Trend Index, jun. 2025).
  • A las 22 h, el 29 % de los trabajadores que sigue activo ha vuelto a consultar el correo electrónico (Microsoft Work Trend Index, jun. 2025).
  • Según los datos de 2023, el usuario medio de Microsoft 365 dedicaba el 57 % del tiempo de uso de las aplicaciones a comunicarse en reuniones, por correo electrónico y por chat, y el 43 % a crear documentos, hojas de cálculo y presentaciones (Microsoft Work Trend Index, may. 2023).
  • Quienes más usan el correo electrónico, el 25 % que más lo utiliza, dedican 8,8 horas a la semana a leer y escribir correos (Microsoft Work Trend Index, may. 2023).

Escribir es también la tarea que la gente más suele delegar en herramientas de IA en el trabajo.

  • Escribir es la tarea laboral más común que la gente encarga a ChatGPT: representó el 40 % de los mensajes relacionados con el trabajo en junio de 2025, y alrededor de dos tercios de las solicitudes de escritura le piden editar o rehacer un texto que el usuario ya había escrito (Chatterji et al., NBER Working Paper 34255, sept. 2025).
  • Entre los usuarios de ChatGPT que trabajan en dirección y administración de empresas, la escritura representa el 52 % de los mensajes relacionados con el trabajo; entre quienes tienen otros empleos profesionales, como la educación y la sanidad, representa el 49 % (Chatterji et al., NBER Working Paper 34255, sept. 2025).

¿Cuántas horas pasan los médicos escribiendo notas?

Varias horas al día; la documentación es la mayor tarea individual. Cada estudio mide un aspecto distinto (tiempo total en la historia clínica electrónica, tiempo activo, tiempo por consulta o tiempo de trabajo total), por lo que las cifras no son intercambiables.

  • La documentación es la tarea que más tiempo ocupa en la historia clínica electrónica de los médicos de familia: 84 minutos al día (el 23,7 % del tiempo dedicado a la historia clínica electrónica). El trabajo administrativo en su conjunto (documentación, introducción de órdenes, facturación y codificación, seguridad) representa el 44,2 % (Arndt et al., Annals of Family Medicine, sept. 2017).
  • A lo largo de la jornada de consulta, los médicos dedicaron el 27,0 % del tiempo a atender a pacientes cara a cara y el 49,2 % a la historia clínica electrónica y al trabajo de oficina: casi 2 horas frente a una pantalla y en tareas de oficina por cada hora de atención a pacientes (Sinsky et al., Annals of Internal Medicine, sept. 2016).
  • En unos 100 millones de consultas ambulatorias y 155 000 médicos de EE. UU., los médicos pasaron una media de 16 minutos y 14 segundos en la historia clínica electrónica por consulta; la documentación ocupó el 24 % de ese tiempo (Overhage and McCallie, Annals of Internal Medicine, ene. 2020).
  • Los profesionales sanitarios de EE. UU. dedican 90,2 minutos al día al uso activo de la historia clínica electrónica, frente a 59,1 minutos entre los profesionales de fuera de EE. UU.; 40,7 de esos minutos en EE. UU. se dedican a las notas (Holmgren et al., JAMA Internal Medicine, dic. 2020).
  • Un médico de atención primaria a tiempo completo trabaja una mediana de 61,8 horas a la semana atendiendo a una lista de pacientes, según los registros de las historias clínicas electrónicas y los datos administrativos de 406 médicos de Mass General Brigham (Rotenstein et al., Annals of Internal Medicine, oct. 2025).

Los asistentes de IA ambiental, que redactan las notas a partir de la conversación durante la consulta, se están probando en ensayos aleatorizados. Hasta ahora, el ahorro de tiempo es moderado y varía según la herramienta.

  • Antes de un ensayo de 2025 de la University of Wisconsin, el 83 % de los 66 profesionales sanitarios participantes escribía sus notas a mano, normalmente con plantillas (el 85 %) y programas de reconocimiento de voz (el 59 %) (Afshar et al., NEJM AI, nov. 2025).
  • En el mismo ensayo aleatorizado, los profesionales sanitarios que usaron un asistente de IA ambiental dedicaron 0,36 horas menos al día a las notas, y el 38 % de las 71 487 notas escritas durante el estudio se redactó con la herramienta (Afshar et al., NEJM AI, nov. 2025).
  • En un ensayo aleatorizado con 238 médicos ambulatorios de UCLA, un asistente de IA ambiental (Nabla) redujo un 9,5 % el tiempo dedicado a escribir cada nota frente a la atención habitual, mientras que el otro (Microsoft DAX Copilot) no produjo diferencias significativas (Lukac et al., NEJM AI, nov. 2025).
  • En un estudio no controlado antes y después realizado en seis sistemas sanitarios de EE. UU., la proporción de 263 profesionales sanitarios que declararon estar agotados fue del 51,9 % antes de usar un asistente de IA ambiental y del 38,8 % después de 30 días (Olson et al., JAMA Network Open, oct. 2025).

¿Cómo escriben los estudiantes en ordenadores?

Ahora los estudiantes de EE. UU. hacen la prueba nacional de escritura en un ordenador, y quienes escriben mejor usan más las herramientas de edición. Los estudiantes cuyos profesores les pedían redactar en ordenadores también obtuvieron mejores puntuaciones.

  • Cuando los estudiantes de EE. UU. hicieron en un ordenador la primera prueba de escritura digital de NAEP, el 24 % de los alumnos de 8.º y 12.º curso alcanzó el nivel de competencia (National Center for Education Statistics, NAEP Writing 2011, sept. 2012).
  • Entre los alumnos de octavo curso que estaban en el cuarto superior de las puntuaciones de escritura de NAEP, el 41 % pulsó la tecla de retroceso más de 500 veces durante la prueba, frente al 5 % del cuarto inferior (National Center for Education Statistics, NAEP Writing 2011, sept. 2012).
  • El 57 % de los alumnos de octavo curso del cuarto superior hizo clic con el botón derecho para abrir el corrector ortográfico entre 1 y 10 veces durante la prueba, frente al 31 % del cuarto inferior (National Center for Education Statistics, NAEP Writing 2011, sept. 2012).
  • El 44 % de los alumnos de octavo curso tenía profesores que dijeron pedirles muy a menudo o siempre que redactaran y revisaran textos en ordenadores; estos estudiantes obtuvieron mejores resultados que aquellos cuyos profesores se lo pedían con menos frecuencia (National Center for Education Statistics, NAEP Writing 2011, sept. 2012).
  • Alrededor de dos tercios de los alumnos de octavo curso dedicaban más de 15 minutos en un día escolar habitual a escribir al menos un párrafo para la clase de inglés, en papel o en un ordenador: el 40 % dedicaba entre 15 y 30 minutos, el 21 % entre 30 y 60 minutos y el 4 % más de una hora (National Center for Education Statistics, NAEP Writing 2011, sept. 2012).
  • El 56 % de los alumnos de duodécimo curso de EE. UU. dijo que siempre o casi siempre usaba un ordenador para modificar sus textos; quienes lo hacían obtuvieron mejores puntuaciones de escritura (National Center for Education Statistics, NAEP Writing 2011, sept. 2012).

¿Escribir mucho puede causar dolor o lesiones?

Los problemas de manos, muñecas y cuello son comunes entre los trabajadores, y un caso de síndrome del túnel carpiano mantiene a alguien de baja mucho más tiempo que el caso musculoesquelético habitual. El trabajo con teclado es uno de los factores de riesgo documentados, junto con la fuerza, la postura, la edad y el sexo; los estudios que aparecen a continuación muestran asociaciones, no prueban que escribir sea la única causa de las lesiones.

Tabla que compara la proporción de casos de síndrome del túnel carpiano relacionado con el trabajo en cada grupo ocupacional de EE. UU. con la proporción de ese grupo en la fuerza laboral, Encuesta Nacional de Entrevistas de Salud de 2010. Los trabajadores de producción (relación 2.52) y de apoyo administrativo y de oficina (relación 1.66) son los grupos con mayor sobrerrepresentación
Figura 6: Los puestos de apoyo administrativo y de oficina, que suelen implicar trabajo de escritorio, aparecen en los casos de síndrome del túnel carpiano relacionado con el trabajo con mucha más frecuencia de lo que cabría esperar por su proporción en la fuerza laboral; solo el trabajo de producción en fábricas los supera. Fuente: Luckhaupt et al., American Journal of Industrial Medicine, Prevalence and Work-Relatedness of Carpal Tunnel Syndrome in the Working Population, Table IV, jun. 2013. Captura de la página de la fuente, consultada el 2 oct. 2026.

¿Es frecuente el síndrome del túnel carpiano entre los trabajadores?

Lo bastante frecuente como para afectar a millones de trabajadores de EE. UU. cada año, y costoso cuando ocurre. La estimación nacional de prevalencia procede de la Encuesta Nacional de Entrevistas de Salud de 2010, la más reciente que se ha publicado; las cifras de casos proceden de informes de las empresas.

  • El 6,7 % de los trabajadores actuales o recientes de EE. UU. dijo que un profesional sanitario le había diagnosticado síndrome del túnel carpiano alguna vez (Luckhaupt et al., American Journal of Industrial Medicine, jun. 2013).
  • Las trabajadoras tenían más del doble de probabilidades que los trabajadores de tener síndrome del túnel carpiano en ese momento (4,5 % frente a 1,9 %); los trabajadores de 45 a 64 años tenían unas cinco veces más probabilidades que quienes tenían entre 18 y 29 años (4,7 % frente a 0,9 %) (Luckhaupt et al., American Journal of Industrial Medicine, jun. 2013).
  • Los trabajadores de apoyo administrativo y de oficina representaban el 13,4 % de la fuerza laboral, pero el 22,2 % de los casos de síndrome del túnel carpiano relacionado con el trabajo: 1,66 veces su proporción. De los grupos ocupacionales, solo los trabajadores de producción estaban más sobrerrepresentados (Luckhaupt et al., American Journal of Industrial Medicine, jun. 2013).
  • Las empresas privadas de EE. UU. declararon 5140 casos de síndrome del túnel carpiano que causaron días de baja durante 2023 y 2024. La baja mediana duró 28 días, el doble de la mediana de 14 días para todos los trastornos musculoesqueléticos (US Bureau of Labor Statistics, SOII Table MSD1, ene. 2026).
  • Los trastornos musculoesqueléticos representaron 484 620 casos en el sector privado que causaron días de baja en el conjunto de 2023 y 2024, una tasa anualizada de 22,9 casos por cada 10 000 trabajadores a tiempo completo (US Bureau of Labor Statistics, SOII Table MSD1, ene. 2026).
  • En la tabla ocupacional de BLS, que cuenta todos los casos de síndrome del túnel carpiano con días de baja y no solo los que la tabla MSD1 clasifica como trastornos musculoesqueléticos, los puestos de apoyo administrativo y de oficina representaron 500 de los 5210 casos de 2023 y 2024, alrededor de 1 de cada 10. Los mismos puestos representaron el 3,3 % de todos los casos del sector privado con días de baja (60 930 de 1 834 600; cálculo propio a partir de la tabla R9) (US Bureau of Labor Statistics, SOII Table R9, ene. 2026).
  • Las microtareas repetitivas, como hacer repetidamente movimientos pequeños con las manos, causaron 32 110 lesiones y enfermedades en el sector privado que requirieron días de baja en 2023 y 2024 (US Bureau of Labor Statistics, SOII Table R4, ene. 2026).

El organismo regulador de Gran Bretaña contabiliza el mismo problema según los trabajadores afectados y los días de baja.

  • En Gran Bretaña, 511 000 trabajadores tuvieron un trastorno musculoesquelético relacionado con el trabajo en 2024/25; en 211 000 de ellos, las zonas principalmente afectadas fueron las extremidades superiores o el cuello (Health and Safety Executive, nov. 2025).
  • Los trastornos de las extremidades superiores y el cuello representaron el 34 % de los 7,1 millones de días de trabajo perdidos por trastornos musculoesqueléticos relacionados con el trabajo en Gran Bretaña en 2024/25, una media de 11,4 días por caso (Health and Safety Executive, nov. 2025).

¿Cuántas personas que usan ordenadores tienen dolor en las manos, las muñecas o el cuello?

Más de la mitad de las nuevas contrataciones con mucho trabajo informático del estudio prospectivo más conocido declaró tener síntomas durante el primer año. La mayoría de los síntomas no se diagnosticaron como trastornos, y las relaciones con el diseño del teclado y las horas de escritura son asociaciones.

  • Entre 632 personas recién contratadas que usaban un ordenador al menos 15 horas a la semana, los síntomas en las manos o los brazos aparecieron a una tasa de 39 casos por cada 100 personas-año, y los trastornos diagnosticados en las manos o los brazos, a una tasa de 21 por cada 100 personas-año. El trastorno más común fue la tenosinovitis de De Quervain (Gerr et al., American Journal of Industrial Medicine, abr. 2002).
  • En la misma cohorte, los problemas de cuello y hombros fueron aún más comunes: 58 casos con síntomas y 35 trastornos diagnosticados por cada 100 personas-año (Gerr et al., American Journal of Industrial Medicine, abr. 2002).
  • Más del 50 % de los nuevos usuarios de ordenadores declaró tener síntomas musculoesqueléticos durante el primer año de trabajo; el 46 % de los síntomas en el cuello o los hombros y el 32 % de los síntomas en las manos o los brazos empezó durante el primer mes (Gerr et al., American Journal of Industrial Medicine, abr. 2002).
  • En la misma cohorte, un mayor número de horas de escritura a la semana se asoció con más síntomas y trastornos en las manos y los brazos, al igual que los teclados cuya tecla J estaba a más de 3,5 cm del escritorio y las teclas que necesitaban más de 48 g de fuerza para pulsarse (Marcus et al., American Journal of Industrial Medicine, abr. 2002).
  • Alrededor de tres de cada cinco trabajadores de la UE declararon tener molestias musculoesqueléticas en 2015; las más comunes fueron el dolor de espalda (43 %) y el dolor muscular en las extremidades superiores (41 %) (EU-OSHA, nov. 2019).
  • En 2015, el 61 % de los trabajadores de la UE-28 estuvo expuesto a movimientos repetitivos de las manos o los brazos durante al menos una cuarta parte de su jornada laboral, y el 58 % trabajó con ordenadores, portátiles o teléfonos inteligentes durante ese tiempo, frente al 47 % en 2000, según el análisis de EU-OSHA de la Encuesta europea sobre las condiciones de trabajo (EU-OSHA, nov. 2019).
  • En un estudio de cinco años con 7092 adultos suecos de entre 20 y 24 años, quienes enviaban más mensajes de texto tenían el doble de probabilidades de declarar nuevos síntomas en las manos o los dedos al cabo de un año (razón de probabilidades 2,0); los investigadores concluyeron que los efectos eran, en su mayoría, a corto plazo (Gustafsson et al., Applied Ergonomics, ene. 2017).

¿Cuántas personas tienen dificultades para usar las manos?

Millones de adultos en EE. UU., la mayoría de edad avanzada. Estas cifras solo indican la prevalencia: ninguno de los estudios que aparecen a continuación midió la escritura ni afirma que una herramienta de escritura cambie una afección.

  • El 5,6 % de los adultos de EE. UU., unos 13,4 millones de personas, tenía dificultades para usar los dedos y agarrar objetos pequeños, como un vaso o un lápiz, y el 0,5 % (1,1 millones) no podía hacerlo en absoluto, según datos de una encuesta de 2014 (US Census Bureau, Americans With Disabilities: 2014, nov. 2018).
  • Las dificultades para agarrar objetos eran el doble de comunes entre los adultos de 65 años o más (9,9 %) que entre los adultos de 18 a 64 años (4,6 %) (US Census Bureau, Americans With Disabilities: 2014, nov. 2018).
  • De los 8,9 millones de adultos de EE. UU. de entre 18 y 64 años con dificultades para agarrar objetos, el 33,0 % tenía empleo en 2014 (US Census Bureau, Americans With Disabilities: 2014, nov. 2018).
  • El 21,2 % de los adultos de EE. UU., unos 53,2 millones de personas, declaró tener un diagnóstico de artritis entre 2019 y 2021, y casi la mitad (48,3 %) tenía 65 años o más (CDC, Morbidity and Mortality Weekly Report, oct. 2023).
  • Tras ajustar las cifras por edad, la artritis era más común entre las mujeres (20,9 %) que entre los hombres (16,3 %), y los adultos de 45 años o más representaban el 88,3 % de los adultos de EE. UU. con artritis (CDC, Morbidity and Mortality Weekly Report, oct. 2023).
  • Alrededor de 1,71 mil millones de personas en todo el mundo tenían un trastorno musculoesquelético en 2019, el grupo más numeroso entre las afecciones que pueden beneficiarse de la rehabilitación, según un análisis de los datos del estudio Global Burden of Disease 2019 (Cieza et al., The Lancet, dic. 2020).

Glosario

  • WPM: palabras por minuto. Los estudios sobre escritura cuentan cinco caracteres, incluidos los espacios, como una palabra.
  • CPM: caracteres por minuto, la unidad que se usa en los campeonatos de mecanografía.
  • IKI: intervalo entre teclas, el tiempo entre dos pulsaciones.
  • Solapamiento: pulsar la siguiente tecla antes de soltar la anterior.
  • KSPC: pulsaciones por carácter; indica cuántas teclas se pulsan por cada carácter del texto final.
  • Tasa de error corregido y sin corregir: errores que se cometen y se corrigen durante la escritura, frente a errores que quedan en el texto final.
  • WER: tasa de error por palabra; proporción de palabras incorrectas en una transcripción (sustituidas, eliminadas o insertadas). Puede superar el 100 % porque las palabras insertadas cuentan como errores.
  • ASR: reconocimiento automático del habla.
  • Switchboard, CallHome, LibriSpeech, FLEURS, CORAAL: conjuntos de pruebas estándar del habla: llamadas telefónicas entre desconocidos, llamadas entre familiares y amigos, audiolibros leídos, habla leída en muchos idiomas y entrevistas con hablantes afroamericanos.
  • EHR: historia clínica electrónica.
  • Asistente de IA para notas clínicas: programa que escucha una consulta médica y redacta la nota.
  • MSD: trastorno musculoesquelético; lesión o trastorno de los músculos, nervios, tendones, articulaciones o cartílagos.
  • CTS: síndrome del túnel carpiano, compresión del nervio mediano en la muñeca.
  • SOII: encuesta de BLS sobre lesiones y enfermedades profesionales.
  • NHIS: Encuesta Nacional de Entrevistas de Salud, realizada por el National Center for Health Statistics de CDC.
  • NAEP: evaluación nacional del progreso educativo, la prueba nacional de EE. UU. para centros escolares.
  • ALS: esclerosis lateral amiotrófica.
  • BLS, CDC, NCES, NCRA, OPM, HSE, EU-OSHA: Bureau of Labor Statistics de EE. UU., Centers for Disease Control and Prevention, National Center for Education Statistics, National Court Reporters Association, Office of Personnel Management de EE. UU., Health and Safety Executive de Gran Bretaña y Agencia Europea para la Seguridad y la Salud en el Trabajo.

Metodología y fuentes

Todas las cifras de esta página proceden de la organización que realizó el estudio, la encuesta o la prueba: artículos revisados por pares, organismos gubernamentales, autoridades reguladoras, asociaciones profesionales y empresas que midieron sus propios sistemas. Se excluyeron los agregadores, los datos de referencia de empresas de pruebas de mecanografía y otros recopilatorios de estadísticas; también se descartaron las afirmaciones sobre WPM por profesión que no tuvieran una fuente primaria. Se consultó cada URL y se comprobó la cifra en la página antes de incluirla. Los estudios conductuales fundamentales se citan con el año en que se realizaron, ya que las velocidades de escritura y del habla cambian lentamente; en cambio, las cifras sobre la precisión del reconocimiento de voz, los mensajes en el trabajo y los ensayos con asistentes de IA para notas clínicas corresponden a los datos más recientes disponibles. La página se revisa y actualiza mensualmente.

Fuentes

Cita esta página

Cada cifra de esta página enlaza al estudio del que procede. Puedes citar cualquiera de ellas con un enlace a esta página o a la fuente original.

WriteVoice. "149 estadísticas de velocidad de escritura en noviembre de 2026." WriteVoice, noviembre de 2026. https://www.writevoice.io/es/statistics/typing-speed-statistics/
<a href="https://www.writevoice.io/es/statistics/typing-speed-statistics/">Estadísticas de velocidad de escritura</a> (WriteVoice, noviembre de 2026)
Español