La IA no está haciendo más productivas a las empresas: está revelando qué procesos están rotos
La inteligencia artificial está aumentando la productividad individual, pero no necesariamente la de las empresas.
Las opiniones expresadas por los colaboradores de Entrepreneur son personales.
Conclusiones Clave
- La productividad individual con IA no se traduce automáticamente en productividad organizacional: cuando una persona produce más rápido, ese output adicional genera más carga de revisión, coordinación y validación para el resto del equipo, un fenómeno conocido como “coordination neglect”.
- Las empresas que ven mejores resultados tratan la IA como una fuerza laboral (con funciones definidas, métricas de desempeño y criterios para ajustarla o retirarla), no como un software que simplemente se compra y se distribuye.
Hay una paradoja en el centro de la carrera empresarial por la inteligencia artificial (IA). Las compañías están gastando cada vez más dinero en IA y sus empleados aseguran que trabajan más rápido, pero esos avances todavía tienen dificultades para traducirse en mejores resultados para la organización.
La escala de la inversión ayuda a entender la expectativa. Gartner calcula que el gasto mundial en inteligencia artificial alcanzará $2.59 billones de dólares en 2026, un aumento de 47% frente al año anterior. Sin embargo, en Estados Unidos la productividad total de los factores ajustada por utilización apenas creció 0.07% durante los cuatro trimestres terminados en el primer trimestre de 2026, según datos citados por la Reserva Federal de St. Louis.
No significa que la IA no esté generando mejoras. El problema es que una mejora en el trabajo de una persona no necesariamente se convierte en una mejora para toda la empresa.
El Work AI Index 2026, elaborado a partir de una encuesta a 6,000 trabajadores digitales, encontró que 75% dice que la IA lo hace más productivo y estima que la automatización le ahorra unas once horas de trabajo a la semana. Pero solo 13% afirma que la tecnología ha mejorado significativamente el desempeño general de su organización.
La pregunta, entonces, no es solamente qué tan rápido puede hacer una persona su trabajo con IA. Es qué ocurre con todo lo que viene antes y después de ese trabajo.
Relacionado: Lo que hace AI-native a una empresa no es la tecnología, es su gente. Este es el cambio que los líderes deben hacer
Cuando producir más empieza a generar más trabajo
Imaginemos una empresa en la que un empleado utilizaba dos horas para preparar un informe y ahora puede hacerlo en 30 minutos con IA.
Desde su perspectiva, la ganancia es evidente. Tiene más tiempo disponible y puede producir cuatro informes en el tiempo que antes necesitaba para uno.
Pero esos cuatro informes tienen que ser leídos, revisados, discutidos y utilizados por otras personas.
Si el área financiera empieza a producir tres veces más análisis, el departamento comercial puede terminar recibiendo tres veces más información que procesar. Si marketing puede generar diez propuestas de campaña en una tarde, alguien tendrá que evaluar cuáles tienen sentido. Si un equipo de ingeniería genera más código, otro tendrá que revisarlo, probarlo y mantenerlo.
La productividad de un trabajador puede aumentar mientras el trabajo de los demás se vuelve más pesado.
Ese es uno de los puntos que está quedando oculto detrás de la adopción acelerada de IA.
Imran Aftab, CEO y cofundador de 10Pearls, considera que el problema está menos en el precio de la tecnología que en la manera en que las empresas la están incorporando: “La verdadera historia no es que la IA cueste demasiado, sino que la mayoría de las empresas todavía la están implementando como una herramienta sin gestionar, en lugar de tratarla como una fuerza laboral.”
La diferencia es importante. Una empresa puede comprar una herramienta de IA de la misma manera que compra cualquier otro software, pero eso no significa que haya definido qué trabajo debe hacer, cómo se medirá su desempeño o qué sucede cuando su resultado necesita ser corregido.
Relacionado: IA para PyMEs: el secreto para aumentar productividad y crecer
La empresa puede estar más ocupada, no más productiva
El problema también aparece cuando las compañías miden la adopción de IA con las métricas equivocadas.
Número de usuarios, cantidad de licencias, consultas realizadas, tokens consumidos o tareas automatizadas son indicadores relativamente fáciles de medir. Pero ninguno responde por sí mismo a la pregunta que debería importar a un CEO: ¿la empresa está obteniendo mejores resultados?
Deloitte encontró una situación similar al analizar el retorno de inversión de la IA. En una encuesta a 1,854 ejecutivos de Europa y Medio Oriente, 85% dijo que sus organizaciones habían aumentado la inversión en IA durante los doce meses anteriores y 91% esperaba volver a incrementarla. Sin embargo, solo 6% reportó haber recuperado la inversión en menos de un año.
Deloitte identifica entre las dificultades los datos fragmentados, la calidad de la información, la evolución acelerada de la tecnología y la adopción por parte de los empleados.
Eso hace difícil separar el efecto de la tecnología del efecto de la transformación organizacional.
La conclusión es incómoda: muchas empresas están intentando introducir IA en procesos que ya tenían problemas antes de que apareciera la tecnología.
Relacionado: Tu empresa no necesita mejores prompts de IA, necesita mejores procesos
La IA puede amplificar un proceso roto
Una empresa que tiene demasiadas aprobaciones, sistemas que no se comunican entre sí o responsabilidades poco claras no necesariamente soluciona esos problemas al incorporar IA.
Puede hacerlos más rápidos.
Aftab observa este problema en organizaciones que implementan IA a gran escala. Según su experiencia, muchas terminan utilizando el mismo modelo para tareas con niveles de complejidad completamente diferentes.
“Cada tarea, independientemente de su complejidad, se está enviando al mismo modelo de frontera. Una consulta de una sola línea y un flujo de trabajo que requiere varios pasos de razonamiento se tratan como si fueran la misma tarea, porque la infraestructura para diferenciarlos no se ha construido.”
Es el equivalente digital de pagar el salario de un ingeniero de software experimentado para hacer tareas básicas de ingreso de datos. El problema no es contar con el ingeniero, sino no saber dónde realmente hace falta su experiencia.
La misma lógica aplica a la IA.
Si un proceso requiere cinco pasos innecesarios y la IA permite completar cada uno en menos tiempo, la empresa todavía tiene cinco pasos innecesarios. Si tres departamentos necesitan intercambiar información manualmente antes de tomar una decisión, automatizar la generación de esa información no elimina necesariamente el cuello de botella.
La IA puede incluso hacer que el problema sea menos visible.
Relacionado: La verdadera razón por la que la IA sigue sin transformar a muchas empresas
El verdadero costo está entre una tarea y otra
Este fenómeno tiene un nombre anterior a la IA: coordination neglect, o negligencia de coordinación.
El concepto, desarrollado por los investigadores Chip Heath y Nancy Staudenmayer, describe la tendencia de las organizaciones a subestimar el tiempo y los recursos necesarios para coordinar distintas partes de un trabajo.
Es fácil medir cuánto tarda una persona en producir una presentación. Es mucho más difícil medir cuánto tiempo necesitan cinco personas para revisarla, discutirla, modificarla, aprobarla y convertirla en una decisión.
La IA está haciendo todavía más importante esa diferencia.
El Work AI Index encontró que los trabajadores pasan 6.4 horas semanales haciendo el trabajo necesario para que la IA sea útil: aportar contexto, revisar resultados, corregir errores, volver a ejecutar instrucciones y limpiar problemas generados por herramientas de IA.
En otras palabras, parte del tiempo que la IA parece ahorrar vuelve a aparecer en otro lugar del proceso.
Y ese trabajo no siempre aparece en las métricas de productividad.
Relacionado: Es posible que la estrategia de IA de tu empresa esté equivocada. Así puedes corregirla
El riesgo de confundir velocidad con productividad
Un experimento realizado por METR en 2025 ofrece otra advertencia.
Los investigadores realizaron un ensayo controlado con desarrolladores experimentados de código abierto y encontraron que quienes utilizaban herramientas de IA tardaban 19% más en completar las tareas que quienes no las utilizaban. Lo llamativo es que los desarrolladores habían estimado antes del experimento que serían aproximadamente 20% más rápidos.
No significa que las herramientas de programación con IA hagan más lentos a todos los desarrolladores. El estudio tenía un alcance específico y se realizó con herramientas disponibles a comienzos de 2025. Pero sí muestra un problema que puede ser mucho más general: la percepción de productividad y la productividad real no siempre coinciden.
La IA produce una sensación de velocidad porque elimina partes visibles del trabajo. El usuario obtiene una respuesta inmediatamente, genera código más rápido o produce un documento en segundos.
Lo que no siempre aparece en pantalla es el tiempo necesario para comprobar que el resultado es correcto.
Por eso Aftab propone cambiar la forma de medir el costo de la IA:
“No se trata del gasto total en tokens, sino del costo por ticket de soporte resuelto, pull request revisado o flujo de trabajo completado.”
La diferencia es entre medir cuánto se utiliza una herramienta y medir qué consigue la empresa con ella.
Relacionado: La forma correcta de empezar a automatizar una empresa no es con IA, sino entendiendo primero sus procesos
La siguiente etapa no será usar más IA
La primera etapa de la adopción empresarial de IA consistió, en buena medida, en poner herramientas en manos de los empleados.
La siguiente debería ser más incómoda: rediseñar el trabajo alrededor de ellas. Eso implica hacerse preguntas menos atractivas que “¿qué herramienta de IA deberíamos comprar?”.
Para Aftab, las empresas que obtienen mejores resultados tratan la IA de una manera similar a como gestionan a sus empleados: “Los líderes deben tratar la IA de la misma manera que tratan a su fuerza laboral: definir sus funciones, medir sus resultados con métricas cuantificables y lógicas, y hacer cambios cuando su desempeño no sea el esperado.”
Eso también significa saber cuándo una aplicación de IA no está funcionando.
Si una herramienta cuesta cada vez más, requiere demasiada supervisión o no mejora suficientemente el resultado, la empresa debería poder modificarla o retirarla. En la práctica, muchas organizaciones están incorporando sistemas de IA a sus procesos más rápido de lo que están construyendo mecanismos para supervisarlos.
Relacionado: En la era de la IA, lo verdaderamente escaso es la confianza
La IA está funcionando como una radiografía
Hay una manera distinta de interpretar la aparente contradicción entre el entusiasmo por la IA y sus todavía modestos resultados a nivel empresarial.
Tal vez la tecnología no esté fallando tanto como están fallando los sistemas en los que la estamos introduciendo.
Una IA puede hacer que una persona escriba más rápido, analice más información o genere más código. Pero si ese trabajo termina en una organización con datos fragmentados, demasiadas aprobaciones, equipos desconectados o incentivos que premian el volumen por encima de la calidad, la ganancia individual puede desaparecer antes de llegar al resultado final.
Eso explica por qué la discusión sobre IA está empezando a moverse de la productividad individual hacia el diseño de las organizaciones.
El verdadero desafío para las empresas no será conseguir que sus empleados produzcan más contenido, más código o más análisis. Será conseguir que todo ese trabajo adicional no termine convirtiéndose en más trabajo para alguien más.
Como lo plantea Aftab, el objetivo tampoco debería ser simplemente reducir el gasto en IA: “Las empresas no deberían preguntarse simplemente cómo gastar menos en IA. Deberían preguntarse si entienden suficientemente bien la economía unitaria de su IA como para saber dónde reducirla.”
La IA puede acelerar prácticamente cualquier parte de un proceso. Pero cuando el proceso está roto, acelerarlo no necesariamente lo arregla. A veces simplemente permite descubrir el problema mucho más rápido.
Conclusiones Clave
- La productividad individual con IA no se traduce automáticamente en productividad organizacional: cuando una persona produce más rápido, ese output adicional genera más carga de revisión, coordinación y validación para el resto del equipo, un fenómeno conocido como “coordination neglect”.
- Las empresas que ven mejores resultados tratan la IA como una fuerza laboral (con funciones definidas, métricas de desempeño y criterios para ajustarla o retirarla), no como un software que simplemente se compra y se distribuye.
Hay una paradoja en el centro de la carrera empresarial por la inteligencia artificial (IA). Las compañías están gastando cada vez más dinero en IA y sus empleados aseguran que trabajan más rápido, pero esos avances todavía tienen dificultades para traducirse en mejores resultados para la organización.
La escala de la inversión ayuda a entender la expectativa. Gartner calcula que el gasto mundial en inteligencia artificial alcanzará $2.59 billones de dólares en 2026, un aumento de 47% frente al año anterior. Sin embargo, en Estados Unidos la productividad total de los factores ajustada por utilización apenas creció 0.07% durante los cuatro trimestres terminados en el primer trimestre de 2026, según datos citados por la Reserva Federal de St. Louis.
No significa que la IA no esté generando mejoras. El problema es que una mejora en el trabajo de una persona no necesariamente se convierte en una mejora para toda la empresa.
El Work AI Index 2026, elaborado a partir de una encuesta a 6,000 trabajadores digitales, encontró que 75% dice que la IA lo hace más productivo y estima que la automatización le ahorra unas once horas de trabajo a la semana. Pero solo 13% afirma que la tecnología ha mejorado significativamente el desempeño general de su organización.
La pregunta, entonces, no es solamente qué tan rápido puede hacer una persona su trabajo con IA. Es qué ocurre con todo lo que viene antes y después de ese trabajo.
Relacionado: Lo que hace AI-native a una empresa no es la tecnología, es su gente. Este es el cambio que los líderes deben hacer
Cuando producir más empieza a generar más trabajo
Imaginemos una empresa en la que un empleado utilizaba dos horas para preparar un informe y ahora puede hacerlo en 30 minutos con IA.
Desde su perspectiva, la ganancia es evidente. Tiene más tiempo disponible y puede producir cuatro informes en el tiempo que antes necesitaba para uno.
Pero esos cuatro informes tienen que ser leídos, revisados, discutidos y utilizados por otras personas.
Si el área financiera empieza a producir tres veces más análisis, el departamento comercial puede terminar recibiendo tres veces más información que procesar. Si marketing puede generar diez propuestas de campaña en una tarde, alguien tendrá que evaluar cuáles tienen sentido. Si un equipo de ingeniería genera más código, otro tendrá que revisarlo, probarlo y mantenerlo.
La productividad de un trabajador puede aumentar mientras el trabajo de los demás se vuelve más pesado.
Ese es uno de los puntos que está quedando oculto detrás de la adopción acelerada de IA.
Imran Aftab, CEO y cofundador de 10Pearls, considera que el problema está menos en el precio de la tecnología que en la manera en que las empresas la están incorporando: “La verdadera historia no es que la IA cueste demasiado, sino que la mayoría de las empresas todavía la están implementando como una herramienta sin gestionar, en lugar de tratarla como una fuerza laboral.”
La diferencia es importante. Una empresa puede comprar una herramienta de IA de la misma manera que compra cualquier otro software, pero eso no significa que haya definido qué trabajo debe hacer, cómo se medirá su desempeño o qué sucede cuando su resultado necesita ser corregido.
Relacionado: IA para PyMEs: el secreto para aumentar productividad y crecer
La empresa puede estar más ocupada, no más productiva
El problema también aparece cuando las compañías miden la adopción de IA con las métricas equivocadas.
Número de usuarios, cantidad de licencias, consultas realizadas, tokens consumidos o tareas automatizadas son indicadores relativamente fáciles de medir. Pero ninguno responde por sí mismo a la pregunta que debería importar a un CEO: ¿la empresa está obteniendo mejores resultados?
Deloitte encontró una situación similar al analizar el retorno de inversión de la IA. En una encuesta a 1,854 ejecutivos de Europa y Medio Oriente, 85% dijo que sus organizaciones habían aumentado la inversión en IA durante los doce meses anteriores y 91% esperaba volver a incrementarla. Sin embargo, solo 6% reportó haber recuperado la inversión en menos de un año.
Deloitte identifica entre las dificultades los datos fragmentados, la calidad de la información, la evolución acelerada de la tecnología y la adopción por parte de los empleados.
Eso hace difícil separar el efecto de la tecnología del efecto de la transformación organizacional.
La conclusión es incómoda: muchas empresas están intentando introducir IA en procesos que ya tenían problemas antes de que apareciera la tecnología.
Relacionado: Tu empresa no necesita mejores prompts de IA, necesita mejores procesos
La IA puede amplificar un proceso roto
Una empresa que tiene demasiadas aprobaciones, sistemas que no se comunican entre sí o responsabilidades poco claras no necesariamente soluciona esos problemas al incorporar IA.
Puede hacerlos más rápidos.
Aftab observa este problema en organizaciones que implementan IA a gran escala. Según su experiencia, muchas terminan utilizando el mismo modelo para tareas con niveles de complejidad completamente diferentes.
“Cada tarea, independientemente de su complejidad, se está enviando al mismo modelo de frontera. Una consulta de una sola línea y un flujo de trabajo que requiere varios pasos de razonamiento se tratan como si fueran la misma tarea, porque la infraestructura para diferenciarlos no se ha construido.”
Es el equivalente digital de pagar el salario de un ingeniero de software experimentado para hacer tareas básicas de ingreso de datos. El problema no es contar con el ingeniero, sino no saber dónde realmente hace falta su experiencia.
La misma lógica aplica a la IA.
Si un proceso requiere cinco pasos innecesarios y la IA permite completar cada uno en menos tiempo, la empresa todavía tiene cinco pasos innecesarios. Si tres departamentos necesitan intercambiar información manualmente antes de tomar una decisión, automatizar la generación de esa información no elimina necesariamente el cuello de botella.
La IA puede incluso hacer que el problema sea menos visible.
Relacionado: La verdadera razón por la que la IA sigue sin transformar a muchas empresas
El verdadero costo está entre una tarea y otra
Este fenómeno tiene un nombre anterior a la IA: coordination neglect, o negligencia de coordinación.
El concepto, desarrollado por los investigadores Chip Heath y Nancy Staudenmayer, describe la tendencia de las organizaciones a subestimar el tiempo y los recursos necesarios para coordinar distintas partes de un trabajo.
Es fácil medir cuánto tarda una persona en producir una presentación. Es mucho más difícil medir cuánto tiempo necesitan cinco personas para revisarla, discutirla, modificarla, aprobarla y convertirla en una decisión.
La IA está haciendo todavía más importante esa diferencia.
El Work AI Index encontró que los trabajadores pasan 6.4 horas semanales haciendo el trabajo necesario para que la IA sea útil: aportar contexto, revisar resultados, corregir errores, volver a ejecutar instrucciones y limpiar problemas generados por herramientas de IA.
En otras palabras, parte del tiempo que la IA parece ahorrar vuelve a aparecer en otro lugar del proceso.
Y ese trabajo no siempre aparece en las métricas de productividad.
Relacionado: Es posible que la estrategia de IA de tu empresa esté equivocada. Así puedes corregirla
El riesgo de confundir velocidad con productividad
Un experimento realizado por METR en 2025 ofrece otra advertencia.
Los investigadores realizaron un ensayo controlado con desarrolladores experimentados de código abierto y encontraron que quienes utilizaban herramientas de IA tardaban 19% más en completar las tareas que quienes no las utilizaban. Lo llamativo es que los desarrolladores habían estimado antes del experimento que serían aproximadamente 20% más rápidos.
No significa que las herramientas de programación con IA hagan más lentos a todos los desarrolladores. El estudio tenía un alcance específico y se realizó con herramientas disponibles a comienzos de 2025. Pero sí muestra un problema que puede ser mucho más general: la percepción de productividad y la productividad real no siempre coinciden.
La IA produce una sensación de velocidad porque elimina partes visibles del trabajo. El usuario obtiene una respuesta inmediatamente, genera código más rápido o produce un documento en segundos.
Lo que no siempre aparece en pantalla es el tiempo necesario para comprobar que el resultado es correcto.
Por eso Aftab propone cambiar la forma de medir el costo de la IA:
“No se trata del gasto total en tokens, sino del costo por ticket de soporte resuelto, pull request revisado o flujo de trabajo completado.”
La diferencia es entre medir cuánto se utiliza una herramienta y medir qué consigue la empresa con ella.
Relacionado: La forma correcta de empezar a automatizar una empresa no es con IA, sino entendiendo primero sus procesos
La siguiente etapa no será usar más IA
La primera etapa de la adopción empresarial de IA consistió, en buena medida, en poner herramientas en manos de los empleados.
La siguiente debería ser más incómoda: rediseñar el trabajo alrededor de ellas. Eso implica hacerse preguntas menos atractivas que “¿qué herramienta de IA deberíamos comprar?”.
Para Aftab, las empresas que obtienen mejores resultados tratan la IA de una manera similar a como gestionan a sus empleados: “Los líderes deben tratar la IA de la misma manera que tratan a su fuerza laboral: definir sus funciones, medir sus resultados con métricas cuantificables y lógicas, y hacer cambios cuando su desempeño no sea el esperado.”
Eso también significa saber cuándo una aplicación de IA no está funcionando.
Si una herramienta cuesta cada vez más, requiere demasiada supervisión o no mejora suficientemente el resultado, la empresa debería poder modificarla o retirarla. En la práctica, muchas organizaciones están incorporando sistemas de IA a sus procesos más rápido de lo que están construyendo mecanismos para supervisarlos.
Relacionado: En la era de la IA, lo verdaderamente escaso es la confianza
La IA está funcionando como una radiografía
Hay una manera distinta de interpretar la aparente contradicción entre el entusiasmo por la IA y sus todavía modestos resultados a nivel empresarial.
Tal vez la tecnología no esté fallando tanto como están fallando los sistemas en los que la estamos introduciendo.
Una IA puede hacer que una persona escriba más rápido, analice más información o genere más código. Pero si ese trabajo termina en una organización con datos fragmentados, demasiadas aprobaciones, equipos desconectados o incentivos que premian el volumen por encima de la calidad, la ganancia individual puede desaparecer antes de llegar al resultado final.
Eso explica por qué la discusión sobre IA está empezando a moverse de la productividad individual hacia el diseño de las organizaciones.
El verdadero desafío para las empresas no será conseguir que sus empleados produzcan más contenido, más código o más análisis. Será conseguir que todo ese trabajo adicional no termine convirtiéndose en más trabajo para alguien más.
Como lo plantea Aftab, el objetivo tampoco debería ser simplemente reducir el gasto en IA: “Las empresas no deberían preguntarse simplemente cómo gastar menos en IA. Deberían preguntarse si entienden suficientemente bien la economía unitaria de su IA como para saber dónde reducirla.”
La IA puede acelerar prácticamente cualquier parte de un proceso. Pero cuando el proceso está roto, acelerarlo no necesariamente lo arregla. A veces simplemente permite descubrir el problema mucho más rápido.
