Cuando la IA promete productividad, pero entrega más trabajo
Inteligencia artificial se convirtió en la consigna de las empresas.
No importa el sector, el tamaño de la compañía o el tipo de trabajo: la presión para adoptar herramientas de IA generativa llegó de lleno al entorno corporativo, prometiendo transformar la forma en que los equipos operan y, claro, aumentar la productividad.
Solo que hay un detalle que nadie acordó con quienes están en la primera línea de operación.
Mientras los ejecutivos celebran las ganancias que la tecnología promete traer, buena parte de los empleados está viviendo una realidad muy diferente, ahogada en un fenómeno que investigadores de Stanford bautizaron como workslop.
¿Nunca escuchaste ese término?
Piénsalo así: es lo que pasa cuando alguien usa IA para generar un trabajo que parece aceptable a primera vista, pero que en realidad está lleno de errores, imprecisiones o simplemente no tiene sentido. ¿El resultado? En lugar de ahorrar tiempo, el compañero de al lado necesita corregir, reescribir o incluso rehacer todo desde cero.
Este es el escenario que una encuesta con 5.000 trabajadores estadounidenses comenzó a revelar, y el contraste entre lo que piensan los ejecutivos y lo que viven los empleados en el día a día es, como mínimo, sorprendente. 😬
A continuación, nos sumergimos en los datos, en las historias reales y en lo que este abismo dice sobre la forma en que la IA está siendo implementada en las empresas hoy.
Lo que los números dicen sobre productividad e IA
Una encuesta reciente, reportada por el Wall Street Journal, consultó a más de 5.000 trabajadores de oficina en Estados Unidos y pintó un retrato bastante revelador sobre cómo la inteligencia artificial está siendo percibida en diferentes niveles jerárquicos dentro de las organizaciones. Los resultados señalan que el 92% de los ejecutivos de alto nivel dicen que la IA los hace más productivos. Suena genial, ¿verdad? Bueno, depende mucho de dónde estés sentado en esta historia.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Cuando el micrófono pasa a los empleados que están ejecutando el trabajo en el día a día, el panorama cambia completamente de tono. Nada menos que el 40% de los trabajadores no directivos afirman que la IA simplemente no les ahorra nada de tiempo en su trabajo. Una porción significativa de estos profesionales relata que, en la práctica, la adopción de IA creó una nueva capa de trabajo que antes no existía. Pasan tiempo verificando, corrigiendo e incluso reescribiendo contenidos generados por herramientas de IA que les llegaron con errores factuales, fragmentos sin sentido o información descontextualizada. Es decir, en lugar de ganar tiempo, estos trabajadores están gastando energía extra para arreglar lo que la máquina hizo mal, y muchas veces sin recibir siquiera crédito por ese esfuerzo adicional.
Este desajuste entre la visión del liderazgo y la experiencia de quienes están en la base operativa no es menor, y tiene un nombre técnico que está ganando cada vez más espacio en los debates sobre el futuro del trabajo. El workslop, concepto acuñado por el investigador Jeff Hancock, de Stanford, y coautor del estudio que dio origen al término, describe exactamente este tipo de producción: trabajo generado con ayuda de IA que aparenta calidad superficialmente, pero que esconde fallas estructurales que solo salen a la luz cuando alguien más experimentado o más atento lo revisa con cuidado. Y el problema es que, en entornos corporativos acelerados, esa mirada cuidadosa muchas veces no ocurre antes de que el contenido llegue al siguiente eslabón de la cadena.
Workslop: el problema que nadie quiere admitir
El término workslop es una fusión de work (trabajo) y slop (que en inglés puede significar algo hecho de cualquier manera, sin cuidado). Y, por más que suene como una crítica directa a la tecnología, la cuestión va mucho más allá de eso. El fenómeno no es culpa de la IA en sí, sino de la forma en que está siendo integrada a los flujos de trabajo de las empresas.
Según el propio Hancock, quien además de investigador en Stanford actúa como asesor científico de BetterUp, las personas están siendo orientadas a usar IA frecuentemente sin dirección ni soporte. Cuando una organización adopta una herramienta de inteligencia artificial sin capacitación adecuada, sin criterios claros de uso y sin procesos de revisión bien definidos, el resultado casi inevitable es una avalancha de contenidos generados automáticamente que llegan al siguiente paso de la cadena con problemas serios incorporados. Y quienes pagan la cuenta, invariablemente, son los empleados que están en medio de ese camino.
El estudio de Hancock, que aún no ha pasado por revisión de pares, analizó un subgrupo de 1.150 trabajadores de oficina dentro de la muestra total de 5.000 y llegó a datos bastante concretos: el 40% de esos profesionales habían encontrado workslop en el último mes, y gastaron en promedio 3,4 horas mensuales lidiando con él. Puede parecer poco, pero cuando extrapolas ese número a una organización con 10.000 empleados, la estimación es de 8,1 millones de dólares en productividad perdida. Es mucho dinero yéndose por el desagüe por culpa de implementaciones apresuradas.
Un ejemplo práctico ayuda a entender la dimensión del problema. Ken, un copywriter de una gran empresa de ciberseguridad en Miami, contó (bajo seudónimo, por miedo a perder el empleo) que el CEO de la compañía despidió a varios colegas y determinó que los que quedaban pasaran a usar chatbots de IA, alegando que eso aumentaría la productividad. En la práctica, aunque los borradores iniciales aparecían rápidamente, Ken y sus colegas pasaron a gastar más tiempo reescribiendo textos, corrigiendo errores y resolviendo conflictos entre outputs generados por los chatbots de diferentes personas que lo que habrían gastado si nunca hubieran usado IA.
La calidad cayó de forma significativa, el tiempo para producir contenido aumentó y, lo peor, la moral del equipo se desplomó, según Ken. Cuando los empleados intentaron reportar las caídas de productividad provocadas por la IA, los ejecutivos de la empresa les devolvieron la culpa a los trabajadores. Este ciclo crea un problema de transparencia muy serio dentro de las organizaciones. 😓
Historias reales de quienes conviven con el workslop
El caso de Ken no es aislado. Kelly Cashin, diseñadora de producto freelance, contó que encuentra workslop frecuentemente en su día a día. Según ella, se volvió común que las personas simplemente copien y peguen el mensaje de un bot directamente en chats o correos electrónicos. Y cuando ella cuestiona algún fragmento confuso que un colega envió, la respuesta muchas veces es algo como: sí, yo tampoco sé qué quiso decir la IA con eso. Es decir, las personas están tercerizando su propio juicio al chatbot.
Cashin reconoce que entiende por qué sucede. Existe una presión enorme para aumentar la productividad, combinada con una incertidumbre seria en el mercado laboral. En ese contexto, nadie quiere ser visto como el profesional que se resiste a la innovación, aunque la herramienta esté creando más problemas de los que resuelve.
La cuestión no se limita al mundo corporativo tradicional. Philip Barrison, estudiante de MD-PhD en la Universidad de Michigan, realizó observaciones en clínicas de atención primaria donde profesionales de salud fueron incentivados a usar IA para generar respuestas por correo electrónico a preguntas de pacientes. La idea era ahorrar tiempo a los médicos y enfermeros. Pero, según Barrison, los relatos y sus propias observaciones indican que el ahorro no se concretó. Muchos profesionales describieron un trabajo considerable de edición, frustración y preocupaciones con la seguridad de datos y con la posibilidad de que los pacientes recibieran correos asistidos por IA con errores.
Como las herramientas eran opcionales en esas clínicas, Barrison observó un patrón interesante: después de que pasaba la novedad inicial, los profesionales simplemente dejaban de usar la IA. La herramienta era abandonada no por resistencia a la tecnología, sino por una evaluación práctica de que no estaba cumpliendo lo que prometía.
El dinero que no volvió: el dilema de la inversión en IA
Una de las razones por las cuales las empresas están presionando tanto por la adopción de IA generativa en los entornos de trabajo es la necesidad de justificar inversiones multimillonarias ya realizadas. Aiha Nguyen, quien lidera el programa Labor Futures en el instituto de investigación sin fines de lucro Data & Society, explica que muchas compañías están intentando reducir costos de mano de obra después de haber invertido fuerte en tecnología. Pero esas inversiones aún no se han recuperado.
Los números son reveladores. Un informe frecuentemente citado del MIT constató que el 95% de las empresas no están viendo retorno sobre sus inversiones en IA. Evaluaciones más recientes de gigantes como SAP y Deloitte muestran una fracción mayor de empresas generando retorno, pero siguen siendo minoría. Según el informe de Deloitte, las empresas esperan, o ruegan, que los mejores retornos se materialicen en dos a cuatro años, lo cual es considerado lento para inversiones en tecnología.
Mientras tanto, compañías como Block (de Jack Dorsey), Amazon, Dow, UPS, Pinterest y Target despidieron trabajadores atribuyendo los recortes al potencial de productividad de la IA. Es decir, la factura ya se les está cobrando a los empleados, incluso antes de que la tecnología demuestre que funciona como se prometió. Esto crea un ambiente de miedo e inseguridad que, paradójicamente, empeora la calidad del trabajo hecho con IA, alimentando aún más el ciclo del workslop.
Como señala Nguyen, el problema es que la IA generativa está siendo presentada como una herramienta de uso general capaz de hacer cualquier cosa, pero la realidad no funciona así. Y parte del workslop surge justamente de esa falta de claridad sobre cuándo y para qué debe usarse la IA.
Por qué ejecutivos y empleados ven cosas tan diferentes
Esta divergencia de percepción entre el liderazgo y la base operativa tiene raíces bastante comprensibles cuando uno se detiene a analizarlo con calma. Los ejecutivos, en general, evalúan el impacto de la inteligencia artificial a partir de indicadores macro: volumen de producción, velocidad de entrega, reducción de costos operativos y adopción de nuevas tecnologías. Esos números pueden, sí, mostrar mejoras reales en determinados contextos. Las herramientas de IA generativa son genuinamente útiles para automatizar tareas repetitivas, crear borradores iniciales, organizar información y acelerar procesos que antes consumían horas. El problema es que esas métricas raramente capturan el esfuerzo extra que ocurre entre bastidores para que esos entregables salgan con alguna calidad.
Los empleados, en cambio, tienen una visión microscópica del problema. Conviven diariamente con las limitaciones de las herramientas, saben cuándo un texto generado por IA está equivocado, cuándo un análisis automático no tiene sentido para el contexto real de la empresa y cuándo una sugerencia de la máquina va a crear más problemas de los que resuelve. Pero muchas veces no se sienten seguros ni motivados para reportar esos problemas, ya sea por miedo a parecer resistentes a la innovación, o porque la cultura de la empresa aún no creó un espacio seguro para ese tipo de retroalimentación. El resultado es un silencio que alimenta todavía más la ilusión de que todo está funcionando bien allá arriba.
Herramientas que usamos a diario
También hay un factor de presión implícita que no puede ignorarse en esta ecuación. En muchas empresas, la adopción de IA vino acompañada de un mensaje sobreentendido: quien no usa las herramientas se va a quedar atrás. Este tipo de presión hace que los empleados usen las tecnologías sin la capacitación adecuada, sin entender los límites de lo que pueden o no hacer, y sin criterios para evaluar cuándo el output de la máquina es lo suficientemente confiable para seguir adelante. Cuando el uso de la IA se convierte en obligación disfrazada de tendencia, el terreno para el surgimiento del workslop está completamente preparado. Y la productividad que todos querían termina quedando solo en la presentación de diapositivas de la próxima reunión de directorio.
El papel de los sindicatos y la regulación en esta conversación
La cuestión del workslop y de la adopción forzada de IA ya llegó a las mesas de negociación laboral. Dan Reynolds, economista de investigación del sindicato Communications Workers of America, afirma que la IA se convirtió en un punto de fricción cuando los trabajadores sindicalizados negocian los términos de nuevos contratos. Los sindicatos están exigiendo mandatos más claros para el uso de la tecnología, además de mayor participación y control de los trabajadores sobre cómo se utiliza la IA en el entorno laboral.
Sarah Fox, directora del Tech Solidarity Lab en la Universidad Carnegie Mellon, refuerza este punto con un escepticismo saludable. Según ella, cuando las empresas dicen que están implementando IA para mejorar la productividad, la eficiencia y para ayudar a los trabajadores a ser mejores en sus empleos, eso en realidad oscurece cambios mayores en las dinámicas de trabajo. En la práctica, lo que muchas veces sucede es una reducción de la autonomía de los trabajadores, y no el empoderamiento prometido.
Fox destaca que las empresas son bastante abiertas sobre usar IA para optimizar operaciones, y la respuesta natural de los trabajadores e investigadores es cuestionar qué es lo que estas herramientas realmente pueden hacer y las dinámicas de poder que rodean su uso. Esta es una conversación que apenas está comenzando y que tiende a cobrar fuerza a medida que se publiquen más datos sobre el impacto real de la IA en el trabajo.
Lo que puede cambiar en esta ecuación
La buena noticia es que este abismo entre ejecutivos y empleados no es inevitable, y algunas organizaciones ya empezaron a darse cuenta de que la forma en que la IA se implementa importa tanto como la elección de la herramienta en sí. Empresas que invirtieron en capacitación real para sus equipos, que crearon directrices claras sobre cuándo y cómo usar herramientas de inteligencia artificial, y que establecieron procesos de revisión humana robustos antes de cualquier entrega final están cosechando resultados mucho más consistentes. La tecnología funciona mejor cuando complementa el juicio humano, no cuando intenta sustituirlo sin criterio.
El propio Jeff Hancock, a pesar de haber documentado el problema, cree que la IA generativa puede eventualmente alimentar herramientas que ayuden a los trabajadores a mejorar la eficiencia. La clave está en ese eventualmente, que depende de implementaciones más cuidadosas y menos apresuradas que las que hemos visto hasta ahora.
Otro punto que empieza a ganar atención en los debates sobre el futuro del trabajo es la necesidad de crear métricas más honestas para medir el impacto de la IA en las organizaciones. Medir solo volumen de entrega o velocidad de producción no cuenta la historia completa. Es necesario incluir indicadores de calidad, tiempo de revisión, satisfacción de los profesionales involucrados y costo real de retrabajo. Cuando esos datos entran en la ecuación, la fotografía que aparece es mucho más compleja que la que los ejecutivos suelen ver en los dashboards mensuales. Y es a partir de esa visión más completa que se pueden tomar mejores decisiones sobre adopción y expansión de tecnología.
Por último, la conversación sobre workslop y sobre el desajuste de percepciones dentro de las empresas apunta a algo que va más allá de la tecnología: la necesidad de más diálogo real entre quienes deciden y quienes ejecutan. La inteligencia artificial tiene potencial genuino para transformar la productividad de los equipos, eso no está en discusión. Lo que sí está en discusión es si las empresas van a lograr implementar esa transformación de una manera que funcione para todos, y no solo para quienes están mirando los números desde lejos. Porque al final del día, son los empleados quienes hacen que el trabajo suceda, con o sin IA. 💡
