Los trabajadores juran que la IA los hace más rápidos. Las empresas que la financian no encuentran beneficios.
Las empresas siguen esperando el auge de productividad que les prometió la IA, incluso cuando la inversión de capital de las grandes tecnológicas se acerca a los 800.000 millones de dólares en 2026. La razón: los trabajadores individuales reportan ahorros de tiempo reales, pero aproximadamente el 90 % de las empresas que utilizan activamente la IA afirman que no ha tenido ningún impacto en la productividad durante los últimos tres años. La velocidad en un puesto de trabajo no se extiende a toda la empresa.
Imagínese a una ingeniera que antes dedicaba una semana a una tarea y ahora la termina antes del almuerzo. Ahora imagínese a su director financiero analizando con escepticismo las cifras del mismo trimestre, preguntándose de dónde surgió esa magia. Esa brecha, entre cómo se siente y lo que genera, es la clave de todo esto.
Qué pasó
Business Insider expuso la paradoja de la productividad de la IA en términos crudos: los ingenieros de software están desarrollando más código que nunca, las empresas están gastando sumas enormes y los beneficios para la economía en general aún no se han materializado.
La desconexión es evidente. Un documento de trabajo de febrero de la Oficina Nacional de Investigación Económica (NBER), basado en una encuesta a casi 6000 ejecutivos, reveló que cerca del 90 % de las empresas que utilizan IA no experimentaron ningún impacto en la productividad durante los tres años anteriores. Mientras tanto, los líderes no dejan de hablar de ello. La plataforma de inteligencia empresarial AlphaSense detectó que los términos "IA" y "productividad" aparecieron juntos en 637 teleconferencias sobre resultados durante el segundo trimestre, un aumento de aproximadamente el 25 % con respecto al año anterior.
La historia de fondo
En la práctica, los beneficios son tangibles. La ingeniera de software Iren Azra Zou, de la startup de logística de camiones Double Nickel, afirma que Claude Code de Anthropic reduce a un solo día el trabajo que antes llevaba una semana. «Ahorra una cantidad de tiempo increíble», comentó.
Pero los éxitos individuales no se acumulan automáticamente. El científico de datos de Amazon, Sarthak Gupta, trabaja más horas en lo que él llama una "fase de automatización", creando flujos de trabajo e integrando la IA en los procesos existentes. Su apuesta es que la inversión inicial se amortiza cada vez que se repite el trabajo. Esa es la visión optimista. La pesimista es que muchas empresas se ven obligadas a pagar la inversión inicial sin vislumbrar una rentabilidad recurrente.
La tensión central
Alexander Sukharevsky, socio sénior de McKinsey, lo denomina una «paradoja de la IA generacional»: los pilotos lucen bien, los usuarios se sienten más rápidos, pero convertir eso en beneficios para toda la empresa es extremadamente difícil. El director de operaciones de Uber afirmó el mes pasado que no existe una correlación directa entre un mayor uso de la IA y funciones más útiles para el consumidor.
Esto ha desencadenado lo que el artículo denomina una crisis de "aprovechamiento excesivo de tokens", donde los equipos queman tokens costosos sin lograr resultados significativos, solo acumulando gastos. El profesor de IE University, Enrique Dans, lo expresó sin rodeos: "Cuando una métrica se convierte en un objetivo, deja de ser una buena métrica". La pregunta no debería ser cuántos tokens se quemaron, sino qué se logró realmente.
El ángulo del modelo de negocio
He aquí la clave que los emprendedores deben tener en cuenta: una herramienta que aumenta la productividad individual no es lo mismo que una herramienta que impulsa el negocio. La generación de valor se produce a nivel sistémico, no a nivel de tarea.
Compárelo con las hojas de cálculo. Lotus 1-2-3 se lanzó en 1983 y con el tiempo se convirtió en la columna vertebral procedimental de las finanzas globales. No sucedió de la noche a la mañana, y los primeros años se parecían mucho a esto: obviamente útil, pero aún no soportaba la carga. La lección para los operadores es que la IA todavía es un software novedoso, no una infraestructura procedimental. Las empresas que triunfen no serán las que tengan los pilotos más llamativos. Serán las que reescriban un flujo de trabajo para que la ganancia se acumule cada trimestre, exactamente la apuesta que está haciendo Gupta. Si está implementando IA, la pregunta estratégica no es "¿esto es más rápido?", sino "¿esto se convierte en una parte permanente de cómo operamos, o solo en una factura recurrente?". Este es el mismo problema de captura de valor que está transformando todos los modelos de negocio de IA en este momento (cómo están evolucionando los modelos de negocio con la IA).
El riesgo
La contraargumentación honesta es que el auge podría simplemente llegar tarde, no ser inexistente. El economista jefe de JPMorgan en EE. UU. opina que las habilidades requeridas para un máster en Derecho (LLM) exigen menos formación que las de otras empresas tecnológicas, lo que podría significar que los beneficios se verán más adelante, en lugar de en décadas. El economista de Moody's, Mark Zandi, coincide en que el repunte está en marcha, aunque lentamente, y probablemente no se refleje en los datos hasta finales de la década de 2020 o principios de la de 2030.
Pero existe un escenario más sombrío. Un nuevo informe de Wharton advierte que, si el auge de la productividad nunca se materializa, la actual expansión tecnológica podría convertirse en «la mayor mala asignación de capital de la historia», con algunas grandes empresas tecnológicas arriesgándose a sufrir graves dificultades financieras. Con cientos de miles de millones de dólares en gastos de capital en juego, con una rentabilidad aún teórica, el margen de error es mínimo. Y las empresas ya están citando la IA como motivo de despidos y ralentización de las contrataciones, apostando por beneficios que aún no se han materializado por completo.
Preguntas rápidas
¿Realmente la IA está haciendo que los trabajadores sean más productivos?
A nivel individual, a menudo sí. Algunos ingenieros afirman haber reducido tareas semanales a un solo día. El problema es que esos logros personales aún no se han traducido de forma consistente en una mayor productividad, ingresos o beneficios para la empresa.
¿Por qué las empresas invierten tanto en IA si no les está dando resultados?
Apuestan a que la recompensa llegará y no quieren que los pillen desprevenidos. La inversión de capital de las grandes tecnológicas se acerca a los 800.000 millones de dólares en 2026, con la expectativa de que el trabajo realizado hoy dé frutos en el futuro.
¿Qué es el “tokenmaxing”?
Se produce cuando los equipos malgastan costosos tokens de IA persiguiendo un objetivo de uso, en lugar de centrarse en los resultados reales. Esto convierte un coste en una métrica superficial y genera facturas elevadas sin un valor claro.
¿Cuándo se manifestará realmente el auge de la productividad impulsado por la IA?
Las estimaciones varían. Algunos economistas hablan de finales de la década de 2020 o principios de la de 2030. Un sector más optimista argumenta que podrían ser años, no décadas, porque la IA es más fácil de aprender que la tecnología laboral del pasado.
En resumen
Las ventajas individuales de la IA son reales, pero una herramienta que hace que una persona sea más rápida aún no enriquece a una empresa. Los fundadores y gestores que triunfen en este ciclo serán quienes dejen de medir la actividad y empiecen a rediseñar los flujos de trabajo para que el valor se multiplique. La IA está viviendo su momento de gloria: claramente útil, pero aún no indispensable. El verdadero potencial reside en dar el salto del software innovador a la infraestructura procedimental, y nadie lo ha logrado del todo todavía.
