Hay una escena que empieza a repetirse en muchas organizaciones. Alguien presenta un mapa de pilotos de IA, enumera equipos que la usan, enseña licencias activas, habla de formación y termina con una sensación razonable de avance. El problema llega justo después, cuando aparece la pregunta incómoda: qué trabajo cambió de verdad.

No qué herramienta se compró. No cuántas personas probaron un asistente. No cuántos casos de uso entraron en una hoja de cálculo. Qué tarea se hizo de otra manera, qué flujo se rediseñó, qué métrica mejoró y qué coste apareció por el camino.

Esa es la brecha que empieza a importar. Usar IA ya no diferencia demasiado a nadie. Medir qué cambia, sí.

La trampa de confundir actividad con avance

Durante la primera etapa de la IA generativa, probar era casi inevitable. Había que entender la tecnología, ver sus límites, detectar usos rápidos y evitar quedarse fuera de una conversación que cambiaba cada semana. En ese contexto, los pilotos tenían sentido: permitían explorar sin rediseñar toda la organización.

Pero un piloto no es una capacidad. Una licencia no es una mejora. Una formación no es productividad. Y una lista larga de casos de uso puede ocultar una verdad incómoda: la empresa se ha movido mucho sin cambiar casi nada importante.

La adopción mide entrada. Dice cuánta gente tiene acceso, cuántos equipos experimentan, cuántas tareas se han probado o cuántos responsables han presentado un proyecto. La productividad exige otra prueba: obliga a mirar si la forma de trabajar cambió de manera verificable.

Qué enseñan los casos cuando se baja al nivel de tarea

El National Bureau of Economic Research, una organización estadounidense de investigación económica, publicó el working paper *Generative AI at Work* sobre asistentes generativos en atención al cliente. El valor de ese estudio está en que mira una tarea, una población y una métrica: permite observar mejora local en un trabajo delimitado. Su límite es igual de importante: no autoriza a decir que toda la organización se volvió más productiva.

Klarna ayuda a ilustrar otra parte del patrón, pero también exige cautela. El caso publicado por OpenAI es una historia corporativa vinculada al proveedor sobre atención al cliente: declara volumen, velocidad y reducción de consultas repetidas en un flujo estrecho y medible. Sirve para aprender qué tipo de trabajo puede hacer visible el impacto; no sirve para prometer que cualquier empresa replicará el resultado ni para sustituir evidencia independiente.

El caso histórico de Watson y MD Anderson, cubierto por WIRED como análisis periodístico de una implementación tecnológica compleja en salud, enseña el lado opuesto. Su valor no está en decir que la IA falla, ni en extrapolarlo directamente a la IA generativa actual. Está en recordar que la ambición tecnológica puede chocar con datos, integración, asistencia humana y coste operativo.

La lección común es sencilla: un ejemplo sólo ayuda si muestra qué funcionó, qué no funcionó, qué se pudo medir y qué límite impide exagerar.

En qué aciertan las organizaciones que extraen valor

Las organizaciones que parecen acercarse al valor recurrente no empiezan por “tenemos IA”. Empiezan por una tarea donde algo duele: tiempo, calidad, coste, repetición, riesgo, espera o retrabajo.

Después hacen algo menos vistoso que una demo: definen una línea base. Si no se sabe cuánto tardaba una tarea, cuántos errores generaba o dónde estaba el cuello de botella, no se podrá saber si la IA mejoró algo. La métrica previa es el antídoto contra el relato.

QuantumBlack, consultora de gestión y analítica, recoge en *The State of AI* una encuesta global sobre adopción y captura de valor. El informe ayuda a situar la diferencia entre usar IA y escalarla con prácticas organizativas, pero debe leerse como evidencia agregada y correlacional, no como prueba causal cerrada. Su utilidad aquí es otra: refuerza que el valor aparece asociado a rediseño de workflows, responsables, métricas, gobierno, datos y adopción gestionada.

BCG, otra consultora de gestión, publica *AI at Work 2025* como informe sobre adopción, formación y brechas de uso de IA en empresas. También funciona como señal de patrón: la formación y el uso importan, pero no bastan si no se conectan con tareas, flujos y seguimiento de valor. No demuestra por sí solo productividad causal; ayuda a formular mejores preguntas.

También hay que definir quién valida. En trabajos con impacto sobre clientes, empleados o decisiones sensibles, la revisión humana no es un adorno. Es parte del coste real del sistema.

En qué se equivocan quienes sólo acumulan pilotos

El error más común es medir uso en vez de impacto. Usuarios activos, sesiones, prompts, licencias o número de pilotos pueden indicar movimiento, pero no demuestran productividad.

Microsoft WorkLab, la unidad de investigación corporativa de Microsoft sobre tendencias del trabajo, observa en el *Work Trend Index 2025* la expansión de agentes, equipos humano-agente y nuevas formas de organización del trabajo. Es una señal útil de adopción y cambio de hábitos, pero no una prueba independiente de productividad universal. Otro análisis de Microsoft WorkLab sobre IA en el trabajo subraya una tensión parecida: el uso individual puede adelantarse a la preparación organizativa.

El segundo error es escalar entusiasmo inicial sin dueño de proceso. Un equipo prueba una herramienta, obtiene una mejora aparente y la organización decide extenderla sin saber si el resultado dependía de una persona concreta, de una tarea muy acotada o de una métrica incompleta.

El tercer error es no contar el coste oculto. La IA puede reducir tiempo de producción y aumentar tiempo de revisión. Puede generar más versiones preliminares y más coordinación. Puede resolver más rápido una parte y desplazar el cuello de botella a calidad, compliance o datos.

Gartner, firma de análisis y asesoramiento tecnológico, advirtió sobre abandono de proyectos GenAI tras pruebas de concepto por problemas de datos, riesgo, costes y valor de negocio. Esa advertencia debe usarse como señal ejecutiva secundaria, no como prueba causal fuerte. Sirve para recordar que un piloto puede morir no porque la tecnología sea inútil, sino porque nadie consiguió conectar coste, riesgo y valor de forma convincente.

El cuarto error es convertir un caso aislado en narrativa de transformación. Una empresa con un flujo muy medible no prueba que el resto de sectores vaya a vivir el mismo resultado. Una advertencia histórica tampoco prueba que todo vaya a fallar. Los casos enseñan condiciones, no leyes universales.

Patrones que se repiten entre sectores

En atención al cliente, el patrón fuerte es tarea repetible, volumen alto y métrica cercana al trabajo. En software y trabajo técnico, el patrón cambia: la IA puede ayudar en fragmentos, pero la revisión, integración y deuda técnica pueden absorber parte del ahorro. En marketing y contenidos, el riesgo es producir más sin diferenciar mejor. En RRHH y formación, el riesgo es formar en herramientas sin cambiar tareas, responsabilidades ni transferencia al puesto. En soporte interno y documentación, el ahorro de redacción puede perderse si aumentan aprobación, control de versiones y retrabajo.

La pregunta sectorial, por tanto, no es “dónde se usa IA”. Es “qué parte del trabajo cambia en ese sector y qué coste aparece después”.

Consejos para implementar IA sin confundir actividad con impacto

Para Dirección: no aprobar pilotos por novedad. Aprobar hipótesis. Cada piloto debería decir qué tarea cambia, qué métrica se moverá, quién valida y qué decisión se tomará si no hay señal clara.

Para RRHH: no tratar la adopción como madurez. Preguntar qué capacidades nuevas exige el trabajo cuando la IA entra en el flujo: juicio, revisión, criterio, trazabilidad y gestión de excepciones.

Para Formación: no limitarse a enseñar prompts. Diseñar aprendizaje alrededor de tareas reales, con ejemplos de buen uso, mal uso, límites y responsabilidad.

Para Tecnología: no medir sólo despliegue. Medir integración, calidad del dato, coste de mantenimiento, errores, escalabilidad y seguridad.

Para Transformación: no escalar hasta saber qué cambió. Un piloto debe convertirse en proceso sólo cuando el impacto sea repetible y el coste esté entendido.

Qué no se puede concluir todavía

No se puede concluir que la IA generativa ya haya demostrado productividad agregada general. No se puede concluir que un caso corporativo sea replicable en cualquier empresa. No se puede concluir que un informe de adopción pruebe impacto. Tampoco se puede concluir que los fracasos históricos invaliden todo uso futuro.

Lo que sí se puede concluir es más modesto y más útil: la productividad aparece con más claridad cuando la IA se conecta a tareas observables, métricas previas, rediseño de flujo, validación humana y aprendizaje acumulado.

La ventaja será de quien aprenda antes

La IA se está volviendo accesible. Esa accesibilidad reduce su poder diferenciador. Si todos pueden probar herramientas parecidas, la ventaja no estará en abrir una cuenta, activar licencias o decir que la organización tiene una estrategia de IA.

La ventaja estará en aprender antes qué usos merecen escalarse, cuáles deben cerrarse y qué condiciones hacen que una mejora local se convierta en capacidad recurrente.

Eso exige una disciplina menos vistosa que la demo: observar tareas, medir flujos, registrar límites, comparar contextos, detectar costes ocultos y actualizar decisiones. Es una forma de gestión, no sólo una decisión tecnológica.

Antes de llamar productividad a un piloto, conviene hacer seis preguntas: qué tarea cambió, qué workflow cambió, qué métrica mejoró, quién valida, qué coste oculto apareció y qué puede escalarse sin perder calidad.

Si mañana desapareciera el entusiasmo por la IA, qué mejora seguiría en pie.

Ahí empieza la productividad.

Fuentes utilizadas

  • National Bureau of Economic Research, *Generative AI at Work*: https://www.nber.org/papers/w31161
  • QuantumBlack, *The State of AI: Global Survey 2025*.
  • Microsoft WorkLab, *2025 Work Trend Index*: https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
  • Microsoft WorkLab, *AI at Work Is Here. Now Comes the Hard Part*: https://www.microsoft.com/en-us/worklab/ai-at-work-is-here-now-comes-the-hard-part
  • Boston Consulting Group, *AI at Work 2025: Momentum Builds, but Gaps Remain*: https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-gaps-remain
  • Gartner, *Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025*: https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025
  • OpenAI, *Klarna's AI assistant does the work of 700 full-time agents*: https://openai.com/index/klarna/
  • WIRED, *Why IBM's Watson supercomputer isn't making money*: https://www.wired.com/story/ibm-watson-supercomputer-profit/