Los efectos reales de la IA generativa en la productividad

La IA no reemplazará el trabajo, sino que transformará quiénes triunfan, la velocidad de aprendizaje y la adaptación de las organizaciones. Las respuestas del liderazgo definirán el resultado.

por Malvika Jethmalani

Desde el lanzamiento público de ChatGPT a finales de 2022, una pregunta recurrente ha estado en el aire: ¿la IA generativa (GenAI) realmente abrirá una nueva era de productividad? Tres años después, la evidencia se acumula y los ejecutivos están prestando atención.

Las señales son contundentes. El informe Superagency in the Workplace de McKinsey reveló que el 94 % de los empleados y el 99 % de los líderes ejecutivos están al menos familiarizados con las herramientas GenAI, pero los líderes aún subestiman su adopción real. Asumen que solo el 4 % del personal utiliza IA en más de un tercio de su trabajo, mientras que los propios empleados informan que la cifra se acerca al 12 %.

McKinsey estima que GenAI podría aumentar la productividad laboral entre un 0,1% y un 0,6% anualmente hasta 2040, y el Modelo Presupuestario de Penn Wharton proyecta que la adopción de IA podría elevar el crecimiento de la productividad estadounidense en un 1,5% para 2035 .

Sin embargo, el panorama dista mucho de ser sencillo. El crecimiento de la productividad a nivel nacional sigue siendo irregular, y persiste la tan debatida ” paradoja de la productividad “. Las ganancias de producción son visibles en algunos sectores, pero no de forma uniforme entre las economías o empresas. El Foro Económico Mundial advierte sobre una creciente brecha salarial por productividad , con ganancias que recaen sobre los accionistas y la élite en la cima, mientras que los salarios del trabajador promedio se estancan.

La verdadera historia no está en las cifras agregadas, sino en la experiencia vivida de los lugares de trabajo donde se está integrando la IA.

De los centros de llamadas al código: lo que dice la evidencia

Tres estudios a gran escala ofrecen algunas de las ideas más claras hasta el momento.

Estudiar	Contexto	Perspectivas clave
Brynjolfsson, Li y Raymond (2025) – IA generativa en acción	Agentes de atención al cliente con asistentes de IA	Los agentes aumentaron su productividad en un 15% en general, principalmente al resolver problemas con mayor rapidez. Los agentes más nuevos fueron los que más mejoraron, aumentando su productividad en aproximadamente un 30%. Estas mejoras se mantuvieron incluso cuando la herramienta de IA estuvo temporalmente fuera de servicio, lo que sugiere que los empleados aprendieron e interiorizaron mejores métodos de trabajo con la ayuda de la IA. Los trabajadores más experimentados y cualificados experimentaron pequeñas mejoras en la velocidad y pequeñas disminuciones en la calidad.
Dell’Acqua et al. (2023) – Frontera tecnológica irregular	Trabajadores del conocimiento (consultores) que utilizan GPT-4	Los consultores completaron un 12 % más de tareas, trabajaron un 25 % más rápido y la calidad del trabajo mejoró en más del 40 %. Los consultores con menor rendimiento obtuvieron los mayores avances, acortando la distancia con sus colegas de mayor rendimiento. Cuando usaron IA para problemas demasiado complejos o que estaban fuera de sus puntos fuertes, la precisión disminuyó.
Cui et al. (2025) – Desarrolladores de software e IA generativa	Ingenieros de software altamente calificados que utilizan asistentes de codificación	Los desarrolladores completaron un 26 % más de tareas de codificación y aumentaron su actividad de compilación entre un 13 % y un 38 %, según el tipo de trabajo. Los desarrolladores júnior se beneficiaron mucho más que los sénior, aumentando su productividad hasta un 39 %, mientras que los desarrolladores experimentados experimentaron mejoras menores, entre un 8 % y un 13 %. La calidad del código, medida por las tasas de aprobación, mejoró alrededor de un 10 %, aunque los resultados variaron según la empresa.

Los hallazgos se reflejan en todos los sectores. Los agentes de atención al cliente equipados con asistentes de IA gestionaron las llamadas con mayor rapidez y con menos escaladas. Los consultores produjeron más y mejor trabajo, especialmente aquellos en la mitad inferior del ranking. Los desarrolladores de software con GitHub Copilot no solo escribieron más código, sino que también obtuvieron mayores tasas de aprobación, un indicador de calidad.

En los tres entornos, los mayores beneficiarios no fueron los más experimentados ni los artistas de élite, sino los novatos, los que se esforzaban y los que tenían un nivel promedio.

IA generativa: el gran nivelador y sus límites

Los estudios convergen en un patrón sorprendente: la IA no es una tecnología centrada en las habilidades en el sentido tradicional. A diferencia de las oleadas de automatización anteriores, que tendían a premiar a los más cualificados y a dejar atrás a los menos cualificados, la GenAI favorece desproporcionadamente a los principiantes y reduce las brechas de rendimiento.

Brynjolfsson et al. descubrieron que los nuevos agentes adquirieron el equivalente a seis meses de aprendizaje en tan solo dos meses con la asistencia de IA. Dell’Acqua y sus colegas documentaron un sorprendente aumento del 43 % en la productividad entre los empleados con menor rendimiento en tareas de consultoría. Cui et al. demostraron que los desarrolladores con poca antigüedad y los júnior aumentaron su productividad en casi un tercio, mientras que los ingenieros sénior experimentaron mejoras modestas de un solo dígito.

Pero el efecto del “gran nivelador” tiene límites. Los mismos estudios revelaron que los equipos con mejor rendimiento a veces se estancaban, o incluso experimentaban descensos, al depender en gran medida de la IA. Los veteranos de la atención al cliente en ocasiones producían conversaciones de menor calidad con la IA. Los consultores aplicaban la IA incorrectamente fuera de su límite de competencia y tenían 19 puntos porcentuales menos de probabilidades de acertar. Los desarrolladores corrían el riesgo de caer en un bucle de “ensayo y error”, compilando código con más frecuencia sin necesariamente producir mejores soluciones.

En resumen, la IA eleva el umbral, pero puede reducir el límite. La frontera del juicio humano, la creatividad y la innovación no puede simplemente externalizarse a algoritmos.

Liderando la revolución de la productividad

La lección para los líderes debería ser que el aumento repentino de la productividad es real, pero requiere una gestión deliberada. La IA no es una herramienta lista para usar; es un cambio a nivel de sistema que transforma el aprendizaje, los flujos de trabajo e incluso el diseño organizacional.

1. Tratar la IA como una frontera de capacidades, no como una varita mágica

Los ejecutivos deberían identificar dónde destaca la IA, es decir, las tareas con la frecuencia suficiente para entrenar modelos, pero no tan triviales como para que los humanos ya las manejen bien. Estas tareas “moderadamente raras” son el punto óptimo. Más allá de ese límite, la IA erosiona el valor.

2. Reimaginar el desarrollo de la fuerza laboral

El mayor don de la IA podría ser su función de instructor. Los principiantes absorben las mejores prácticas con mayor rapidez, los desarrolladores júnior aprenden patrones de programación de Copilot y el personal de los centros de atención telefónica aprende estrategias de comunicación. Los líderes deben redoblar sus esfuerzos en este fenómeno de la “IA como coach” rediseñando la incorporación, combinando la asistencia personalizada de IA con el coaching y garantizando que no se pierda el conocimiento tácito.

3. Experiencia en protección

El riesgo para los profesionales de alto rendimiento es la complacencia. Las empresas deben animar a los expertos a superar los límites en lugar de depender demasiado de las normas predeterminadas generadas por la IA. Los incentivos deben recompensar la originalidad, la formulación de problemas y la visión interdisciplinaria (la ventaja humana que la IA no puede replicar). Los líderes progresistas con los que trabajo ya están pensando en cómo aprovechar la IA para captar la sabiduría organizacional (por ejemplo, cuando un experto experimentado se jubila o un profesional de alto rendimiento renuncia).

4. Rediseñe los flujos de trabajo, no solo las herramientas

Las empresas que se limitan a otorgar licencias de IA desaprovecharán la oportunidad. La encuesta de McKinsey muestra que las empresas que rediseñan sus flujos de trabajo y asignan supervisión a la alta dirección son las que logran un impacto financiero medible. Esto implica replantear los flujos de procesos, las estructuras de equipo y las métricas de rendimiento.

5. Gestionar la brecha entre productividad y salario

Si las ganancias de productividad solo las captan los accionistas y los altos ejecutivos, aumentará el resentimiento. Los líderes deben garantizar que la eficiencia impulsada por la IA se traduzca en prosperidad compartida, ya sea mediante el crecimiento salarial, el desarrollo profesional o la reinversión en innovación.

6. Proporcionar barandillas para un uso responsable

Como demuestra el estudio de Dell’Acqua sobre la “frontera irregular”, la IA fracasa estrepitosamente fuera de su ámbito. Las organizaciones necesitan medidas de seguridad sólidas; esto implica capacitar a los empleados en evaluación crítica, crear protocolos de escalamiento e invertir en estructuras de gobernanza de la IA .

Reimaginar el trabajo, no solo las herramientas

GenAI no es la primera tecnología que promete una revolución en la productividad. La electricidad, la computadora personal e internet generaron estallidos de optimismo, desilusión y, finalmente, transformación. La diferencia hoy reside en la velocidad; los ciclos de adopción, que antes se medían en décadas, ahora se comprimen en años o meses.

Los estudios de Brynjolfsson, Dell’Acqua y Cui sugieren que la IA no reemplazará el trabajo, sino que transformará quién prospera, la velocidad de aprendizaje y cómo deben adaptarse las organizaciones. Para los ejecutivos, la oportunidad es enorme, pero también lo es la responsabilidad.

Las ganancias están a la vista: mayor productividad, mejor calidad y un aprendizaje acelerado. Sin embargo, los riesgos de descualificación, mal uso y creciente desigualdad son igualmente reales. Para aprovechar esta promesa, los líderes deben ir más allá de la adopción de herramientas y reimaginar la esencia misma del trabajo.

Puede que la paradoja de la productividad no desaparezca de la noche a la mañana, pero los contornos del futuro se están volviendo más claros. La GenAI ya está redefiniendo el trabajo. Que este cambio se traduzca en ganancias duraderas o en una moda pasajera dependerá de las acciones que los líderes tomen ahora.

Nota del editor: ¿Qué más deberían considerar los líderes a medida que implementan IA en su fuerza laboral?

• Metacognición: Tu ventaja de productividad con IA  :  La IA potencia la creatividad al combinarse con la metacognición, reflexionando sobre tu pensamiento. Esta autoconciencia impulsa la velocidad del aprendizaje por encima de la productividad mecánica.
• Liderar o ser atropellado: Guía práctica de IA para CEOs que puedes usar ahora  .  El verdadero liderazgo en IA implica claridad sobre el caos. Empieza con poco, capacita a todos, realiza pruebas éticas y escala lo que funciona. Muestra pruebas, no presentaciones.
• Liderazgo centrado en las personas e IA: ¿Es posible tener ambos?  —  La IA puede respaldar un liderazgo centrado en las personas si la usamos con cuidado.

Acerca del autor

Malvika Jethmalani es la fundadora de Atvis Group, una firma de asesoría en capital humano impulsada por la convicción fundamental de que, para triunfar en el mercado, las empresas primero deben triunfar en el entorno laboral. Es una ejecutiva experimentada y coach ejecutiva certificada, experta en impulsar la transformación de personas y cultura, reposicionar empresas para un crecimiento rentable, liderar fusiones y adquisiciones (M&A) y desarrollar estrategias para atraer y retener al mejor talento en organizaciones de alto crecimiento respaldadas por capital privado. 

Fuente: https://www.reworked.co/collaboration-productivity/the-real-productivity-effects-of-generative-ai/