Durante los últimos dos años, la Inteligencia Artificial se ha convertido en el nuevo idioma común del mundo empresarial: está en las presentaciones de resultados, en los planes de transformación digital y en casi cualquier conversación sobre eficiencia. Sin embargo, una cosa es “tener IA” y otra, muy distinta, notar su impacto real en el día a día. Y ahí es donde llega el jarro de agua fría.
Un estudio del National Bureau of Economic Research (NBER), basado en respuestas de más de 6.000 directivos de empresas de Europa y Estados Unidos, dibuja una fotografía que choca con el relato triunfalista: la adopción avanza, pero los beneficios medibles, no tanto. En el trabajo, los autores recogen que alrededor del 70 % de las compañías ya utiliza IA de algún modo, pero más del 80 % afirma que, por ahora, no ha observado mejoras en productividad ni cambios relevantes en empleo.
La conclusión no es que la IA “no sirva”, sino que el despliegue real en las organizaciones está siendo más superficial —y más lento— de lo que sugieren los titulares.
Mucha adopción, poco cambio: el “uso mínimo viable” de la IA
El dato más revelador, precisamente, no está en el porcentaje de empresas que dicen usar IA, sino en cómo la usan. Según el mismo estudio, un tercio de los directivos declara emplear herramientas de IA en su trabajo… pero la media se queda en 1,5 horas a la semana. Y una cuarta parte asegura no usarla en absoluto.
Traducido: en muchas compañías, la IA se ha colado como una ayuda puntual —resumir textos, redactar correos, preparar borradores, ordenar ideas—, pero no como una palanca que rediseñe procesos completos. La diferencia es crucial. Las mejoras de productividad fuertes suelen aparecer cuando se toca el “cómo se trabaja”, no solo cuando se añade una herramienta al final de la cadena.
Por eso, el estudio también refleja una paradoja incómoda: las empresas esperan que la IA termine empujando la productividad y el output en los próximos 3 años, y que incluso reduzca ligeramente la plantilla… pero hoy esa expectativa todavía no se materializa en indicadores internos.
¿Dónde se atasca la productividad?
En privado, muchos responsables lo describen con una sensación familiar: “hay entusiasmo, hay pruebas, hay licencias… pero el trabajo sigue saliendo casi igual”. La encuesta del NBER encaja con esa idea, porque la IA se está implantando a menudo en formato piloto, sin llegar a los puntos donde de verdad se gana tiempo: coordinación, flujos de aprobación, integración con sistemas, o automatización de tareas repetitivas con gobernanza clara.
Hay varias razones por las que el salto tarda en llegar:
- Uso fragmentado: herramientas dispersas por equipos sin una metodología común, ni objetivos medibles.
- Fricción organizativa: si un proceso requiere 5 validaciones humanas, la IA puede acelerar una parte… pero el cuello de botella sigue ahí.
- Datos y contexto: sin información interna bien ordenada, la IA se queda en “asistente genérico”.
- Riesgo y cumplimiento: sectores regulados frenan por prudencia (y con razón), y eso ralentiza el despliegue.
- Cambio de hábitos: incorporar IA en serio exige entrenamiento, guías y una cultura de mejora continua. No basta con “dar acceso”.
En resumen, la IA está entrando, sí, pero no siempre está siendo operada como una transformación. Muchas empresas, de momento, se quedan en un “uso mínimo viable”: suficiente para decir que la usan, insuficiente para mover la aguja.
Un déjà vu histórico: la paradoja de la productividad
Este choque entre expectativas y realidad no es nuevo. En el estudio y en el debate posterior aparece una comparación inevitable: la llamada paradoja de la productividad asociada a la informática de oficina. Durante años, la llegada masiva de ordenadores no se tradujo de inmediato en saltos visibles de productividad, y se popularizó aquella frase atribuida al economista Robert Solow: “se ve la era del ordenador en todas partes, excepto en las estadísticas de productividad”.
La moraleja no es que la tecnología fuera inútil —acabó transformándolo todo—, sino que el impacto tardó en reflejarse porque primero hubo que cambiar procesos, formación e infraestructura. Con la IA puede estar ocurriendo algo parecido: la promesa es enorme, pero el beneficio no es automático.
Implicaciones: menos humo, más ingeniería del trabajo
Si estos datos se confirman en más estudios, el mensaje para el mercado es claro:
- Para los directivos, la pregunta deja de ser “¿tenemos IA?” y pasa a ser “¿qué proceso completo hemos rediseñado gracias a la IA y qué métrica lo demuestra?”.
- Para los empleados, el relato de recortes inmediatos pierde fuerza: al menos por ahora, la IA parece más una herramienta de apoyo que una sustitución masiva.
- Para proveedores y consultoras, se abre una oportunidad: el valor estará menos en vender licencias y más en ayudar a integrar, medir, gobernar y automatizar de forma segura.
- Para inversores, es un aviso contra la impaciencia: la adopción puede ser rápida, pero la productividad agregada puede tardar en reflejarse.
La IA no está fracasando. Lo que está ocurriendo es más simple y más humano: la organización real va por detrás de la tecnología. Y ahí, como siempre, el trabajo duro no lo hace el modelo: lo hacen las empresas que saben convertirlo en un sistema operativo de su día a día.
Preguntas frecuentes
¿Por qué más del 80 % de empresas dice que la IA no mejora su productividad todavía?
Porque en muchos casos la IA se usa de forma puntual (redacción, resúmenes) y no como rediseño integral de procesos; además, medir productividad interna es difícil si no se fijan métricas desde el principio.
¿Qué significa que los directivos solo usen IA 1,5 horas a la semana?
Que la herramienta todavía no está integrada en el flujo de trabajo principal: se usa “cuando conviene”, pero no se ha convertido en una capa habitual de operación.
¿La IA reducirá empleo en los próximos años según este tipo de encuestas?
El estudio recoge expectativas de recortes moderados, pero hoy la mayoría no observa impacto en empleo. La sustitución, si llega, dependerá de automatización real de tareas y de cambios organizativos.
¿Qué debería hacer una empresa para notar mejoras reales con IA en productividad?
Elegir 1–2 procesos críticos, integrar la IA con datos y sistemas internos, definir métricas (tiempo, calidad, coste), formar a los equipos y establecer gobernanza (seguridad, permisos, trazabilidad).
vía: tomshardware
