La narrativa que suele dominar las salas de juntas es bastante lineal: la implementación de la inteligencia artificial promete reducir las jornadas, recortar los gastos operativos y permitir que el capital humano se enfoque en labores de valor estratégico. No obstante, los indicadores más recientes sugieren un panorama mucho más complejo y menos idílico.
Anthropic, la firma estadounidense responsable de Claude —uno de los modelos de lenguaje más potentes junto a ChatGPT y Gemini—, realizó un análisis interno sobre cómo sus propios colaboradores utilizan esta tecnología. Las conclusiones son reveladoras: el personal emplea la IA en un 60 % de sus actividades cotidianas y asegura haber obtenido un incremento en su productividad cercano al 50 %. En el ámbito del desarrollo de software, los pull requests por cada ingeniero (métrica clave de rendimiento) crecieron un 67 % tras adoptar herramientas como Claude Code.
Esta tendencia no es exclusiva de las firmas tecnológicas. La aseguradora global HUB International, que cuenta con una nómina de 20.000 empleados, registró una optimización del 85 % en procesos específicos y un ahorro promedio de 2,5 horas a la semana por trabajador tras implementar esta tecnología a finales de 2025. Por otro lado, la empresa de ciberseguridad Wiz logró migrar 50.000 líneas de código en apenas 20 horas, una tarea que sus especialistas habían proyectado inicialmente para dos o tres meses.
El crecimiento del trabajo cosmético
Aunque los resultados a corto plazo parecen validar la inversión, el reporte de Anthropic advierte sobre una distorsión importante: el 27 % de las tareas asistidas por IA son labores que los empleados jamás habrían realizado sin la herramienta. Se trata de refactorizaciones menores, tableros de datos con fines ornamentales o exploraciones que anteriormente no se consideraban rentables.
Lejos de simplemente ahorrar tiempo, la IA parece estar dilatando el concepto de lo que se considera «trabajo válido». Si bien cada acción individual requiere menos esfuerzo, el volumen de tareas totales va en aumento. El mismo documento admite que los trabajadores ahora dedican tiempo adicional a tratar de entender los resultados que la IA genera, especialmente en campos donde carecen de pericia técnica.
La pérdida del conocimiento crítico
Existe una preocupación latente sobre cómo esta automatización erosiona el aprendizaje profundo. Senthil Muthiah, socio principal de McKinsey & Company, advierte sobre la compresión de la curva de aprendizaje:
“Existe un peligro genuino de que creemos una generación de trabajadores que puedan supervisar a la IA antes de entender el trabajo por sí mismos”.
En este mismo sentido, Jeffrey Chivers, director ejecutivo de Syllo, sostiene que si las organizaciones se limitan a usar la IA para acelerar flujos de trabajo, están sacrificando el proceso de adquisición de conocimientos, lo que generará un vacío de liderazgo en el futuro inmediato.
El riesgo es que estemos formando analistas que presentan informes que no pueden defender ante un cliente, desarrolladores que integran código que no saben reparar cuando falla, o abogados que validan textos legales producidos en milisegundos. La productividad financiera asciende, pero la competencia organizacional se debilita silenciosamente.
Impactos desiguales y el riesgo en Latinoamérica
La información de Anthropic también arroja una brecha interna. Según Cat de Jong, directora de IA aplicada en la compañía, los equipos que han profundizado en el uso de Claude avanzan a ritmos radicalmente distintos, creando fricciones operativas. En una encuesta a 132 ingenieros, un grupo selecto del 14 % (los denominados power users) aumentó su productividad más del 100 %, mientras que el resto permanece estancado.
Este escenario es particularmente delicado en Latinoamérica y España, donde las estructuras corporativas dependen de amplios equipos de nivel junior. Si estos empleados aprenden a manejar la IA sin dominar el oficio, el déficit de conocimiento se vuelve estructural. Cuando los expertos con décadas de experiencia se retiren, no habrá relevo con el conocimiento tácito necesario para corregir a la máquina.
Fragilidad y el fenómeno del «AI slop»
Satyen Sangani, CEO de Alation, recalca que la dependencia excesiva vuelve a los sistemas frágiles. Advierte que la falta de revisión humana está dando paso al AI slop: contenido o decisiones automatizadas masivas sin control de calidad real. En contextos críticos como la banca, los seguros o el comercio minorista, este slop puede traducirse en:
- Recomendaciones de crédito erróneas.
- Cotizaciones mal calculadas que afecten la rentabilidad.
- Contratos con cláusulas legalmente inviables.
Finalmente, la interrogante que queda en el aire para los directivos es si están reinvirtiendo el tiempo ganado en mentoría y pensamiento crítico, o si simplemente lo usan para mejorar los márgenes de beneficio del próximo trimestre. Como señala Chivers, la respuesta a esto determinará el destino de las empresas no hoy, sino en el 2028. La IA está logrando producir más y más rápido; el costo real surgirá cuando el profesional deba defender un resultado sin tener la máquina a su lado.
Fuente: Fuente