Las herramientas de inteligencia artificial se multiplican en los entornos profesionales, pero las ganancias de productividad medidas siguen siendo muy variables de un perfil de empleado a otro. Un estudio publicado en el Quarterly Journal of Economics en abril de 2025, que abarcó a 5,172 agentes de soporte al cliente, observó un aumento promedio de aproximadamente 14 a 15 % en el número de problemas resueltos por hora.
Los agentes principiantes se beneficiaron más, mientras que los más experimentados notaron un efecto débil, e incluso una ligera disminución en la calidad.
Diferencia entre productividad percibida y productividad medida en la empresa
El primer reflejo, ante una nueva herramienta, es preguntar a los usuarios si se sienten más eficientes. Los datos de campo cuentan otra historia: en varias experimentaciones, los participantes sobrestimaron significativamente sus propias ganancias en comparación con los resultados objetivamente medidos.
Esta discrepancia tiene consecuencias directas en las decisiones de inversión. Las empresas más avanzadas en la adopción de IA no producían más por empleado que las que no la adoptaron. Los primeros adoptantes incluso mostraban a veces una productividad ligeramente inferior.
| Indicador | Percepción del usuario | Medida experimental |
|---|---|---|
| Soporte al cliente (QJE, abril 2025) | Positivo para todos los perfiles | +14-15 % en promedio, bajo en expertos |
| Entregas de software (DORA 2024) | Productividad individual percibida en aumento | Disminución del flujo y estabilidad de las entregas |
Esta tabla ilustra un patrón recurrente: la confianza en la herramienta a menudo supera los resultados verificables. Varias innovaciones informáticas recientes merecen ser evaluadas por sus efectos reales en lugar de por sus promesas.
Asistentes de IA para soporte al cliente y redacción: ganancias reales pero específicas
Los resultados más sólidos se refieren a tareas repetitivas y estructuradas. En el sitio Planet X Tech informática, las categorías de herramientas relacionadas con el procesamiento de texto y el soporte técnico figuran entre las más consultadas, lo que refleja la demanda actual de los profesionales.
El estudio del Quarterly Journal of Economics detalla un punto que las listas de herramientas pasan por alto: las ganancias se concentran en los perfiles menos experimentados. Para un agente de soporte junior, el asistente de IA proporciona respuestas tipo que aceleran la resolución. Para un agente senior, la herramienta ofrece sugerencias que a veces están desfasadas con la complejidad del caso, lo que ralentiza el procesamiento o degrada la calidad.
En la redacción profesional, se observa el mismo fenómeno. Un redactor que ya domina su tema pasa más tiempo corrigiendo las salidas de la IA que redactando directamente. En cambio, para la producción de borradores iniciales, síntesis internas o informes estandarizados, el ahorro de tiempo es tangible.
Criterios para evaluar un asistente de IA antes de su implementación
- El nivel medio de experiencia de los usuarios objetivo: cuanto más junior sea el equipo, mayor será el retorno de inversión según los datos disponibles
- La proporción de tareas estandarizadas en el flujo de trabajo diario, ya que la IA rinde en casos recurrentes y flaquea en las excepciones
- La capacidad de la herramienta para integrarse con las aplicaciones existentes (mensajería, CRM, base de datos interna) sin crear fricción adicional
Asistentes de programación IA: velocidad frente a estabilidad de las entregas
El informe Accelerate State of DevOps 2024 de Google DORA aporta una perspectiva contraintuitiva. Los equipos de desarrollo que utilizaron más IA para generar código vieron disminuir su flujo de entrega y su estabilidad, incluso cuando los desarrolladores individuales se declaraban más productivos.
El informe DORA 2025, dedicado al desarrollo asistido por IA, confirma que la confianza en el código generado sigue siendo un problema para una parte significativa de los profesionales encuestados. El código producido por un asistente pasa las pruebas unitarias pero introduce fragilidades arquitectónicas que las revisiones de código manuales detectan tardíamente.
Para los equipos que consideran adoptar un asistente de programación, la pregunta pertinente no es “¿cuántas líneas de código más?” sino “¿cuántos errores en producción menos?”. Las métricas DORA (frecuencia de despliegue, tiempo de producción, tasa de fallos de cambios, tiempo de recuperación) siguen siendo los indicadores más fiables para medir el impacto real.
Automatización de flujos de trabajo: dónde se encuentran las verdaderas ganancias informáticas
Las plataformas de automatización (conectores entre aplicaciones, desencadenadores condicionales, enrutamiento de datos) constituyen un palanca de productividad menos espectacular que la IA generativa, pero a menudo más predecible. Su principio es simple: conectar las herramientas existentes para eliminar las entradas manuales y las transferencias de archivos.
La automatización produce sus mejores resultados en procesos de alto volumen y baja variabilidad: validación de facturas, envío de notificaciones, sincronización de bases de datos entre un CRM y una herramienta de contabilidad. Los equipos que automatizan estos flujos recuperan tiempo en tareas de bajo valor añadido.
Lo que distingue una automatización rentable de un gadget
Un flujo de trabajo automatizado que trata diez casos por semana no justifica el tiempo de configuración. En cambio, un proceso desencadenado varias decenas de veces al día, con reglas estables, genera un retorno medible desde las primeras semanas. La seguridad de los datos en tránsito entre aplicaciones sigue siendo un punto de vigilancia, especialmente cuando circulan información sensible entre herramientas alojadas en diferentes proveedores.
- Priorizar los flujos más frecuentes y estandarizados para la primera implementación
- Verificar que cada conector respete las políticas de seguridad de la empresa, especialmente el cifrado en tránsito
- Medir el tiempo real ahorrado después de 30 días, no solo el tiempo teórico anunciado por el editor
Las innovaciones informáticas más mediáticas no siempre son las que mejoran la productividad de manera medible. La discrepancia entre percepción y realidad, documentada por estudios experimentales y los informes DORA, sugiere priorizar las métricas concretas sobre las impresiones. La herramienta más útil no es la que impresiona en demostración, sino aquella cuyo impacto resiste a una medición rigurosa después de varias semanas de uso diario.
