La inteligencia artificial prometía quitar trabajo mecánico y liberar tiempo para pensar mejor. Lo que está apareciendo en muchas empresas tiene algo más incómodo. El cuello de botella ya no siempre está en producir contenido o código, sino en revisar, decidir y asumir la responsabilidad de lo que producen las máquinas.
Aaron Levie, fundador y CEO de Box, lo plantea sin rodeos cuando pide a los máximos directivos que bajen al barro. Su argumento apunta a una distancia peligrosa entre quienes toman decisiones y ese último tramo donde el trabajo ocurre de verdad, justo donde la IA muestra lo que puede hacer y también dónde falla.
"Los CEOs deben bajar al barro para ver qué puede hacer y qué no la IA" - Aaron Levie, fundador y CEO de Box
No es una observación menor. Si una empresa automatiza la producción de texto, análisis o código, el volumen de material que necesita supervisión humana crece y cambia de forma. La automatización desplaza el cuello de botella hacia los directivos que deben revisar más datos, decidir qué vale y responder cuando algo sale mal.
ClickUp redujo plantilla mientras multiplicaba agentes de IA
Zeb Evans, CEO de ClickUp, contó en X que había despedido a casi una cuarta parte de su plantilla después de desplegar 3.000 agentes de IA. La imagen que propuso para esa nueva etapa también resulta elocuente. La llamó organización 100x, una estructura en la que los trabajadores humanos que quedan supervisan a las máquinas.
Ahí aparece una de las grandes tensiones del momento. Las valoraciones bursátiles de las tecnológicas se han disparado este año al mismo tiempo que se aceleran los despidos masivos en el sector, una combinación que convierte la promesa de eficiencia en una experiencia mucho menos abstracta para miles de empleados.
La productividad prometida no aparece con la misma claridad en los datos
Sin embargo, cuando uno sale del entusiasmo corporativo y mira la evidencia agregada, la historia se complica.
Un estudio de la Universidad de California en Berkeley concluyó que no existe una relación robusta entre la adopción de la IA y una ganancia de productividad agregada. La mejora puede sentirse en tareas concretas, pero esa sensación no siempre sube intacta hasta las estadísticas generales.
La investigación del National Bureau of Economic Research le pone nombre a esa grieta. Habla de una paradoja de la productividad, porque las ganancias percibidas resultan mayores que las ganancias medidas.
La contradicción recuerda a otras revoluciones técnicas que parecían evidentes en la oficina mucho antes de quedar reflejadas en los balances generales. Una herramienta puede acelerar pasos concretos y, al mismo tiempo, exigir nuevas capas de validación, coordinación y control que comen parte de ese tiempo ganado.
El trabajo no desaparece, cambia de sitio
Esa es la parte menos vistosa del debate. Cuando una máquina redacta un informe en segundos, el trabajo humano no se evapora necesariamente. A menudo migra hacia tareas de comprobación, corrección, contexto y responsabilidad, funciones menos fáciles de medir y más difíciles de escalar sin fricción.
Berkeley y el National Bureau of Economic Research coinciden, por caminos distintos, en esa zona gris donde la percepción empresarial y el dato agregado dejan de coincidir. La IA puede acelerar mucho un proceso y aun así no traducirse en una mejora robusta de productividad cuando se observa el conjunto.
Mientras tanto, los investigadores del MIT calculan que los modelos de IA podrán completar muchas tareas con un éxito del 80% al 95% en 2029 y con una calidad adecuada. La cifra impresiona, pero también deja un margen de error que en muchos trabajos no cabe esconder debajo de la alfombra.
Visto así, la discusión ya no gira solo en torno a cuántas tareas puede hacer una máquina, sino a quién absorbe el coste de vigilar ese 5% o 20% restante. En una organización 100x, ese peso recae sobre menos personas, justo cuando los despidos avanzan y las valoraciones tecnológicas siguen subiendo.