Compensación de productividad con IA: trabajo más rápido, habilidades más débiles

Empecé a notar la compensación en el lugar más pequeño posible: mi bandeja de entrada. El resumen de IA era ordenado, la respuesta sugerida era educada y las pequeñas decisiones que normalmente van mordisqueando la mañana desaparecieron. Para la hora del almuerzo, había avanzado más rápido, pero recordaba menos.

El extraño pacto del trabajo del conocimiento asistido por IA no es que falle. Es que a menudo funciona lo suficientemente bien como para hacernos olvidar qué partes del trabajo nos mantenían ágiles. Seguimos tratando la productividad como un solo número, como si un correo terminado, un informe resumido y una decisión defendible pertenecieran al mismo cubo. No es así. Algunas tareas son fricción, y lo humano es automatizarlas. Otras tareas son fricción con un plan de estudios escondido dentro.

El pacto oculto dentro de la bandeja

de entrada limpia Business Science Daily describe esta compensación con una franqueza útil. Su resumen de investigaciones sobre la IA en el trabajo informa que la IA aumenta la productividad en un 12,2% y la calidad en más de un 40%, mientras reduce la precisión en 19 puntos porcentuales.

Esa combinación solo suena contradictoria si asumimos que calidad y precisión son lo mismo. No lo son. Un documento puede leerse mejor y aun así contener un dato incorrecto. Un memorando de decisión puede parecer más completo mientras hereda silenciosamente una mala suposición.

La IA es muy buena para alisar la superficie del trabajo, por eso se siente como progreso en el momento. La pregunta incómoda es qué están optimizando realmente los equipos. Si el trabajo es un primer borrador, un resumen rutinario o un circuito de comunicación repetitivo, la velocidad es un regalo. Si el trabajo es juicio, interpretación o rendición de cuentas, la velocidad puede convertirse en camuflaje. La herramienta puede eliminar la lucha visible y, al mismo tiempo, eliminar el ensayo que construye experiencia.

El asistente no siempre es un maestro

El estudio de Lex localis sobre la colaboración entre humanos e IA le da a este problema una forma más práctica. En tareas de escritura, resumen, apoyo a decisiones y resolución de problemas, encontró que la asistencia de IA aceleró la finalización de tareas entre un 32% y un 39%, con los principiantes beneficiándose más en tareas estructuradas. Pero el mismo estudio encontró que las tareas de alta complejidad tuvieron un aumento de errores del 15% al 25%.

Esa distinción debería estar impresa en la pared de cada reunión de implementación de IA. Los principiantes pueden avanzar más rápido con IA, especialmente cuando la tarea tiene una plantilla clara. Pero cuando la tarea es compleja, el riesgo no es solo que la IA cometa errores. El riesgo es que el humano ya no note qué errores importan.

Lex localis clasificó los errores recurrentes como hechos alucinados, problemas de lógica, citas fabricadas, omisiones y supuestos sesgados. Observa cuántos de ellos requieren una mente humana activa para detectarlos. El corrector ortográfico puede detectar un error tipográfico. No puede decirte que el argumento se ha salido educadamente por un precipicio.

Por eso, la mejor metáfora para la IA en el trabajo no es reemplazo ni magia. Es un gimnasio con equipo asistido. Bien usado, permite que las personas intenten levantamientos más difíciles. Usado de forma pasiva, deja que la máquina haga el movimiento mientras la persona confunde movimiento con fuerza.

El lugar de trabajo está eligiendo qué quiere medir

MIT Technology Review presenta la adopción de IA como una decisión empresarial atrapada entre el escepticismo y el miedo a quedarse fuera, con dinero de inversión fluyendo mientras los líderes buscan evidencia económica. Ese es un marco más sensato que el pánico o la exageración. La cuestión no es si los trabajadores del conocimiento deberían usar IA. Ya la están usando, y muchos deberían hacerlo.

La verdadera pregunta de diseño es dónde el humano debe seguir yendo despacio. Los equipos pueden reservar la IA para eliminar la carga administrativa, generar alternativas, comparar borradores y forzar claridad. También pueden exigir verificaciones humanas para afirmaciones, fuentes, decisiones y cualquier cosa que dé forma a políticas, contratación, investigación, finanzas o comunicación pública.

La trampa cultural es fingir que cada tarea debería volverse más fácil. Algunas deberían. Nadie se vuelve más sabio formateando manualmente notas de reuniones por milésima vez. Pero las personas sí se vuelven más agudas al forcejear con la ambigüedad, hacer una afirmación, defenderla y revisarla después del contacto con la evidencia.

Así que los equipos de IA más maduros quizá no sean los que tienen la tasa de automatización más alta. Quizá sean los que tienen los límites más claros entre la fricción que vale la pena eliminar y la fricción que vale la pena conservar.

La próxima métrica de productividad no debería preguntar solo cuánto trabajo se hizo. Debería preguntar qué aprendió el trabajador mientras lo hacía. Para los lectores, el paso útil es pequeño e inmediato: audita un flujo de trabajo. Marca las partes donde la IA ahorra atención, y luego marca las partes donde la atención es el punto central. El futuro del trabajo del conocimiento no se decidirá por si usamos asistentes. Se decidirá por si seguimos practicando el juicio al que se supone que esos asistentes deben servir.