La IA no te libera: te pone una cadena (dorada)
En las salas de reuniones de una empresa tecnológica estadounidense, durante ocho meses, doscientos empleados vivieron un experimento que nadie había planeado. Tenían acceso voluntario a herramientas de inteligencia artificial generativa, esos asistentes digitales que prometen escribir correos electrónicos en pocos segundos, resumir montañas de documentos y automatizar el trabajo repetitivo. La narrativa dominante sugería un futuro radiante: menos horas frente al escritorio, más tiempo para el pensamiento estratégico, quizás incluso algunas tardes libres recuperadas. Ocho meses después, los investigadores de Harvard Business Review analizaron los datos y descubrieron algo profundamente diferente. No había habido ninguna liberación. El ritmo de trabajo se había acelerado, las tareas se habían multiplicado y las horas laborales se habían extendido. La IA no había aligerado la carga: la había intensificado.
Ocho meses en el vientre del algoritmo
Lo que Aruna Ranganathan y Xingqi Maggie Ye documentaron en su investigación en Harvard Business Review va más allá de la simple constatación de que "la tecnología no cumple sus promesas". Es la fotografía de un mecanismo más sutil y omnipresente que han bautizado como "workload creep", la expansión silenciosa de la carga de trabajo. Los doscientos empleados estudiados no eran cobayas pasivas en un laboratorio controlado. Eran profesionales que habían elegido libremente adoptar la IA generativa, impulsados por la curiosidad o la convicción de que podía hacerlos más eficientes. Ningún mandato corporativo desde arriba, ninguna imposición. Sin embargo, semana tras semana, el patrón surgió con una coherencia inquietante.
La IA les permitía completar tareas individuales más rápido, eso era innegable. Responder a un correo electrónico complejo que antes requería veinte minutos ahora tomaba ocho. Resumir un informe de cincuenta páginas se convertía en una cuestión de pocos clics en lugar de una hora de lectura concentrada. Pero aquí está la paradoja: ese tiempo ahorrado nunca volvía a los trabajadores. Se disolvía inmediatamente en nuevas peticiones, proyectos adicionales y expectativas recalibradas. Como el agua que siempre encuentra el nivel más bajo, el trabajo se expandía para llenar cada minuto liberado por la automatización.
Los investigadores observaron tres dinámicas que se reforzaban entre sí. La primera: la expansión del rol. Cuando te vuelves más rápido en cierto tipo de tarea, los colegas y superiores comienzan a delegarte más de ellas. El trabajador que logra procesar correos electrónicos el doble de rápido no termina antes la jornada, recibe el doble de peticiones. Segunda: la elevación de los estándares. Lo que antes se consideraba un resultado aceptable ahora se convierte en el mínimo exigible. Si la IA te permite producir una presentación más refinada en menos tiempo, se espera que todas tus presentaciones alcancen ese nivel. La tercera, quizás la más insidiosa: la autoimposición. Los propios trabajadores, al ver cuánto pueden lograr con la asistencia de la IA, se cargan voluntariamente con tareas adicionales, convencidos de poder gestionarlas.
La paradoja de la productividad
Para comprender cuán extendido está este fenómeno, hay que mirar más allá del estudio cualitativo individual. Entre septiembre de 2023 y octubre de 2024, Microsoft llevó a cabo lo que probablemente sea el experimento controlado más grande sobre la adopción de la IA generativa en contextos laborales reales: 7.137 trabajadores del conocimiento distribuidos en 66 grandes empresas, todos equipados con Microsoft 365 Copilot, el asistente de IA integrado en las aplicaciones que usaban a diario para correos electrónicos, reuniones y redacción de documentos. La asignación fue aleatoria: la mitad recibió acceso a la IA, la otra mitad continuó trabajando como siempre. Seis meses de observación continua, con 4.975 interacciones rastreadas con marcas de tiempo precisas.
Los resultados confirmaron la ganancia de eficiencia en tareas específicas. Los trabajadores con acceso a Copilot redujeron el tiempo dedicado a Outlook en una media de 1,4 horas semanales, aproximadamente un 12% respecto al periodo anterior. Considerando solo a quienes realmente usaban la herramienta de forma continua, el ahorro ascendía a 2 horas, una reducción del 17%. Consolidaron el trabajo de correo electrónico en sesiones más concentradas, liberando bloques continuos de 1,5 horas sin interrupciones del correo. Sobre el papel, una victoria clara de la automatización.
Pero cuando los economistas de Microsoft analizaron el total de horas laborales, encontraron algo desconcertante. El tiempo total dedicado a las aplicaciones digitales fuera del horario laboral estándar había disminuido solo 0,25 horas semanales, unos 15 minutos. Una reducción del 9%, cierto, pero infinitesimal comparada con las 2 horas ahorradas en Outlook. ¿A dónde habían ido las otras 1,75 horas? La respuesta más probable: absorbidas por actividades que el sistema de telemetría no podía rastrear o, peor aún, convertidas en nuevo trabajo que los trabajadores habían aceptado realizar espontáneamente.
El patrón se vuelve aún más claro cuando se analizan las tareas que más deberían beneficiarse de la IA. Las reuniones en Teams no disminuyeron ni en número ni en duración. Los documentos de Word completados se mantuvieron estables. De hecho, algunos indicadores sugerían un ligero aumento de la complejidad del trabajo: más reuniones con muchos participantes, documentos colaborativos que requerían dos días menos para finalizarse (de 287 a 239 horas), pero sin reducción en el número total de documentos producidos. La eficiencia ganada no se traducía en una reducción de la carga, sino en una aceleración del rendimiento.
Pero, ¿cómo se pasa de ahorrar dos horas en Outlook a trabajar más en total? La respuesta está en los patrones de comportamiento individuales. Un estudio realizado por investigadores de Harvard y el MIT con 244 consultores del Boston Consulting Group reveló que, ante la misma herramienta de IA, los profesionales desarrollan tres modalidades radicalmente diferentes. Los "Cyborgs" fusionan continuamente su propio razonamiento con la máquina en un diálogo iterativo constante. Los "Centauros" mantienen firmemente el control estratégico, usando la IA solo para tareas específicas bien delimitadas. Los "Auto-automatizadores" delegan en la IA tanto la definición del problema como su ejecución, a menudo con un único prompt mastodóntico.
Estos últimos son los que más riesgo corren de sufrir workload creep. Al delegar completamente tareas individuales, desarrollan la ilusión de haberlas resuelto instantáneamente y terminan acumulando más. Un consultor del estudio copió todo un caso de negocio en ChatGPT, aceptó la recomendación sin verificaciones y entregó la nota al CEO. La respuesta era errónea, pero el tiempo "ahorrado" ya había sido reinvertido en otro lugar. Es el equivalente laboral de esa extraña ley económica según la cual las carreteras más anchas no reducen el tráfico, sino que lo atraen.
Quién gana cuando trabajas más
La economista Wei Jiang y sus colegas de la Columbia Business School han estudiado casi dos décadas de datos sobre los tiempos de trabajo estadounidenses, cruzándolos con medidas de exposición ocupacional a la IA. El panorama que emerge es sistémico, no anecdótico. Pasar del percentil 25 al 75 de exposición a la IA corresponde a 2,2 horas semanales adicionales de trabajo. El efecto se intensificó tras el lanzamiento de ChatGPT en noviembre de 2022, que funcionó como un shock exógeno a la adopción de la IA generativa. Las ocupaciones más expuestas vieron un aumento de 3,15 horas semanales en comparación con las menos expuestas, y esta expansión fue acompañada de una reducción proporcional del tiempo libre.
Pero aquí surge la pregunta central: si la IA realmente aumenta la productividad, ¿por qué los beneficios no vuelven a los trabajadores en forma de horarios más cortos o salarios más altos? La respuesta está en la distribución de las ganancias de productividad, un tema que los economistas llaman "captura de rentas". En mercados laborales competitivos, donde los trabajadores tienen poco poder de negociación porque dominan unos pocos grandes empleadores, las empresas pueden apropiarse de la mayor parte de los beneficios. Y en mercados de productos altamente competitivos, donde los productos son sustituibles, las empresas tienen incentivos para trasladar las ganancias de productividad a los consumidores a través de precios más bajos o mejores servicios, en lugar de compartirlas con los empleados.
El estudio de Jiang cuantifica este mecanismo. El efecto de la IA en las horas trabajadas se amplifica entre un 30% y un 40% en mercados laborales concentrados en comparación con los competitivos. Y en sectores con alta competencia en los productos, la expansión horaria es aún más marcada. Los trabajadores se vuelven más productivos pero no ven mejoras correspondientes en el equilibrio entre vida laboral y personal. La IA los convierte en máquinas más eficientes, pero esa eficiencia es capturada por otros actores en la cadena de valor.
Está también el tema de la monitorización algorítmica, que durante la pandemia conoció una expansión silenciosa pero omnipresente. Las herramientas de IA para rastrear el rendimiento de los empleados en remoto —esos sistemas que miden las pulsaciones de teclas, analizan los patrones de actividad y generan puntuaciones de productividad automáticas— han transformado el trabajo desde casa en trabajo bajo vigilancia continua. El estudio de Jiang muestra que las ocupaciones con alta exposición a tecnologías de monitorización por IA experimentaron un alargamiento de las horas laborales incluso después del regreso a la oficina. El mecanismo es lo que los economistas llaman "eficiencia de contratación" (contracting efficiency): la IA facilita a los empleadores verificar el esfuerzo de los empleados, endureciendo las expectativas de rendimiento.
Esto no se aplica a todos. Los trabajadores autónomos, que no están sujetos a la dinámica típica de principal-agente del trabajo por cuenta ajena, no muestran el mismo patrón de expansión horaria cuando usan IA. No hay un jefe que capture las ganancias de productividad, por lo que esas ganancias pueden traducirse efectivamente en elecciones individuales sobre cómo asignar el tiempo. Pero para la mayoría de los trabajadores del conocimiento integrados en organizaciones, la IA está rediseñando el contrato psicológico del trabajo de forma unilateral.
El espejismo del tiempo libre
John Maynard Keynes previó en 1930 que sus nietos trabajarían quince horas a la semana gracias a las ganancias de productividad tecnológica. Casi un siglo después, vamos en la dirección opuesta. Pero la promesa de la IA como liberadora del tiempo humano era tan seductora, tan repetida en los keynotes corporativos y en los artículos visionarios, que ocultó una lección que deberíamos haber aprendido de cada ola anterior de automatización. Las tecnologías que aumentan la eficiencia rara vez reducen las horas trabajadas; con mayor frecuencia las redistribuyen o las intensifican.
Los datos sobre la reducción del tiempo libre recopilados por Jiang son particularmente reveladores. Cuando los trabajadores expuestos a la IA reducen sus horas de ocio, no es la pantalla la que más sufre. Ver la televisión y jugar a videojuegos se mantienen relativamente estables. Lo que se sacrifica son las actividades que requieren participación activa: socialización, entretenimiento en vivo, deporte. Es una señal sutil de cómo la intensificación del trabajo está modificando no solo la cantidad, sino la calidad del tiempo no laboral. El poco tiempo libre que queda se dedica a formas de ocio pasivas, que requieren menos energía cognitiva y emocional.
Está también la cuestión de la satisfacción laboral, que representa quizás el indicador más directo de cómo los trabajadores están viviendo realmente esta transformación. Los investigadores analizaron las reseñas en Glassdoor —esa plataforma donde los empleados evalúan anónimamente a sus empleadores—, cruzando las valoraciones con medidas de exposición ocupacional a la IA. El resultado es claro: una mayor exposición a la IA correlaciona con una menor satisfacción laboral y un peor equilibrio entre vida laboral y personal percibido. No es simplemente que la IA haga a las personas más productivas, es que esa productividad llega con un coste personal que los sistemas de medición tradicionales no captan.
El estudio de Microsoft encontró un indicio similar al examinar los efectos de derrame (spillover) en los colegas cercanos de los trabajadores que habían recibido Copilot. No hubo impactos negativos medibles en los patrones laborales de los no usuarios, lo que sugiere que el tiempo ahorrado no se estaba descargando en otros. Pero esto plantea una pregunta aún más inquietante: si no estás trabajando menos y no estás delegando más a tus colegas, ¿a dónde va esa eficiencia ganada? La respuesta más probable es que está siendo capturada por expectativas organizativas implícitas que se recalibran continuamente al alza.
La geografía invisible del burnout
Cuando se observa la distribución sectorial y geográfica de estos efectos, surgen patrones que complican aún más el panorama. El estudio de Microsoft encontró que en las empresas de telecomunicaciones y tecnología, el 45% de los trabajadores con acceso a Copilot lo usaba semanalmente, mientras que en el sector de la construcción y la manufactura el porcentaje bajaba al 25%. Pero la variación más significativa no era entre sectores, sino entre empresas individuales. Dos empresas del mismo sector podían tener tasas de adopción con una diferencia de 10 veces, con medias semanales del 6,3% al 70%.
Esto sugiere que la cultura organizativa y las prácticas de gestión juegan un papel crucial en la mediación de cómo se integra la IA en los flujos de trabajo. Las empresas que habían proporcionado formación específica sobre el uso de la IA mostraban patrones de uso más sofisticados y menor incidencia de delegación total al estilo Auto-automatizador. Pero el 68% de los trabajadores del estudio no habían recibido ninguna formación estructurada, dejándolos navegar por ensayo y error en un territorio cognitivo completamente nuevo.
La dimensión geográfica añade otro nivel de complejidad. Los estudios realizados hasta ahora se centran casi exclusivamente en Estados Unidos y algunas grandes economías europeas. No sabemos si los patrones de workload creep son universales o si existen variantes culturales significativas. En países con mayores protecciones laborales, límites legislativos a la jornada laboral o tradiciones diferentes sobre la frontera entre vida profesional y personal, la IA podría integrarse de formas radicalmente distintas. La Unión Europea está debatiendo el "derecho a la desconexión", regulaciones que limitarían la capacidad de los empleadores para contactar con los empleados fuera del horario laboral. Pero si la IA permite a los trabajadores ser más productivos durante el horario estándar, podría, paradójicamente, hacer menos necesaria la desconexión formal mientras intensifica la carga durante las horas regulares.
No existen aún estudios longitudinales que sigan a los mismos trabajadores durante periodos superiores a un año, monitorizando cómo evolucionan con el tiempo los patrones de uso de la IA y sus efectos en la carga de trabajo. Es posible que la intensificación observada sea un fenómeno transitorio, ligado a la fase de aprendizaje y adaptación. O podría ser el comienzo de una trayectoria que lleve a formas de burnout estructural, donde la capacidad de trabajar más rápido se convierta en una prisión en lugar de una liberación.
Contraejemplos y vías de salida
No todos los datos apuntan en la misma dirección sombría. Un estudio de la London School of Economics sobre trabajadores que han integrado la IA generativa en sus rutinas encontró ahorros medios de 7,5 horas semanales. La diferencia metodológica crucial: esa encuesta se basaba en el autoinforme, preguntando directamente a los trabajadores cuánto tiempo estimaban haber ahorrado. Los estudios basados en telemetría objetiva como el de Microsoft encuentran efectos mucho más modestos. Es posible que los trabajadores perciban un ahorro de tiempo significativo incluso cuando objetivamente trabajan más horas, tal vez porque ciertas tareas se vuelven menos frustrantes o cognitivamente onerosas aunque sean más numerosas.
Existen casos empresariales específicos donde la introducción de la IA fue acompañada de cambios estructurales en la organización del trabajo que permitieron efectivamente reducciones horarias. Empresas que rediseñaron intencionadamente los flujos de trabajo, eliminando reuniones redundantes, consolidando comunicaciones y estableciendo expectativas explícitas de que el tiempo ahorrado por la IA debía traducirse en jornadas más cortas en lugar de una mayor producción. Pero estos parecen ser excepciones que requieren intervenciones de gestión deliberadas, no el resultado natural de la adopción tecnológica.
El punto fundamental es que la IA no determina por sí sola los resultados laborales. Como cualquier tecnología potente, puede emplearse para objetivos diferentes. Puede servir para exprimir más producción de los mismos trabajadores en las mismas horas, puede permitir producir lo mismo en menos tiempo o puede habilitar una producción más sofisticada que antes era inaccesible. La elección entre estos caminos no es técnica sino política, en el sentido más amplio del término: depende de quién tenga el poder de decidir cómo asignar las ganancias de productividad.
Los expertos en gestión de recursos humanos están empezando a desarrollar marcos para monitorizar el impacto de la adopción de la IA en el bienestar de los empleados, yendo más allá de las métricas tradicionales de productividad. Algunas herramientas incluyen encuestas periódicas sobre la carga cognitiva percibida, análisis de patrones de comunicación para identificar señales de sobrecarga y mecanismos de feedback continuo que permitan a los trabajadores informar cuando la expectativa de usar la IA se está volviendo opresiva en lugar de facilitadora.
La verdadera pregunta que plantean estos estudios no es si la IA aumenta la productividad, sino para quién y a qué coste. Ocho meses en una empresa tecnológica estadounidense demostraron que, sin salvaguardias intencionadas, la automatización inteligente tiende a intensificar el trabajo en lugar de aligerarlo. Los datos de Microsoft sobre casi siete mil trabajadores confirman que la eficiencia ganada en tareas individuales se disuelve rápidamente en una nueva carga total. Los análisis macroeconómicos revelan que, a falta de poder de negociación, los beneficios son capturados por empresas y consumidores, mientras que los trabajadores solo ven jornadas más largas.
Aún podemos elegir un camino diferente, donde la IA devuelva efectivamente tiempo en lugar de absorberlo. Pero esa elección requiere conciencia, regulación y, quizás sobre todo, una redefinición colectiva de lo que significa trabajar bien en la era de la inteligencia artificial. De lo contrario, corremos el riesgo de descubrir que las cadenas doradas de la automatización siguen siendo cadenas, solo que más brillantes.