La adopción de la IA se ha disparado en todo el mundo, pero las mejoras de la productividad laboral en el conjunto de las empresas siguen siendo prácticamente nulas.
El verdadero valor para las empresas depende de rediseñar los flujos de trabajo, no de comprar licencias de software.
El éxito a largo plazo exige mayores capacidades directivas y una medición financiera rigurosa.
La integración de la IA generativa en el lugar de trabajo ya no es un concepto futurista: es la realidad de hoy. Sin embargo, el dato más revelador de 2026 no es una estadística de productividad, sino una paradoja de productividad: la adopción de la IA por parte de las organizaciones se ha disparado, pero la productividad laboral en el conjunto de las empresas sigue prácticamente estancada salvo en unos pocos sectores especializados. Esa paradoja explica por qué el tema merece atención ahora y por qué la respuesta honesta a si la tecnología ha cumplido realmente lo que prometía es: todavía no.
La escala ya no está en duda
Empecemos por lo que ya está claro. La IA podría aportar hasta 15,7 billones de dólares al PIB mundial para 2030, según una investigación de PwC; esto se traduce en una producción mundial aproximadamente un 14 % mayor que en un mundo sin IA, repartida entre las mejoras de productividad y la demanda de los consumidores impulsada por la IA. En cuanto al empleo, una investigación del Foro Económico Mundial concluyó que se prevé que la IA y las tecnologías de procesamiento de información afecten a la gran mayoría de las empresas para 2030, desplazando 92 millones de puestos y creando 170 millones de nuevos: un saldo neto positivo, pero que exige modificar casi el 40 % de las competencias básicas necesarias para los empleos.
Las cifras de automatización son igual de llamativas, aunque conviene precisarlas más de lo que suele hacerse. Una investigación del McKinsey Global Institute concluyó que la IA podría elevar el potencial de automatización del 21,5 % a casi el 30 % de las horas trabajadas en la economía de Estados Unidos para 2030. Estudios comparables sitúan el rango mundial en un nivel más bajo, pero la tendencia es la misma en todas partes: al alza y a un ritmo más rápido del que suponían las previsiones anteriores.
El incómodo punto medio: adopción sin transformación
Pero volvamos a la paradoja. Una encuesta de 2026 del National Bureau of Economic Research a casi 6.000 directores financieros, directores ejecutivos y altos cargos de Estados Unidos, Reino Unido, Alemania y Australia reveló que, aunque cerca de dos tercios de las empresas utilizan activamente la IA, alrededor del 89 % no registró mejoras cuantificables en la productividad laboral durante los últimos tres años.
Por otra parte, investigadores del MIT que analizaron cientos de implementaciones de IA en empresas concluyeron que apenas el 5 % de los proyectos piloto de IA generativa llega a generar un impacto financiero cuantificable; no porque los modelos sean inadecuados, sino porque la mayoría de las herramientas y los flujos de trabajo empresariales no conservan la retroalimentación ni se adaptan al contexto lo suficiente como para superar la fase piloto.
Mientras tanto, los empleados no esperan a que sus organizaciones se pongan al día. La misma investigación documenta una economía paralela de IA en la que grandes mayorías de trabajadores usan herramientas de IA personales y no autorizadas para realizar tareas laborales, a menudo obteniendo más valor de ellas que de las herramientas que su empleador ha implementado oficialmente.
Y pese a la inversión récord en IA, los datos de Gallup sobre el lugar de trabajo en 2026 muestran que el compromiso de los empleados se ha mantenido prácticamente estable de un año a otro. Gallup señala expresamente que el mero acceso a herramientas de IA no mejora ni empeora la experiencia de los empleados. Lo que marca la diferencia es que los líderes introduzcan la tecnología con expectativas claras, una planificación de implementación concreta y el apoyo activo de los responsables.
La brecha aparece a todas las escalas
Sería cómodo considerar que este es un problema exclusivo de las grandes empresas: la fricción natural que supone conseguir que una compañía de 50.000 personas cambie su forma de trabajar. Pero el mismo patrón aparece en las pequeñas empresas, donde hay mucha menos burocracia que sortear.
Una encuesta de Goldman Sachs de 2026 a su red de 10.000 pequeñas empresas reveló que el 76 % de sus propietarios ya utiliza IA y que los resultados son realmente sólidos: el 93 % informa de un impacto positivo, el 84 % señala mejoras en eficiencia y productividad y el 67 % espera que la IA aumente sus ingresos. Sin embargo, solo el 14 % afirma haber integrado plenamente la IA en sus operaciones principales, una brecha prácticamente idéntica, en esencia, a la que existe entre el uso de IA y el impacto medido en las grandes empresas, descrita anteriormente.
Los obstáculos que mencionan los propietarios de pequeñas empresas son prácticos, no filosóficos: la preocupación por la privacidad de los datos (50 %), la falta de conocimientos técnicos (49 %) y la dificultad para elegir las herramientas adecuadas entre una amplia oferta (48 %). De hecho, una gran mayoría —el 73 %— afirma que se beneficiaría de una formación y un apoyo más estructurados.
Los casos individuales permiten apreciar los matices de esa brecha. MIT Technology Review presentó el caso de un tutor londinense que ahora usa Notion AI como una especie de capa de secretaría para su negocio: resume las sesiones con sus clientes, redacta facturas y convierte objetivos imprecisos en próximos pasos concretos, liberando horas que antes dedicaba a tareas administrativas. Una tienda de acolchados de Arizona, mencionada en el mismo reportaje, utiliza una herramienta de IA específica del sector para redactar descripciones de inventario y fijar precios, lo que reduce entre un 60 % y un 80 % el tiempo necesario para publicar los productos.
No se trata de transformaciones radicales del negocio; son automatizaciones acotadas y bien definidas que se incorporan a los flujos de trabajo existentes. Resulta que es precisamente ahí donde la IA aporta el valor más fiable en organizaciones de cualquier tamaño. Y es precisamente lo que la mayoría de las grandes empresas aún no ha hecho de forma sistemática.
Qué cambia para los líderes
Esto replantea la pregunta para los líderes. La tarea de los ejecutivos no consiste en responder «¿qué herramienta de IA deberíamos comprar?». En realidad, se parece más a lo que les exigieron anteriores olas de cambio tecnológico: rediseñar la forma en que se toman las decisiones, no limitarse a decidir qué software se coloca sobre el proceso existente. Cuando la IA puede redactar el informe, resumir los datos o señalar una anomalía, el valor diferencial de un responsable se desplaza hacia el criterio: saber qué resultados merecen confianza, cuáles hay que examinar con más detenimiento y qué decisiones requieren realmente responsabilidad humana. Es una habilidad distinta de aquellas en torno a las que se diseñó la mayor parte de la formación directiva.
También cambia la forma en que los líderes evalúan la productividad. Los directivos de la encuesta del NBER que observaron mejoras reales las consiguieron rediseñando flujos de trabajo específicos y bien delimitados en torno a la IA, en vez de añadir herramientas nuevas a procesos antiguos. Las mejoras cuantificables se concentran en tareas con una respuesta correcta clara y una forma sencilla de verificarla, como la atención al cliente, el desarrollo de software o la redacción estructurada, y disminuyen drásticamente en el trabajo que depende de un criterio abierto. Los líderes que no distinguen entre estas categorías tienden a hacer promesas exageradas o, cada vez más, a dejar de medir discretamente.
Tres medidas que las organizaciones realmente deben adoptar
Para cerrar la brecha entre la adopción de la IA y el impacto real, los líderes deben dejar de centrarse en comprar tecnología y cambiar la forma de trabajar. Destacan tres prioridades.
En primer lugar, consideren la adopción de la IA como un problema de diseño organizativo, no como una decisión de compra. Comprar licencias no equivale a rediseñar los flujos de trabajo, y los datos anteriores muestran que ahí es donde reside el valor.
En segundo lugar, inviertan en las capacidades de los responsables antes de dar acceso a herramientas a los empleados o, al menos, al mismo tiempo. El hallazgo de Gallup de que el compromiso está relacionado con el comportamiento de los líderes, y no con la disponibilidad de herramientas, sugiere que el cuello de botella rara vez es el software.
En tercer lugar, establezcan una disciplina de medición rigurosa. Dos tercios de las empresas siguen recurriendo a estimaciones como el «tiempo ahorrado», en lugar de medir los resultados financieros, para evaluar el rendimiento de la IA; eso significa que la mayoría de las organizaciones no puede saber realmente si su inversión en IA está dando resultados. Resolverlo no es llamativo, pero es la condición previa para todo lo demás.
La IA no esperó a que nadie le diera permiso para cambiar el lugar de trabajo: simplemente lo hizo. La única decisión real que queda es si las organizaciones se rediseñan deliberadamente o dejan que las circunstancias las rediseñen.
