La IA no reduce el trabajo, lo intensifica

La IA no reduce el trabajo, lo intensifica es el título de un interesante artículo de Harvard Business Review de este mes de febrero (AI Doesn’t Reduce Work—It Intensifies It); estamos reviviendo la «Paradoja de Solow» de 1987 —»se ven ordenadores por todas partes menos en las estadísticas de productividad»— pero en una versión dopada con esteroides.

Existe una vieja promesa en la teoría económica: si reduces el coste de tiempo de una tarea gracias a la tecnología, liberamos recursos para el ocio o para la innovación. Sin embargo, al cruzar los datos macroeconómicos recientes con el comportamiento real en las empresas, nos encontramos con una anomalía fascinante. Esto produce una «paradoja de la productividad», que es la que hizo famosa Robert Sollow en el contexto de los años 80 con la informática.

A pesar de que la IA está omnipresente en el discurso empresarial, los datos de productividad global, inflación y beneficios (fuera de los gigantes tecnológicos) apenas se han movido. ¿Por qué? Porque hemos caído en una trampa de comportamiento: la herramienta no está sustituyendo el trabajo, lo está intensificando y expandiendo. No es casualidad que muchos analistas estén alertando de una burbuja especulativa relacionada con la IA que tampoco se traduce en fundamentos reales fuera de los grandes tecnológicos.

Los autores del artículo identifican tres patrones disruptivos que explican por qué la eficiencia técnica se está traduciendo en agotamiento humano en lugar de en valor económico real.

#1 La trampa de la «competencia amateur»

En la economía clásica, la división del trabajo es clave. Un experto en marketing no programa software porque el coste de oportunidad de aprender es altísimo. La IA ha derribado esa barrera de entrada, generando una ilusión de competencia.

Imagina a un product manager o un diseñador en una empresa tecnológica. Antes, si tenían una idea técnica, la delegaban. Ahora, impulsados por un «estímulo cognitivo empoderador», usan la IA para escribir su propio código o diseñar sistemas complejos.

La consecuencia económica es que se genera una ineficiencia oculta o «deuda técnica». Los ingenieros senior, que deberían estar creando arquitectura de alto valor, ven su jornada invadida por una nueva tarea: auditar, corregir y arreglar el código mediocre generado por sus compañeros de otros departamentos. La empresa cree que tiene empleados «superpoderosos», pero en realidad ha creado un cuello de botella en el control de calidad.

Un ejemplo muy curioso es el descrito en Linkedin por Jaime García-Obregón, transcribo la primera parte que puedes leer aquí:

Ayer hablé con dos altos cargos de una agencia pública estatal relevante. Tramitan decenas de miles de expedientes cada año. El pasado —me dicen— vieron un incremento del 50 %. Este año serán seguramente el doble.

¿Qué está pasando?

Una ciudadanía turbopropulsada por la IA abre ahora expedientes que hace un año no habría abierto. La IA reduce la fricción y eso incrementa la demanda. Paradoja de Jevons, se llama.

Solicitudes que antes se quedaban sin enviar porque requerían horas de trabajo o asesoramiento experto de terceros, ahora son viables. Ahora se cursan tomando un café y dictando a un agente inteligente. Para el ciudadano, el coste de recurrir o reclamar se ha dividido entre cinco. Quizá entre diez.

#2 La colonización de los «tiempos muertos»

La economía del comportamiento nos enseña que la «fricción» (la dificultad de empezar una tarea) actúa como un regulador natural del esfuerzo. Antes, enfrentarse a una hoja en blanco requería tal energía que justificaba una pausa previa. La IA, con su interfaz de chat conversacional, ha eliminado esa fricción.

Aquí se habla del fenómeno del «prompt de despedida»; empleados que, justo antes de salir a comer o mientras esperan que cargue un archivo, envían una instrucción rápida a la IA «para que vaya avanzando». Como interactuar con la IA se siente como chatear, no se registra mentalmente como «trabajo duro».

Esto nos lleva a una fuerza laboral que produce volumen constante pero con una capacidad de decisión (juicio) degradada por la fatiga. Estamos cambiando calidad por densidad de actividad.

#3 La «Curva J» y la multitarea infinita

A nivel macro, los economistas debaten si estamos en la parte baja de la «Curva J»: un periodo donde la adopción de nueva tecnología inicialmente reduce o estanca la productividad antes de dispararla. La razón de este estancamiento actual es que estamos usando la IA para la multitarea intensiva.

El empleado moderno ya no hace una cosa a la vez. Ahora gestiona múltiples «agentes» de IA en segundo plano o revive proyectos antiguos que habían sido descartados simplemente porque ahora la IA puede «manejarlos». Paradójicamente, la misma lógica que explica la fragmentación como mecanismo de supervivencia en redes sociales se reproduce ahora en el trabajo cognitivo: más canales, más agentes, menos profundidad.

Algunos CTOs comentan que ahora sus aportaciones a Github se han multiplicado, porque los requerimientos y lo que pueden hacer también lo ha hecho.

Al acelerar tareas individuales, la organización asume implícitamente que todo debe ir más rápido. Esto crea un ciclo de retroalimentación donde la velocidad exige más dependencia de la IA, lo que a su vez genera más volumen de trabajo. El resultado es mucho «output» (entregables) pero un «outcome» (valor de negocio) estancado, tal como reflejan las estadísticas globales.

Lo contraintuitivo de este nuevo paradigma es que el problema no es la falta de adopción, sino la adopción indisciplinada. Dejar que la IA fluya por la empresa bajo las reglas del libre mercado interno lleva a la saturación, no a la eficiencia.

El valor económico real en la próxima década no vendrá de quién puede hacer más cosas a la vez, sino de las organizaciones que implementen una «Práctica de IA», una especie de manual de calidad interno: normas deliberadas sobre cuándo secuenciar tareas y, sobre todo, cuándo parar. En la economía de la IA, la verdadera ventaja competitiva será la capacidad de proteger el pensamiento humano profundo de la velocidad de la máquina. Esto conecta con la idea de que el pensamiento estratégico aplicado desde la primera línea operativa se vuelve todavía más valioso cuando la IA puede ejecutar pero no juzgar.

Profundizar -> Enfoques contraculturales para construir valor