Tu ganancia de productividad con la IA la está pagando un paso que nadie mide
La IA volvió instantánea la mitad generativa del trabajo intelectual y dejó la mitad de verificación exactamente igual de ardua. Tus paneles de control solo llevan la cuenta de la mitad que se aceleró.
Generar se volvió barato. Comprobar no. Casi todo lo que resulta extraño en las cifras de productividad con IA de esta temporada se explica por esa única asimetría. Antes de decir si una herramienta mejoró algo, hay que saber qué mitad del trabajo tocó.
Desmonta cualquier flujo de trabajo intelectual y aparecen dos mitades con una psicología completamente distinta. La primera produce candidatos: el borrador, el esquema, la primera versión del código, las seis opciones para una campaña. Es generativa, visible, y da sensación de avance. La segunda mitad descarta candidatos: revisar, contrastar con algo real, cuadrar con lo que el resto de la empresa ya decidió, tirar a la papelera. Nada de eso se nota cuando sale bien, y por eso siempre se ha sentido como trabajo administrativo.
La IA volvió casi instantánea la primera mitad. Dejó la segunda más o menos donde estaba, y la brecha entre ambas es ya lo bastante ancha como para invertir resultados de los que los profesionales estaban convencidos. En un ensayo controlado y aleatorizado dirigido por METR a principios de 2025, dieciséis desarrolladores experimentados de código abierto trabajaron en 246 tareas reales sobre repositorios que ya conocían bien, con asistencia de IA permitida en la mitad de los casos, elegida al azar. Tardaron un 19% más en las tareas asistidas. Después, calcularon que las herramientas los habían hecho un 20% más rápidos, aproximadamente. El paso generativo se sintió rápido, así que el día se sintió rápido, y nada en su propia experiencia estaba midiendo el paso que se había vuelto más lento.
¿Por qué sube la producción mientras la calidad cae en silencio?
Sigue el mecanismo, no el estado de ánimo. Modela el flujo de trabajo como una cola de dos etapas. La primera etapa es generar. La segunda es revisar, y la capacidad de revisión es un número fijo de horas humanas competentes por semana. Acelera la primera etapa y la cola frente a la segunda crece en proporción. Eso se resuelve de exactamente tres formas: la lista de pendientes crece hasta que alguien se queja, la capacidad de revisión crece para compensar, o el estándar de revisión baja hasta que el flujo vuelve a equilibrarse.
La primera es visible. La segunda cuesta un dinero que nadie presupuestó, porque el caso de negocio de la herramienta era ahorrar contrataciones. La tercera es gratis, inmediata y no requiere que nadie tome ninguna decisión. Ocurre por defecto, un revisor tras otro, cada uno tomando la decisión localmente razonable de hojear en lugar de comprobar, porque la alternativa es convertirse en el cuello de botella visible en un trimestre en el que las cifras de todos los demás suben.
El desarrollo de software es donde esto se ve primero, porque es la disciplina intelectual que lleva una década midiendo su propio retrabajo. El informe DORA de 2024 puso números al intercambio: en su población encuestada, un aumento del 25% en la adopción de IA se asoció con una reducción estimada del 1,5% en el rendimiento de las entregas y del 7,2% en su estabilidad, aunque las personas afirmaban sentirse más productivas. Manos más rápidas, entregas más lentas, más averías. Si una disciplina que ya tiene en la pared los tiempos de espera, la tasa de fallos de cambio y el número de reversiones puede deslizarse así, un equipo de marketing que solo cuenta piezas publicadas no tiene ninguna posibilidad de detectarlo.
El mismo patrón se lee en los propios artefactos. El análisis de GitClear sobre cientos de millones de líneas modificadas encontró que los bloques duplicados aumentaban mientras las líneas movidas, la huella dactilar de refactorizar y consolidar, disminuían. El copia y pega desplazando a la reutilización es el aspecto que tiene un paso de revisión saturado cuando se lee en el resultado y no en una encuesta.
Nada de esto llega a un panel de control. Documentos redactados, tickets cerrados, solicitudes de cambio fusionadas, piezas publicadas: cada uno de esos indicadores mide la primera etapa. Pases de revisión, afirmaciones verificadas, borradores descartados, objeciones planteadas en la revisión: eso mide la segunda etapa, y casi ninguna organización lo contaba antes de que llegara la IA. No hay línea base con la que comparar, lo cual es un fallo de medición, no de calidad, y es el más fácil de los dos de arreglar.
Hay una capa de comportamiento encima de la de colas. Cuando el paso agradable se vuelve instantáneo y el tedioso no, el esfuerzo migra hacia el agradable. La gente produce varios borradores en vez de uno y no revisa ninguno a fondo, y luego vive el día como más productivo, porque lo fue. Se hizo más trabajo. Menos de ese trabajo fue del tipo que antes detectaba los fallos.
La segunda opinión antes se racionaba por fricción
Aquí está la pérdida más silenciosa. Pedirle a un compañero senior que revisara tu trabajo tenía un precio: su tiempo, tu reputación, el pequeño coste de admitir una duda. Un mecanismo tosco, pero que funcionaba como filtro. Se gastaba en las decisiones que lo merecían y el resto se asumía uno mismo, y asumir el resto uno mismo es precisamente cómo se construye el criterio propio.
Un sistema que nunca dice que no, que nunca se cansa y que nunca da señales de estar ocupado pone ese precio a cero. La consulta deja de ser proporcional a lo que está en juego porque ya nada obliga a hacer ese cálculo. La respuesta llega con la cadencia de un consejo experto, generada por un sistema cuya valoración comercial depende de que la gente vuelva, y la complacencia es una manera fiable de conseguir que la gente vuelva. No es una acusación sobre las intenciones de nadie; es lo que un producto que se mide por el enganche selecciona estructuralmente, quiera o no quiera eso una sola persona en la empresa que lo fabrica.
¿Puede la IA revisar su propio trabajo?
La salida obvia, y merece la prueba más exigente. Si generar es barato, que comprobar también lo sea: una segunda pasada, un prompt crítico, un revisor automático dentro del proceso.
Lo que hacía funcionar la revisión nunca fue que hubiera una segunda mirada. Era que esa segunda mirada fallaba de forma distinta a la primera. Dos personas formadas en tradiciones diferentes pasan por alto cosas diferentes, así que la tasa de defectos residual se comporta más o menos como el producto de dos tasas de error en buena medida independientes, y por eso cae con tanta fuerza. Haz pasar la comprobación por un sistema de la misma familia, entrenado con datos que se solapan, con los mismos puntos ciegos, y esa independencia desaparece. Los errores se vuelven comunes a ambos pasos. Has duplicado el coste, comprado una fracción de la reducción, y generado un informe que se lee como si el trabajo se hubiera revisado.
La comprobación automática se gana su sitio donde el fallo es mecánico: tipos, esquemas, enlaces que resuelven, aritmética, cadenas de una política. Es más débil justo donde el criterio era el punto clave. Ese es el argumento a favor de flujos de trabajo que mantengan a una persona dentro del bucle de decisión en lugar de al final del proceso, sellando con el visto bueno.
¿Cómo se mide la productividad de la IA sin sacrificar la calidad?
Instrumenta el paso tedioso, y hazlo antes del despliegue, no después. Para cada flujo de trabajo en el que se haya introducido una herramienta, identifica qué paso volvió agradable y cuál dejó tedioso, y pon un contador en el tedioso. En concreto:
- Tasa de rechazo en revisión. Qué proporción del trabajo entregado se devuelve. Es el dato más diagnóstico que se puede recoger, y la mayoría de los equipos nunca lo ha hecho.
- Pases de revisión por pieza. No tiempo dedicado, que se infla solo. Cuenta pasadas concretas que cambiaron algo sustancial.
- Cobertura de verificación. De las afirmaciones o supuestos que sostienen una pieza de trabajo, qué proporción se contrastó de verdad con una fuente independiente.
- Tasa de defectos que se escapan y tiempo hasta el primer defecto externo. Los problemas de calidad aparecen aguas abajo y tarde, y por eso suelen llegar después de la decisión de renovación.
- Tasa de descarte. Generar barato debería aumentar el número de candidatos que se tiran. Si no lo ha hecho, los candidatos de más se están enviando todos.
Después, empareja cada uno de esos indicadores con la métrica de volumen a la que pertenece, y léelos juntos. Si la producción se triplica y la tasa de rechazo no se mueve, tus revisores han dejado de revisar, y esa sola comparación es casi toda la prueba. No cuesta nada más que la disciplina de recoger la línea base primero, la misma disciplina que hay detrás de tener los cimientos de medición y datos listos antes de construir.
La exposición que queda fuera de compras
Dos cosas agravan esto. La primera es el uso de IA en el trabajo a través de cuentas personales con planes de consumo, que lo deja fuera de la vista de sistemas y fuera del radar del departamento de compras por completo. Nadie puede dar una cifra creíble, y el argumento no necesita una: no se puede instrumentar un flujo de trabajo cuya existencia se desconoce. Y quienes lo usan así suelen ser los perfiles más capaces y concienzudos, porque el gancho está pegado a la competencia: mejores primeros borradores, respuestas más rápidas. Buscar perfiles vulnerables encontrará a la población equivocada.
La segunda es la deriva, y aquí estoy argumentando, no informando. La exposición sostenida al registro de un solo modelo probablemente arrastra la prosa de un profesional hacia él incluso cuando nunca se pega en ningún sitio un texto generado, y no habría ningún rastro que señalar aunque se pegara. La versión estilística resulta levemente embarazosa: una voz de empresa que nadie eligió. La versión cara es analítica. Los equipos dejan de generar la tercera opción, la que el modelo no habría sugerido, porque las dos primeras llegaron tan rápido que la búsqueda se sintió terminada, y nada en el resultado señala lo que nunca se llegó a considerar.
Todo esto desemboca en el mismo sitio: la próxima ronda de presupuestos, donde el gasto en IA se defiende con la producción por persona y los objetivos se recalculan sobre esa base ya inflada. Renovar con métricas de la primera etapa compromete al equipo del año que viene a sostener un volumen que solo era asumible porque se saltaba la comprobación, y a pagar el retrabajo al mismo tiempo. Eso es un problema de diseño de la medición antes que un problema de herramientas, y se puede arreglar este trimestre, no después de que aparezcan los defectos.
Mide el paso que volviste agradable y siempre quedarás impresionado. Mide el paso que dejaste tedioso y descubrirás cuánto costó de verdad la ganancia.
Preguntas frecuentes
¿Qué métricas muestran de verdad si la IA está degradando la calidad del trabajo?
Las métricas ligadas a la mitad de verificación del flujo de trabajo: tasa de rechazo en revisión, pases de revisión por pieza, proporción de afirmaciones clave contrastadas de forma independiente, tasa de descarte, tasa de defectos que se escapan y tiempo hasta el primer defecto reportado externamente. Las métricas de volumen, como documentos redactados o tickets cerrados, no pueden detectar una pérdida de calidad, porque miden el paso que la IA aceleró. Léelas en pareja: una métrica de volumen que sube mientras su métrica de revisión asociada se mantiene plana es la señal de alarma.
¿Cuánto tardan en aparecer en las cifras los problemas de calidad relacionados con la IA?
Más tarde de lo que tardan en llegar las decisiones que deberían informar, y esa es la trampa estructural. Las métricas de generación suelen moverse casi en cuanto llega una herramienta, mientras que los defectos salen a la luz a través de clientes y trabajo de reparación, con un desfase mucho mayor. El hallazgo de DORA de 2024, según el cual la estabilidad de las entregas se degradó a medida que subía la adopción de IA, es lo más parecido a una señal general que existe, y aun así es una asociación en una población encuestada, no un reloj con el que se pueda calcular. Planifica contando con ese desfase: da por hecho que la renovación y la fijación de objetivos ocurrirán dentro de ese hueco, e instrumenta indicadores adelantados, como el rechazo y la verificación, en lugar de esperar a los rezagados.
¿No sería mejor prohibir directamente las cuentas personales de IA en el trabajo?
Lo esperable es que una prohibición desplace el uso en lugar de eliminarlo, y que de paso destruya la visibilidad que se necesita. Es una predicción sobre cómo suele salir una política sin alternativa, no un resultado medido. La secuencia más útil es ofrecer una vía autorizada lo bastante buena como para que la personal no compense la fricción, y luego instrumentar el paso de revisión dentro de esa vía. La exposición que se puede medir es manejable; la que corre por cuentas de consumo no está medida ni gobernada.
Relacionado
- El oligopolio de la memoria que está inflando el coste real de la IA
- Mínimo privilegio para agentes de IA: la norma de 1975 que los pilotos actuales están ignorando
- El acantilado de los subsidios de la IA: los inversores de su proveedor han estado pagando su factura
- AI & Automation
Escrito por una persona editorial de IA del sistema editorial propietario de Abyshire y revisado por nuestro equipo.