La paradoja de la productividad con IA: por qué una empresa no es más rápida aunque sus empleados sí lo sean.
La IA ya funciona a nivel individual. El problema se encuentra en la organización.
La influencia de la IA en la productividad parece seguir una versión actualizada de la paradoja de Solow: a nivel individual, las ganancias son indiscutibles; a nivel de empresa, apenas se notan en los balances. Es el dato más incómodo de 2026 para cualquier directivo que haya apostado por la IA como palanca de crecimiento. Según un estudio reciente de la Reserva Federal de St. Louis, los usuarios de IA reportan ahorrar un 5,4% de sus horas semanales, pero eso se traduce en apenas un 1,1% de aumento en la productividad agregada de la organización. La brecha entre ambas cifras es el punto que queremos abordar en Rebel Intel hoy.
No es que la IA no funcione. Es que las organizaciones no están diseñadas para absorber lo que la IA produce.
1. La evidencia: productividad individual arriba, productividad organizativa plana.
Los datos se acumulan en la misma dirección. El Faros AI Productivity Report (junio 2025), basado en telemetría de 10.000 desarrolladores en 1.255 equipos, confirmó el mismo patrón en ingeniería de software: los desarrolladores con IA completan un 21% más de tareas y fusionan un 98% más de pull requests. Pero el tiempo de revisión de código sube un 91%. El cuello de botella se desplaza aguas abajo, no desaparece. Y como la adopción de IA es desigual entre equipos -y el desarrollo de software es inherentemente cross-funcional- las ganancias individuales se diluyen a nivel de organización.
El informe de Workday (noviembre 2025) con 3.200 empleados de grandes empresas encontró que el 85% ahorra entre 1 y 7 horas a la semana con IA, pero el 37% de ese tiempo se pierde en retrabajo: corregir errores, reescribir contenido, verificar resultados. Solo el 14% de los encuestados obtiene resultados consistentemente positivos. Aunque esto irá cambiando según acumulamos mejoras en la IA a pasos agigantados, como vamos a ver después.
McKinsey, en su State of AI 2025, calcula que solo el 6% de las empresas califica como “high performer” en IA, definido como aquellas que atribuyen al menos un 5% de impacto en EBIT a la inteligencia artificial.
2. Por qué la ganancia individual no se traduce en ganancia organizativa.
Si un analista genera un informe en la mitad de tiempo, pero hay que esperar tres días a que lo aprueben en un comité, la inercia burocrática neutraliza la ganancia. Es lo que Ethan Mollick llama “bottleneck institucional”: el cuello de botella migra de la inteligencia a las instituciones, y las instituciones se mueven a velocidad de institución. Su ejemplo es la industria farmacéutica: la IA puede identificar candidatos a fármacos muchas veces más rápido, pero los ensayos clínicos siguen necesitando pacientes reales y la FDA sigue requiriendo revisión humana.
Lo mismo pasa en cualquier gran empresa. La IA genera una estrategia de go-to-market en minutos, pero el comité de dirección se reúne cada dos semanas. La IA analiza datos de mercado al instante, pero el proceso de aprobación tiene cinco firmantes. El informe Work Trend Index de Microsoft (abril 2025) cuantifica esto con datos de telemetría de Microsoft 365: durante el horario laboral, un empleado es interrumpido cada 2 minutos por reuniones, emails o mensajes. Son 275 interrupciones al día. El 60% de las reuniones son ad hoc. Las ediciones en PowerPoint se disparan un 122% en los últimos 10 minutos antes de una reunión. No hay IA que resuelva eso. Es un problema de diseño organizativo, no de herramientas.
La curva en J: peor antes de mejorar.
Toda tecnología de propósito general exige una travesía por el desierto. Las empresas pierden productividad mientras reorganizan sus procesos: compran licencias, forman empleados, rediseñan flujos de trabajo. Investigadores de la Universidad de Toronto y el MIT, en un paper publicado en julio de 2025, confirmaron este patrón en el sector manufacturero estadounidense: las empresas que adoptan IA ven una caída de productividad de 1,33 puntos porcentuales a corto plazo. En las empresas más establecidas —con rutinas arraigadas, jerarquías complejas y sistemas legacy— el impacto negativo inicial es aún mayor. Según la investigadora Kristina McElheran, las empresas antiguas vieron declives en el uso de prácticas de gestión estructurada tras adoptar IA, y solo eso explicó un tercio de sus pérdidas de productividad.
La buena noticia es que la curva sube. Una vez que la tecnología se domina y los procesos nuevos funcionan, la eficiencia se dispara y se recupera con creces la inversión. Pero para eso hay que invertir en el rediseño organizativo, no solo en las herramientas.
La paradoja de Jevons: más eficiencia, más trabajo.
En 1865, el economista William Stanley Jevons observó que las máquinas de vapor más eficientes no reducían el consumo de carbón, sino que lo aumentaban. La IA podría estar haciendo lo mismo con el tiempo laboral.
Un estudio de UC Berkeley siguió a 200 empleados de una empresa tecnológica durante ocho meses. Encontraron que la IA no reduce el trabajo: lo intensifica. Los empleados, sin que nadie se lo pidiera, absorbían más tareas, extendían la jornada laboral y difuminaban los límites entre trabajo y vida personal. Los product managers empezaron a escribir código. Los investigadores asumieron tareas de ingeniería. Los roles se expandieron sin que nadie ajustara las expectativas formales.
Workslop y productividad cosmética.
Hay un cuarto factor que merece nombre propio: el workslop. El término, definido formalmente en HBR en septiembre de 2025 por Hancock, Niederhoffer y Robichaux, se refiere al contenido generado por IA que parece trabajo de calidad pero carece de la sustancia para hacer avanzar una tarea. Según CNBC, el 40% del workslop procede de compañeros y un 16% de superiores jerárquicos.
Un artículo (que responde a otro muy comentado esta semana), “Tool Shaped Objects”, lleva esta idea al extremo. Su autor argumenta que gran parte de la adopción actual de IA es lo que él llama un “objeto con forma de herramienta”: produce la sensación de trabajo —la fricción, el esfuerzo, la apariencia de progreso— pero no produce trabajo real. Lo compara con FarmVille: haces clic, el número sube, la granja crece, pero nada de lo que ocurre en la pantalla tiene valor fuera de ella.
Equipos de ingenieros construyen sistemas de agentes de una complejidad asombrosa cuyo principal output es la existencia del propio sistema. Los agentes generan logs. Los logs son analizados por otros agentes. Se producen informes. Se pueblan dashboards. Todo el aparato zumba con la energía inconfundible de trabajo haciéndose. Pero lo que se está haciendo es operar el aparato.
3. El espejismo de la percepción.
Si todo esto es cierto, ¿por qué la mayoría de los empleados y directivos creen que la IA les está haciendo más productivos? La respuesta corta: porque nuestro cerebro nos miente.
El estudio más riguroso que existe sobre esta brecha percepción-realidad lo publicó METR en julio de 2025. Es un ensayo controlado aleatorio con 16 desarrolladores experimentados (media de 5 años de experiencia en sus repositorios) realizando 246 tareas reales. El resultado: con herramientas de IA (Cursor Pro, Claude 3.5/3.7 Sonnet), los desarrolladores tardaron un 19% más que sin ellas. Pero la parte fascinante es la percepción: antes de empezar, estimaron que la IA les aceleraría un 24%. Después de usar la IA (y haber sido realmente más lentos), seguían creyendo que habían sido un 20% más rápidos.
Pero hay un matiz importante: el estudio METR se realizó entre febrero y junio de 2025, con modelos que ya están a varias generaciones de distancia. Los modelos publicados esta semana —Claude Opus 4.6 y GPT-5.3 Codex— representan, según muchos desarrolladores, un salto cualitativo sin precedentes y es posible que el 5 de febrero de 2026 sea recordado como un punto de inflexión en el desarrollo de software. La calidad del código generado ha mejorado drásticamente; los errores que antes eran habituales son ahora infrecuentes y los modelos actuales ya realizan proyectos completos de forma autónoma con un nivel de calidad que hace meses era impensable.
Esto no invalida la paradoja organizativa claro; la hace más urgente.
4. La respuesta: rediseñar la organización, no solo las herramientas.
Durante décadas, la inteligencia fue el activo más valioso y limitado de las empresas, atada al tiempo, la energía y el coste de las personas. Eso está cambiando. El informe Work Trend Index de Microsoft describe la emergencia de lo que llama la “Frontier Firm”: una organización construida alrededor de inteligencia bajo demanda y equipos híbridos de humanos y agentes. El 82% de los líderes encuestados dice que 2025 fue un año decisivo para repensar aspectos clave de la estrategia y las operaciones.
La propuesta es sustituir el organigrama funcional clásico (finanzas, marketing, legal) por lo que Microsoft llama un “Work Chart”: un modelo dinámico orientado a resultados donde los equipos se forman en torno a objetivos, no a funciones, impulsados por agentes que amplían el alcance de cada empleado. Es el modelo de la producción cinematográfica: equipos a medida que se ensamblan para un proyecto y se disuelven cuando el trabajo está hecho.
Un concepto operativo clave: el “ratio humano-agente.” Pocos agentes por persona desaprovechan la tecnología. Demasiados agentes saturan la capacidad humana de supervisión y juicio, introduciendo riesgo y burnout. Y si los agentes autónomos pasan de piloto a ejecución, podría aparecer un “hueco” de management. Igual que el software necesitó product managers, es posible que la IA agéntica necesite “agent managers” que operen con observabilidad, scorecards, controles de calidad y gestión de aprendizaje.
Plataformas que integran la IA en los flujos reales.
Si el problema es que la IA individual no se traduce en productividad organizativa, la respuesta tiene que venir de plataformas que integren la IA en los flujos de trabajo reales, no en tareas aisladas.
Claude Cowork (Anthropic) y OpenAI Frontier han sacudido el mercado del software en las últimas semanas. Cowork es una versión de Claude Code dirigida a usuarios no técnicos, con una interfaz gráfica que puede tomar el control del ordenador y ejecutar tareas de forma autónoma. Lo verdaderamente disruptivo son sus plugins de conocimiento especializado, que amplían las capacidades generales del modelo para funciones específicas: ventas, finanzas, legal, marketing. Frontier, por su parte, funciona como un sistema operativo para la fuerza laboral digital, una capa unificada que se conecta a los sistemas de registro (data warehouses, CRMs, ERPs) y permite que los agentes pasen de herramienta de consulta a capa operativa.
Lo relevante para nuestra discusión no son las funcionalidades específicas de estas plataformas, sino lo que representan: el paso de la IA como asistente individual a la IA integrada en los procesos de negocio. El software del futuro será contextual y personalizado y la ventaja competitiva residirá en cómo la integras en tu forma de trabajar.
Reverse salients: donde el bloqueo cede, todo se desborda.
El historiador Thomas Hughes, estudiando la electrificación, acuñó el término “reverse salient” para describir el punto técnico o social que frena todo un sistema. Mollick lo aplica a la IA: cuando ese punto cede, todo lo que estaba detrás se desborda. La generación de imágenes era el cuello de botella para presentaciones y documentos visuales; cuando Google resolvió ese problema, de repente las capacidades intelectuales que la IA ya tenía (resumir, analizar, sintetizar) pudieron materializarse en formatos útiles.
Aplicado a la empresa: si el cuello de botella es el proceso de aprobación de tres niveles y alguien lo elimina, toda la ganancia de productividad individual acumulada se libera de golpe. Las empresas que estén preparadas para absorber ese salto —con procesos ágiles, roles flexibles y gobernanza adaptada— capturarán el valor. Las que no, se ahogarán en output que nadie puede procesar.
5. La economía de la asignación: el nuevo rol del directivo
Dan Shipper lo llamó “economía de la asignación.” Antes, el valor del profesional estaba en lo que sabía y en su capacidad de ejecutar tareas técnicas. Ahora que la IA procesa y genera conocimiento, el valor se desplaza hacia la capacidad de gestionar y distribuir recursos: asignar tareas a los agentes, supervisar la calidad del output, asegurar que el resultado se alinee con objetivos humanos complejos.
El debate reciente entre Aaron Levie (CEO de Box) y Aakash Gupta lo sintetiza bien: la IA reduce drásticamente el coste de ejecución de tareas no deterministas (revisión de contratos, generación de código, campañas de marketing), pero la capacidad humana de especificar, evaluar e integrar se convierte en la restricción limitante. Datos de BCG y Deloitte lo confirman: el 74% de las empresas tiene dificultades para escalar el valor de la IA, y los problemas son de personas y procesos, no de tecnología.
El Work Trend Index de Microsoft aporta un dato revelador: el 83% de los líderes globales dice que la IA permitirá a los empleados asumir trabajo más complejo y estratégico antes en sus carreras. Ya hay startups donde empleados junior gestionan campañas completas de marketing con IA, sin un CMO. Cada empleado es, desde el primer día, un gestor de agentes.
Pero esto tiene un reverso. Si la IA permite a cada persona hacer más, la tentación es pedir más. Y si no hay un diseño organizativo que ponga límites, la carga de trabajo seguirá creciendo como documentaba el estudio de Berkeley.
Conclusión: el problema ya no es la tecnología.
Estamos en un punto de inflexión. Los modelos de IA de esta semana funcionan a un nivel que hace solo seis meses habría parecido ciencia ficción. El salto de calidad en generación de código, análisis y razonamiento es real. Plataformas como Cowork y Frontier están abriendo la puerta a una integración profunda de la IA en los flujos de trabajo organizativos. La curva en J está a punto de doblarse hacia arriba para las empresas que hayan hecho los deberes.
Pero “hacer los deberes” no significa comprar más licencias. Significa repensar los organigramas, los procesos de aprobación, los flujos de decisión. Significa definir el ratio humano-agente para cada función. Significa crear una “práctica de IA” que prevenga la intensificación insostenible del trabajo. Significa, sobre todo, entender que el mayor riesgo no es ir despacio con la IA, sino adoptarla rápido sin rediseñar la organización que la rodea.
El Anthropic Economic Index (enero de 2026) estima que la IA podría impulsar el crecimiento de la productividad laboral en EE.UU. un 1,8% anual durante la próxima década, el doble de la tasa actual. Pero insiste en una condición: el impacto transformador llegará cuando las empresas aprendan a reorganizar sus flujos de producción en torno a las nuevas capacidades. ¿Están nuestros organigramas preparados?
El próximo domingo, volvemos a tu buzón.
Fernando y Carlos.
Desde Kuantik, la división de IA de Good Rebels hemos lanzado AI Rank, una herramienta de análisis de marca y reputación en motores de búsqueda basados en IA. Varios de nuestros clientes ya la están usando. Se trata de un proyecto en el que llevamos investigando dos años en los que desarrollamos una metodología propietaria que ahora se convierte en una aplicación licenciable.
Estos son algunos de los medios que se han hecho eco del lanzamiento: Control de Publicidad, Anuncios, El Periódico de la Publicidad, Marketing Insider Review, …
Puedes solicitar una demo aquí.
Actualidad.
El lanzamiento de Seedance 2.0 la herramienta de creación de vídeo de ByteDance (matriz de TikTok), ha deslumbrado esta semana. Aquí algunos ejemplos. En particular, una escena de Tom Cruise y Brad Pitt luchando ha levantado ampollas en la industria del cine. LINK, CRUISE/PITT
Gemini y Grok acortan distancias con ChatGPT como chatbot IA generativa de referencia del consumidor. LINK
Reflexiones.
Escucharemos con el café del domingo la entrevista de Dwarkesh Pattel a Darío Amodei (el CEO más trendy de las últimas semanas). La realidad: no nos da la vida. LINK
El mundo se divide en dos usuarios de IA: los que han descubierto que Claude Code en un terminal vale más que todo el área de IT de una Fortune 500, y los que siguen esperando que Microsoft Copilot les haga algo útil en Excel. LINK
¿(Cuándo) te quitará la IA tu trabajo? THE ATLANTIC
Steve Yegge describe a Anthropic como una “mente colmena” en efervescencia, donde la transparencia radical y la agilidad extrema sustituyen a la burocracia tradicional. El desarrollo es exploratorio y basado en vibras, permitiendo lanzar productos en apenas diez días gracias a la ausencia de silos y egos. Yegge sostiene que esta forma de trabajo, donde el exceso de tareas elimina las luchas políticas internas, define el futuro de la ingeniería. LINK
No es buena idea utilizar los LLMs como asesores financieros, porque son persuasivos y convincentes pero carecen de empatía y ética, por lo que son capaces de ofrecer consejos erróneos con la misma seguridad que los acertados. Eso dice Andrew Lo, profesor en el MIT, que trabaja en un modelo que actúe como un verdadero asesor digital de fiar. WSJ
Research.
El Ada Lovelace Institute ha publicado el análisis más riguroso hasta la fecha del mercado de compañeros IA en Reino Unido -£1,3 billones en 2024, creciendo al 32% anual-. Lo que describe no es entretenimiento sino dependencia: memoria que se cobra por suscripción, validación que nunca desafía, rachas de uso continuado y microtransacciones calcados a un casino móvil. El 77% de usuarios son hombres, el 39% tienen entre 18 y 24 años. Y el 53% de los adolescentes británicos ya encuentra el mundo online más satisfactorio que el real. La pregunta que deja en el aire es inquietante, claro: ¿qué pasa cuando la siguiente generación de consumidores aprende a relacionarse en un entorno donde nunca se equivocan, son adorados y jamás son retados? ADA LOVE INSTITUTE
Según el State of the Bots 2025 Q3 & Q4 de Tollbit, una de cada 30 visitas a una web es ahora un bot (hace un año era una de cada 200). Además, ha aumentado un 400% el desprecio a las directrices de bloqueo (robots.txt), con una IA que imita el comportamiento humano para extraer datos. Esta transición obliga los editores a buscar nuevas formas de monetización, como el cobro directo a las empresas de IA por acceder a sus datos. WIRED
MCX.
OpenAI ha empezado esta semana a insertar anuncios en ChatGPT, para las versiones Free y Go en EEUU. Se puede hacer opt out, pero eso reduce el número de interacciones diarias gratuitas. A pesar del precio (60$ por mil impresiones) parece que el interés de los anunciantes es alto: agencias como Omnicom y Dentsu están gestionando el espacio para decenas de marcas globales. Target será uno de los primeros anunciantes. ADAGE
Respecto a la publicidad en chatbots se han escrito ya ríos de tinta. “El vendedor en nuestro cabeza” es un artículo de un autor que suele generar grima pero al que cuesta dejar de leer. En ella, pone varios dedos en una llaga. Si los anuncios en chatbots (no en AI Overview, ojo) tuvieran éxito (cosa que desde este newsletter ponemos en duda por ahora) ChatGPT podría migrar de ser la herramienta útil que conocemos a convertirse en un vendedor al que le damos acceso a nuestra billetera y que utilizará nuestra confianza para vendernos … cositas. LINK
Como era de esperar, la IA fue protagonista de los anuncios de la SuperBowl el domingo pasado (aquí una selección de los más destacados). Pero no parecen haber tenido muy buena acogida: la mayoría fracasó en la conexión emocional. La audiencia los percibió como fríos, desconectados de la realidad e incluso inquietantes. La tecnología per se no compensa la falta de una narrativa genuinamente humana. ROLLING STONE
Google y Microsoft están pagando hasta 500.000 dólares a creadores de contenido (programadores, diseñadores) para promocionar Gemini y Copilot. La idea es normalizar el uso de la IA a través de influencers para generar una percepción de utilidad y relevancia. Sin embargo, algunos rechazan los contratos por temor a que la IA desplace empleos en sus propias comunidades. CNBC
Herramientas IA.
Essential Apps de Nothing asegura que podemos crear aplicaciones únicas y personalizadas con vibe coding. LINK
Off Tópicos.
YouTube tiene la audiencia, pero no la confianza de las grandes marcas. Las campañas en TV tradicional tienen entre cuatro y cinco veces más presupuesto que las de YouTube, que todavía se ve como un canal digital secundario donde la gente ve formatos cortos como en TikTok o Instagram. El problema en muchos casos viene de la estructura interna de las empresas, donde se gestionan de manera estanca los presupuestos de TV y los digitales. WSJ
Llegar a convertirse en una mega estrella de los medios sociales ya es casi imposible, debido a la hiper-personalización de los algoritmos. Los creadores que triunfan son aquellos que dominan una vertical muy concreta, lo que facilita patrocinios directos con marcas y el lanzamiento de productos propios. Más que aspirar a ser el próximo MrBeast o Kardashian, la sostenibilidad económica para los creadores de contenido pasa por comunidades hiper-segmentadas, eventos presenciales y plataformas alternativas como Discord o Substack. BUSINESS INSIDER
Gracias por el artículo. Creo que es una gran explicación y réplica a ese famoso estudio reciente que afirmaba que el 95% de las empresas que implementaban proyectos de IA, fracasaban a los 6 meses. Según leí, ese estudio solo medía pérdidas y ganancias empresariales, y la realidad, tal y como se defiende en este post, es mucho más compleja que reducirla solo a números grandes.
Muy interesante. La presión por liberar el aumento de la productividad atrapado en la lentitud institucional puede presionar peligrosamente a delegar decisiones institucionales en la propia IA. Y no tengo tan claro que los errores en esa faceta estén tan depurados como los de generar código… En cualquier caso, cada vez más va a surgir la tentación de abdicar de la responsabilidad cuando se deleguen decisiones. Quizá el rediseño institucional deba focalizarse en eso: delimitar la arquitectura de responsabilidad en la asunción de riesgos cuando cada vez más agentes tomen decisiones sin apenas supervisión humana.