El impuesto oculto de la IA: por qué desaparece el 40% del ahorro de tiempo
El 87% de los empleados usa IA en el trabajo. El 77% dice que es más productivo. Suena como una historia de éxito de transformación digital. Pero vale la pena hacer la pregunta incómoda: si la IA aumenta tanto la productividad, ¿por qué solo el 14% obtiene un beneficio neto real? ¿Adónde desaparece el otro 86%?
Workday realizó un estudio global con 3 200 encuestados – y descubrió que detrás de las cifras atractivas se esconde una realidad desagradable. Casi el 40% del tiempo ahorrado con IA se gasta en corregir sus errores. No es un fallo de herramientas concretas ni un problema de “uso incorrecto”. Es un fallo sistémico en la forma en que las organizaciones implementan la inteligencia artificial.
En mysummit.school ya hemos analizado Dejan.AI (la IA como becario junior), Gallup (el uso se duplicó en un año) y MIT (la brecha entre líderes y rezagados). Workday añade un nuevo ángulo: el coste medible de los resultados de baja calidad de la IA. Y ese coste resulta ser mayor de lo que muchos están dispuestos a admitir.
El hallazgo principal: un “impuesto sobre la IA” del 37%
Workday introdujo el concepto de AI Tax – un impuesto oculto sobre la productividad que pagan las empresas por los resultados de baja calidad de la IA. La metáfora es precisa: al igual que los impuestos convencionales, este “tributo” pasa desapercibido en el día a día, pero golpea de forma notable el resultado final.
Cómo se calcula el impuesto
La fórmula es sencilla, pero rara vez se aplica en la práctica:
Ahorro bruto (Gross Efficiency) – cuánto tiempo ahorran los empleados gracias a la IA. Es la cifra que encanta mostrar en las presentaciones: “¡Ahorramos 5 horas a la semana!”
Fricción operativa (Operational Drag) – cuánto tiempo se dedica a revisar, corregir y reescribir el contenido generado por IA. Esta cifra, por lo general, no se calcula. Y debería.
Valor neto = Ahorro bruto − Fricción operativa
Según los datos del estudio, la situación es la siguiente: de cada 10 horas de tiempo ahorrado, casi 4 horas se destinan a corregir resultados. En total, 6 horas – el ahorro neto real. No 10, como proclaman los proveedores de herramientas de IA, sino 6.
Para los usuarios activos de IA, esto supone 1,5 semanas al año perdidas en luchar contra alucinaciones, imprecisiones y el tono inadecuado de los textos generados. Una semana y media – más que las vacaciones promedio en Estados Unidos.
Cuatro tipos de usuarios de IA
Workday creó la Matriz de Productividad Neta (Net Productivity Matrix), que clasifica a los empleados según dos ejes: cuánto tiempo ahorran con IA (eje X) y cuánto beneficio neto obtienen tras descontar el tiempo de correcciones (eje Y).
Resultaron cuatro tipos. Y la distribución fue inesperada.
1. Los Observadores (The Observers)
Estos empleados se mantienen al margen. No gastan tiempo corrigiendo a la IA, pero tampoco obtienen beneficios de ella. Bajo ahorro, bajos costes – y resultado nulo.
Se encuentran con frecuencia en RRHH y funciones operativas, trabajan en organizaciones con baja madurez en IA. El 33% señala que en su empresa hay solo 1–2 casos de IA en producción.
Sorprendentemente, este grupo representa el mayor potencial de mejora – baja barrera de entrada, sin experiencias negativas.
2. Los Estrategas (The Augmented Strategists)
Estos empleados son una rareza. Utilizan la IA para mejorar los resultados, no simplemente para acelerar el trabajo. Alto ahorro, alto beneficio neto.
¿Qué los distingue? El 93% usa la IA como un “radar” para detectar patrones, no como una “muleta” que haga el trabajo por ellos. Es un enfoque fundamentalmente diferente: la IA ayuda a ver más, no a hacer menos.
Perfil del Estratega: el 71% son profesionales experimentados de 35–44 años, concentrados en TI y marketing. El 57% indica que la empresa invierte en colaboración entre equipos. Y un dato clave: reciben el doble de formación que el resto de los grupos.
3. El Medio Perdido (The Misaligned Middle)
Estos empleados intentan usar la IA, pero el esfuerzo de corrección supera el beneficio. Bajo ahorro, altos costes de reparación – pérdida neta.
El 89% señala que menos de la mitad de los roles en la empresa se han actualizado para incorporar la IA. Cabe preguntarse: ¿el problema está en las personas o en el sistema? Los datos apuntan a lo segundo.
El 17% teme que la dependencia de la IA debilite sus capacidades cognitivas. Y solo el 72% planea quedarse en la empresa el próximo año – el indicador más bajo de todos los grupos. “El Medio Perdido” no es una metáfora, sino un diagnóstico.
4. Los Optimistas de Bajo Retorno (The Low-Return Optimists)
Los usuarios más entusiastas de la IA – y los más sobrecargados. Alto ahorro sobre el papel, bajo beneficio neto en la práctica.
El 46% son empleados de 25–34 años, concentrados en RRHH. El 56% usa la IA para asumir más tareas, no tareas de mayor valor. Trabajan más, no mejor.
Y he aquí la gran paradoja: el 77% revisa el contenido generado por IA con más rigor que el trabajo humano. Se crea una capa oculta de verificación que consume todo el ahorro obtenido. Además, solo el 37% recibe formación adicional – menos que cualquier otro grupo. El 62% usa IA a diario.
La conclusión es contraintuitiva: los usuarios más activos soportan la mayor carga de correcciones. El entusiasmo sin soporte sistémico se convierte en agotamiento.
Quién paga más
Edad: los jóvenes cargan con un peso desproporcionado
Los empleados de 25–34 años representan el 46% de quienes más tiempo dedican a corregir la IA.
Sorprendentemente, el estereotipo de que los jóvenes se adaptan más rápido a la tecnología resulta ser una trampa. Sí, usan la IA con más frecuencia y más confianza. Pero ¿significa eso que la usan de forma más eficiente? Los datos dicen lo contrario.
La IA acelera la creación de contenido, pero la responsabilidad por la calidad no desaparece. Sigue recayendo en el empleado. Los profesionales jóvenes asumen más tareas con ayuda de la IA – y más tareas de revisión de la IA.
Función: RRHH es quien más sufre
Los profesionales de RRHH representan el 38% de los empleados con el mayor nivel de retrabajo por IA. ¿Por qué precisamente RRHH?
La razón está en la naturaleza del trabajo. RRHH trabaja con personas, comunicaciones y cumplimiento normativo. Aquí un resultado “suficientemente bueno” es inaceptable – se necesita precisión, el tono correcto y equidad. Un correo a un candidato con una formulación inapropiada. Una política con una imprecisión jurídica. Una evaluación con sesgo. El coste del error es demasiado alto.
Por eso los equipos de RRHH revisan el contenido generado por IA con un rigor excepcional. Y pagan por ello con su tiempo.
Los profesionales de TI, en cambio, se convierten con mayor frecuencia en Estrategas (el 32% de ellos). Aplican la IA al reconocimiento de patrones, optimización de sistemas, análisis exploratorio – tareas donde un resultado imperfecto es aceptable y fácil de mejorar. La diferencia no está en las personas, sino en el tipo de tareas.
Región: diferencias en la reinversión
Los datos geográficos revelan un patrón curioso.
Norteamérica: el 83% de los empleados reporta un aumento de productividad gracias a la IA – el indicador más alto. Pero solo el 64% de las organizaciones reinvierte el ahorro en el desarrollo de las personas – el más bajo.
EMEA: el 84% reinvierte en las personas.
APAC: el 89% reinvierte en las personas.
La correlación es evidente: donde las empresas invierten en habilidades y resiliencia de los equipos, los empleados convierten con mayor frecuencia el ahorro de tiempo en mejoras sostenibles. Donde se persigue el ahorro bruto – se obtiene retrabajo.
La brecha entre intenciones y acciones
Formación: una brecha del 30%
El 66% de los directivos califica la formación en habilidades de IA como la principal prioridad de inversión.
El 37% de los usuarios activos de IA recibe realmente acceso a formación adicional.
Una brecha de 29 puntos porcentuales entre las palabras y los hechos. Cabe preguntarse: ¿es realmente la formación una prioridad? ¿O es simplemente la respuesta correcta en una encuesta?
Los empleados son responsables de la calidad de los resultados de la IA, pero no reciben las herramientas ni los conocimientos para ello. Se delegó la responsabilidad, pero no los recursos.
Roles: la IA sobre raíles antiguos
9 de cada 10 organizaciones señalan que menos de la mitad de los roles se han actualizado para incorporar la IA.
Aquí se esconde un problema sistémico. La IA se superpone a puestos diseñados antes de su aparición. Los empleados usan herramientas de 2026 dentro de descripciones de puesto de 2015. Como si al conductor de un Tesla le entregaran un manual para caballo y carreta.
El 54% de los empleados con problemas de productividad indica que los requisitos de competencias no se han actualizado. En las organizaciones que luchan por alcanzar la productividad neta, menos del 25% de los roles están adaptados a la IA.
Quizá convenga reconocer lo evidente: no se puede implantar una nueva tecnología en una estructura organizativa antigua y esperar resultados mágicos.
Inversiones: tecnología vs personas
Adónde dirigen las empresas el ahorro generado por la IA:
| Destino | Porcentaje de inversión |
|---|---|
| Tecnología e infraestructura | 39% |
| Desarrollo del personal | 30% |
La tecnología recibe 9 puntos porcentuales más que las personas.
Adónde va el tiempo ahorrado (encuesta a 1 700 directivos)
| Prioridad | % de directivos |
|---|---|
| Foco en tareas estratégicas | 53% |
| Eficiencia operativa | 46% |
| Reducción de la carga de trabajo | 45% |
| Mejora de la experiencia del cliente | 33% |
| Aumento de producción sin ampliar plantilla | 32% |
| Formación de empleados en IA | 29% |
| I+D | 20% |
La formación en IA ocupa el penúltimo lugar – por debajo de “aumento de producción sin ampliar plantilla”.
La paradoja del agotamiento
Los usuarios diarios de IA presentan una combinación extraña:
Alto optimismo:
- Más del 90% confía en que la IA aumenta sus posibilidades de éxito en futuros roles
Alta carga:
- El 77% revisa el contenido de IA con la misma o mayor rigurosidad que el trabajo humano
- Esto crea una capa oculta de trabajo de verificación
Paradoja de retención:
- El 95% planea quedarse en su puesto actual el próximo año
- Pero solo el 56% volvería a elegir ese mismo trabajo
Los beneficios y la flexibilidad mantienen a las personas en sus puestos. Pero el coste acumulado del retrabajo erosiona el compromiso a largo plazo.
El agotamiento en la era de la IA no es resistencia al cambio. Es la exposición prolongada a resultados de baja calidad sin un soporte organizativo adecuado.
Qué puede hacer un directivo
Workday propone cuatro líneas de acción.
1. Medir el valor neto, no las horas ahorradas
La métrica “cuánto tiempo ahorramos” oculta la realidad. Hay que contabilizar el tiempo de correcciones.
Ejemplos de métricas por función:
| Función | En lugar de | Medir |
|---|---|---|
| RRHH | Tiempo de cobertura de vacante | Calidad de la contratación |
| Finanzas | Velocidad de las transacciones | Precisión de las previsiones |
| Operaciones | Volumen de producción | Proporción de producción sin retrabajos |
2. Invertir donde la fricción es máxima
Identificar los “puntos calientes” funcionales, geográficos y demográficos donde se concentran los Optimistas de Bajo Retorno.
- Formación específica en ingeniería de prompts para el grupo de 25–34 años
- Formación especializada para equipos de RRHH en el manejo de contenido sensible
- Redirigir presupuestos de programas de bienestar (síntomas) hacia formación (causas)
3. Actualizar las descripciones de puesto
La IA no puede añadirse sin más a los roles existentes sin consecuencias.
Realizar una revisión de roles en los departamentos con alta fricción:
- Dónde debe ayudar la IA
- Dónde es crítico el juicio humano
- Cómo se mide el éxito
4. Usar el tiempo ahorrado para la interacción humana
Las organizaciones que obtienen beneficio neto de la IA permiten explícitamente a los empleados usar el tiempo ahorrado para colaboración, aprendizaje y pensamiento estratégico – y no simplemente para aumentar el volumen de tareas.
El 57% de las organizaciones de los Estrategas ya aplican esta práctica.
Lista de verificación de preparación para la IA de Workday
- Medir el valor neto – contabilizar los resultados y el retrabajo, no solo las horas
- Focalizar las inversiones – dirigir el desarrollo de habilidades hacia los roles y perfiles demográficos con alta fricción
- Rediseñar los roles – incorporar formalmente las competencias en IA a las descripciones de puesto
- Reinvertir el tiempo en las personas – destinar el ahorro de la IA al desarrollo de habilidades y al tiempo de colaboración
Conclusiones clave
El 37% no es una condena. Es una magnitud gestionable. Las organizaciones que invierten en formación y actualizan los roles reducen ese “impuesto”. La cuestión no es si se paga – sino cómo minimizarlo.
Usuarios activos ≠ usuarios eficientes. El entusiasmo sin soporte genera empleados sobrecargados, no equipos productivos. La cantidad de uso de IA es un mal indicador de la calidad de los resultados.
La tecnología sin las personas no funciona. La proporción 39/30 a favor de la infraestructura es un error estratégico. Los datos muestran una relación inversa: más inversión en personas = mayor productividad neta. No al revés.
Los roles necesitan un rediseño. La IA se superpone a descripciones de puesto obsoletas. Es un problema sistémico, no individual. Culpar a los empleados de la baja eficiencia de la IA es como culpar al conductor por los atascos.
Hay que medir de otra forma. “Ahorramos 10 horas” es una métrica sin sentido si no se cuentan las 4 horas de correcciones. El ahorro bruto es para las presentaciones. El valor neto es para el negocio.
El estudio de Workday plantea una pregunta más profunda. Si el 37% del ahorro de la IA se pierde en correcciones – ¿tal vez estamos midiendo lo que no debemos? Las organizaciones persiguen la tasa de adopción y las horas ahorradas, ignorando la calidad de los resultados.
¿No estaremos repitiendo el error de la era de la “transformación digital”, cuando las empresas implementaban tecnología por la tecnología misma y luego se sorprendían por la falta de ROI?
El AI Tax no es solo una métrica. Es un síntoma. Automatizamos procesos sin repensarlos. Superponemos nuevas herramientas a viejas estructuras. Esperamos milagros sin cambiar nada en la forma de trabajar de las personas.
Y mientras ese enfoque no cambie, el “impuesto” solo irá en aumento.
Fuentes
- Beyond Productivity: Measuring the Real Value of AI – informe completo de Workday (enero de 2026)
- Workday Global Workforce Report – estudio relacionado sobre la distribución de los beneficios de la IA
¿Quiere reducir el 'impuesto sobre la IA' en su trabajo?
Programa del curso: módulo Foundation de ingeniería de prompts y pensamiento crítico + especializaciones en gestión de proyectos y analítica. Habilidades prácticas, no teoría.