Una poderosa idea se instaló en los últimos años casi sin contrapeso: la Inteligencia Artificial (IA) es un motor para la productividad. Ese enunciado, no obstante, está siendo cuestionado.
¿Es definitivamente cierto que la IA aumenta la productividad? Hay férreos defensores de esta postura. Pero también los hay -y sus voces han emergido cada vez con más fuerza- quienes miran con sospecha esa concepción.
Asimismo, están quienes afirman que no solo no aumenta la productividad, sino que incluso puede llevar a malos resultados en las tareas en las que se le utiliza sustancialmente. ¿Por qué ocurriría esto?
¿Motor para la productividad?
Ramón López de Mántaras, pionero de la IA en España y Europa, profesor emérito de investigación del CSIC y fundador del Instituto de Investigación en Inteligencia Artificial (IIIA-CSIC) es de aquellos que cuestiona la convicción que se ha instalado.
En entrevista con Emol TV esta semana señaló que la IA aumenta lo que en inglés se denomina "workslop". En sus palabras: "El trabajo mediocre, con resultados mediocres, resultados mal hechos".
López de Mántaras puso un ejemplo. Al crear un software ayudado por la IA -expuso- se observa que la cantidad de problemas que aparecen es "enorme". Los programadores -continuó- "tienen la sensación de haber sido más productivos para lo que llamamos codificar". Pero, se encuentran con muchos "errores" o "bugs".
"Y como no son ellos los que han hecho el software, porque lo han desarrollado, se lo han procesado, se lo ha hecho la inteligencia artificial, encontrar los errores en algo que tú no has programado es enormemente complicado", explicó.
"El tiempo que habían ganado, aparentemente, hasta tener una primera versión de este programa, lo pierden haciendo el 'debugging'; haciendo las correcciones de los errores".
Hay muchos otros ejemplos, señaló, en que la productividad no necesariamente mejora.
Pablo Müller, académico de la facultad de Administración y Negocios de la U. Autónoma tiene una mirada similar. "La IA puede aumentar la productividad, pero solo bajo ciertas condiciones", sostiene.
"Funciona cuando complementa el pensamiento humano, amplificando capacidades analíticas y creativas. Si se usa como sustituto del razonamiento, tiende a homogeneizar resultados y a producir trabajo mediocre. El impacto no depende de la herramienta, sino del criterio con que se integra en los procesos de trabajo", dice.
"Recientemente ha aparecido el término "workslop", que denomina al trabajo de baja calidad generado por IA que otros deben corregir. Según BetterUp Labs/Stanford, 40% de los empleados en EE. UU. recibió workslop a fines del 2025. Cada incidente puede implicar aproximadamente 2 horas extra de revisión y limpieza", precisa Billy Peralta, académico de la Facultad de Ingeniería de la U. Andrés Bello.
Agrega que "de todas formas, se debe indicar que este fenómeno de afectación por nuevas tecnologías se ha observado en la aparición de buscadores como Google; sin embargo, con el tiempo, las organizaciones han sabido adaptarse a esta tecnología".
"Si se utiliza para automatizar lo repetitivo y eso da pie o espacio para potenciar nuestra creatividad, entonces cumple una función no solo correcta, sino maravillosa. El desafío no es en la tecnología en sí, sino asegurarnos de que siga siendo un medio para fortalecer lo humano y no un fin que lo eclipse", dice en tanto Andrés Vergara Ross, académico del Centro de Estudios Generales de la Universidad de los Andes
¿Destruyendo la productividad?
El artículo "AI-Generated 'Workslop' Is Destroying Productivity" de Kate Niederhoffer y otros académicos de Harvard describe una contradicción creciente: las empresas adoptan cada vez más IA generativa, pero no están viendo mejoras reales de productividad.
Muchos trabajadores usan estas herramientas para producir contenido rápidamente, pero ese contenido con IA suele ser de baja calidad y termina generando más trabajo en lugar de reducirlo.
Esto, tal como lo señaló López de Mántaras en Emol TV. La adopción de IA generativa está creciendo rápidamente, pero gran parte del contenido que produce -el "workslop"- parece destruir productividad al generar más trabajo de corrección que valor real, dice el artículo.
Otro antecedente que es necesario agregar al debate. Un reporte de MIT NANDA, sobre el estado de los negocios en 2025, descubrió que pesar de inversiones multimillonarias solo el 5% de las organizaciones logra transformar sus pilotos en sistemas productivos que generen valor medible.
En cualquier caso, también hay cifras en favor de la IA y su papel en la productividad. Según Muller, de la U. Autónoma, "estudios experimentales y de campo reportan aumentos de productividad de entre 10% y 40% cuando la IA apoya tareas cognitivas y decisiones".
"El Barómetro Global de IA en el empleo 2025 de PwC indica que, entre 2018 y 2024, los sectores más expuestos a IA elevaron su productividad del 7% al 27%, mientras en los menos expuestos el avance fue marginal. Esto confirma que el impacto depende del uso", indica.
La mirada de un premio nobel
Daron Acemoglu, premio Nobel de Economía 2024, plantea una mirada cauta sobre el impacto de la IA en la productividad agregada.
En su trabajo "The Simple Macroeconomics of AI" (2024), sostiene que el entusiasmo en torno a la IA confunde mejoras puntuales -en tareas específicas realizadas por personas concretas- con efectos macroeconómicos de gran escala.
A su juicio, que una herramienta permita hacer más rápido un informe, un correo o una búsqueda no implica necesariamente un salto relevante en la productividad de una empresa, un país o una región.
El argumento central de Acemoglu es que la IA, al menos en su estado actual, afecta solo a una fracción limitada de las tareas que componen la mayoría de los empleos. En ese contexto, los beneficios tienden a concentrarse en automatizaciones parciales o en apoyos marginales al trabajo humano, cuyos efectos se diluyen al agregarse a nivel macroeconómico.
Bajo supuestos realistas de adopción, difusión y complementariedad con otras inversiones, el impacto de la IA sobre el crecimiento de la productividad sería modesto en el corto y mediano plazo.
