La paradoja de la eficiencia: Por qué la IA nos hace trabajar más duro, no de forma más inteligente

Durante los últimos años, la narrativa que rodea a la inteligencia artificial en el lugar de trabajo ha sido única y seductora: la IA es el ahorrador de tiempo definitivo. Se nos prometió un futuro en el que los modelos de lenguaje extensos (Large Language Models) y los agentes autónomos se encargarían de las tareas monótonas, liberando a los trabajadores humanos para que se concentraran en la estrategia y la creatividad de alto nivel, o tal vez, simplemente para que se fueran a casa un poco más temprano.

Sin embargo, un nuevo y revolucionario estudio de la Universidad de California, Berkeley, publicado esta semana en el Harvard Business Review, ha destrozado esa ilusión. La investigación, que realizó un seguimiento de 200 empleados en una empresa tecnológica de EE. UU. durante ocho meses, revela una realidad marcadamente diferente: en lugar de reducir el trabajo, las herramientas de IA lo están intensificando de manera constante.

Mientras en Creati.ai analizamos estos hallazgos, queda claro que estamos siendo testigos de la aparición de una "paradoja de la productividad". Si bien las métricas de rendimiento pueden estar subiendo, el coste humano —medido en fatiga cognitiva, límites difusos y tasas de agotamiento (burnout) por las nubes— está aumentando aún más rápido.

Desglosando los hallazgos de la UC Berkeley

El estudio, dirigido por la profesora asociada Aruna Ranganathan y la investigadora Xingqi Maggie Ye de la Haas School of Business, ofrece una de las visiones más detalladas hasta la fecha sobre cómo se desarrolla la adopción de la IA en la práctica. A diferencia de las encuestas generales que se basan en sentimientos autoinformados, esta investigación integró observadores dentro de una fuerza laboral que adoptó voluntariamente herramientas de IA generativa (Generative AI).

Los investigadores identificaron un fenómeno que denominan "desplazamiento de la carga de trabajo (workload creep)". Si bien las tareas individuales se completaron de hecho más rápido, el tiempo ahorrado no fue recuperado por los empleados para el descanso o el pensamiento profundo. En su lugar, se llenó inmediatamente con más trabajo, a menudo de una naturaleza diferente a la del rol principal del empleado.

Según el estudio, la intensificación del trabajo está impulsada por tres mecanismos específicos que a menudo pasan desapercibidos para la dirección hasta que aparece el agotamiento.

1. Expansión de tareas

La IA reduce la barrera de entrada para tareas técnicas complejas. En el estudio, los gerentes de producto comenzaron a escribir su propio código y los investigadores de usuarios empezaron a encargarse de tickets de ingeniería. Si bien esta "democratización de las habilidades" se sintió empoderadora inicialmente, significó que los empleados estaban absorbiendo efectivamente roles que anteriormente pertenecían a otros departamentos. El resultado fue una ampliación significativa del alcance sin ningún ajuste en las expectativas laborales formales.

2. La eliminación de los "microdescansos"

uno de los hallazgos más insidiosos fue cómo la IA erosionó las pausas naturales en una jornada laboral. En un flujo de trabajo tradicional, encontrarse con un obstáculo a menudo significaba tomarse un descanso para pensar o consultar a un colega. Con la IA, la solución está siempre a "un solo prompt de distancia". Los empleados informaron que llenaban cada momento libre —incluidos los descansos para el almuerzo y los minutos entre reuniones— con consultas de IA "rápidas". El tiempo de inactividad mental requerido para la recuperación fue eliminado sistemáticamente por el atractivo de las respuestas instantáneas.

3. Sobrecarga de multitarea

El estudio describe un "nuevo ritmo" de trabajo en el que los empleados gestionan múltiples hilos activos simultáneamente. Un desarrollador podría estar depurando manualmente un script mientras un agente de IA genera un segundo, y una tercera ventana ejecuta una suite de pruebas. Este procesamiento en paralelo crea una carga cognitiva pesada, convirtiendo al trabajador en un controlador de tráfico de alta velocidad para salidas digitales en lugar de un creador enfocado.

Visualizando el cambio: Trabajo tradicional vs. mejorado por IA

Para comprender mejor cómo ha cambiado la textura de la jornada laboral, podemos comparar el flujo de trabajo previo a la IA con los patrones intensificados observados en el estudio de Berkeley.

Tabla: El impacto de la IA en la dinámica del flujo de trabajo

Los costes cognitivos de la productividad "siempre activa"

Los hallazgos de Berkeley coinciden con un creciente conjunto de pruebas sobre la fatiga cognitiva en la era de la IA. Cuando los trabajadores delegan tareas rutinarias en la IA, se quedan solo con los componentes de toma de decisiones de alto riesgo y resolución de problemas complejos de sus trabajos. Si bien esto suena ideal en teoría, el cerebro humano no está diseñado para operar con una intensidad cognitiva máxima durante ocho horas seguidas sin el "limpiador del paladar" que suponen las tareas de menor valor.

El estudio señala que los empleados sintieron inicialmente una oleada de impulso, describiendo a la IA como un "socio" que les ayudaba a avanzar a través de los trabajos acumulados. Sin embargo, este impulso era a menudo ilusorio. Para el sexto mes del estudio, los informes de agotamiento, ansiedad y parálisis en la toma de decisiones se habían disparado. Los investigadores advierten que lo que parece un milagro de productividad en el primer trimestre, a menudo conduce a la rotación de personal y a la degradación de la calidad para el tercero.

Además, la "sobrecarga de multitarea" mencionada en el informe destaca un malentendido crítico de la atención humana. No somos verdaderos multitarea; somos intercambiadores de tareas. Cada vez que un trabajador alterna entre revisar el resultado de la IA, formular una nueva consulta y verificar un hecho, incurre en un "coste de cambio". A lo largo de un día, estos micro-costes se acumulan en un agotamiento mental profundo.

Una llamada de atención para el liderazgo

Para los líderes empresariales, el estudio de la UC Berkeley sirve como una advertencia urgente: no confundan la actividad con la productividad sostenible. Las métricas que muchas empresas utilizan actualmente para medir el éxito de la IA —como las líneas de código escritas o los tickets cerrados— están capturando el volumen de trabajo, pero ignorando la intensidad.

Los investigadores enfatizan que esta intensificación del trabajo es en gran medida voluntaria. No se está ordenando necesariamente a los empleados que hagan más; se ven seducidos por las capacidades de las herramientas para asumir más. Esto hace que el problema sea más difícil de detectar y más difícil de resolver.

Recomendaciones para una estrategia de IA sostenible:

• Implementar "Prácticas de IA": El estudio sugiere que las organizaciones deben establecer normas intencionales, o una "práctica de IA". Esto incluye pausas obligatorias y pautas claras sobre cuándo no usar la IA.
• Redefinir la productividad: Alejarse de las métricas basadas en el rendimiento (que la IA puede inflar fácilmente) hacia métricas basadas en resultados. Medir el impacto del trabajo, no solo la velocidad de su producción.
• Límites al alcance (Guardrails on Scope): Los gerentes deben estar atentos al "desplazamiento del alcance". Solo porque un gerente de marketing pueda generar consultas SQL con IA no significa que deba estar haciendo el trabajo del equipo de datos además del suyo propio.
• Priorizar la conexión humana: A medida que aumentan las interacciones con los agentes de IA, se debe proteger el tiempo para la colaboración de humano a humano, que a menudo proporciona apoyo emocional y chispa creativa.

Navegando por el futuro del trabajo

En Creati.ai, seguimos siendo optimistas sobre el potencial de la inteligencia artificial para transformar las industrias. Sin embargo, la transformación no puede producirse a expensas de la salud mental de la fuerza laboral. La herramienta debe servir al humano, no al revés.

El estudio de la UC Berkeley no es una condena a la tecnología, sino una crítica a cómo la estamos implementando actualmente. Si continuamos tratando a la IA únicamente como un mecanismo para exprimir más horas al día, nos enfrentaremos a una crisis de agotamiento que ningún algoritmo podrá resolver. El camino a seguir requiere un rediseño deliberado del trabajo, uno que reconozca nuestros límites cognitivos y priorice la creatividad sostenible a largo plazo sobre los estallidos de eficiencia a corto plazo.

A medida que avanzamos en 2026, la ventaja competitiva no pertenecerá a las empresas que utilicen la IA para correr más rápido, sino a aquellas que la utilicen para correr durante más tiempo.