La conversación sobre IA y su productividad empresarial está llegando a límites insospechados. Organizaciones que pasaron años perfeccionando tableros de desempeño basados en resultados ahora buscan nuevas formas para medir la 'productividad' de los empleados. Ya no importa cuánto código escriben ni cuántos clientes atienden sino, por ejemplo, cuánto tiempo usan IA y cuántos tokens consumen. La lógica es que más uso de IA equivale a más valor entregado.
Dos ejemplos ilustran bien el problema. Starbucks ligó una cuarta parte de la bonificación de sus colaboradores del área de IT a la utilización de un asistente varias veces por semana. La intención era incentivar la adopción, pero terminó incentivando 'aparentar' la adopción.
Uber, por su parte, agotó todo su presupuesto de IA para 2026 en solo cuatro meses, después de prometer incentivos por usarla a sus ingenieros, quienes usaron las herramientas mucho más de lo necesario. Si eso mejoró los resultados es otra pregunta.
¿Pero cómo cuantificar el valor del trabajo asistido por IA cuando el resultado suele ser cualitativo, contextual y difícil de comparar con una línea base previa?
Al comienzo de la automatización, las organizaciones medían la productividad por el número de informes generados, correos enviados o documentos procesados. Estas métricas tenían una relación limitada con los resultados del negocio, por lo que las empresas se alejaron de ellas.
El uso de IA cae en el mismo error. El consumo de tokens y el tiempo dedicado a herramientas de IA miden actividad, no productividad. Un ingeniero que genera 500 líneas de código mediocre consume más tokens que uno que lo usa para resolver un problema específico, sin ser más productivo.
En el caso de Uber, cada ingeniero gasta entre 500 y 2,000 dólares al mes en herramientas de IA. Con 95% de ellos usándolas, significa que la empresa logró una adopción casi universal, pero agotó su presupuesto anual en cuatro meses. Praveen Neppalli Naga, director de tecnología de Uber, reconoce que la empresa tuvo que replantear el modelo, al ser tan exitoso para costearlo a esa escala.
Los líderes empresariales tienen razón en exigir resultados en su inversión en Inteligencia Artificial. La clave está en distinguir dos tipos de uso: la IA como acelerador de procesos y la IA como socio de razonamiento.
