Contexto técnico: Dónde el estudio pincha el hype
Revisé el documento w34836 del NBER e inmediatamente noté la conclusión principal: los autores no niegan que la IA acelera tareas específicas. En cambio, destacan una realidad mucho más incómoda para la gerencia: a nivel de empresa, este efecto apenas se ha materializado.
La muestra incluye a casi 6,000 ejecutivos de EE. UU., Reino Unido, Alemania y Australia. Alrededor del 70% de las empresas ya usan IA, pero más del 80% no ha notado impactos medibles en el empleo o la productividad, y el 89% no vio cambios en las ventas por empleado.
Otra cifra me llamó la atención: los altos ejecutivos usan la IA un promedio de 1.5 horas a la semana, y una cuarta parte no la usa en absoluto. Para mí, esto es una fuerte señal de que en muchas empresas, las decisiones sobre la implementación de inteligencia artificial las toman personas que no viven dentro de las nuevas herramientas y no entienden dónde se produce exactamente el impacto económico.
Sin embargo, el estudio no descarta victorias locales. En soporte, redacción de textos y procesamiento de datos, el crecimiento puede ser notable. Pero hay un abismo enorme entre «un empleado terminó una tarea más rápido» y «la empresa se volvió más productiva», lleno de integraciones, procesos, KPIs y disciplina gerencial.
Impacto en el negocio y la automatización: Quién gana y quién pierde el tiempo
Llevo mucho tiempo diciéndoles a mis clientes una verdad incómoda: comprar acceso a un LLM no es igual a obtener resultados. Si una empresa se limita a un chatbot, algunos prompts y una presentación para la junta directiva, está casi garantizado que terminará en ese 80% sin efectos medibles.
Los ganadores no son los que «experimentan con IA», sino los que construyen una arquitectura de IA en torno a un cuello de botella operativo específico. Cuando diseño soluciones de IA para empresas, no empiezo con el modelo. Empiezo con la economía unitaria del proceso: dónde se pierden horas, dónde aumenta el costo de un error, dónde hay un ciclo repetible y dónde se puede integrar el control de calidad.
Las empresas que miden la productividad solo a través de métricas de alto nivel y esperan un salto instantáneo son las que pierden. Si la IA redujo el tiempo de respuesta, mejoró la calidad de la clasificación de tickets o disminuyó la tasa de defectos en los documentos, esto aún debe traducirse adecuadamente al estado de resultados (P&L) mediante enrutamiento, SLAs, CRM, ERP y normas del equipo.
Por eso, la automatización con IA sin una integración adecuada rara vez da resultados. Según nuestra experiencia en Nahornyi AI Lab, el efecto medible aparece cuando conectamos el modelo con datos, roles, límites de riesgo y el sistema de toma de decisiones, en lugar de dejarlo como un «botón inteligente» aislado.
Perspectiva estratégica: La paradoja de la productividad no desmiente a la IA, expone una mala implementación
No leo este estudio como una sentencia de muerte para la IA. Lo leo como un diagnóstico del mercado. Las empresas han llegado masivamente a la etapa en la que ya tienen demos, pero aún no cuentan con arquitecturas de soluciones de IA.
Esto se parece mucho a las primeras etapas de ERP, CRM y RPA. Primero, las empresas compraron la herramienta, luego se decepcionaron, y los verdaderos retornos fueron para aquellos que rediseñaron el proceso, reasignaron responsabilidades y construyeron una integración de extremo a extremo de la inteligencia artificial en el ciclo operativo.
Mi pronóstico es simple: en los próximos 12 a 24 meses, la brecha entre «usamos IA» y «ganamos dinero con IA» será aún más pronunciada. El mercado se dividirá en dos grupos: unos seguirán contando el número de licencias, mientras que otros empezarán a calcular el costo de resolver un caso, la velocidad del ciclo y el margen por empleado.
En los proyectos de Nahornyi AI Lab, veo un patrón constante. Tan pronto como eliminamos el objetivo abstracto de «hacer automatización con IA» y lo reemplazamos por una combinación de proceso, métrica, integración y un propietario (owner), el efecto deja de ser filosófico y se vuelve financiero. Esto es exactamente lo que les falta a la mayoría de las empresas encuestadas.
Este análisis fue preparado por Vadym Nahornyi, experto principal en Nahornyi AI Lab en arquitectura de IA, automatización con IA e implementación práctica de IA en procesos empresariales.
Le invito a discutir su caso conmigo y el equipo de Nahornyi AI Lab. Si no necesita otro piloto más para un informe, sino una arquitectura funcional, integración de IA y una economía de proyecto clara, contácteme: le ayudaré a crear una solución adaptada a su entorno operativo real.