La incorporación de inteligencia artificial a las actividades laborales no siempre se traduce en jornadas más cortas. Los empleados que utilizan estas herramientas de manera intensiva pueden trabajar hasta 90 minutos adicionales al día frente a quienes no recurren a ellas, según un análisis global de la firma de software de medición de productividad ActivTrak. El fenómeno expone unacontradicción: aunque la tecnología permite completar ciertas tareas en menos tiempo, ese ahorro puede terminar ocupado por nuevas responsabilidades.
Los registros de ActivTrak muestran que los trabajadores que no utilizan inteligencia artificial tienen jornadas digitales promedio de 7,58 horas. Entre los usuarios activos e intensivos, el indicador se sitúa entre 8,42 y 9,08 horas diarias. La diferencia alcanza los 90 minutos.
La categoría de usuario intensivo corresponde a quienes interactúan con herramientas de IA durante más de 45 minutos al día, distribuidos en al menos cinco sesiones independientes. Este grupo también acumula, en promedio, 18 minutos diarios de trabajo fuera de su horario habitual. Sus periodos de concentración ininterrumpida son más cortos: 37,8 minutos, frente a los 48,2 minutos registrados entre los usuarios ligeros.
Esta relación entre eficiencia tecnológica y aumento de las tareas se conoce como la paradoja de la productividad de la IA. Una de las explicaciones está relacionada con la paradoja de Jevons: cuando una actividad requiere menos tiempo, disminuye también el coste de comenzar otra. En lugar de utilizar el margen disponible para descansar, los empleados pueden asumir un mayor volumen de trabajo y ampliar la variedad de sus funciones.
Una investigación etnográfica de ocho meses, desarrollada por investigadores de UC Berkeley y Yale en una empresa tecnológica, examinó cómo se produce este comportamiento. Los empleados incorporaron voluntariamente la IA porque se sentían más capaces de resolver determinadas tareas. Sin embargo, esa mayor confianza terminó ocupando los espacios que antes quedaban libres durante la jornada. Las pausas naturales desaparecieron y algunos trabajadores prolongaron sus labores por iniciativa propia.
El estudio identificó varios cambios en la distribución de responsabilidades. Un programador comenzó a diseñar interfaces, un redactor pasó a analizar métricas de datos y un administrador empezó a producir código básico. La reducción de las barreras técnicas también llevó a empleados sin especialización en determinadas áreas a intentar resolver actividades complejas, como el análisis de grandes volúmenes de datos o la programación. Esta expansión de funciones, asociada con prácticas como el vibe coding, puede trasladar nuevas responsabilidades a personas que antes no las tenían a su cargo.
La investigación también encontró que la sensación inicial de control y competencia impulsó a los trabajadores a aceptar proyectos que anteriormente consideraban fuera de su alcance. A esa dinámica se sumó el temor a parecer improductivos: algunos participantes evitaban detenerse después de completar una tarea con ayuda de la IA porque creían que sus compañeros o supervisores podían interpretar el descanso como una falta de rendimiento. Para demostrar que seguían ocupados, llenaban sus agendas.
La automatización también eliminó tiempos de espera que antes funcionaban como pausas mentales. Mientras un sistema procesaba datos, se renderizaba un archivo o se redactaba un correo extenso, los empleados disponían de algunos minutos sin una actividad cognitiva exigente. Al reducirse esos intervalos, comenzaron a encadenar tareas complejas sin interrupciones.
Fatiga cognitiva y fragmentación de la atención
El aumento de la carga laboral no depende únicamente de la cantidad de tareas. También interviene el esfuerzo necesario para supervisar los resultados que produce la tecnología. Un informe conjunto de Boston Consulting Group (BCG) y Harvard Business Review utiliza el término AI Brain Fry —cerebro frito por IA— para describir el desgaste asociado con la revisión constante de contenidos generados por sistemas automatizados.
El proceso exige leer y corregir textos, comprobar posibles alucinaciones y detectar errores en las respuestas. Según el informe, estas actividades generan un 12 % más de fatiga mental y sobrecarga informativa. La exigencia aparece porque las personas deben revisar y auditar grandes cantidades de contenido producido a una velocidad que dificulta mantener una supervisión constante.
A esta carga se suma el llamado impuesto de la silla giratoria (swivel-chair tax), relacionado con los cambios frecuentes entre aplicaciones y plataformas. Los usuarios de IA en la web pasan de una herramienta a otra entre 1,7 y 4,2 veces por hora, una frecuencia que puede llegar a ser cuatro veces superior a la de quienes no utilizan estas tecnologías. La fragmentación dificulta mantener periodos prolongados de concentración.
La arquitectura de las herramientas también influye en la experiencia de trabajo. Las plataformas independientes, como ChatGPT y Claude en sus versiones web, requieren que el usuario cambie de pestaña, copie información y la traslade entre aplicaciones. Ese proceso introduce interrupciones y exige aprender a formular prompts complejos en interfaces externas.
Las soluciones de IA integradas en herramientas como Copilot, Salesforce y Workspace funcionan dentro de los entornos habituales de trabajo, como el correo electrónico, las hojas de cálculo y los procesadores de texto. Al operar en esas mismas interfaces, reducen los cambios de contexto y pueden ejecutar comandos a partir de acciones directas del usuario. También automatizan tareas como archivar, agendar o transcribir, además de disminuir la necesidad de gestionar manualmente datos y formatos.
La diferencia se refleja en el nivel de fricción operativa: las herramientas web independientes pueden elevar las interrupciones visuales y cognitivas, mientras que las soluciones integradas reducen el cambio constante entre aplicaciones. Los analistas tecnológicos señalan que las primeras también facilitan la experimentación desordenada y el vibe coding, frente a las segundas, que suelen automatizar actividades menos visibles sin modificar de manera tan marcada el foco de atención.
La brecha entre las expectativas directivas y la experiencia de los empleados
Las cifras sobre productividad y bienestar muestran percepciones distintas dentro de las organizaciones. El 96 % de los directivos espera que la inteligencia artificial incremente exponencialmente la productividad de sus empresas. Entre los empleados, el 77 % afirma que estas herramientas han elevado su carga neta de trabajo y sus niveles de estrés.
La diferencia también está en el destino del tiempo que, en teoría, debería liberar la tecnología. Mientras los líderes esperan que la IA genere tiempo disponible de forma inmediata, los trabajadores utilizan parte de ese margen para reescribir borradores genéricos, moderar contenidos automatizados y aprender a utilizar las herramientas durante la propia jornada.
Los datos de Spring Health apuntan a otra dimensión del problema: el 45 % de los usuarios frecuentes de IA experimenta un burnout severo, frente al 35 % de quienes no la utilizan activamente. Las investigaciones atribuyen esta situación menos al potencial de la tecnología que a su incorporación en estructuras de gestión que siguen priorizando la cantidad de entregables sobre la calidad del tiempo de trabajo.
Cambios en la organización del trabajo
Para reducir el desgaste cognitivo, Boston Consulting Group y Gartner plantean que las empresas deben revisar la manera en que distribuyen las responsabilidades y diseñan los puestos de trabajo, en lugar de limitarse a proporcionar licencias de software.
Una de las medidas propuestas consiste en establecer presupuestos de atención, con límites al tiempo que una persona dedica de manera consecutiva a revisar o auditar contenidos generados por IA. La recomendación contempla bloques de trabajo de hasta 90 minutos, seguidos de pausas sin dispositivos digitales.
También se plantea modificar los indicadores clave de rendimiento (KPI). Si una herramienta permite elaborar un informe en la mitad del tiempo, el objetivo no debería ser duplicar la cantidad de documentos entregados. El margen obtenido podría destinarse a actividades de estrategia, creatividad o validación de calidad.
Otra alternativa es crear cargos especializados en curaduría de datos. Estos profesionales se encargarían de comprobar las respuestas de los sistemas y detectar alucinaciones, en lugar de trasladar a cada empleado la responsabilidad de editar y auditar todos los resultados que produce la IA.
Las recomendaciones incluyen, además, protocolos de desconexión digital que impidan enviar tareas automatizadas o resúmenes generados por inteligencia artificial fuera del horario laboral. El propósito es evitar que la velocidad de procesamiento de las máquinas termine imponiendo el ritmo de trabajo de las personas.
El estudio de UC Berkeley y Yale también apunta a que la transformación no depende exclusivamente de las herramientas disponibles. La forma en que los empleados interpretan su capacidad, distribuyen sus responsabilidades y responden a las expectativas de productividad puede convertir una tecnología diseñada para ahorrar tiempo en un mecanismo de ampliación de la jornada.
