La inteligencia artificial multiplica el trabajo en lugar de reducirlo, según Harvard Business Review

Es un hecho incontrovertible: la inteligencia artificial está transformando el mundo del trabajo. Pero no necesariamente en la dirección que los ejecutivos corporativos imaginaron cuando comenzaron a invertir miles de millones de dólares en estas tecnologías.

Una investigación publicada en Harvard Business Review por Aruna Ranganathan y Xingqi Maggie Ye, investigadoras de la Haas School of Business de UC-Berkeley, arroja resultados que deberían hacer sonar las alarmas en los directorios de las empresas que adoptaron la IA generativa como promesa de eficiencia y reducción de costos.

El estudio, que siguió durante ocho meses a 200 empleados de una empresa tecnológica estadounidense, revela una paradoja inquietante: la IA no reduce el trabajo. Lo intensifica.

El ciclo de aceleración que nadie anticipó

Durante años, el discurso corporativo sobre la inteligencia artificial ha sido seductor y uniforme. La IA automatizaría las tareas rutinarias —redacción de documentos, síntesis de información, depuración de código— liberando a los empleados para dedicarse a actividades de mayor valor estratégico. Un escenario donde todos ganaban: las empresas obtenían más productividad con los mismos recursos, y los trabajadores se concentraban en tareas creativas y estimulantes.

La realidad documentada por las investigadoras de Berkeley es sustancialmente distinta.

En el estudio, los empleados trabajaron a un ritmo más acelerado, asumieron un espectro más amplio de responsabilidades y extendieron sus jornadas laborales a más horas del día. Lo notable es que lo hicieron voluntariamente, sin que la empresa se lo solicitara.

Lo que el análisis revela es la aparición de tres mecanismos de intensificación que operan de manera simultánea y se refuerzan mutuamente.

Expansión de tareas

La IA redujo las barreras de entrada a tareas desconocidas. Gerentes de producto comenzaron a programar. Investigadores asumieron trabajo de ingeniería. Diseñadores experimentaron con tareas técnicas que antes estaban fuera de su alcance.

Si bien esto empoderó a los trabajadores, también amplió sus cargas laborales y creó nuevas demandas de supervisión. Los ingenieros senior, por ejemplo, se encontraron revisando código producido por colegas novatos que ahora se sentían capaces de programar gracias a la asistencia de IA.

Difuminación de fronteras

Debido a que la IA facilitó el inicio de tareas —interactuar con un modelo generativo se siente informal, casi como conversar— los empleados comenzaron a trabajar durante descansos, almuerzos y noches. Con el tiempo, reportaron menos pausas naturales y una sensación permanente de estar “siempre disponibles”.

El umbral psicológico para comenzar a trabajar se redujo dramáticamente. Hacer un *prompt* en una herramienta de IA requiere menos esfuerzo mental que abrir un archivo en blanco y comenzar desde cero. Esa facilidad aparente erosionó los límites entre tiempo laboral y personal.

Sobrecarga de multitarea

Los empleados frecuentemente ejecutaban múltiples procesos de IA en paralelo, alternando entre trabajo manual y alternativas generadas por algoritmos. Esto creó carga cognitiva y una sensación de estar constantemente malabarando tareas, incluso cuando el trabajo parecía productivo.

Un ingeniero resumió la paradoja con claridad: “No trabajas menos. Simplemente trabajas la misma cantidad o incluso más”.

El costo invisible de la productividad aparente

Todo esto produjo un ciclo autorreflorzante que las investigadoras describen con precisión: la IA aceleró ciertas tareas, lo que elevó las expectativas de velocidad. Una mayor velocidad hizo que los trabajadores dependieran más de la IA. Mayor dependencia amplió el alcance de lo que intentaban hacer, y un alcance más amplio expandió aún más la cantidad y densidad del trabajo.

Mientras los líderes empresariales ven incrementos en la producción y asumen que la IA funciona según lo prometido, debajo de esas métricas se esconde una fuerza laboral que corre cada vez más rápido para mantenerse en el mismo lugar.

Las investigadoras advierten que los empleados frecuentemente absorben los costos ocultos de la adopción de IA sin reconocimiento formal ni compensación. El tiempo adicional dedicado a editar resultados producidos por IA, aprender nuevas herramientas, solucionar fallos y adaptar flujos de trabajo rara vez se captura en las mediciones de productividad. Es, en efecto, trabajo invisible —labor del que las organizaciones se benefician pero que se niegan a reconocer.

Esto crea un ciclo peligroso: los gerentes ven el aumento en la producción, asumen que la IA está funcionando como se anunciaba y presionan por una adopción aún mayor, intensificando aún más la carga sobre los trabajadores.

¿Productividad o burnout enmascarado?

Los datos sobre agotamiento laboral refuerzan estas conclusiones. Una encuesta de DHR Global realizada entre 1.500 profesionales corporativos encontró que el 83% experimenta *burnout*, citando cargas de trabajo abrumadoras y horas excesivas como las principales causas.

Más revelador aún: el *burnout* fue reportado por el 62% de los empleados asociados y el 61% de los trabajadores de nivel inicial, en comparación con solo el 38% entre los líderes de nivel C-suite.

Esta brecha por antigüedad sugiere que quienes toman las decisiones sobre adopción de IA pueden estar desconectados de las realidades operativas que enfrentan quienes deben hacer que estas tecnologías funcionen en el día a día.

Lo que parece un aumento de productividad puede ser, en realidad, una intensidad insostenible que eventualmente se traducirá en fatiga cognitiva, decisiones de menor calidad y rotación de personal.

Del entusiasmo tecnológico a la práctica sostenible

Las investigadoras no sugieren abandonar la IA. Proponen algo más complejo: desarrollar lo que llaman una “práctica de IA” —normas intencionales sobre cómo utilizar estas herramientas para evitar el agotamiento.

Las recomendaciones incluyen tres pilares fundamentales:

Pausas intencionales

Interrupciones estructuradas para prevenir la sobrecarga y mejorar la calidad de las decisiones. Antes de finalizar decisiones importantes, por ejemplo, requerir un contraargumento explícito y un vínculo claro con los objetivos organizacionales. Esto amplía la atención en lugar de estrecharla hacia la eficiencia inmediata.

Secuenciación coordinada

Organizar flujos de trabajo en fases coherentes en lugar de reaccionar continuamente a los resultados de la IA. Esto reduce el cambio constante de contexto y permite un trabajo más profundo y sostenido.

Anclaje humano

Proteger tiempo para el diálogo y la colaboración para contrarrestar el trabajo solitario impulsado por IA. La interacción humana no solo previene el aislamiento sino que también permite la validación colectiva de ideas que la IA no puede proporcionar.

El desafío del nuevo contrato laboral

Esta investigación plantea preguntas fundamentales sobre el futuro del trabajo en la era de la automatización inteligente.

Si la IA no reduce el trabajo sino que lo intensifica, entonces la promesa de liberación que sustenta miles de millones de dólares en inversión corporativa es, en el mejor de los casos, incompleta. En el peor, es fundamentalmente errónea.

La cuestión no es si adoptar IA —esa decisión ya está tomada en la mayoría de las organizaciones— sino cómo hacerlo de manera que preserve la sostenibilidad de la fuerza laboral y la calidad del trabajo producido.

Las empresas que prosperen no serán las que adopten la tecnología más agresivamente, sino las que la adopten más reflexivamente. Aquellas que comprendan que los aumentos aparentes de productividad pueden estar enmascarando patrones insostenibles de intensificación laboral.

Repensar el propósito de la automatización

El posicionamiento importa enormemente. Cuando la IA se presenta principalmente como una herramienta para hacer más con menos —para extraer mayor producción de los mismos trabajadores o menos— el resultado es predecible: intensificación, agotamiento y rendimientos decrecientes a medida que empleados exhaustos cometen más errores y pierden la chispa creativa que la IA no puede replicar.

Un enfoque más sostenible, como sugieren las investigadoras de Berkeley, implica repensar completamente la propuesta de valor de la IA. En lugar de usar la tecnología para maximizar el rendimiento, las organizaciones podrían usarla para mejorar la calidad del trabajo, dar a los empleados más tiempo para el pensamiento profundo y la reflexión estratégica, o reducir la carga cognitiva de tareas rutinarias sin simplemente reemplazar esa carga con nuevas demandas relacionadas con la IA.

Esto requiere una elección deliberada del liderazgo —una disposición a resistir la tentación de elevar las expectativas cada vez que se implementa una nueva herramienta.

La paradoja del progreso tecnológico

La historia de la tecnología en el lugar de trabajo está repleta de paradojas similares. Cuando las computadoras personales se volvieron omnipresentes, la predicción era que trabajaríamos menos horas. En cambio, las jornadas laborales se extendieron porque las computadoras hicieron posible trabajar desde casa, en viajes, a cualquier hora.

Cuando el correo electrónico se generalizó, la promesa era comunicación más eficiente. El resultado fue una avalancha constante de mensajes que requieren atención inmediata.

La IA generativa parece estar siguiendo un patrón familiar: una tecnología que promete eficiencia termina generando nuevas formas de intensidad laboral.

La diferencia crucial es que ahora, con décadas de experiencia en transformaciones tecnológicas fallidas, las organizaciones tienen la oportunidad de aprender de errores pasados.

El imperativo organizacional

Para los líderes empresariales, el mensaje del estudio de Harvard Business Review es claro: los aumentos de productividad generados por IA vienen con costos que no siempre son evidentes en las métricas tradicionales.

Las organizaciones deben desarrollar sistemas para:

– Monitorear no solo la producción sino también la intensidad del trabajo y el bienestar de los empleados.
– Establecer límites explícitos sobre cuándo y cómo se usa la IA para evitar la erosión de las fronteras entre trabajo y vida personal.
– Reconocer y compensar el trabajo invisible de gestión, revisión y corrección que la IA genera.
– Crear espacios para que los empleados desarrollen competencias profesionales más allá de editar y validar resultados producidos por máquinas.

Sin prácticas deliberadas que contrarresten la tendencia natural del trabajo asistido por IA hacia la intensificación, las organizaciones arriesgan fatiga cognitiva generalizada, decisiones de menor calidad y, eventualmente, la pérdida de talento valioso que busca entornos laborales más sostenibles.

La investigación de Berkeley es una advertencia oportuna. Si el sector corporativo la escucha o no, quedará por verse. Pero lo que es cierto es que las empresas que prosperen en la era de la IA no serán las que simplemente adopten la tecnología más rápido, sino las que comprendan que la verdadera ventaja competitiva residirá en crear culturas de trabajo donde la tecnología amplifica las capacidades humanas sin consumirlas.

El desafío no es tecnológico. Es humano y organizacional. Y requiere un liderazgo dispuesto a cuestionar las narrativas dominantes sobre productividad y progreso, incluso cuando esas narrativas justifican inversiones de miles de millones de dólares.