Uno de los argumentos más repetidos sobre la automatización con inteligencia artificial (IA) es que esta tecnología iba a aumentar drásticamente la productividad en las empresas que la implementaran. Sin embargo, los datos revelan que la realidad es más compleja y depende mucho de cómo se mida esa productividad.
Por ejemplo, un estudio de IBM realizado por Forrester Consulting en 2023 destaca que la productividad mejora porque se reduce un 30% el tiempo para gestionar una incidencia. Pero lo que no se evalúa es la calidad del trabajo realizado. Y ahí es donde la IA, en lugar de aumentar la productividad, en muchos casos la está afectando negativamente.
Este problema se ha bautizado como efecto “workslop”. Según un artículo de Harvard Business Review, en muchas empresas, la adopción masiva de herramientas de IA genera entusiasmo y aparentes progresos. Pero detrás de esas cifras se esconde un problema creciente: la proliferación de contenido mediocre creado por IA, que parece bien presentado a simple vista, pero es superficial y genera más trabajo de revisión y corrección que si lo hubiera hecho una persona desde el inicio.
Un estudio reciente de BetterUp Labs junto al Stanford Social Media Lab revela que el 40% de los empleados en Estados Unidos recibieron contenidos “workslop” en el último mes, y que el 15,4% de todo lo que reciben en su trabajo corresponde a esta categoría de trabajo basura generado por IA. BetterUp calcula que el coste en revisión de este contenido ronda los 186 dólares por empleado al año, lo que para una gran corporación con 10.000 empleados significa unos 9 millones de dólares anuales.
Donde sí resulta útil la IA es en tareas rutinarias, como automatizar correos electrónicos, generar resúmenes simples o producir contenido básico. Esto ayuda a liberar la carga mental del empleado, permitiéndole enfocarse en tareas más importantes. El informe GenAI Divide (MIT, 2025) confirma que el 70% de los empleados prefiere usar la IA para comunicaciones rápidas y análisis sencillos, resaltando que “la IA ya ha ganado la batalla del trabajo sencillo”.
No obstante, cuando hablamos de proyectos complejos que requieren memoria, adaptación continua y análisis profundo, el 90% de los trabajadores prefiere seguir confiando en profesionales humanos. Investigaciones de la Universidad Carnegie Mellon y la Universidad de Duke señalan que la IA puede ser buena para dar un punto de partida a una idea, pero falla en el 70% de los casos cuando se le pide completar una tarea sin supervisión.
Además, hay un “impuesto invisible” asociado a la IA. Cada vez que un empleado recibe contenido de mala calidad generado por IA, debe dedicar tiempo extra a analizarlo, corregir errores y aclarar imprecisiones. El estudio de BetterUp Labs calcula que, en promedio, cada empleado pierde casi dos horas revisando este tipo de contenido, lo que incluso ha dado lugar a un nuevo perfil profesional: personas que antes hacían el trabajo original ahora cobran por corregir las equivocaciones del contenido generado por IA.
Desde el punto de vista social y laboral, el impacto también es negativo. El mismo estudio muestra que el 53% de los empleados se siente molesto tras recibir textos “workslop” y el 38% dice sentirse confundido. Según Forbes, cerca de la mitad cree que sus compañeros que usan este tipo de contenido son menos creativos y menos competentes, y el 42% los percibe como menos confiables, lo que afecta la reputación profesional y la colaboración en los equipos.
Este problema no proviene del uso de la IA en sí, sino de no verificar la calidad y veracidad del contenido generado antes de usarlo o enviarlo.
Por todo esto, los expertos del MIT y BetterUp Labs coinciden en que usar IA sin criterio ni supervisión, solo por seguir la tendencia tecnológica, no es una buena estrategia para mejorar la productividad. Un ejemplo claro es Google, donde aunque su CEO dice que ya el 25% del código se genera con IA, ese código debe ser revisado y corregido por ingenieros, lo que no representa un ahorro real de tiempo ni mejora significativa en la productividad. Así, usar la IA para tareas complejas que requieren supervisión suele desplazar o incluso disminuir la productividad.
En resumen, lejos de ser una solución mágica, la IA necesita usarse con sentido común y acompañada de control humano para evitar que el llamado “workslop” termine hundiendo la eficiencia en lugar de impulsarla.
