IA generativa en el trabajo: Más velocidad, mejor calidad y menos brechas

En 2023, dos economistas del MIT llevaron a cabo uno de los primeros experimentos controlados aleatorizados para medir el efecto de la IA generativa —concretamente ChatGPT— en tareas profesionales reales de escritura. 

La conclusión central es potente y matizada a la vez: con acceso a la herramienta, los profesionales trabajan más rápido y con mejor calidad, y además la tecnología achata las brechas de desempeño entre personas. Pero ese salto de productividad no ocurre como muchos imaginan. 

Qué midió exactamente el estudio

El equipo reclutó a 444 profesionales con educación universitaria de ocupaciones como marketing, redacción de subvenciones, consultoría, análisis de datos, RR. HH. y gestión. Cada persona resolvió dos tareas de 20–30 minutos (p. ej., un comunicado de prensa, un informe breve, un plan de análisis o un email delicado) con incentivos económicos fuertes por calidad. La mitad fue asignada aleatoriamente a usar ChatGPT entre la primera y la segunda tarea; la otra mitad fue guiada a registrarse en Overleaf (control). La calidad la evaluaron tres profesionales “ciegos” por pieza, con correlación interevaluador promedio de 0,44.

Las cifras clave de productividad

• Velocidad: el tiempo cayó 10 minutos en la segunda tarea —de 27 a 17 minutos—, un 37% menos frente al grupo de control. En términos normalizados, una mejora de -0,83 desviaciones estándar en tiempo.

• Calidad: las calificaciones promedio subieron 0,45 desviaciones estándar (mejoras similares en calidad de redacción, contenido y originalidad). La distribución completa se desplazó hacia la derecha: no es solo un puñado de casos.

• Medición de productividad: se definió como ingresos por minuto (dado el esquema de incentivos), y la intervención elevó ese indicador de forma “dramática”.

¿Quién se beneficia más? Menos desigualdad entre trabajadores

En el grupo de control, quien fue bueno en la primera tarea suele volver a serlo en la segunda (correlación 0,49). Con ChatGPT, esa persistencia se reduce a 0,25: los de menor desempeño inicial mejoran más en calidad y además ahorran tiempo, mientras que los de desempeño alto mantienen la calidad pero se vuelven mucho más rápidos. En síntesis, la IA comprime la distribución de productividad.

Lo que realmente cambia en el flujo de trabajo

Antes del tratamiento, los participantes distribuían su tiempo en 25% ideación, 50% borrador y 25% edición. Con ChatGPT, el tiempo dedicado a “escribir el primer borrador” se reduce a la mitad, y el de edición se más que duplica. Es decir, la herramienta traslada el esfuerzo desde teclear desde cero hacia revisar y pulir.

¿Sustituto o complemento del esfuerzo humano?

Para esta clase de tareas, predomina la sustitución de esfuerzo más que la “simbiosis” humano-máquina:

• 68% de quienes usaron la herramienta entregaron el primer output de ChatGPT sin editar.

• Tras pegar un gran bloque de texto (aparentemente del modelo), el tiempo “activo” adicional promedio fue de 3 minutos.

• No hubo mejores calificaciones cuando la persona invirtió más tiempo editando, y las notas promedio no superaron a las del texto “crudo” de ChatGPT que los autores dieron a evaluar.

• Este patrón encaja con la gran caída de tiempo y la mejora moderada de calidad: la IA acelera el “primer kilómetro” y el humano corrige lo justo para que el resultado cruce el estándar.

Más allá del laboratorio: adopción y percepciones

Dos semanas después, 33% del grupo tratado declaró haber usado ChatGPT en su trabajo real la semana anterior, frente a 18% del control. Quienes no lo usaban citaban sobre todo falta de contexto específico (información de clientes, producto, datos en tiempo real). En uso real, la utilidad percibida fue 3,65/5, algo menor que en la tarea corta del experimento, coherente con tareas más largas y complejas en el día a día.

En el plano subjetivo, la satisfacción con la tarea subió ~0,40 desviaciones estándar; la autoeficacia aumentó modestamente (~0,20 DE). La experiencia incrementó tanto la preocupación por el reemplazo (+0,26 DE) como la emoción por la mejora (+0,39 DE), con un saldo de optimismo neto (+0,20 DE). Bienvenidos a la ambivalencia informada.

Qué significa (y qué no) para la productividad de tu organización

• Casos ideales: tareas autocontenidas, de redacción profesional y estándares explícitos (comunicados, emails complejos, briefs, informes cortos). Ahí la ganancia en tiempo es muy alta y el nivel de calidad requerido es alcanzable con prompts y edición ligera.

• Efecto en talento: la IA eleva especialmente a los menos productivos y acelera a los más productivos. Esto puede reconfigurar equipos y procesos de revisión: menos tiempo de “tecleado”, más curaduría y control de calidad.

• Governanza del contenido: dado que gran parte del valor proviene de “entregar el primer output”, conviene establecer políticas de edición mínima, verificación factual y estándares de voz de marca, para evitar errores y uniformidad excesiva. El propio estudio observa ediciones limitadas por parte de los usuarios.

• Adopción realista: fuera del laboratorio, la falta de contexto frena el uso. Integrar la IA con fuentes internas (guidelines, bases de conocimiento) y sistemas de datos aumenta el rendimiento en tareas largas y situadas.

Precauciones metodológicas (y por qué importan)

Los autores señalan límites importantes: las tareas fueron cortas y con poco contexto específico, por lo que los efectos podrían sobreestimar la utilidad en escenarios complejos; el experimento captura efectos directos e inmediatos, no los impactos de equilibrio general (salarios, organización del trabajo, calidad a largo plazo). En otras palabras, la IA ya mueve la aguja en productividad individual, pero su efecto macro dependerá de cómo rediseñemos procesos y roles.

En una línea

Para tareas profesionales de escritura, ChatGPT acorta el camino al primer borrador, mejora la calidad suficiente y reduce brechas entre personas. El retorno empresarial llegará si las organizaciones convierten esa velocidad bruta en capacidad sostenida: procesos de edición, verificación, integración de contexto y formación específica en prompting.

Leer más en:

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4375283

https://arxiv.org/abs/2302.06590

Para consultas sobre servicios y capacitaciones, completa el formulario a continuación: