¿La IA aumenta la eficiencia laboral, pero no significa que será más fácil para ti? La investigación de Berkeley desmiente la narrativa de productividad 10X en Silicon Valley
La Escuela de Negocios Haas de la Universidad de Berkeley realizó un seguimiento a 200 empleados del sector tecnológico durante nueve meses y descubrió que las herramientas de IA no redujeron la carga de trabajo, sino que dieron lugar a un modo de trabajo de alta intensidad y multitarea, donde la carga cognitiva y el riesgo de agotamiento aumentan simultáneamente.
(Resumen previo: Descifrando «x402»: reconstruir la confianza en los pagos en la era de la IA, la copa sagrada hacia la próxima civilización de máquinas)
(Información adicional: La importancia de X402 en los pagos con stablecoins)
Índice del artículo
- Un nuevo ritmo de trabajo siempre en juggling
- Del laboratorio al mundo real
- El problema no es la IA, sino que nadie te enseña cómo usarla
- Prueba de estrés en la narrativa de la IA
- Reajustando décadas de hábitos laborales
Si en el último año has leído algún memorando de inversión en tecnología, probablemente hayas visto una narrativa similar: la IA aumentará significativamente la productividad, permitiendo a los empleados hacer menos y producir más, elevando los márgenes de beneficio de las empresas, y finalmente, los humanos podrán dedicar más tiempo a trabajos «más creativos».
Esta narrativa suena muy bien. Pero el problema es… puede que esté equivocada.
Dos académicos de la Escuela de Negocios Haas de Berkeley, Aruna Ranganathan y Xingqi Maggie Ye, publicaron en la Harvard Business Review un estudio que duró nueve meses. Desde abril hasta diciembre de 2025, siguieron a 200 empleados de una empresa tecnológica estadounidense, observando los cambios en su comportamiento tras la incorporación de herramientas de IA en su trabajo diario.
La conclusión es clara: la IA no ha reducido el trabajo, sino que lo ha intensificado.
Un nuevo ritmo de trabajo siempre en juggling
El equipo de investigación descubrió que la introducción de la IA no redujo realmente la cantidad de tareas ni las horas de trabajo. Al contrario, creó un ritmo de trabajo completamente nuevo: el «multitasking en múltiples hilos».
Específicamente: los empleados escribían código manualmente mientras la IA generaba versiones alternativas; ejecutaban varios agentes de IA para diferentes tareas; incluso retomaban proyectos abandonados, con la excusa de que «la IA puede procesarlos en segundo plano».
A simple vista, esto parecía un aumento de productividad: más proyectos en paralelo, mayor velocidad de entrega. Pero lo que observaron en realidad fue:
«Cambios constantes de atención, revisiones frecuentes de los resultados de la IA y una lista interminable de tareas pendientes. Esto genera una carga cognitiva y una sensación constante de juggling — aunque el trabajo en sí parezca productivo».
En otras palabras, los empleados efectivamente hacían más cosas. Pero también estaban más cansados. Y ese cansancio no era el típico agotamiento por exceso de trabajo, sino una sensación de estar «eficientes pero exhaustos, como si se sintieran vacíos al terminar el día».
Del laboratorio al mundo real
Los datos del estudio de Berkeley provienen de empresas, pero fuera de ellas, también se están replicando estos patrones.
Simon Willison, un desarrollador reconocido y practicante activo de grandes modelos de lenguaje (LLM), compartió en su blog personal los hallazgos del estudio y admitió que su experiencia y las conclusiones coinciden mucho. Durante años, ha compartido públicamente su flujo de trabajo con IA, y señala que puede avanzar en dos o tres proyectos simultáneamente, logrando mucho más que antes.
Pero a costa de: agotarse en una o dos horas.
También ha notado que otros desarrolladores en su entorno adoptan patrones similares: algunos, por la mentalidad de «un prompt más y listo», trabajan hasta altas horas de la madrugada, afectando su calidad de sueño. Esa sensación no es de hacer horas extras, sino de jugar un juego sin opción de guardar, donde sabes que debes parar, pero la próxima ronda es demasiado tentadora.
Cuando tanto la investigación académica como la experiencia práctica apuntan a la misma conclusión, esto deja de ser un caso aislado y se vuelve un patrón estructural.
El problema no es la IA, sino que nadie te enseña cómo usarla
La clave del estudio no está en que «la IA hace que la gente esté más cansada», sino en su diagnóstico: las organizaciones carecen de un marco estructurado para el uso de la IA.
La mayoría de las empresas, al adoptar IA, simplemente compran licencias, crean cuentas y entregan un PDF con «mejores prácticas», esperando que los empleados descubran por sí mismos cómo usarla. Es como poner un motor turbo en una bicicleta y decirle al ciclista: «Haz lo que puedas».
Los investigadores recomiendan que las empresas establezcan marcos formales de práctica de IA, que definan claramente en qué escenarios debe usarse, en cuáles no, y cómo distinguir entre «verdadera mejora de eficiencia» y «solo esfuerzo adicional sin avance real».
Prueba de estrés en la narrativa de la IA
Llevemos las conclusiones del estudio a un contexto más amplio.
Durante el último año, la narrativa de que «la IA aumenta la productividad» ha sido uno de los principales motores de la valoración del sector tecnológico. Desde Nvidia hasta Microsoft, pasando por OpenAI y startups de IA, toda la cadena de valor asume que la IA multiplicará por 2 a 10 veces la producción de cada trabajador del conocimiento, permitiendo hacer más con menos, y elevando los márgenes de forma estructural.
Pero si la investigación de Berkeley es correcta, y la verdadera consecuencia de la IA no es «hacer menos» sino «hacer más pero más cansado», entonces esa lógica de valoración necesita ser revisada.
La mejora en productividad y el aumento en la intensidad laboral no son lo mismo. La primera reduce costos y aumenta beneficios; la segunda, si bien puede incrementar la producción a corto plazo, a largo plazo puede generar agotamiento, rotación y deterioro de la calidad.
Aplicando el hallazgo de Berkeley a los modelos de negocio, la IA no necesariamente aumentará los márgenes, sino que redistribuirá los costos laborales: mayores gastos en capacitación, salud mental y reemplazo de personal.
Por supuesto, esto no significa que la IA no tenga valor. Lo tiene, pero quizás no en «hacer que las personas trabajen menos», sino en «hacer que trabajen diferente». Y trabajar diferente no siempre significa trabajar más fácil.
Reajustando décadas de hábitos laborales
La investigación también implica un aspecto poco discutido: el período de adaptación. Willison también señaló esto en su publicación.
Las normas actuales sobre cómo distribuir la atención, cómo medir el rendimiento y cómo definir la carga laboral diaria son el resultado de décadas de construcción. La explosión de la IA entre 2023 y 2025 exige que toda la economía del conocimiento reaprenda a trabajar en solo dos años.
Este proceso de reaprendizaje no ocurrirá automáticamente; requiere un diseño consciente de las organizaciones, una actualización en la percepción de los líderes y, lo más importante, aceptar que «más producción» y «mejor trabajo» son cosas completamente distintas.
En Silicon Valley, se habla mucho del «ingeniero 10x» — aquel que produce diez veces más que sus colegas. La promesa de la IA es que todos puedan convertirse en 10x. Pero esta investigación nos advierte: quizás lo que obtengamos no sea una productividad 10 veces mayor, sino 10 veces más agotamiento… ¿Qué opinas tú?