Usuarios de IA trabajan hasta 90 minutos extra al día, según un estudio

Qué ha ocurrido

Según un nuevo estudio recogido por TechRadar, las personas que utilizan IA en su trabajo dedican hasta 90 minutos adicionales cada día, pese a las ganancias de productividad que se venían prometiendo. El dato sugiere que la simple adopción de herramientas de IA no demuestra por sí misma que se esté ahorrando tiempo.

El hallazgo cuestiona una suposición extendida en muchas organizaciones: que usar una tecnología equivale a ser más eficiente. La cobertura resume la idea central con una frase que apunta a que el objetivo no puede limitarse al uso de la IA.

La información disponible procede de una única fuente, TechRadar, por lo que la metodología del estudio y su alcance exacto no pueden verificarse a partir de este material.

Por qué importa

Para líderes de experiencia, IA y transformación digital, la lección es que despliegue y valor no son lo mismo. Si el tiempo que la IA debía liberar acaba absorbido por el propio trabajo, el coste se traslada a la experiencia: más carga para los equipos, más revisiones de resultados y menos margen para atender bien al cliente.

Desde la economía del comportamiento, este patrón encaja con la distancia entre la sensación de progreso y el resultado real. Una herramienta que parece acelerar cada tarea puede generar nuevas comprobaciones, correcciones y comunicaciones que no aparecen en ningún indicador de adopción. Esto apunta a que las organizaciones podrían medir resultados concretos, como tiempo por tarea, calidad del servicio y reprocesos, en lugar de conformarse con métricas de uso.

La perspectiva de Renascence

Esta historia trata menos de la IA que del diseño del trabajo. Cuando una herramienta se incorpora a un flujo sin rediseñarlo, el esfuerzo suele desplazarse en lugar de desaparecer.

La adopción es un indicador de actividad, no de valor. Lo que la mayoría pasará por alto es que el tiempo extra puede ser el síntoma de procesos que nadie rediseñó alrededor de la herramienta. El principio de diseño de servicios aquí es sencillo: optimizar el resultado para quien recibe el servicio, no para la actividad de quien lo presta. Un operador centrado en el cliente debería empezar por medir cuánto tarda en resolverse lo que le importa al cliente antes de ampliar el uso de la IA.