Una carpeta llena no equivale a un problema resuelto. Esa diferencia, bastante terrenal, está en el centro de una pregunta incómoda sobre la inteligencia artificial: si ayuda a producir más textos, resúmenes y propuestas, ¿cómo sabemos que también mejora el trabajo? Contar entregables resulta sencillo; comprobar que alguien pudo decidir mejor, atender una necesidad o evitar una corrección exige mirar más lejos. La oficina puede tener más documentos sin tener, necesariamente, mejores respuestas.
La tesis es simple: el valor empresarial no está en la pieza producida, sino en lo que permite conseguir y en los recursos que requiere para lograrlo. Como criterio de evaluación, esto obliga a seguir el recorrido completo: preparación, generación, revisión y uso. Un borrador rápido puede ser útil, pero su velocidad inicial dice poco si después necesita una reconstrucción. Medir únicamente esa primera etapa sería evaluar una comida por lo rápido que llegó la lista de ingredientes.
Lo que una encuesta puede decir —y lo que no—
Una señal sobre las expectativas laborales aparece en la presentación de Workforce Trends 2026, de The Adecco Group. La organización señala que su reporte recoge las voces de 37,500 trabajadores y 2,000 ejecutivos en 31 países. Entre sus mensajes destaca que los trabajadores quieren apoyo real ante la IA, no solamente más módulos de capacitación. También presenta la flexibilidad, la estabilidad y un crecimiento profesional visible como asuntos relevantes para quienes trabajan.
El alcance importa: se trata de la síntesis que la organización hace de su investigación, no de una medición experimental de productividad. El texto recuperado no ofrece resultados específicos para México ni permite comparar el rendimiento de personas con y sin IA. Sirve para documentar expectativas y formular preguntas sobre la implementación; no para concluir que una herramienta aumenta la producción, reduce costos o mejora la calidad. La distinción evita convertir una percepción laboral en una promesa comercial.
La unidad de medida no debería ser el archivo
Para evaluar una tarea conviene empezar por su propósito, antes de elegir el contador. Si el objetivo es resolver solicitudes, el número de respuestas redactadas es una medida de actividad; las solicitudes efectivamente resueltas se acercan más al resultado buscado. Si el objetivo es apoyar una decisión, conviene preguntar si el documento contiene información pertinente y verificable. No existe un indicador universal: la medida debe corresponder al problema, no a lo que el programa permite contar fácilmente.
Pensemos en un ejemplo hipotético: un equipo utiliza IA para preparar propuestas comerciales. La herramienta permite producir más versiones, pero cada una necesita comprobar precios, condiciones y compromisos. La evaluación tendría que incluir ese trabajo posterior y observar cuántas propuestas cumplen los criterios acordados. Si solo se cuentan archivos, una versión duplicada podría parecer una ganancia. Si se observa el proceso completo, la pregunta cambia: ¿se entregó algo utilizable con menos esfuerzo total y sin rebajar el estándar?
La revisión merece su propio registro. No es lo mismo ajustar un adjetivo que corregir una cifra o retirar una afirmación sin respaldo. Una comparación útil separaría errores menores, fallas que impiden usar el material y problemas que podrían afectar a clientes o decisiones. También identificaría quién corrige. El tiempo ahorrado por una persona puede convertirse en trabajo adicional para otra; dejar ese traslado fuera del cálculo haría parecer eficiente lo que únicamente cambió de escritorio.
El tiempo ahorrado necesita un destino
Incluso cuando una tarea termina antes, queda otra pregunta: ¿qué ocurre con el tiempo liberado? No equivale automáticamente a ingresos adicionales ni a una mejor experiencia para el cliente. Podría destinarse a revisar casos difíciles, aprender, atender pendientes o simplemente producir más piezas. La comparación debe registrar ese uso, no darlo por hecho. Aquí conecta la tensión entre productividad y presión laboral: acelerar una actividad y elevar continuamente la cuota son decisiones distintas.
Capacitar también es cambiar las reglas del trabajo
El énfasis de Adecco en apoyo real, más allá de módulos de capacitación, abre una discusión de gestión. Como propuesta de evaluación, ese apoyo puede traducirse en criterios claros: qué tareas admiten IA, qué información puede utilizarse, quién valida y cuándo debe intervenir otra persona. Aprender a pedir un texto no resuelve por sí mismo esas decisiones. Si el equipo desconoce qué constituye una entrega aceptable, dominar la herramienta tampoco ofrece una referencia compartida para juzgarla.
Rediseñar el proceso significa examinar qué pasos siguen teniendo sentido, no solamente añadir un asistente a todos ellos. En otro ejemplo hipotético, generar minutas más rápido aportaría poco si nadie identifica acuerdos, responsables y pendientes. La mejora podría estar en simplificar el formato o definir cómo se dará seguimiento, con o sin IA. Esa diferencia ayuda a separar dos preguntas que suelen mezclarse: si la tecnología funciona y si la organización sabe aprovechar lo que produce.
La gestión del talento entra por una puerta igualmente concreta: quién conserva oportunidades para aprender. La presentación de Adecco subraya que el crecimiento debe ser visible y personal. Llevado al diseño del trabajo, esto invita a revisar quién recibe tareas formativas y quién queda encargado de corregir salidas automáticas. No demuestra un efecto sobre la retención; plantea una comprobación útil: si la implementación permite desarrollar criterio o únicamente redistribuye labores sin explicar una trayectoria profesional.
También conviene observar la carga de coordinación. Una herramienta puede añadir otra bandeja, nuevas notificaciones o una obligación de revisar materiales que antes no existían. Son posibilidades que deben verificarse en cada implementación, no efectos inevitables de la IA. Incluir esa dimensión permite conectar la evaluación con la fatiga asociada al uso de tecnología, sin confundir bienestar con productividad ni tratar la experiencia de quienes trabajan como un asunto decorativo.
Una comparación que sobreviva a la demostración
Antes de atribuir valor a una herramienta, una organización puede acordar una comparación acotada: tareas semejantes, criterios de calidad iguales y registro del tiempo completo, incluida la revisión. Después conviene preguntar qué cambió además del software: experiencia del equipo, dificultad de los casos o instrucciones disponibles. Una mejora observada no identifica por sí sola su causa. Documentar esas diferencias ofrece una base más sólida que enfrentar una demostración cuidadosamente preparada con el recuerdo impreciso de cómo se trabajaba antes.
La pregunta final no es cuántas cosas produjo la IA, sino cuáles merecieron usarse y qué hizo falta para llegar ahí. Calidad, correcciones, coordinación y destino del tiempo forman una lectura más exigente que el conteo de entregables. También más útil: permite decidir qué conservar, qué ajustar y qué dejar de hacer. El mejor indicador no será necesariamente el más vistoso del tablero, sino aquel que acerque la conversación a un resultado que realmente importe.
