Hablar de productividad con IA en el trabajo se ha vuelto incómodo, y por una razón sana: ya hay datos. Durante dos años todo eran promesas de proveedor; ahora existen encuestas grandes, ensayos controlados e informes de bancos centrales que miden qué pasa cuando un equipo real usa estas herramientas. La conclusión resumida es que la IA sí devuelve tiempo, que ese tiempo es menos del que parece, y que casi nunca llega solo a la cuenta de resultados.
Si diriges un equipo, esa tercera parte es la que te interesa. Este artículo repasa lo que dicen los estudios publicados, dónde se evapora el ahorro y qué tiene que ocurrir dentro de una organización para que las horas ganadas se noten en algo más que en la sensación de ir más rápido.
1. Lo que dicen los datos (y lo que no dicen)
1.1 Tres horas a la semana, según el BCE
El dato más sólido publicado hasta ahora en Europa viene del Banco Central Europeo. En agosto de 2026 publicó AI adoption and the productivity promise: what workers report, un trabajo dirigido por António Dias Da Silva con una encuesta a 20.000 trabajadores de 11 países de la zona euro. El resultado: quienes usan IA declaran liberar unas 3 horas a la semana, el equivalente al 7,7% de su tiempo de trabajo.
El mismo estudio mide la adopción, y ahí el salto es notable: del 26% de empleados de la eurozona en 2024 al 56% en 2026. En dos años la IA ha pasado de minoría curiosa a mayoría silenciosa. Eso significa que, con formación o sin ella, la mitad larga de tu plantilla ya está metiendo trabajo de la empresa en un chat de IA.
Pero el BCE añade una advertencia que suele caerse de los titulares: ese tiempo solo se convierte en productividad si los trabajadores transforman las horas liberadas en más producción, en lugar de dedicarlas a actividades menos productivas. Es una condición, no un automatismo.
1.2 La percepción va por delante del resultado
La percepción individual es abrumadoramente positiva. El Ipsos AI Monitor 2026, con datos de 32 países, encontró que el 62% de los trabajadores afirma que la IA le ahorró tiempo en los últimos doce meses. Y hay una brecha generacional grande: 68% en la generación Z y 65% en los millennials, frente al 57% de la generación X y el 46% de los baby boomers.
Ahora pon eso al lado del dato de empresa. Según el informe de Bain & Company Your AI Budget Is Growing. Your Returns Aren't (2026), sobre 951 compañías, el 37% se propuso reducir costes entre un 11% y un 20% con IA, pero casi el 40% de las que midieron obtuvo retornos de entre el 0% y el 10%.
Los empleados sienten que ganan tiempo y las empresas no encuentran el retorno. Las dos cosas pueden ser ciertas a la vez, y normalmente lo son: el problema no está en la herramienta, está en el trayecto entre una y otra.
1.3 El estudio incómodo: cuando la IA hace más lento
Conviene conocer el contraejemplo, porque vacuna contra el entusiasmo. METR publicó en julio de 2025 un ensayo aleatorizado con 16 desarrolladores de software con experiencia, trabajando sobre sus propios repositorios grandes (más de 22.000 estrellas, más de un millón de líneas de código) en 246 tareas reales.
Los participantes esperaban ir un 24% más rápido con IA. El resultado medido fue que tardaron un 19% más. Y lo más revelador: después del experimento seguían creyendo que la IA les había acelerado un 20%.
Ese estudio es sobre un perfil muy concreto —expertos en su propio código, un terreno donde el contexto acumulado del humano es enorme— y no se puede extrapolar a un departamento de marketing o de administración. Pero deja una lección que sí es general: la sensación de productividad no es una medida de productividad. Si tomas decisiones de inversión basadas en lo contentos que están tus equipos, puedes estar comprando humo caro.
2. El impuesto oculto: el tiempo que se va en corregir
2.1 El 40% que no aparece en el titular
El estudio Beyond Productivity de Workday, basado en encuestas a 3.200 directivos y empleados en varios países, puso nombre al agujero: el "impuesto oculto" de la IA. Cerca del 40% del tiempo ahorrado se pierde después revisando, corrigiendo y rehaciendo lo que la herramienta ha generado.
Haz la cuenta con el dato del BCE. Si la IA libera 3 horas a la semana y el 40% se va en corregir, el ahorro neto queda en algo menos de 2 horas. Sigue siendo mucho —son cerca de 90 horas al año por persona—, pero es la mitad de lo que promete cualquier presentación comercial.
2.2 En España: quién paga ese impuesto
Los datos españoles del mismo informe (más de 100 participantes en España) dibujan un cuadro reconocible:
- El 74% de los profesionales españoles dice sentirse más productivo gracias a la IA.
- El 85% de quienes la usan declara ahorrar entre 1 y 7 horas semanales, con una media de 1 a 3 horas en tareas repetitivas y administrativas.
- El 42% dedica hasta una hora a la semana a revisar, corregir o reformular resultados de IA.
- Los trabajadores de 25 a 34 años concentran el 46% de los casos con mayor carga de revisión: son quienes acaban actuando de auditores a tiempo parcial de la máquina.
El detalle sectorial también encaja con lo que se ve en la práctica: en recursos humanos, un 38% necesita revisar los resultados por tasa de error alta; en perfiles técnicos, un 32% aumentó el uso con mejor integración y menos correcciones. Donde hay criterio para pedir bien y para juzgar la respuesta, el impuesto baja.
3. Por qué el tiempo ganado no llega a la cuenta de resultados
3.1 El tiempo liberado tiene que ir a algún sitio
Esta es la advertencia del BCE dicha en cristiano: veinte minutos sueltos no son productividad. Si una persona termina un informe media hora antes y esa media hora se disuelve en correo, mensajería y una reunión que ya existía, la empresa no ha ganado nada medible. Ha ganado una jornada un poco menos tensa, que no es poco, pero no aparece en ningún indicador.
El tiempo recuperado solo se convierte en algo cuando hay un destino decidido de antemano: más visitas comerciales, menos horas extra, cerrar el mes antes, atender más casos con el mismo equipo. Esa decisión es de dirección, no del empleado que usa la herramienta. Es exactamente el tipo de cosa que se decide al implantar la IA en una empresa con un plan, y no cuando cada uno se instala lo que quiere.
3.2 La productividad individual no se suma sola
El segundo motivo de fuga es de proceso. Si el comercial redacta sus propuestas en la mitad de tiempo pero el cuello de botella está en que legal tarda cinco días en revisarlas, la propuesta sale igual de tarde. Has acelerado un tramo de la cadena que no era el que limitaba.
De ahí que las ganancias reportadas por personas casi nunca cuadren con las que ve la dirección. La productividad de un equipo no es la suma de las productividades individuales: es lo que deja pasar su punto más lento. Antes de comprar licencias para todos, merece la pena saber dónde se atasca de verdad el trabajo.
Repartir una herramienta entre cien personas sin tocar el proceso da cien mejoras pequeñas e invisibles. Aplicarla al cuello de botella da una mejora que se ve en el calendario.
4. Dónde sí aparece la productividad
Los estudios coinciden bastante en qué tareas rinden. No es magia: son tareas con mucho texto, criterio acotado y un humano capaz de juzgar el resultado en segundos.
4.1 Redacción y comunicación
Es el terreno con ganancias más consistentes en la literatura: correos difíciles, propuestas, resúmenes para dirección, respuestas a clientes. El motivo es que el coste de arrancar desde cero es alto y el coste de revisar un borrador es bajo. Aquí la IA no sustituye al criterio; sustituye a la página en blanco.
La condición es que el borrador salga con la voz de la empresa y no con la voz genérica de un chat. Eso depende casi por completo de cómo se le pide: contexto, destinatario, tono y ejemplos previos. En la sección de ejemplos de la portada tienes prompts completos de este tipo, listos para copiar y adaptar.
4.2 Lectura y síntesis
La segunda familia clara: leer mucho y devolver poco. Pliegos, actas, informes de proveedores, hilos de correo de tres semanas, respuestas abiertas de una encuesta de clientes. Es trabajo que consume horas de gente cara y que rara vez tiene valor por sí mismo.
Aquí el impuesto de corrección es bajo si se pide bien —citando de dónde sale cada afirmación— y alto si se pide un resumen a ciegas y se firma sin mirar. La diferencia entre las dos formas de pedirlo se aprende en una tarde.
4.3 Preparar decisiones
La tercera es la menos obvia y la que más nota un responsable: usar la IA para llegar a la reunión con las preguntas hechas. Contrastar dos ofertas, listar los riesgos de una decisión, anticipar las objeciones del comité. No decide la máquina; llega más preparado quien la usa.
Es también el uso con menos riesgo de "impuesto oculto", porque el resultado no se publica ni se envía a nadie: se usa para pensar y se descarta.
5. Cómo saber si en tu equipo está pasando algo
No hace falta un cuadro de mando. Con tres preguntas, respondidas con datos aunque sean toscos, ya se distingue una mejora real de una sensación:
- ¿Qué tarea concreta, con nombre y dueño, tarda menos que hace tres meses? Si nadie sabe nombrar una, no hay ganancia; hay entusiasmo.
- ¿Cuánto tiempo se dedica a corregir lo que sale? Preguntarlo directamente al equipo, sin juzgar. Si nadie corrige nada, es peor señal que si corrigen mucho: significa que se está publicando sin revisar.
- ¿Dónde ha ido el tiempo liberado? Si la respuesta es "no sé", ya tienes la explicación de por qué la dirección no ve el retorno.
Un detalle que casi nadie mira: pregunta también quién ha dejado de usarla. El abandono silencioso después de dos semanas es el síntoma más fiable de que la herramienta se repartió sin enseñar a usarla.
6. El eslabón que falta es casi siempre el mismo
Vuelvo al dato español del informe de Workday, que a mi juicio es el más importante de todos los citados aquí: solo el 37% de quienes usan IA con regularidad tiene acceso a formación, pese a que el 66% de los directivos a nivel global dice que las competencias son una prioridad. Y aunque el 68% de los líderes españoles afirma reinvertir en formación lo que ahorra con IA, solo el 53% de los empleados percibe ese esfuerzo.
Ahí está el círculo completo: se compran licencias, la gente las usa como puede, gana algo de tiempo, pierde el 40% corrigiendo, nadie decide dónde va lo que queda, y a los seis meses dirección concluye que "la IA no ha servido para tanto". El fallo no estuvo en la herramienta ni en las personas: estuvo en que nadie enseñó a delegar bien una tarea ni a revisar lo que vuelve.
El coste de una licencia es fijo. Lo que varía —entre un 10% y un 90% de aprovechamiento— es lo que sabe hacer la persona que la tiene delante.
Si estás en ese punto, dos siguientes pasos razonables. Uno gratis: pasar por la guía para empezar con Claude y probar tú mismo, con una tarea real de tu semana, cuánto tiempo neto te devuelve y cuánto te cuesta corregirla. Y otro de decisión: leer los criterios para elegir formación en IA para empresas antes de contratar nada, porque la mayor parte de lo que se vende ahí fuera son diapositivas.
En Claudio Academy trabajamos en directo, a medida y en español, con empresas y equipos, sobre las tareas reales de cada uno. Si quieres que le echemos un vistazo a tu caso, déjanos tu email y te contactamos.
¿Y en tu empresa, por dónde empezaríais?
Hacemos training & strategy de IA para C-level: sesiones hands-on para encontrar dónde crea valor en vuestro negocio, con un shortlist priorizado y las métricas para juzgarlo. En directo, a medida y en español. Déjanos tu email y te contactamos sin compromiso.