La inteligencia artificial consume 6,4 horas semanales de supervisión por cada empleado que la utiliza, anulando gran parte del tiempo que prometía ahorrar. Así lo revela el Work AI Index del instituto Glean, elaborado por investigadores de Stanford, Berkeley y Notre Dame. El hallazgo contradice la narrativa dominante: solo el 13 % de las empresas percibe un incremento real de productividad, mientras los trabajadores creen recuperar 11 horas semanales con la automatización. La diferencia la explica una nueva tarea invisible que los autores bautizan como botsitting y que las compañías españolas empiezan a sufrir en sus cuentas de explotación.
Claves de la operación
- 6,4 horas semanales por empleado se destinan a vigilar y corregir a la IA. El tiempo que se gana con los modelos generativos se transforma en una segunda jornada de revisión de alucinaciones, reescritura de prompts y limpieza de resultados. Casi un día laboral completo se evapora en tareas de control.
- El 69 % de los trabajadores ha entregado contenido generado por IA sin verificar. La presión de los plazos empuja al botshitting, una práctica que traslada el coste de calidad al siguiente eslabón de la cadena. La confianza ciega en los algoritmos deteriora el trabajo y dispara el retrabajo.
- Solo el 13 % de las empresas obtiene ganancias netas de productividad con la IA. La paradoja del botsitting revela que la adopción masiva no basta: las organizaciones que invierten en infraestructura humana reducen el agotamiento un 64 % y las entregas no revisadas un 52 %.
El botsitting —un juego de palabras con «canguro de robots»— abarca desde proporcionar contexto a las herramientas hasta relanzar consultas fallidas y depurar las alucinaciones que los modelos introducen con aparente naturalidad. Rebecca Hinds, directora del Work AI Institute, lo califica como «un trabajo a menudo tedioso y agotador que nadie mide ni recompensa». La consecuencia directa es que las once horas que el 75 % de los encuestados creía ahorrar no desaparecen: se reciclan en una vigilancia silenciosa que los presupuestos no contemplan.
El ‘toggle tax’: cuando saltar entre herramientas multiplica los costes
El estudio advierte de otro lastre invisible. El 77 % de los empleados maneja varias herramientas de IA cada semana y un tercio combina cuatro o más. Cada salto de una aplicación a otra implica reescribir instrucciones, recuperar contexto y volver a validar resultados. Los investigadores llaman a este fenómeno toggle tax o impuesto cognitivo de cambiar de pantalla: el 46,5 % de los trabajadores utiliza dos o más sistemas para completar una sola tarea. Harvard Business Review ya cifró el coste del cambio de contexto y McKinsey calculaba que se pierden casi dos horas diarias buscando información entre bandejas de entrada y chats. La IA, lejos de simplificar, añade otra capa a ese caos.
La fragmentación se agrava en entornos corporativos españoles donde las primeras implantaciones de IA generativa han sido departamentales y rara vez integradas. «La mayoría de los casos arrancan con un piloto que luego convive con las herramientas previas», observamos en esta redacción. El resultado es una acumulación de aplicativos que dispersan la atención y ocultan el verdadero coste de la supervisión. Las áreas financieras deberían empezar a cuantificar las horas de botsitting si quieren que el retorno de la inversión en IA deje de ser una ilusión óptica.
El tiempo que la IA ahorra se convierte en un préstamo que hay que devolver con intereses en forma de supervisión no retribuida.
España ante el espejo: la paradoja de Solow en clave de inteligencia artificial
La economía española arrastra desde hace décadas una brecha de productividad que las grandes inversiones en tecnología no han conseguido cerrar. El Nobel Robert Solow acuñó en 1987 la frase «se ve la era de los ordenadores en todas partes menos en las estadísticas de productividad». Hoy, con la IA generativa irrumpiendo en los consejos de administración, el riesgo de repetir esa paradoja es real. Los datos del Work AI Index aportan una explicación concreta: no basta con instalar modelos, hay que sostener la infraestructura humana que los hace fiables y que, de momento, pocos presupuestan.
En 2024, la Estrategia Nacional de Inteligencia Artificial fijó como objetivo que el 25 % de las empresas españolas utilizase IA en sus procesos. El avance en adopción es palpable, pero el informe de Glean sugiere que las métricas de éxito deberían medir también las horas de supervisión y el porcentaje de entregas no revisadas. De lo contrario, los cuadros de mando mostrarán una mejora ficticia mientras la carga real de trabajo se eleva.
El regulador, a través de la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), empieza a exigir transparencia sobre los sistemas de IA de alto riesgo. Sin embargo, la productividad laboral no aparece aún en los indicadores de cumplimiento. Incorporarla permitiría a las compañías anticiparse a la fatiga que provoca el botsitting y a las pérdidas de calidad que el estudio documenta. Entre tanto, los convenios colectivos apenas contemplan la compensación de este nuevo tipo de carga cognitiva.
El éxito no está en más algoritmos, sino en las personas que los doman
Bob Sutton, profesor emérito de Stanford y miembro del Work AI Institute, recuerda que la reacción instintiva de muchas direcciones ante la fricción es añadir más tecnología. Los datos lo desmienten: las organizaciones que lideran la productividad con IA no son las que más herramientas despliegan, sino las que han tejido lo que los autores llaman «infraestructura humana». El 53 % de los trabajadores afirma que la información que necesita no llega por los canales de IA. Allí donde sí llega, el agotamiento cae un 64 % y la probabilidad de entregar trabajo sin revisar se reduce un 52 %. La diferencia está en la formación, la integración y el reconocimiento de la tarea invisible de cuidar al bot.
España cuenta con ejemplos en sectores como la banca o las telecos, donde la implantación de asistentes virtuales se ha acompañado de equipos de supervisión. Sin embargo, la mayoría de las pymes carece de recursos para sostener esa capa humana, lo que puede abrir una nueva fractura de productividad entre grandes corporaciones y el tejido empresarial más extendido. Las patronales deberían trasladar al diálogo social la necesidad de medir y remunerar el botsitting si quieren que la digitalización no se traduzca en más horas no pagadas.
La paradoja que dibuja el informe es nítida: la IA no libera de trabajo, lo transforma en una tarea oculta que los sistemas de medición actuales ignoran. Mientras el 69 % admite haber colado material sin revisar por la presión del plazo, la cadena de producción asume un coste que termina recayendo en el eslabón más débil, habitualmente el empleado que no generó el contenido pero tiene que limpiarlo. La productividad, una vez más, se esfuma en los intersticios que los balances no miran.
