De un vistazo
- Fuente
- Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. doi:10.1093/qje/qjae044
- Cómo se hizo
- La empresa dio el asistente a distintos grupos de agentes en distintos momentos. Los investigadores compararon a los agentes que ya lo tenían con los que aún no. Estudio de campo. Sigue el trabajo real dentro de una empresa y compara al personal que tenía la herramienta con el que aún no la tenía.
- Quién participó
- 5172 agentes de atención al cliente.
- Dónde
- Atención al cliente de una empresa estudiada por investigadores de Estados Unidos; algunos agentes trabajaban desde otros países.
“Less experienced and lower-skilled workers improve both the speed and quality of their output, while the most experienced and highest-skilled workers see small gains in speed and small declines in quality.” [Los trabajadores con menos experiencia y menos cualificación mejoran tanto la rapidez como la calidad de su trabajo, mientras que los más experimentados y cualificados obtienen pequeñas mejoras de rapidez y pequeños descensos de calidad.]
Qué encontró
- Los agentes con el asistente resolvieron de media un 15 % más de consultas por hora.
- Los agentes con menos experiencia y menos cualificación ganaron rapidez y su trabajo mejoró.
- Los agentes más experimentados ganaron un poco de rapidez, y la calidad de su trabajo bajó ligeramente.
- El asistente pareció ayudar a los agentes a aprender. También mejoró el inglés de los agentes que trabajaban desde otros países.
- Los clientes fueron más educados y pidieron hablar con un responsable con menos frecuencia.
Una versión anterior del mismo estudio, publicada como documento de trabajo y con 5179 agentes, informaba de una mejora media del 14 % y del 34 % para los agentes novatos y poco cualificados (NBER Working Paper 31161). Las cifras de esta página proceden de la versión publicada en la revista.
Cuándo se cumple el resultado
El trabajo era de atención al cliente. Es frecuente, está bien definido y es fácil de medir. Las mejoras fueron mayores en problemas medianamente raros: lo bastante poco habituales para que los agentes tuvieran poca práctica, y lo bastante habituales para que la IA hubiera visto ejemplos.
Límites
- Los agentes no recibieron la herramienta al azar. La comparación se basa en el orden en que la empresa la fue implementando.
- El estudio mide la rapidez y la calidad del servicio. No mide el beneficio.
Prácticas que usan este estudio
Este estudio respalda:
- Empiece por un proceso costoso, no por una implementación en toda la empresa Elija un proceso que cueste tiempo o dinero de forma visible. Aplique allí la IA, con una persona que revise el resultado, y amplíe solo cuando las cifras se muevan. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Mida el tiempo ahorrado por tarea frente a una medición de partida Anote cuánto tarda una tarea y lo bueno que es el resultado antes de añadir la IA. Sin esa cifra de partida no podrá distinguir una mejora real de una esperanza. Hacer primero · Esfuerzo: bajo (días, una persona)
- Dé primero la ayuda de la IA al personal más nuevo Cuando implemente un asistente de IA para una tarea bien definida, empiece por las personas con menos experiencia. Los estudios muestran que son las que más ganan. Hacer después · Esfuerzo: bajo (días, una persona)
Este estudio limita o contradice: