De un vistazo
- Fuente
- Dell’Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon and Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. doi:10.1287/orsc.2025.21838
- Cómo se hizo
- Un experimento registrado de antemano. Después de una primera tarea que sirvió de medición de partida, los consultores se asignaron al azar a trabajar sin IA, con GPT-4 o con GPT-4 más una breve introducción a cómo escribir instrucciones para la IA. Experimento aleatorizado. Se asignó a las personas al azar a trabajar con o sin la herramienta, y se compararon los dos grupos.
- Quién participó
- 758 consultores de Boston Consulting Group.
- Dónde
- Una consultora de gestión mundial; tareas de consultoría realistas diseñadas con la firma.
“AI assistance improves performance for some tasks but worsens it for others, even within the same knowledge workflow and with a seemingly similar level of difficulty.” [La ayuda de la IA mejora el rendimiento en algunas tareas pero lo empeora en otras, incluso dentro del mismo flujo de trabajo del conocimiento y con un nivel de dificultad aparentemente similar.]
Qué encontró
Los autores llaman al límite de lo que la IA puede hacer una “jagged frontier” [“frontera irregular”]. Tareas que parecen igual de difíciles pueden caer a lados distintos de ella.
- Dentro de la frontera. En 18 tareas de consultoría realistas, de creativas a analíticas, los consultores que usaron IA completaron un 12,2 % más de tareas. Las terminaron un 25,1 % más rápido. La calidad de sus respuestas fue claramente más alta, más allá del azar.
- Fuera de la frontera. En una tarea compleja de gestión, los consultores que usaron IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a la solución correcta que quienes trabajaron sin ella.
Cuándo se cumple el resultado
Las mejoras se dieron en tareas que el modelo de IA de la época podía hacer bien. La pérdida apareció en una tarea elegida para quedar fuera de su alcance. Las tareas de los dos lados pueden parecer igual de difíciles, así que hay que comprobar a qué lado cae cada tarea.
Límites
- Las tareas eran realistas, pero no eran trabajo real para clientes.
- Solo se puso a prueba una tarea fuera de la frontera.
Prácticas que usan este estudio
Este estudio respalda:
- Mantenga a una persona revisando todo lo que llega a un cliente o tiene peso legal Antes de que lo que produce la IA salga de la empresa o sirva de base para una decisión, una persona concreta lo compara con fuentes reales y da su visto bueno. Haga de la revisión un paso del proceso, con tiempo reservado para ella. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Para cada tipo de tarea, compruebe si una persona con IA supera a cualquiera de las dos por separado No dé por hecho que añadir una persona a la IA, o la IA a una persona, da el mejor resultado. Compruébelo para cada tipo de tarea antes de dar por cerrado el proceso. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)