Mida el tiempo ahorrado por tarea frente a una medición de partida

Qué es

Antes de añadir la IA, anote la cifra que quiere mejorar: minutos por caso, casos por hora, tasa de errores. Esa cifra es su medición de partida. Cuando la IA ya esté funcionando, mida lo mismo de la misma forma y compare.

Qué muestra la evidencia

Los resultados publicados varían mucho, así que la cifra de otro le dice poco sobre la suya.

• Un experimento con tareas de redacción encontró una reducción del 40 % del tiempo.
• Un estudio con agentes de atención al cliente en su trabajo real encontró un 15 % más de consultas resueltas por hora.
• Un estudio del mercado laboral danés no encontró cambios en los ingresos ni en las horas. Una versión anterior situaba el ahorro medio de tiempo en el 2,8 %.

Los tres no se contradicen. Los dos primeros estudios midieron una tarea bien elegida. El tercero midió a todas las personas que tenían acceso a un chatbot.

Las estimaciones de las propias personas son una mala guía, así que mida en lugar de preguntar.

• El personal puede sentirse más rápido y ser más lento. En un ensayo aleatorizado con 16 programadores con experiencia, en cada una de 246 tareas reales se permitió o se prohibió al azar el uso de la IA. Las tareas llevaron un 19 % más de tiempo con IA. Antes, los programadores esperaban que la IA los hiciera un 24 % más rápidos. Después, creían que los había hecho alrededor de un 20 % más rápidos.
• Las cifras autodeclaradas a escala nacional son pequeñas. En una serie de encuestas en línea a adultos de Estados Unidos que llevan los economistas Bick, Blandin y Deming, las personas con empleo situaron el tiempo que les ahorra la IA generativa en el 2,17 % de todas sus horas de trabajo en el segundo trimestre de 2026. Esa cifra es autodeclarada.

La rentabilidad declarada es otra cosa distinta. En una encuesta de IDC para Microsoft, que vende herramientas de IA, los directivos declararon una rentabilidad media de 3,50 dólares por cada dólar invertido en IA. Esa cifra es lo que dijeron los directivos, no una medición. Cuando se preguntó a cerca de 6000 directivos de cuatro países, nueve de cada diez no declararon ningún efecto de la IA en la productividad ni en el empleo de su empresa en los últimos tres años.

Cómo hacerlo

1. Elija una o dos medidas por tarea: el tiempo por caso y una medida de calidad.
2. Regístrelas durante unas semanas antes del cambio. Use los registros de los sistemas siempre que pueda, no estimaciones. No puede reconstruir una medición de partida después. Cuando el ensayo con programadores de arriba se repitió en 2026, muchos programadores no quisieron trabajar sin IA, y entre el 30 % y el 50 % se guardó las tareas que no querían hacer sin ella, así que la comparación falló. En cuatro centros de endoscopia de Polonia, la tasa de detección de los médicos en las colonoscopias hechas sin IA ya había bajado del 28,4 % al 22,4 % tres meses después de la llegada de la IA. Una cifra “sin IA” tomada después de la implementación hace que la IA parezca mejor de lo que es.
3. Cambie una sola cosa cada vez.
4. Vuelva a medir cuando las personas hayan superado el periodo de aprendizaje.
5. Si puede, mantenga un grupo que trabaje a la manera antigua para comparar. Organícelo al principio. Cuando las personas se acostumbran a la herramienta, rechazan la manera antigua o eligen qué tareas pasan por ella.
6. Cuente el tiempo de revisión y corrección como parte del nuevo proceso.
7. Comunique el resultado aunque sea pequeño o negativo.

Qué medir

• El tiempo por caso o los casos por hora.
• Una medida de calidad: tasa de errores, trabajo rehecho, quejas de clientes.
• El tiempo de revisión que añade la IA.
• Las ventas o los honorarios por trabajo, y si cambiaron sus precios. El tiempo ahorrado y el dinero ganado pueden ir por caminos distintos. Entre las pequeñas empresas con empleados de Estados Unidos que usan IA, el 71 % dijo en una encuesta de la Federal Reserve que su productividad había subido, y el 31 % que sus ventas habían subido.
• El gasto externo evitado. En la misma encuesta, el 18 % de las empresas que usan IA había reducido su gasto en servicios externos.
• El trabajo que antes no se hacía: consultas sin respuesta, productos sin descripción. En experimentos aleatorizados en una gran plataforma de comercio minorista en línea, la mayor mejora de ventas, un 16,3 %, vino de un chatbot que respondía a compradores que antes no tenían ninguna ayuda en directo.
• Una medida objetiva de la calidad, no solo las valoraciones de los clientes. En un experimento de campo en la atención al cliente de Alibaba, la ayuda de la IA mejoró las valoraciones de los clientes, pero los clientes volvían con el mismo problema con la misma frecuencia. El estudio es un documento de trabajo, aún sin revisión por pares.
• La producción por día, cuando las personas llevan varias tareas de IA a la vez. En la repetición de 2026 del ensayo con programadores, el tiempo por tarea dejó de ser fiable cuando los programadores hacían funcionar varios agentes de IA en paralelo.

Para ver cuántos minutos a la semana debe ahorrar cada persona para cubrir los costos, introduzca sus cifras en ¿Será rentable la IA?.

Dónde falla

• Ahorros de tiempo autodeclarados. Las estimaciones de las personas pueden equivocarse en la dirección, no solo en el tamaño. Los programadores de arriba se sentían más rápidos y eran más lentos. Dos evaluaciones del Gobierno del Reino Unido sobre el mismo asistente de oficina tampoco coinciden. En el conjunto de la administración, los usuarios dijeron que Microsoft 365 Copilot les ahorraba 26 minutos al día. HMRC, la administración tributaria del Reino Unido, dio 3000 licencias a personal elegido al azar y rebajó las cifras autodeclaradas alrededor de un 20 % para corregir el sesgo. Encontró unos 60 minutos a la semana. Las dos cifras son lo que dijo el personal. Vea la verificación de cifras sobre los 26 minutos. Use registros o muestras cronometradas.
• Velocidad sin calidad. Un proceso más rápido que produce más errores no es una mejora.
• Tiempo ahorrado que no va a ninguna parte. Los minutos ahorrados por tarea solo importan si ese tiempo se aprovecha. En un experimento de campo con 7137 trabajadores de 66 empresas, los trabajadores que recibieron un asistente de IA de oficina dedicaron unas dos horas menos a la semana al correo electrónico, y la cantidad y la combinación del resto de su trabajo no cambiaron. Tres de los cuatro autores trabajaban para Microsoft, que vende el asistente. Decida de antemano en qué se usará el tiempo.
• Facturar por horas. Si cobra a los clientes por tiempo, una hora que ahorra la IA es una hora que ya no puede facturar, salvo que cambie su forma de fijar precios. Clio, que vende software jurídico, informa de que en su encuesta de 2026 el 86 % de los abogados que ejercen solos y el 78 % de los pequeños despachos no había cambiado sus precios por la IA. Antes de contar el tiempo ahorrado como una ganancia, decida si cobrará por trabajo, con una tarifa fija o por horas, y qué supone eso para sus honorarios.
• Trabajo difícil de contar. En un trabajo experto y variado, compare muestras de lo producido, no minutos.

Según el tamaño de la empresa

• Micro y pequeña: basta una hoja de cálculo y un recuento de dos semanas. Anote en la misma hoja sus ventas o sus honorarios por trabajo. Si factura por horas, decida cómo fijará sus precios antes de dar por ganado el tiempo ahorrado.
• Mediana-grande y gran empresa: use los datos de los sistemas de gestión del trabajo, y acuerde las medidas con finanzas antes de que empiece el proyecto, para que el resultado se acepte después.

Véala aplicada

• Ejemplo práctico Mediciones y puntos de decisión en un plan piloto de 90 días Cada etapa parte de una medición de partida y dice qué medir antes de pasar a la siguiente.

Casos de empresas

Empresas que lo hicieron

• Ashurst El despacho cronometró tareas fijas en condiciones controladas. También hizo que abogados sénior puntuaran borradores de la IA y de abogados sin saber cuál era cuál. Resultado declarado por la empresa
• eBay Las ventas se compararon antes y después del cambio, y con países en los que no había cambiado nada. Resultado medido
• Herges Stahl- und Blechbau La empresa construyó primero una forma de registrar los tiempos reales de producción. Sus registros anteriores, llevados a mano, diferían hasta 30 minutos para piezas idénticas. Resultado medido
• Hitachi Energy Un lote de producción se dividió en cuatro grupos. Un grupo se fabricó de la forma habitual, y los otros tres con uno o los dos cambios sugeridos. Resultado medido
• HM Revenue & Customs (HMRC) HMRC eligió al azar a quienes recibían licencia en lugar de tomar solo voluntarios, y rebajó en cerca de un 20 % el ahorro de tiempo autodeclarado, porque quienes respondían a la encuesta tenían más probabilidades de ser usuarios activos. Resultado medido
• Klarna Klarna informó del tiempo de producción de imágenes antes y después: de 6 semanas a 7 días, revisiones incluidas. Resultado declarado por la empresa
• Klarna Klarna informó del tiempo de resolución antes y después (de 11 minutos a menos de 2), junto con las consultas repetidas y la satisfacción. Marcha atrás parcial
• PSG Global Solutions Los candidatos se asignaron al azar a un entrevistador de IA o a uno humano, así que los dos grupos podían compararse directamente. Resultado medido
• Rue La La Durante cinco meses, grupos de productos que competían entre sí se asignaron a los precios recomendados o a los precios antiguos, y se compararon los dos. Resultado medido
• SAM La empresa da cada resultado frente a la cifra de antes: horas por expediente, semanas para reunir los documentos, proporción de expedientes incompletos. Resultado declarado por la empresa
• Siemens Cada operario juzgó las mismas 200 imágenes de producto con los mismos límites de tiempo, y las respuestas se puntuaron frente al resultado correcto conocido. Resultado medido
• Temple & Webster El costo de atención al cliente se declara en proporción a los ingresos frente al nivel de 2023. Las revisiones del surtido hechas con IA se compararon con revisiones hechas a mano. Resultado declarado por la empresa
• UK Department for Business and Trade Los evaluadores no se fiaron de lo que decían los usuarios. Cronometraron las mismas tareas a usuarios y no usuarios, e hicieron puntuar los resultados sin saber de quién eran. Resultado medido

Qué pasó sin ella

• Commonwealth Bank of Australia El banco decidió que los puestos no hacían falta antes de que se demostrara que el bot de voz reducía el trabajo. El sindicato dijo que el número de llamadas estaba aumentando. Marcha atrás parcial

Fuentes

1. Humlum and Vestergaard (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (revised March 2026). Qué hizo y qué encontró este estudio
2. Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Qué hizo y qué encontró este estudio
3. Noy and Zhang (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. Qué hizo y qué encontró este estudio
4. Becker, Rush, Barnes and Rein (METR) (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, published 10 July 2025 (arXiv 2507.09089); follow-up published 24 February 2026. Qué hizo y qué encontró este estudio
5. Dillon, Jaffe, Immorlica and Stanton (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795; arXiv 2504.11436, version 4 (November 2025). Qué hizo y qué encontró este estudio
6. Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. Qué hizo y qué encontró este estudio
7. Federal Reserve Banks (2026). Small Business Credit Survey: 2026 Report on Employer Firms. Federal Reserve Banks, Small Business Credit Survey (published March 2026). Qué hizo y qué encontró este estudio
8. Fang, Yuan, Zhang, Donati and Sarvary (2025). Generative AI and Sales Productivity: Field Experiments in Online Retail. arXiv 2510.12049, version 6 (29 June 2026). Qué hizo y qué encontró este estudio
9. Yotzov, Barrero, Bloom, Bunn, Davis, Foster, Jalca, Meyer, Mizen, Navarrete, Smietanka, Thwaites and Wang (2026). Firm Data on AI. NBER Working Paper 34836 (February 2026, revised March 2026). Qué hizo y qué encontró este estudio
10. Microsoft (2023), reporting IDC survey research: an average return of $3.50 per $1 invested in AI, as reported by business leaders. blogs.microsoft.com
11. Bick, Blandin and Deming. Generative AI, time savings: employed adults (series RPSGENAITSALL), from the Real-Time Population Survey, an online survey of US adults. Federal Reserve Bank of St. Louis, FRED. fred.stlouisfed.org
12. UK Government Digital Service (2 June 2025). Microsoft 365 Copilot experiment: cross-government findings report. gov.uk
13. Ni, Wang, Feng, Lu, Wang and Zhou (2026). Generative AI in Action: Field Experimental Evidence from Alibaba's Customer Service Operations. arXiv 2603.29888. Working paper, not peer-reviewed. arxiv.org
14. Clio (2026). Legal Trends for Solo and Small Law Firms. Press release. Clio sells legal software with AI built in. clio.com

Afirmaciones sobre este tema, verificadas con estos estudios:

• “El 66 % de las pequeñas empresas usa IA” Hay que corregirla

Prácticas relacionadas

• 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) Evidencia: Práctica habitual Estrategia · Explorar
• No trate una puntuación de madurez como una previsión Una puntuación de madurez o de preparación para la IA describe dónde dice usted que está. Las pruebas de que una puntuación más alta lleva a mejores resultados son escasas y controvertidas. Úsela para abrir una conversación, no para predecir la rentabilidad. Hacer después · Esfuerzo: bajo (días, una persona) Evidencia: Moderada Controvertida Medición · Explorar
• 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) Evidencia: Sólida Depende del contexto Rediseño de procesos · Rediseñar