Preguntar si la inteligencia artificial «funciona» le sirve de poco a una empresa. Lo que necesita saber es en qué tareas suyas mejora el resultado, para quién, a qué costo y con qué riesgo de error. La mayor parte de lo que circula no responde eso: son demostraciones, casos de éxito de proveedores y encuestas de percepción. Ninguno de esos formatos compara lo que pasó con lo que habría pasado sin la herramienta.

Aquí van tres estudios que sí hacen esa comparación, cada uno con su fecha, su herramienta y sus límites, y un anuncio empresarial muy citado para contrastar. Son experimentos en empresas y proyectos reales, muy citados, y los elegimos porque sus resultados apuntan en direcciones distintas; no son toda la investigación disponible.

Primer estudio: un centro de soporte con 5.172 agentes

Erik Brynjolfsson, Danielle Li y Lindsey Raymond, de Stanford y el MIT, estudiaron una empresa de software de gestión incluida en la lista Fortune 500 que atiende por chat a pequeñas y medianas empresas de Estados Unidos. La mayoría de sus agentes trabajaba desde Filipinas. La compañía introdujo por etapas, sobre todo entre fines de 2020 e inicios de 2021, un asistente basado en un modelo de lenguaje de la familia GPT de OpenAI que sugería respuestas en tiempo real; el agente seguía a cargo de la conversación y podía ignorar o editar la sugerencia. Como no todos recibieron la herramienta al mismo tiempo, los investigadores pudieron comparar a quienes ya la tenían con quienes aún no.

El resultado, publicado en 2025 en el Quarterly Journal of Economics sobre 3 millones de conversaciones de 5.172 agentes, es un aumento promedio de 15 % en los casos resueltos por hora. Lo interesante está debajo del promedio. Según la versión revisada del estudio, los agentes menos experimentados o con peor desempeño previo mejoraron cerca de 30 %, y con dos meses de antigüedad rendían como los agentes sin la herramienta que llevaban más de seis. En los más experimentados y hábiles el efecto sobre la productividad fue mínimo, y los autores encontraron una pequeña caída en la calidad de sus conversaciones.

El estudio midió también efectos que no aparecen en una hoja de costos: los clientes escribieron con un tono más cordial, pidieron con menos frecuencia hablar con un supervisor y la rotación de personal bajó, sobre todo entre los agentes nuevos. Las cifras que circulan en prensa con 14 % y 34 % provienen de la versión preliminar de 2023; la publicada las corrigió.

Los propios autores advierten el límite: es una sola empresa, en un plazo intermedio, y el estudio no permite deducir efectos sobre el empleo o los salarios de toda la economía. La herramienta, además, es anterior a la difusión masiva de ChatGPT.

Segundo estudio: 758 consultores y una frontera irregular

En 2023, investigadores de Harvard, Wharton, el MIT y Warwick, junto con Boston Consulting Group, repartieron al azar a 758 consultores de esa firma —alrededor del 7 % de sus consultores de nivel individual— en tres grupos: sin IA, con GPT-4 y con GPT-4 más una introducción a cómo redactar instrucciones. Antes midieron el desempeño de cada uno en una tarea similar, para comparar a cada persona consigo misma. El experimento se registró por adelantado.

En 18 tareas de consultoría que la IA podía resolver —idear un nuevo calzado para un mercado desatendido, segmentar la industria, redactar y argumentar la propuesta—, los consultores con GPT-4 completaron 12,2 % más tareas, las terminaron 25,1 % más rápido y obtuvieron una calidad más de 40 % superior a la del grupo de control. Los que estaban por debajo del promedio en la medición inicial mejoraron 43 %; los que estaban por encima, 17 %.

La otra mitad del resultado es la que menos se cita. Los investigadores diseñaron a propósito una tarea que parecía igual de difícil pero quedaba fuera del alcance de la herramienta: un caso de negocio con una hoja de datos y unas entrevistas cuyo detalle cambiaba la conclusión. Ahí, los consultores que usaron IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a la respuesta correcta que los que trabajaron sin ella.

Los autores llaman a esto una «frontera tecnológica irregular»: tareas que parecen igual de difíciles caen a uno u otro lado sin que sea evidente cuál. Dos datos para leer el estudio con cuidado: se usó GPT-4 tal como estaba disponible en 2023, y tres de los nueve autores figuran con afiliación a Boston Consulting Group, la empresa estudiada, según declara el propio documento.

Tercer estudio: programadores expertos que se creyeron más rápidos

METR, una organización de investigación sin fines de lucro, publicó en julio de 2025 un ensayo aleatorio con 16 programadores expertos que resolvieron 246 tareas reales en proyectos de código abierto grandes y maduros —en promedio, más de un millón de líneas de código—, en los que llevaban una media de cinco años trabajando. Cada tarea se asignó al azar a «IA permitida» o «IA no permitida». Con IA, usaron sobre todo el editor Cursor Pro con los modelos Claude 3.5 y 3.7 Sonnet, lo más avanzado entre febrero y junio de 2025.

Antes de empezar, los programadores pronosticaron que la IA reduciría 24 % su tiempo por tarea. Al terminar, estimaron que lo había reducido 20 %. La medición dijo lo contrario: con IA tardaron 19 % más. Economistas y especialistas en aprendizaje automático consultados por los investigadores habían pronosticado ahorros de 39 % y 38 %.

METR precisa lo que su estudio no prueba: que la IA no acelere a la mayoría de los programadores, que no sirva en otros oficios o que no vaya a acelerar a estos mismos en el futuro. En febrero de 2026 publicó el intento de repetir la medición con 57 programadores y más de 800 tareas desde agosto de 2025. Las estimaciones apuntaron ahora a un ahorro —18 % entre los que repetían y 4 % entre los nuevos—, pero con intervalos de confianza que incluyen el cero, y la organización declaró sus datos «solo evidencia muy débil»: entre 30 % y 50 % de los participantes dijo haber dejado de presentar tareas que no quería hacer sin IA, y METR advierte que el ahorro real podría ser mucho mayor justo en las tareas y personas que salieron del experimento. Medir se volvió más difícil porque muchos ya no aceptaban trabajar sin la herramienta.

Klarna: las cifras de parte

El 27 de febrero de 2024, la empresa sueca de pagos Klarna anunció que su asistente de IA había atendido 2,3 millones de conversaciones en su primer mes, dos tercios de sus chats de servicio al cliente, con un trabajo equivalente al de 700 agentes a tiempo completo. Según el comunicado, los clientes resolvían sus consultas en menos de 2 minutos frente a 11 antes, las consultas repetidas bajaron 25 %, la satisfacción era «equiparable» a la de los agentes humanos y la compañía estimaba una mejora de 40 millones de dólares en su utilidad de 2024.

Esas cifras son afirmaciones de la empresa, no una evaluación independiente: el comunicado no describe grupo de control, método de medición de la satisfacción ni qué pasó con los casos complejos. En mayo de 2025, su director ejecutivo, Sebastian Siemiatkowski, dijo a Bloomberg que la compañía volvía a contratar personas para atención al cliente y que era «crítico» dejar claro al cliente que siempre habría un humano disponible si lo quería. «Como el costo parece haber sido un factor de evaluación demasiado predominante al organizar esto, lo que terminas teniendo es menor calidad», declaró, según lo recogió la publicación especializada CX Dive.

De Klarna no se deduce que la IA fracase en atención al cliente: el primer estudio muestra lo contrario en otro contexto. Lo que deja es una advertencia. Un anuncio construido con volumen atendido y costo evitado puede tener cifras ciertas y, aun así, no medir lo que después termina decidiendo la empresa.

Hasta dónde llegan estos estudios

Ninguno de estos estudios mide la versión de la IA que una empresa puede contratar hoy. El primero evaluó una herramienta desplegada entre 2020 y 2021; el segundo, GPT-4 en 2023; el tercero, las herramientas de inicios de 2025. Los resultados envejecen rápido, en cualquiera de las dos direcciones.

Tampoco miden a una empresa ecuatoriana. Los dos primeros estudian compañías grandes, con procesos documentados y personal capacitado para la prueba, y el tercero, proyectos de código abierto de primer nivel: en el centro de soporte, los agentes recibían una inducción de tres horas antes de acceder a la herramienta. Y ninguno mide el costo total de adoptarla —licencias, integración, supervisión, corrección de errores—, que es la mitad de la cuenta que una empresa necesita.

Nuestra lectura: la IA reparte desigual

Leídos juntos, los tres estudios apuntan a algo que la publicidad no dice: la IA reparte sus beneficios de forma desigual. Los dos primeros muestran que ayuda más a quien sabe menos de la tarea que a quien ya la domina; el tercero, que a un experto en su propio terreno puede no ayudarle en absoluto. Y en las tareas fuera de su alcance no solo deja de ayudar: induce errores que la persona, confiada, no detecta. Adoptarla, entonces, se parece más a rediseñar un puesto de trabajo que a comprar un programa.

El tercer estudio deja la advertencia más incómoda: la percepción de quien usa la herramienta no sirve como medición. Programadores con años de experiencia en su propio código creyeron ir 20 % más rápido mientras iban 19 % más lento. Si esa brecha existe entre expertos, existe también en el gerente que evalúa una herramienta preguntándole a su equipo si le gusta. Y el tropiezo de METR en 2026 añade una advertencia práctica: una vez que la herramienta está en todas partes, ya no queda con qué compararla. Hay que medir antes de generalizarla. Después ya es tarde.

Cómo probarla en su empresa

Elija una sola tarea que se repita, que tenga un resultado contable —casos cerrados, cotizaciones enviadas, facturas conciliadas— y un criterio de calidad que alguien revise. Mida cómo se hace hoy durante un período suficiente, antes de entregar la herramienta: sin línea base, cualquier cifra posterior es una opinión.

Entregue la herramienta a una parte del equipo y no al resto durante el mismo período, repartiendo al azar o por turnos comparables; así separa el efecto de la IA del de un mes con más o menos trabajo. Mida por separado a los nuevos y a los experimentados: los dos primeros estudios encontraron ahí la mayor diferencia, y promediarlos la oculta.

Busque a propósito la tarea fuera de la frontera: el caso con una excepción, el cliente con un contrato especial, el dato que contradice la hoja de cálculo. Revise ahí la calidad, no la velocidad. Y cuente el costo completo por tarea resuelta, incluido el tiempo de quien revisa lo que la herramienta produce.

Por último, anote la versión de la herramienta y la fecha de la prueba, y fije el día en que la repetirá. Sin esas dos anotaciones, dentro de un año nadie en la empresa podrá decir si la herramienta sirvió.