Hay un estudio que conviene tener presente antes de anunciar cuánto tiempo ahorra la IA a tu equipo. Según METR (2025), en un estudio con 16 desarrolladores experimentados de grandes repositorios de código abierto, quienes podían usar herramientas de IA tardaron un 19 % más en resolver incidencias reales. Esperaban que la IA los acelerara un 24 % y, incluso después de terminar, seguían creyendo que los había acelerado un 20 %. Lo que sentían y lo que midió el reloj no coincidían.
Ese resultado tiene límites que explicamos más abajo y no significa que la IA haga perder tiempo. Enseña otra cosa: la sensación de ir más rápido no es una medida. Si en tu empresa quieres saber cuántas horas libera la IA, necesitas un método sencillo que no dependa de impresiones. Aquí tienes uno, con lo que hace la persona en cada paso y qué papel tiene la herramienta.
Qué dicen los datos
Los estudios que miden el tiempo con rigor dan resultados distintos según la tarea y el contexto, lo que ya es una advertencia.
Por un lado, según un experimento en línea con 453 profesionales con estudios universitarios, publicado en la revista Science en 2023 por Noy y Zhang (MIT News, 2023), tener acceso a una herramienta de IA conversacional redujo un 40 % el tiempo para completar dos tareas de escritura propias de su ocupación y elevó un 18 % la calidad del resultado.
Por otro, en el estudio de METR (2025) citado arriba, un grupo pequeño de desarrolladores muy expertos en sus propios proyectos tardó más con IA y creía haber tardado menos.
Cómo leer los datos (y qué no dicen)
- El experimento de Noy y Zhang midió dos tareas de escritura concretas en un entorno controlado, en línea. No mide el efecto sostenido en el trabajo diario, y no sirve para decir que toda tu plantilla ahorrará algo parecido.
- El estudio de METR tiene una muestra muy pequeña (16 personas), de desarrolladores muy expertos en sus propios repositorios y con herramientas de principios de 2025. En febrero de 2026 la propia METR explicó que había cambiado el diseño de su experimento porque cada vez más desarrolladores no querían trabajar sin IA, lo que sesga a la baja la estimación; sus estimaciones de finales de 2025 apuntaban a una aceleración, pero METR las considera evidencia muy débil.
- La lección común es de método: quien mide tiempos reales, con un antes y un después, ve cosas que la intuición no ve.
Paso 1: elige pocas tareas y define qué cuenta como "una vez"
No midas "el trabajo del equipo". Elige entre dos y cuatro tareas repetitivas donde la IA interviene, y define la unidad: un presupuesto, un resumen de reunión, la respuesta a una consulta de cliente, la ficha de un producto. Si la unidad no está clara, dos personas medirán cosas distintas.
Paso 2: mide el "antes" con una muestra pequeña
Antes de introducir la herramienta, o con un grupo que todavía no la usa, anota cuánto se tarda en completar esa tarea. Una muestra razonable son unas cuantas repeticiones, por ejemplo las diez últimas, de al menos dos personas distintas. Apunta:
- La hora de inicio y de fin, incluyendo la búsqueda de información y la revisión.
- Cuántas veces hubo que corregir o repetir algo.
- La calidad del resultado, con un criterio que ya usas (por ejemplo, si el cliente aceptó el presupuesto sin cambios).
Paso 3: mide el "después" en las mismas condiciones
Repite la medición con la herramienta, y aquí está el punto donde más se infla. El tiempo con IA incluye todo: preparar la petición, esperar, leer, comprobar, corregir y dar el visto bueno. Si solo cuentas el rato en que la herramienta escribe, estarás midiendo otra cosa.
Compara tareas parecidas: del mismo tipo, con una complejidad similar y con personas que ya saben usar la herramienta. Y deja pasar unas semanas: al principio hay un efecto novedad, y al comienzo se tarda más mientras se aprende.
Paso 4: usa un registro sencillo
No necesitas un programa especial. Basta con una hoja de cálculo compartida con estas columnas:
| Fecha | Tarea | ¿Con IA? | Minutos totales (con revisión) | Correcciones o incidencias |
|---|---|---|---|---|
| 14/10 | Presupuesto tipo A | No | ||
| 15/10 | Presupuesto tipo A | Sí |
Dos reglas: se anota en el momento y no de memoria, y se apuntan también las veces en que la IA no sirvió. Un agente puede ayudarte a registrar cuándo empieza y termina cada tarea, pero quien interpreta los datos es una persona.
Paso 5: contrasta con el responsable
Con los datos en la mano, siéntate con quien conoce el trabajo de cerca y hazle tres preguntas:
- ¿Esta tarea se hace de verdad con esa frecuencia? Si se hace poco, el tiempo liberado también es poco.
- ¿Ha aparecido trabajo nuevo en otro sitio? A veces se gana tiempo en redactar y se pierde en revisar o en responder a clientes confundidos.
- ¿Qué se ha hecho con el tiempo liberado? Si no se ha reinvertido en nada concreto, el tiempo se ha diluido y no se ha convertido en valor.
El error más tentador: multiplicar minutos por toda la plantilla
Caso hipotético. En una oficina de veinte personas, solo tres preparan presupuestos. Una de ellas tarda diez minutos menos en cada uno. Multiplicar esos diez minutos por las veinte personas y por todos los días laborables daría una cifra enorme y falsa: diecisiete de esas personas no hacen presupuestos, y las tres que sí los hacen no preparan uno cada día.
Más errores habituales que inflan los resultados:
- Contar solo los mejores días o las tareas más fáciles.
- Olvidar el tiempo de revisión, que es donde la IA exige más a las personas.
- Tomar las estimaciones de la propia gente ("yo creo que ahorro una hora al día") como si fueran una medición.
- Confundir horas con euros. Una hora liberada solo vale dinero si se vende más, se evita un coste o se dedica a algo que lo genera. Puedes profundizar en de horas a euros: cómo valorar lo que ahorra un agente sin engañarte.
- Medir una sola vez. Un resultado puntual no es una tendencia.
Cómo presentar el resultado con honestidad
Una frase sobria, con sus condiciones, vale más que una cifra espectacular. Por ejemplo: "En las tres tareas medidas, con diez repeticiones antes y diez después en dos personas, el tiempo medio por tarea bajó. No lo extrapolamos al resto de la plantilla ni a otras tareas".
Incluye siempre qué mediste, cuántas veces, con quién, en qué periodo y qué no mediste. Si quieres ver el método con más detalle, tienes medir el tiempo ahorrado: el antes y después honesto y cómo medir el impacto real de la IA en la productividad. Y para distinguir ahorros reales de aparentes, ahorro real o ahorro aparente.
Fuentes
- MIT News, sobre el estudio de Noy y Zhang en Science (2023): Study finds ChatGPT boosts worker productivity for some writing tasks
- METR (2025): Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
- METR (2026): We are Changing our Developer Productivity Experiment Design
Conclusión
Medir las horas ahorradas es un ejercicio de humildad: pocas tareas, un antes y un después en las mismas condiciones, un registro sencillo y una conversación con quien conoce el trabajo. Lo que no se mide, se infla. Y lo que se mide mal, también.
En MG Solutions formamos a equipos de empresa en IA, por puesto y con casos reales de tu negocio, y también implantamos agentes de IA a medida.
Puedes ver cómo lo trabajamos en nuestra formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.