Un asistente de IA generativa aumentó la productividad de los agentes de atención al cliente de una empresa un 14 % de media. Hasta ahí, una buena noticia. Lo interesante está debajo del promedio: la mejora fue del 34 % en los trabajadores noveles o menos cualificados y mínima en los más experimentados y cualificados. Es el resultado de un estudio con datos de 5.179 agentes de atención al cliente, publicado por Brynjolfsson, Li y Raymond en el Quarterly Journal of Economics en 2025.
Si en tu plantilla conviven personas con muchos años de oficio y otras recién llegadas, la pregunta es muy práctica: ¿quién prueba primero la IA y a quién formas antes? La respuesta no es única, porque otros estudios apuntan en direcciones distintas. Repasamos qué se ha publicado, cómo leerlo sin pasarse de listo y qué hacer con ello en una pyme que quiere producir como si tuviera más manos.
Qué dicen los datos
Estos son cuatro resultados que conviene tener a la vista, cada uno con su fuente, su población y sus límites.
Atención al cliente: ganan más los noveles. Según el NBER (publicado en el Quarterly Journal of Economics, 2025), con datos de 5.179 agentes de atención al cliente, la introducción escalonada de un asistente conversacional basado en IA generativa aumentó la productividad, medida en incidencias resueltas por hora, un 14 % de media y un 34 % en los trabajadores noveles o menos cualificados, con un impacto mínimo en los más experimentados y cualificados. Es un estudio de un solo asistente aplicado a una tarea concreta, la atención por chat de una empresa.
Pequeños empresarios de Kenia: ganan más los que ya iban bien. En un experimento de campo de la Harvard Kennedy School (2023), a pequeños empresarios de Kenia se les asignó al azar un asistente de negocio de IA generativa por mensajería móvil. No se pudo rechazar que el efecto medio fuera nulo. Por subgrupos, los empresarios que ya rendían bien antes de empezar mejoraron algo más de un 15 %, mientras que los que rendían peor empeoraron en torno a un 8 %. Las cifras proceden de análisis por subgrupos y el efecto medio no se distinguió de cero.
Desarrolladores con mucha experiencia: más lentos con IA en un estudio pequeño. En un estudio de METR (2025) con 16 desarrolladores experimentados de grandes repositorios de código abierto, los desarrolladores tardaron un 19 % más en resolver incidencias reales cuando podían usar herramientas de IA. Esperaban que la IA los acelerara un 24 % y, incluso después, seguían creyendo que los había acelerado un 20 %. Son solo 16 personas, muy expertas en sus propios repositorios, 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.
Formación y apoyo: reducen las brechas de uso. La OCDE (2025) recoge un estudio danés de Humlum y Vestergaard (2025) según el cual la formación y el apoyo del empleador aumentan de forma significativa el uso de la IA generativa por parte de los trabajadores y reducen las brechas demográficas de uso. Además, los beneficios que obtienen son entre un 10 % y un 40 % mayores cuando el empleador fomenta su uso. El estudio se refiere a trabajadores de ocupaciones expuestas a la IA en Dinamarca.
Cómo leerlos (y qué no dicen)
Poner estos cuatro resultados juntos parece un lío, pero tiene lógica si se lee con cuidado.
- No miden lo mismo. Una tarea de atención por chat, con mucho material de referencia, no se parece a gestionar un negocio propio ni a programar en un repositorio que conoces al detalle. La IA ayuda más o menos según la tarea.
- «Novato» no significa lo mismo en todos. En un estudio son los menos cualificados; en otro, los que rendían peor antes de empezar. Y en el de Kenia, curiosamente, ocurrió lo contrario: salieron mejor parados los que ya iban bien. Eso invita a pensar que ni la edad ni la antigüedad bastan para predecir quién se beneficia; puede pesar más cómo se use la herramienta, aunque estos estudios no lo demuestran.
- Cuentan con herramientas de un momento concreto. Lo que ocurrió con las herramientas de 2023 o de principios de 2025 puede no repetirse hoy. Los propios estudios lo advierten.
- La percepción no es la medida. Los desarrolladores del estudio de METR creían haber ido más rápido de lo que midieron los investigadores. Es una buena razón para medir tu propio caso en lugar de fiarte de la sensación de «voy mucho más rápido».
- Ninguno estudia tu empresa. Las muestras son de empresas, países y tareas muy distintos. Son pistas para formular hipótesis, no recetas.
Lo que sí permiten decir: el beneficio de la IA no se reparte por igual, puede favorecer a quien tiene menos experiencia en una tarea acotada y, en algún estudio pequeño y con reservas, no ayudar o incluso ralentizar a quien ya domina la tarea. La formación y el apoyo de la empresa parecen reducir las diferencias de uso. Lo que no permiten decir: que «los jóvenes ganan más» o que «los veteranos no la necesitan». Ninguno de los estudios dice eso.
Qué hacer con esto: quién prueba primero y cómo repartir la formación
Con los datos en la mano, estos son criterios prácticos para una pyme.
- Haz un piloto mixto. En lugar de elegir al más joven o al más entusiasta, escoge dos o tres personas de perfiles distintos para la misma tarea: alguien recién llegado, alguien con muchos años y alguien intermedio. Mide el tiempo y la calidad antes y después con el mismo criterio. Los resultados serán tuyos, no de un estudio de otro país.
- Empareja experiencia y novedad. Una persona que lleva poco puede aprender el criterio del oficio mientras una veterana revisa lo que la herramienta propone. El valor del veterano está precisamente en detectar lo que suena bien y no es correcto. Cuidar este equilibrio evita que nadie se sienta desplazado; lo desarrollamos en el veterano y el primer agente: que nadie se sienta desplazado.
- Da a los noveles tareas acotadas y con revisión. El estudio de atención al cliente, donde los noveles mejoraron más, se centraba en una tarea concreta y acotada. Empieza por trabajos así, con una persona que revise los primeros resultados.
- Reparte la formación por puesto y nivel de partida, no por edad o antigüedad. No supongas que el veterano se resistirá ni que el novato sabrá. Averigua qué sabe cada uno y qué necesita. Para dar el primer paso con personas con años de experiencia, puede ayudarte implicar al veterano que lleva años haciéndolo a mano.
- Mantén el apoyo, no solo la formación inicial. Según lo que recoge la OCDE del estudio danés, el uso y los beneficios aumentan cuando el empleador lo fomenta y lo acompaña. Una persona de referencia, una hora semanal para dudas y un lugar donde compartir lo que funciona valen más que un curso único.
- Enseña a dudar de la herramienta. Da igual la edad: conviene que todos aprendan a dudar de la herramienta. Pide siempre comprobar las cifras, los nombres y las fechas antes de usarlos.
Y una advertencia: las decisiones sobre personas, como quién asciende, quién se queda o cómo se valora a cada uno, no las toma una herramienta ni un resultado de estudio. Lo que aquí medimos es el uso de una herramienta, no el valor de una persona.
Fuentes
- NBER / Quarterly Journal of Economics (2025): Generative AI at Work (NBER Working Paper 31161)
- Harvard Kennedy School, Center for International Development (2023): The Uneven Impact of Generative AI on Entrepreneurial Performance
- 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
- OCDE (2025), citando a Humlum y Vestergaard: Generative AI and the SME Workforce: New Survey Evidence
Conclusión
Los estudios publicados no dicen que la IA ayude más a los novatos ni a los veteranos: dicen que el beneficio depende de la tarea, de la persona, del momento y del apoyo que reciba. Lo sensato es probar con un grupo mixto, medir en tu propio caso, repartir la formación según el puesto y la necesidad, y mantener a una persona con criterio revisando lo que la herramienta produce.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, y formamos a tu equipo para sacarles partido.
Puedes ver más sobre cómo apalancarte en IA sin dejar a nadie atrás.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.