Según METR (2025), en un estudio con 16 desarrolladores experimentados que resolvían incidencias reales de grandes repositorios de código abierto, quienes podían usar herramientas de IA tardaron un 19 % más en terminar. Esperaban que la IA los acelerara un 24 % y, una vez acabado el estudio, seguían creyendo que los había acelerado un 20 %. Lo que sentían y lo que cronometraron iban en direcciones opuestas.
Antes de sacar conclusiones, dos cautelas. La muestra es muy pequeña y las herramientas eran las 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. El dato no dice que la IA haga más lento el trabajo. Dice algo más útil para un gerente: que la percepción y la medición pueden separarse, y que decidir con una sola de las dos es arriesgado.
Qué dicen los datos: tres señales que no coinciden
Primera señal: la sensación manda. Según la OCDE (datos de enero-febrero de 2022), en sus encuestas a trabajadores y empresas de los sectores financiero y manufacturero de siete países, alrededor del 80 % de los usuarios de IA dijo que esta había mejorado su rendimiento en el trabajo, frente al 8 % que dijo que lo había empeorado. Es una percepción declarada por los propios usuarios, se refiere a IA en general (no solo a la generativa) y a dos sectores concretos.
Segunda señal: la medición puede ir en contra de la sensación, como ocurrió en el estudio de METR del arranque.
Tercera señal: la medición también puede salir muy bien. En un experimento en línea con 453 profesionales con estudios universitarios (marketing, redacción de subvenciones, consultoría, análisis de datos, recursos humanos y dirección) que hicieron dos tareas de escritura propias de su ocupación, tener acceso a un asistente de IA conversacional redujo el tiempo para completarlas en un 40 % y elevó la calidad del resultado en un 18 %, según el estudio de Noy y Zhang publicado en Science en 2023. Eran dos tareas de escritura en un experimento, no el efecto sostenido en el trabajo diario.
Tres estudios, tres tipos de tarea, tres resultados. La conclusión honesta no es «la IA funciona» ni «la IA no funciona», sino «depende de la tarea, de la persona y de cómo se mida».
Por qué la sensación puede engañar (y cuándo acierta)
Hay varias explicaciones posibles de por qué la percepción se separa de la medición. No son resultados demostrados, sino hipótesis razonables para tener en la cabeza:
- Se nota el esfuerzo, no el reloj. Que la herramienta te quite el folio en blanco se siente como ir más rápido, aunque luego pases un buen rato revisando y corrigiendo.
- El coste de revisar suele quedar fuera de la cuenta. Si lo que genera la IA lo repasa otra persona, ese tiempo no aparece en la autoevaluación de quien lo generó.
- La novedad y el deseo de que funcione. Tras una formación o una inversión, nadie quiere concluir que no mereció la pena.
- Y al revés: el escepticismo. Quien no confía en la herramienta puede infravalorar una mejora real.
Eso no significa que lo que dice el equipo no valga. La percepción recoge cosas que el cronómetro no ve: menos fatiga en tareas aburridas, más tranquilidad, mejor primer borrador, dudas que nadie había expresado. El problema aparece cuando se usa como única prueba de que algo ahorra tiempo o dinero.
Encuesta y medición: qué te da cada una
| Encuesta al equipo | Medición objetiva | |
|---|---|---|
| Qué capta | Cómo lo vive la gente, fricciones, usos que no ves | Tiempo de ciclo, correcciones, repeticiones, plazos |
| Ventaja | Rápida, barata y detecta bloqueos pronto | No depende de la opinión de nadie |
| Límite | Optimismo o escepticismo; recuerdo impreciso | Solo cuenta lo que se puede contar; puede ignorar la calidad |
| Riesgo | Decidir por entusiasmo | Medir lo fácil en lugar de lo importante, o vigilar a personas en vez de procesos |
| Úsala para | Saber dónde mirar | Comprobar si el cambio compensa |
Ninguna columna gana. La encuesta te dice dónde mirar y la medición te dice qué ha pasado de verdad. Juntas, además, te enseñan cuánto se separan.
Cómo combinarlas en una pyme: método en cinco pasos
- Elige una tarea concreta y repetible. Por ejemplo, preparar presupuestos o responder consultas de clientes. Cuanto más acotada, más fácil de medir.
- Mide antes de empezar. Anota cuánto se tarda de principio a fin en una muestra de tareas y cuántas veces hay que corregir. Sirve una hoja de cálculo.
- Pregunta antes y después, con las mismas tres preguntas. ¿Cuánto tiempo crees que te ahorra? ¿Qué tienes que revisar o rehacer? ¿Para qué no la usarías? Pedir una estimación de tiempo permite compararla luego con lo medido.
- Mide después con las mismas reglas, incluyendo el tiempo de revisión y corrección. Si no lo cuentas, la medición también te engaña.
- Compara los dos retratos y conversa con el equipo. Donde coinciden, tienes una señal fiable. Donde discrepan, hay algo que entender: quizá la herramienta ayuda pero la revisión es lenta, o la tarea elegida no era la adecuada.
Si la calidad importa, añade una comprobación a ciegas: alguien que no sepa qué trabajos se hicieron con apoyo de IA revisa una muestra y puntúa con criterios acordados de antemano.
Qué no medir (ni hacer con los datos)
- No uses estas mediciones para evaluar a personas. Contratar, ascender, evaluar el desempeño o despedir son decisiones que toma un profesional con criterio y con todo el contexto, no un indicador ni una herramienta de IA. Mide tareas y procesos.
- No vigiles. Antes de registrar nada sobre el trabajo de cada persona, explica al equipo qué se mide y para qué, y consulta con tu asesor laboral o de protección de datos qué se puede registrar y cómo.
- No premies solo la velocidad. Si lo único que cuenta es el tiempo, la gente dejará de revisar y los errores llegarán al cliente.
- No saques conclusiones de una muestra mínima. Unas pocas tareas dan una pista, no una prueba.
Si quieres profundizar en la parte práctica, tienes dos guías complementarias: cómo medir el impacto real de la IA en la productividad y cómo medir la productividad real de tu equipo.
Fuentes
- 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 (2022): The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers
- MIT News, sobre el estudio de Noy y Zhang en Science (2023): Study finds ChatGPT boosts worker productivity for some writing tasks
Conclusión
Ni la percepción ni la medición son «la verdad» por sí solas. La primera te dice cómo se vive el cambio y dónde están las fricciones; la segunda te dice qué ocurre con el tiempo y la calidad. Decide mirando las dos, sobre una tarea concreta, contando también el tiempo de revisión y sin convertir los datos en una vigilancia del equipo.
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 trabajamos en nuestra página de formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.