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. En los más experimentados y cualificados, el impacto fue mínimo. Es el resultado de Brynjolfsson, Li y Raymond, publicado en el Quarterly Journal of Economics en 2025.
Es un dato llamativo, y por eso mismo conviene leerlo con calma. Si diriges un equipo de atención al cliente y te planteas formarlo en IA, esta cifra puede tentarte a pensar que basta con dar acceso a una herramienta. Este artículo recorre qué dicen los estudios que hemos podido verificar, a quién ayuda más, con qué matices, y cómo usar todo esto para dimensionar la formación sin prometer resultados a nadie.
Qué dicen los datos
El estudio de atención al cliente
El trabajo de Brynjolfsson, Li y Raymond analiza lo que ocurrió en una empresa cuando se fue introduciendo por fases un asistente de IA para ayudar a sus agentes de atención al cliente, que atienden por chat. Los resultados:
- Un aumento medio del 14 % en las incidencias resueltas por hora.
- Un aumento del 34 % entre los trabajadores noveles o menos cualificados.
- Un impacto mínimo en los trabajadores más experimentados y cualificados.
La lectura rápida es que el asistente ayuda más a quien menos experiencia tiene. Es una lectura razonable de lo que se midió, siempre que no se vaya más allá.
Otros estudios que sirven de contrapeso
Los siguientes no son de atención al cliente, pero ayudan a no leer el primero como una ley general.
| Estudio | Quién participó | Qué mostró | Matiz importante |
|---|---|---|---|
| Boston Consulting Group (2023) | 758 consultores junior | En una tarea de ideación y creación de contenido de producto, quienes usaron la IA alcanzaron un rendimiento un 40 % superior al de quienes no la usaron. En un problema de negocio fuera de la «frontera» de capacidades de la IA, rindieron un 23 % peor que quienes no la usaron | Un solo experimento, una sola firma y un único modelo en 2023; los modelos actuales pueden comportarse distinto |
| Harvard Kennedy School (2023) | Pequeños empresarios de Kenia, con un asistente de negocio basado en IA por mensajería | El efecto medio no se pudo distinguir de cero. Por subgrupos, quienes ya rendían bien mejoraron algo más de un 15 % y quienes rendían peor empeoraron en torno a un 8 % | Las cifras son de subgrupos, no del efecto medio |
La moraleja común: la misma herramienta puede ayudar mucho en una tarea y perjudicar en otra, y puede ayudar a unos perfiles más que a otros.
Cómo leerlos (y qué no dicen)
Antes de llevar estos números a una reunión de dirección, conviene tener presentes sus límites:
- Es una empresa, un asistente y un tipo de tarea. El estudio de atención al cliente analiza un asistente concreto aplicado a la atención por chat. No se puede extrapolar sin más a tu sector, a tu volumen de consultas ni a otros puestos.
- Una media no es una promesa. El 14 % es el promedio de un grupo. No dice qué le pasará a tu equipo.
- La métrica es una sola. «Incidencias resueltas por hora» mide velocidad de resolución. Por sí sola no dice nada de cómo valoran la atención los clientes ni de cómo se siente el equipo. Esas cosas hay que medirlas aparte.
- «Impacto mínimo» en los veteranos no significa que no necesiten nada. Significa que, con esa métrica y ese asistente, no mejoró mucho su ritmo. Otras cosas, como la calidad de las respuestas o la supervisión de lo que propone la herramienta, no se recogen en esa cifra.
- Los estudios con tareas «fuera de la frontera» avisan. El de los consultores muestra que, cuando la tarea exige juicio que la herramienta no domina, usarla puede empeorar el resultado. En atención al cliente, podrían ser casos parecidos las reclamaciones complejas, los asuntos con matices o las situaciones delicadas, aunque ese estudio no los mide.
- El tiempo pasa. Las herramientas cambian rápido. Un estudio de 2023 no se comporta igual con los modelos actuales, y uno de 2025 puede quedarse corto en poco tiempo.
- Los datos de Kenia no son de atención al cliente. Se citan para ilustrar que el efecto no es uniforme, no para predecir lo que pasará en un centro de atención.
Qué dicen sobre formar al equipo
Los estudios anteriores miden el efecto de tener una herramienta, no el de formar. Para eso hay otra pista, también con matices.
Según una encuesta de la OCDE a más de 5.000 pymes de siete países a finales de 2024, solo el 23,6 % de las pymes que usan IA generativa declaró que sus empleados participan en formación relacionada con la IA, y entre las pymes que no la usan la cifra baja al 2,7 %. La OCDE recuerda además que, en sus encuestas sobre IA a trabajadores y empresas, los resultados de la IA fueron en general mejores cuando los trabajadores habían recibido formación para trabajar con ella. Es una asociación, no una prueba de que formar sea la causa.
Un estudio danés (Humlum y Vestergaard, 2025), que la OCDE recoge en ese mismo informe, halló que la formación y el apoyo del empleador aumentan significativamente el uso de la IA generativa por los trabajadores, y que los beneficios que obtienen (ahorro de tiempo, mejora de calidad, creatividad, ampliación de tareas y satisfacción laboral) son entre un 10 % y un 40 % mayores cuando el empleador fomenta su uso. Es de trabajadores de ocupaciones expuestas a la IA en Dinamarca, no de atención al cliente.
La conclusión prudente: es razonable esperar que el apoyo del empleador influya, pero no hay que tomar esos porcentajes como objetivo para tu equipo.
Qué hacer con esto
La pregunta práctica es cómo dimensionar la formación sin prometer nada. Una secuencia sensata:
- Decide qué vas a medir antes de empezar. No solo «incidencias resueltas por hora». Añade el tiempo de primera respuesta, cuántos casos pasan a una persona, cómo valoran los clientes la atención y cuántos errores se detectan en la revisión.
- Haz un piloto pequeño. Un grupo reducido de agentes, unas semanas y un punto de comparación: su propio rendimiento anterior o un grupo que no lo use. Si no hay comparación, no hay forma de saber qué ha cambiado.
- Forma por perfiles. Los agentes noveles y los veteranos no necesitan lo mismo. Al novel le sirve aprender a trabajar con la herramienta en casos reales de la empresa, con ejemplos de respuestas buenas. Al veterano le interesa más la revisión: detectar lo que la herramienta propone mal, decidir cuándo ignorarla y supervisar lo que otros envían.
- Marca el relevo humano. Reclamaciones complejas, bajas, asuntos con consecuencias legales o fiscales y cualquier situación delicada pasan a una persona. La IA propone; la persona decide.
- Fija reglas de datos. Los datos personales de clientes no se pegan en cualquier herramienta. Hay que saber si está autorizada y qué se hace con lo que se escribe.
- Revisa cada mes. Qué errores han aparecido, qué dudas se repiten y qué casos no ha sabido resolver la herramienta. Esa lista es la siguiente sesión de formación.
- No prometas cifras a dirección ni al equipo. Presenta lo que se va a mirar y cómo se decidirá, no un porcentaje objetivo copiado de un estudio.
Para profundizar en la parte práctica de la formación, tienes cómo formar al equipo de atención al cliente para usar IA y formación en IA para equipos de atención al cliente. Y para ordenar la medición, cómo medir el impacto de la formación en IA. Una visión más amplia de qué dicen los estudios sobre calidad y velocidad en qué dicen los estudios sobre calidad y velocidad al trabajar con IA.
Fuentes
- NBER / Quarterly Journal of Economics (2025): Generative AI at Work (NBER Working Paper 31161; QJE vol. 140, n.º 2, pp. 889-942)
- Boston Consulting Group (2023): How People Can Create—and Destroy—Value with Generative AI
- Harvard Kennedy School, Center for International Development (2023): The Uneven Impact of Generative AI on Entrepreneurial Performance
- OCDE (2024), que recoge también el estudio de Humlum y Vestergaard (2025): Generative AI and the SME Workforce: New Survey Evidence
Conclusión
Los estudios disponibles apuntan a que un asistente de IA puede acelerar la resolución de incidencias, sobre todo en quien tiene menos experiencia, pero también a que el efecto cambia con la tarea, el perfil y la herramienta. Por eso, más que copiar una cifra, conviene medir en tu propio equipo, formar por perfiles, definir cuándo debe intervenir una persona y revisar cada mes lo que se aprende.
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 planteamos en formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.