La inteligencia artificial está revolucionando los entornos empresariales y laborales a un ritmo impresionante. Sin embargo, uno de los desafíos más grandes que enfrentan las empresas hoy en día es cómo medir correctamente el impacto de la IA en la productividad. Las métricas tradicionales, que generalmente se centran en parámetros muy específicos de los procesos, no logran capturar de manera precisa el valor real de esta tecnología. En este contexto, es crucial que se adapten nuevas formas de medir la productividad que tengan en cuenta los efectos más amplios que la IA genera.
Transformación a través de la automatización: un cambio de enfoque necesario
La automatización de procesos, un aspecto clave de la IA, no necesariamente lleva a un incremento directo en la producción, sino que libera a los trabajadores de tareas repetitivas y les permite centrarse en actividades que requieren un juicio humano, como la toma de decisiones estratégicas. Este cambio en cómo se distribuye el tiempo de los empleados tiene un gran potencial para mejorar la productividad, pero no siempre se refleja en los indicadores tradicionales de rendimiento. Es decir, aunque el tiempo dedicado a las tareas operativas se reduce, el valor añadido de esa reducción es difícil de medir con las métricas convencionales.
En sectores como el financiero, el tecnológico y el manufacturero, la automatización de la IA ya ha comenzado a producir cambios significativos. Sin embargo, no todos los sectores se benefician de manera inmediata de esta tecnología. Algunos experimentan un aumento rápido en la eficiencia, mientras que otros pueden ver mejoras a largo plazo.
La «curva J» de la productividad: un patrón histórico
El concepto de la curva J de productividad, propuesto por el economista Erik Brynjolfsson, describe cómo las empresas que implementan nuevas tecnologías suelen experimentar inicialmente una caída en su productividad antes de experimentar un repunte significativo. Este patrón se observó en la adopción de tecnologías como la máquina de vapor, la electricidad y los ordenadores, cuyos efectos positivos no se consolidaron sino hasta décadas después de su implementación.
La IA generativa sigue este mismo patrón, con algunas compañías experimentando un aumento de productividad a corto plazo, mientras que otras necesitan pasar por un período de adaptación que incluye la capacitación de personal y la reestructuración de procesos internos. Esto provoca que los beneficios a largo plazo no siempre sean inmediatos, lo que puede generar expectativas erróneas sobre la eficacia de la IA.
La IA por sí sola no es suficiente
Un estudio llevado a cabo por la Universidad de Pennsylvania y Harvard Business School reveló que el uso de ChatGPT para resolver tareas específicas mejora la eficiencia en algunas áreas, pero no necesariamente supera a un ser humano en todas las tareas. Esto pone de manifiesto que el solo hecho de implementar IA no garantiza un aumento automático de la productividad. Los beneficios de la tecnología varían dependiendo de la industria, y las empresas de sectores como la manufactura o el sector primario necesitan realizar una mayor inversión y una adaptación más extensa, mientras que las empresas de servicios o del sector financiero podrían obtener resultados más rápidos.
El tiempo: la nueva métrica de productividad
El concepto de que el tiempo es oro ha adquirido una nueva relevancia con la llegada de la IA. Según un artículo de Bloomberg, la automatización de la IA puede mejorar la productividad de algunos sectores, como el de la comida rápida, donde los quioscos de autopago permiten a los establecimientos ahorrar en costos laborales. Sin embargo, este ahorro se realiza a expensas del tiempo no remunerado de los clientes, quienes ahora deben asumir una parte del trabajo que antes hacían los empleados.
Este fenómeno pone de relieve que el ahorro de tiempo en un área puede trasladar la carga de trabajo a otras partes del sistema económico, lo que podría afectar la productividad de otras empresas que dependen de servicios automatizados. De hecho, en lugar de enfocarse en cuántas tareas realiza un empleado, es más importante observar cómo se distribuye su tiempo y si ese tiempo se dedica a actividades que realmente mejoren los productos o servicios ofrecidos.
Un enfoque más estratégico para medir la productividad
En lugar de seguir utilizando métricas tradicionales que solo miden la cantidad de trabajo realizado, las empresas deberían adoptar nuevos enfoques que analicen el impacto de la IA en la mejora de los productos y servicios. El objetivo no debe ser simplemente hacer más, sino hacer menos, pero de manera más eficiente, liberando tiempo para tareas que añadan un mayor valor estratégico a la organización. Este cambio de paradigma podría ser clave para aprovechar todo el potencial de la IA en la mejora de la productividad empresarial.
