Si la IA multiplica tu productividad, ¿quién se queda el beneficio?

Durante años se nos ha vendido la Inteligencia Artificial como la siguiente gran revolución de la productividad. Y probablemente lo sea. Los desarrolladores escriben código más rápido. Los analistas generan documentación en minutos. Los diseñadores crean prototipos en horas. Los equipos son capaces de producir más con menos esfuerzo manual. Hasta aquí, todo parece una buena noticia.

Sin embargo, cada vez que escucho hablar de organizaciones "AI-First" o "AI-Centric", me surge una pregunta incómoda: si la productividad se dispara gracias a la IA, ¿quién se beneficia realmente de esa productividad?

Porque cuanto más observo cómo se está adoptando la IA en las empresas, más me convenzo de que el debate no va sobre si la IA sustituirá a los trabajadores. El debate real es cómo se repartirá el valor que genera.

La promesa original

La narrativa inicial era sencilla. La IA iba a eliminar tareas repetitivas:

• Código boilerplate.
• Documentación rutinaria.
• Creación de tests.
• Búsquedas de información.
• Tareas administrativas.

La consecuencia lógica parecía evidente. Si una persona tarda menos tiempo en hacer una tarea, esa persona debería tener más tiempo disponible para otras actividades de mayor valor.

Más productividad. Menos trabajo repetitivo. Mejor calidad de vida. Al menos sobre el papel.

Lo que parece estar ocurriendo

Sin embargo, en muchas organizaciones la realidad es algo distinta. La IA no solo está eliminando tareas: también está ampliando el alcance de los roles.

El desarrollador ya no solo desarrolla. Ahora también:

• Define especificaciones.
• Prepara contexto para modelos de IA.
• Valida resultados generados automáticamente.
• Participa más cerca del negocio.
• Revisa documentación generada.
• Toma decisiones que antes recaían en otros especialistas.

Y esto no afecta solo a los desarrolladores. Lo mismo empieza a ocurrir con analistas, product managers, arquitectos, diseñadores y otros perfiles. La IA está eliminando ciertas barreras entre roles.

La fusión silenciosa de profesiones

Durante años la industria evolucionó hacia la especialización. Teníamos equipos llenos de expertos:

• Product Owners.
• Arquitectos.
• QA.
• Desarrolladores.
• Cloud Engineers.
• UX Designers.
• Especialistas de seguridad.

Cada uno aportaba una pieza concreta del proceso. Ahora parece estar surgiendo otra tendencia: equipos más pequeños, menos dependencias, más autonomía, más responsabilidad distribuida y personas capaces de cubrir más áreas gracias al apoyo de herramientas basadas en IA.

La promesa es atractiva: menos burocracia, menos handoffs, más velocidad. Pero surge una duda razonable:

¿Estamos eliminando trabajo o simplemente estamos redistribuyendo ese trabajo entre menos personas?

Productividad no significa menor carga cognitiva

Hay algo importante que rara vez aparece en las presentaciones corporativas: la productividad y la carga cognitiva no son la misma cosa. Puede que hoy escriba menos líneas de código que hace tres años, pero también puede que tenga que gestionar más contexto, más herramientas, más decisiones, más responsabilidad y más disciplinas distintas.

Hay una asimetría curiosa en cómo medimos el trabajo: cuantificamos con precisión lo que baja (el tiempo por tarea), pero casi nadie mide lo que sube: el contexto a gestionar, las responsabilidades, las decisiones, las herramientas. Y son variables igual de importantes.

La IA reduce esfuerzo operativo, pero en muchos casos aumenta la complejidad del trabajo. Es el mismo patrón que ya exploré en «Fatiga cognitiva en la era de la IA» y en «Cómo la IA está reconfigurando nuestra atención». Y eso genera una paradoja interesante: una persona puede ser más productiva que nunca y, al mismo tiempo, sentirse más cansada que nunca.

El dinero empieza a contar una historia curiosa

Hace unas semanas, un compañero arregló en dos días un bug de duplicación de líneas que antes le habría llevado semana y media. Misma persona, mismo código. La única diferencia: ahora trabaja con IA.

Su reacción no fue de celebración. Fue de incomodidad. "Me hace sentir un poco dumb", me dijo. "El contexto cognitivo es volátil y la carga de trabajo es muy grande."

Y tiene toda la razón. Porque una semana y media peleando con un bug no era solo tiempo perdido: era tiempo de absorción. En esos días te empapas del sistema, entiendes por qué el código es como es, mapeas los límites de la lógica heredada. Arreglarlo en dos días con IA te da la solución, pero no te da ese conocimiento. El diagnóstico lo hace el modelo; el aprendizaje ya no lo hace nadie. Antes, una semana de investigación dejaba una comprensión profunda del sistema. Ahora, dos días dejan una solución. La pregunta incómoda: ¿dónde quedó el aprendizaje? Lo exploro con más detalle en «Resolver más, aprender menos».

Hacer el doble por lo mismo. Es un 2x1: nosotros ponemos el trabajo y la empresa se queda el producto. La cuestión no es que la empresa capture parte del beneficio (es normal que lo haga), sino si ese beneficio se está repartiendo de manera equilibrada entre todos los actores que contribuyen a generarlo.

Porque ese "hacer el doble" no se limita a una tarea. La IA no solo acelera lo que ya hacíamos: absorbe tareas de otros roles. Antes, cada pieza del proceso tenía su especialista: el arquitecto diseñaba la solución, el QA validaba, el documentador escribía, el analista hablaba con el negocio. Ahora todo eso converge en la misma persona.

Desarrollador, arquitecto, validador, documentador y analista en una sola persona... con la misma compensación. Con un matiz importante: no hace literalmente el trabajo de cinco personas. Antes había cinco responsables claros para esas decisiones; ahora una sola persona supervisa más partes del proceso, asistida eso sí por la IA.

Lo vemos con un modelo simplificado y cifras puramente ilustrativas.

Puede parecer un buen resultado: la productividad aumenta significativamente y nadie ve reducida su compensación. Sin embargo, la imagen cambia cuando añadimos a la ecuación las nuevas responsabilidades, decisiones y carga cognitiva que acompañan a esa productividad. Y si la empresa elige no crecer, esa misma productividad significa que necesita menos gente para el mismo output: sobra gente. De cada dos puestos de antes, sobra uno. Más trabajo por la misma paga, o directamente menos puestos: en cualquiera de los dos escenarios, es la otra cara del 2x1.

Antes de la IA

Una empresa tiene un desarrollador cuyo coste total fijamos como índice 100.

Después de la IA

La introducción de herramientas de IA aumenta el coste total hasta 125, pero la productividad pasa de 100 a 180.

El nuevo impuesto invisible: los tokens

Hay algo fascinante en esta nueva economía. La productividad adicional ya no solo genera ingresos para la empresa: también genera ingresos para los proveedores de IA. Cuanto más produce el trabajador, más prompts, más consultas, más generación, más tokens.

La cadena económica queda así: trabajador → IA → empresa. El trabajador genera más valor, la empresa incrementa resultados y el proveedor de IA incrementa consumo. Ambos capturan parte del beneficio. El único actor cuya compensación no cambia automáticamente es el trabajador.

El contraargumento empresarial

Para ser justos, también existe una visión razonable desde la empresa. La organización es quien compra las licencias, invierte en la transformación, asume riesgos, forma a los equipos y mantiene la infraestructura. No hay nada injusto en eso. Y hay casos en los que el excedente se reinvierte en las personas: IKEA reconvirtió a 8.500 empleados de atención al cliente en asesores de diseño premium con su chatbot Billie, y el nuevo servicio generó 1.300 millones de euros en 2024. El problema aparece cuando la relación empieza a desequilibrarse.

La pregunta que nadie quiere responder

Imaginemos que dentro de cinco años un profesional es capaz de generar el doble de valor, trabajar con IA avanzada, entender mejor el negocio, tomar más decisiones y tener ownership completo de sus soluciones. ¿Seguirá siendo razonable remunerarlo exactamente igual que cuando hacía una única función especializada?

No tengo la respuesta. Pero creo que es una conversación que todavía no estamos teniendo lo suficiente.

Quizás estamos haciendo la pregunta equivocada

Gran parte del debate público gira alrededor de una cuestión: ¿la IA sustituirá a los trabajadores? Personalmente, creo que ésa no es la pregunta más interesante.

La pregunta que realmente me preocupa es otra: si la IA multiplica la productividad humana, ¿cómo se repartirá ese incremento de valor entre trabajadores, empresas y proveedores de tecnología?

Porque la historia económica está llena de revoluciones tecnológicas: la máquina de vapor, la industrialización, la informática, internet, la nube y ahora la IA. La tecnología siempre ha aumentado la productividad. La discusión nunca ha sido si la productividad aumenta, sino quién captura ese beneficio. Y sospecho que ese será uno de los grandes debates de la próxima década.

Conclusión

La IA está cambiando no solo cómo trabajamos, sino cómo se distribuye el valor de ese trabajo. Antes de celebrar la productividad, conviene preguntarse para quién es realmente productiva.

Si la IA multiplica nuestra productividad pero también multiplica nuestras responsabilidades, ¿estamos ante una revolución que libera al trabajador o simplemente ante una nueva forma de concentrar más trabajo en menos personas?