El aumento del uso de la inteligencia artificial generativa dentro de las empresas no parece conducir automáticamente a un incremento de la productividad. Según datos presentados por la Fundación de Investigación Integral Persol, el porcentaje de empleados japoneses a tiempo completo que utilizan inteligencia artificial en su trabajo aumentó del 41,9 % en 2025 al 54,3 % en 2026, pero esta expansión no significa necesariamente una reducción de las horas extraordinarias ni una mejora de los resultados de las organizaciones.
En una entrevista con ITmedia, Yuji Kobayashi, investigador principal de la Fundación de Investigación Integral Persol, afirmó que crear valor utilizando inteligencia artificial requiere en ocasiones alejarse de ella. La idea no implica rechazar las herramientas, sino conservar las fuentes de capacidades que los modelos no producen por sí solos: el contacto con la realidad, el juicio sobre las prioridades, la construcción de significado y el aprendizaje de personas y entornos reales.
Un tiempo más rápido no siempre resuelve el cuello de botella
Kobayashi clasifica los problemas del uso institucional de la inteligencia artificial en tres ejes. El primero es el «problema de ahorrar tiempo en la dirección equivocada»: tareas como recopilar información, intercambiar correos electrónicos o preparar una presentación pueden volverse más rápidas, mientras el cuello de botella sigue estando en otro lugar. Pone como ejemplo las ventas: la inteligencia artificial puede acelerar la preparación de una propuesta, pero identificar al cliente, comprender sus necesidades o cerrar la operación puede influir más en el resultado final.
El segundo eje es el «problema de la desaparición del espacio disponible». El estudio indica que el 60 % del tiempo ahorrado gracias a la inteligencia artificial se reinvirtió en el trabajo, y que más del 70 % de ese tiempo se destinó a tareas cotidianas. Además, los empleados que utilizan más la herramienta pueden asumir cargas adicionales, como la formación interna relacionada con ella, en lugar de convertir el tiempo liberado en aprendizaje o innovación.
El tercer eje es el «problema de la desaparición de la diferenciación». Cuando la redacción de solicitudes de empleo o la preparación de materiales de marketing están al alcance de todos mediante herramientas similares, disminuye la ventaja que antes otorgaba por sí sola la habilidad de escribir. Kobayashi considera que lo que una empresa puede hacer con inteligencia artificial también pueden hacerlo los competidores y los clientes, lo que hace que la mera aceleración de las tareas tenga cada vez menos capacidad para generar una ventaja que pueda monetizarse.
La habilidad decisiva es gestionar todo el ciclo
Según los resultados de la investigación de la Fundación Persol, las personas de alto rendimiento en un entorno que utiliza inteligencia artificial difieren de las personas de alto rendimiento en un entorno que no la utiliza. En el caso tradicional, el rendimiento estaba relacionado con la comprensión del puesto, la rapidez de actuación y la gestión de las relaciones con los demás. En un entorno de inteligencia artificial, destacaron las personas capaces de convertir el trabajo con la herramienta en un ciclo repetido de recopilación de información, toma de decisiones, ejecución, revisión y aprendizaje.
Este ciclo consta de cinco habilidades: «recopilación» y «decisión» en las etapas superiores, seguidas de «verificación», «descomposición» y «almacenamiento» en las etapas posteriores. El proceso comienza con la recopilación de datos, incluida la información primaria del mundo real a la que resulta difícil acceder para la inteligencia artificial. Después, el usuario determina las prioridades y qué debe confiarse a la herramienta, revisa los resultados con otras personas, los modifica o desmonta los supuestos inadecuados y, por último, comparte la experiencia dentro de la organización para que se convierta en conocimiento colectivo.
La importancia de estos pasos radica en que el riesgo práctico no siempre es una «alucinación» cuyo error pueda detectarse fácilmente. El mayor riesgo, según Kobayashi, es producir una respuesta que parezca correcta y razonable en términos generales, pero que no sea adecuada para ese cliente, ese momento o ese contexto. Por ello, el valor del usuario no consiste en aceptar el resultado, sino en transformar una «respuesta general» en una respuesta adecuada para la situación.
Pensamiento multidimensional y curiosidad fuera de la pantalla
El estudio también detectó dos rasgos intelectuales entre las personas de alto rendimiento: el «pensamiento esférico», que significa elevar el nivel de abstracción, relacionar el tema desde múltiples ángulos y ver la imagen completa, y el «espíritu animal», expresión que utilizó el economista John Maynard Keynes para describir las motivaciones humanas irracionales en la actividad económica. Kobayashi la utiliza aquí para referirse a la curiosidad y a la disposición a probar aquello que parece interesante.
El pensamiento multidimensional ayuda a organizar el flujo de propuestas que producen los modelos, mientras que la curiosidad impulsa a probar nuevos usos en lugar de limitarse a las tareas habituales. Sin embargo, el estudio, tal como lo presenta la fuente, no constató que el «espíritu animal» crezca automáticamente con la duración del uso de la inteligencia artificial. Kobayashi señala, por el contrario, la posibilidad de que aparezca una «pérdida de adquisición de habilidades», por la que la dependencia de la herramienta provoca el deterioro de algunas capacidades del usuario.
¿Qué cambia en la práctica?
La principal conclusión editorial es que medir el éxito de la inteligencia artificial por el número de empleados que la utilizan o por la cantidad de minutos que ahorra puede ser insuficiente. La pregunta más útil es: ¿se han trasladado el tiempo y el esfuerzo a un punto que realmente influya en los ingresos, la calidad de las decisiones o la solución del problema del cliente? Asimismo, los programas de formación no deberían limitarse a la redacción de instrucciones, sino incluir la recopilación de pruebas, la determinación de prioridades, la verificación colectiva y la documentación del conocimiento.
Kobayashi propone que desarrollar el pensamiento y la curiosidad requiere actividades fuera de la herramienta, como interactuar con personas y entornos diferentes, participar en trabajos paralelos o actividades sin ánimo de lucro y voluntarias, profundizar en un tema y leer. No se trata de una receta demostrada para todas las organizaciones, pero refleja los límites de lo que puede ofrecer por sí solo el uso continuo de la herramienta. El estudio se basó en una encuesta preliminar a 20.000 empleados y, posteriormente, en un estudio principal con 3.000 empleados a tiempo completo. El estudio de seguimiento se realizó entre el 22 de abril y el 7 de mayo de 2026, mientras que el nuevo estudio se llevó a cabo entre el 23 de abril y el 7 de mayo de 2026, con un seguimiento de participantes del estudio de octubre de 2025 y de nuevos participantes.