Beneficios de la IA generativa en el trabajo: ¿cuáles se dan juntos?

El cuestionario pregunta si las personas están de acuerdo, ni de acuerdo ni en desacuerdo, o en desacuerdo con afirmaciones sobre el ahorro de tiempo, la mejora de la calidad del trabajo y la posibilidad de realizar tareas nuevas gracias a la IA generativa. Nuestro análisis incluye a quienes declararon haber trabajado a cambio de una remuneración o para obtener beneficios y haber usado IA generativa en el trabajo durante el mes anterior. Según el cuestionario, ver un resultado generado por IA en un buscador no basta para considerarlo uso.^[2]

La Reserva Federal ya había publicado por separado los porcentajes de acuerdo entre estos usuarios: 81 % para el ahorro de tiempo, 52 % para la calidad y 55 % para las tareas nuevas. Esas cifras muestran que las tres afirmaciones reciben distintos niveles de acuerdo. No indican cuántas de las mismas personas están de acuerdo con las tres ni cómo se combinan las demás respuestas.^[3]

La formulación importa. Estar de acuerdo con una mejora de la calidad no equivale a una puntuación asignada por un evaluador independiente. Estar de acuerdo con el ahorro de tiempo no indica cuántas horas se han ahorrado. Y realizar tareas nuevas puede ser algo distinto de hacer más deprisa las habituales. Mantenemos estas diferencias a lo largo del artículo, en lugar de reunir las respuestas en una única puntuación de productividad.

El perfil más frecuente de los ocho reúne el acuerdo con las tres afirmaciones: un 34,0 % de los usuarios incluidos. El gráfico muestra todos los perfiles. Si una afirmación no aparece en una fila, recibió una respuesta neutral o de desacuerdo; su ausencia no significa que la persona no obtuviera ningún beneficio.

Otros tres perfiles muestran por qué resulta útil estudiar las respuestas juntas. El acuerdo con el ahorro de tiempo sin acuerdo con la calidad ni con las tareas nuevas representó el 17,0 % de los usuarios. El acuerdo con el tiempo y las tareas nuevas, sin acuerdo con la calidad, representó el 16,9 %. El acuerdo con el tiempo y la calidad, sin acuerdo con las tareas nuevas, representó el 13,1 %.

Son combinaciones distintas entre personas que, en todos los casos, estuvieron de acuerdo con el ahorro de tiempo. Las dos cifras cercanas al 17 % son descriptivamente similares; su pequeña diferencia no permite situar un tipo de uso de IA por encima del otro. Lo más útil es que la pregunta sobre tareas nuevas distingue a personas que una comparación centrada únicamente en tiempo y calidad agruparía juntas.

Otro 10,6 % no estuvo de acuerdo con ninguna de las tres afirmaciones. Este grupo incluye respuestas neutrales y de desacuerdo. Decir que la IA no les aportó ningún valor iría más allá de lo que preguntaba la encuesta. Una persona puede utilizar una herramienta sin respaldar estas afirmaciones concretas, y la encuesta no explica sus motivos.

El pequeño perfil que expresa acuerdo con la calidad y las tareas nuevas, pero no con el tiempo, contiene 20 personas. Se mantiene en la presentación completa, pero no debería convertirse en un titular sorprendente. Mostrar una categoría no es lo mismo que basar en ella una interpretación sólida. Las tablas siguientes conservan más detalle de las respuestas.

Las respuestas neutrales explican buena parte de la diferencia entre el acuerdo con el tiempo y con la calidad. La tabla siguiente conserva las tres opciones originales. Cada porcentaje utiliza como base a los 1.850 usuarios incluidos, por lo que cada fila no suma el 100 %.

Se estima que el 47,1 % de todos los usuarios incluidos estuvo de acuerdo tanto con el ahorro de tiempo como con la calidad. Otro 26,9 % estuvo de acuerdo con el tiempo, pero respondió de forma neutral sobre la calidad; un 7,0 % estuvo de acuerdo con el tiempo y en desacuerdo con la calidad. Son respuestas distintas, con significados diferentes.

Si nos centramos en quienes estuvieron de acuerdo en que la IA ahorraba tiempo, la base cambia a 1.489 personas. En ese grupo, el 58,2 % estuvo de acuerdo con la calidad, el 33,2 % respondió de forma neutral y el 8,6 % estuvo en desacuerdo. Son las mismas respuestas expresadas dentro del grupo que señaló ahorro de tiempo, no otra muestra ni una medición posterior.

Una respuesta neutral no permite afirmar que la persona tenga dudas, que la calidad no haya cambiado o que carezca de experiencia. Significa, sencillamente, ni acuerdo ni desacuerdo. Del mismo modo, discrepar de que la IA mejora la calidad no demuestra que empeore el trabajo.

Para la tienda de bicicletas, esta distinción ayuda a interpretar las opiniones de su propio equipo. Si alguien considera que redactar es más rápido, pero no respalda la calidad de la explicación final, el siguiente paso está claro: contrastarla con las notas del técnico. Así, una impresión general se convierte en una conversación concreta sobre el trabajo que verá el cliente.

Las respuestas sobre tareas nuevas aportan información incluso al centrarnos en quienes están de acuerdo con el ahorro de tiempo. En esta tabla, todos los porcentajes utilizan como base a las 1.489 personas que estuvieron de acuerdo en que la IA ahorraba tiempo. Las nueve celdas muestran cómo se combinan sus respuestas sobre calidad y tareas nuevas.

Dentro de este grupo, el 42,0 % estuvo de acuerdo con las otras dos afirmaciones. Estas mismas 617 personas constituyen el perfil de acuerdo con las tres, que representa el 34,0 % de los 1.850 usuarios incluidos. Los porcentajes difieren porque una base incluye a todos los usuarios del análisis y la otra solo a las 1.489 personas que estuvieron de acuerdo con el ahorro de tiempo.

Otro 17,8 % de quienes estuvieron de acuerdo en que la IA ahorraba tiempo también lo estuvo con las tareas nuevas, pero respondió de forma neutral sobre la calidad. Un 13,4 % distinto estuvo de acuerdo con la calidad, pero respondió de forma neutral sobre las tareas nuevas. Otro 11,9 % respondió de forma neutral a ambas. Cada una de estas celdas reúne a más de 180 personas; las nueve celdas de esta tabla condicional tienen al menos 40.

Esto es más concreto que afirmar que la IA tiene varios beneficios posibles. Algunas personas respaldan una mayor capacidad para realizar tareas junto con el ahorro de tiempo, sin respaldar una mejora de la calidad. Otras respaldan la calidad junto con el ahorro de tiempo, sin respaldar las tareas nuevas. Sus respuestas no deben convertirse en etapas de adopción ni en una explicación de cómo se desarrollan habilidades. Observamos combinaciones, no una progresión.

Una empresa puede aprovechar esta distinción para decidir qué pruebas necesita. Una herramienta adoptada para acelerar una tarea conocida debe evaluarse respecto a esa tarea. Un nuevo uso propuesto necesita su propia revisión para comprobar si el trabajo resultante es útil y aceptable. Ninguna decisión exige prometer que todos los beneficios llegarán juntos.

Tampoco hace falta que una aplicación útil aporte todos los beneficios. Si el objetivo es dedicar menos tiempo a una tarea habitual manteniendo una calidad aceptable, la capacidad de realizar tareas nuevas puede ser irrelevante para esa decisión. Si se pretende ofrecer algo que la empresa antes no podía producir, la rapidez por sí sola no demostraría el éxito. Los perfiles permiten considerar estos objetivos diferentes sin indicar a la empresa cuál debe elegir.

Volvamos a la tienda de bicicletas ficticia. Su responsable quiere publicaciones que expliquen qué servicio debe reservar el cliente. Un técnico aporta los datos y la IA generativa ayuda a redactar la explicación. El equipo puede revisar esta tarea concreta antes de integrarla en su producción habitual. El enfoque siguiente es una aplicación que proponemos, no un proceso probado por SHED.

Primero, define el trabajo terminado. En este caso, es una publicación aprobada que describe el servicio con precisión y explica claramente al cliente qué hacer después. La revisión debe incluir el tiempo dedicado a preparar notas, comprobar el borrador, corregir errores y aprobar la publicación. El momento en que aparece el primer borrador no es el momento en que el trabajo está listo.

Después, contrasta la explicación final con las notas originales del técnico. ¿Distingue correctamente las opciones de servicio? ¿Añade algún precio, promesa o afirmación técnica sin respaldo en las notas? ¿Entiende el lector qué hacer después? Estas comprobaciones aportan información sobre esta publicación. No requieren tomar la satisfacción general de una persona con la IA como una evaluación de la calidad.

Para evaluar una capacidad nueva, el responsable podría plantearse un esquema de preguntas y respuestas que convierta las consultas habituales de los clientes en un recurso útil. La cuestión es si el equipo puede producir algo útil que antes no podía producir, no si ha generado más variantes de una publicación que ya era habitual. Un formato nuevo también necesita revisión de datos y de redacción.

La decisión final puede ser más concreta que «usar más IA». Si la tienda encuentra una ventaja práctica al redactar explicaciones de sus servicios, puede mantener ese uso y evaluar por separado el recurso de preguntas y respuestas. Si revisar y corregir consume el aparente ahorro de tiempo, convendría reconsiderar ese proceso. La decisión depende de lo que ocurra en la tarea de la propia tienda, incluido el trabajo necesario para dejar el borrador listo para publicar.

Un creador puede aplicar la misma distinción a un esquema de vídeo, un documento para un patrocinador o un recurso para suscriptores. Empieza por un trabajo concreto y por un criterio de aceptación ya establecido. Los perfiles nacionales no fijan objetivos para los resultados del creador, y esta encuesta no identifica por separado a creadores o profesionales independientes.

Utilizamos los datos públicos de la Encuesta sobre Economía de los Hogares y Toma de Decisiones de 2025, realizada en línea para la Reserva Federal del 17 al 28 de octubre de 2025. Su población objetivo son residentes civiles de Estados Unidos de 18 años o más que no viven en instituciones. La encuesta completa contiene 12.934 participantes. Nuestro análisis se centra en las 1.850 personas que declararon haber trabajado y usado IA generativa en el trabajo durante el mes anterior; todas tenían respuestas publicadas a las tres preguntas sobre beneficios.^[1][4]

Los criterios de inclusión importan al interpretar el resultado. Estudiamos a personas que ya usaban IA generativa para trabajar, no a toda la población trabajadora ni en comparación con quienes no la usaban. El estudio no puede predecir qué beneficios obtendrá una empresa al adoptar una herramienta. Las respuestas corresponden además al periodo laboral estudiado en 2025; traducir el artículo no las convierte en estimaciones actuales para otro país.

Todos los porcentajes utilizan los pesos transversales publicados de la encuesta. Las tablas también muestran el número de participantes sin ponderar. Esos recuentos indican cuántos registros respaldan una estimación, no cuántas personas hay en el país. La tabla completa conserva las 27 combinaciones de las tres respuestas; el gráfico de ocho perfiles agrupa las respuestas neutrales y de desacuerdo únicamente al identificar qué afirmaciones reciben acuerdo.

Repetimos también el análisis excluyendo los registros con una marca de imputación en cualquiera de los cinco campos de inclusión, uso o beneficios. Quedaron 1.841 personas. En las tablas conjuntas, perfiles de acuerdo y proporciones de respuestas definidos de antemano, el mayor cambio absoluto fue de unos 0,2 puntos porcentuales. Esta comprobación evalúa esa exclusión concreta; no elimina los errores por falta de respuesta, cobertura o medición. El grupo reducido conserva los pesos originales y no constituye una estimación nacional corregida.^[5]

Presentamos estimaciones descriptivas sin intervalos de confianza ni pruebas de significación. No establecimos una estimación válida de la varianza basada en el diseño de la encuesta para estas tablas condicionales. Las pequeñas diferencias no deben tratarse como clasificaciones fiables. Quince de las 27 celdas de respuestas completas contienen menos de 30 personas y se identifican como tales; todos los recuentos siguen disponibles.

La pregunta conjunta, las definiciones de respuesta, la ponderación, las comprobaciones de sensibilidad y los criterios de publicación se fijaron internamente antes de calcular estas combinaciones. Ya conocíamos los porcentajes marginales publicados. No fue una prerregistración pública. Una aclaración sobre las etiquetas de la fuente cambió la lectura de los datos de entrada, no el análisis previsto, y se documenta en la descarga. Dos cálculos separados reprodujeron los resultados agregados.

Los datos y la formulación original proceden de la encuesta de la Reserva Federal; los cálculos conjuntos y la interpretación son de Influence IQ. No implican el respaldo del organismo. La descarga incluye los resultados agregados completos, el método y el código, así como instrucciones para obtener la versión exacta de la fuente pública. No incluye registros individuales ni identificadores de participantes.^[6]