Geyto Research · Mariano D'Angelo · Revisión de evidencia · · 2 min de lectura
IA generativa en el trabajo. Qué muestran los primeros estudios de campo
Dos estudios de campo sobre IA generativa muestran ganancias reales y desiguales. La adopción depende de la tarea, de la experiencia y del criterio para usarla.
En breve: los primeros estudios de campo sobre IA generativa en el trabajo muestran ganancias reales, pero no parejas. Dependen de la tarea, de la experiencia de quien la usa y de saber cuándo la herramienta ayuda y cuándo no. Para una organización, eso significa que la IA es un problema de adopción: el acceso a la herramienta es el comienzo, no el resultado.
Un centro de atención al cliente
Erik Brynjolfsson, Danielle Li y Lindsey Raymond estudiaron la introducción de un asistente de IA generativa en el soporte al cliente de una empresa de software, con más de cinco mil agentes. El acceso a la herramienta aumentó la productividad, medida como casos resueltos por hora, en un 14 % en promedio. Para los trabajadores novatos o menos calificados, la mejora fue del 34 %. Para los más experimentados, el efecto fue mínimo.
Una lectura posible es que la herramienta difunde las prácticas de los mejores agentes hacia quienes recién empiezan. Es un efecto de aprendizaje, no sólo de velocidad.
Una frontera irregular
Fabrizio Dell'Acqua, Ethan Mollick y sus colegas hicieron un experimento con 758 consultores de Boston Consulting Group. En tareas que estaban dentro de lo que la IA hace bien, quienes la usaron completaron más tareas, más rápido y con mejor calidad. En una tarea elegida para quedar fuera de esa frontera, quienes usaron IA tuvieron menos probabilidad de llegar a la respuesta correcta que quienes no la usaron.
Los autores lo llamaron una "frontera tecnológica irregular": la IA es muy buena en algunas tareas y mala en otras de dificultad parecida, y el límite no es evidente para quien la usa.
La vieja ironía de la automatización
En 1983, Lisanne Bainbridge describió las "ironías de la automatización": cuanto más automatizado está un sistema, más importante y más difícil se vuelve la intervención humana cuando algo sale mal. Quien supervisa pierde práctica justamente en lo que tiene que hacer en los casos excepcionales.
Los estudios sobre IA generativa muestran una versión actual del mismo problema. El valor de la herramienta depende del criterio de quien la usa para saber cuándo confiar y cuándo revisar.
Qué cambia en la pregunta de la adopción
La IA no cambia la pregunta de fondo: qué exige este cambio y qué capacidad hay para sostenerlo. La vuelve más precisa:
- La exigencia es menos visible. No se trata de aprender pantallas nuevas, sino de juzgar resultados que parecen correctos.
- La capacidad es desigual. Novatos y expertos obtienen efectos distintos de la misma herramienta.
- Los traspasos cambian. Aparecen nuevos pasos entre personas y sistemas: revisar, corregir y decidir quién responde por el resultado.
Qué hacer con esto
- Mapear las tareas antes de desplegar: dónde la IA ayuda y dónde no, en este trabajo concreto.
- Formar criterio, no sólo uso: ejercicios con casos en los que la herramienta se equivoca.
- Definir quién revisa y quién responde por lo que produce la IA.
Más en La IA vuelve la pregunta más precisa y en Geyto Learning.
Geyto Research publica ensayos, revisiones de evidencia y notas de mercado sobre lo que pasa después del go-live.
Preguntas frecuentes
¿La IA generativa aumenta la productividad?
En estudios de campo, sí, para ciertas tareas. En un centro de atención al cliente, el acceso a un asistente aumentó en un 14 % promedio los casos resueltos por hora, con un 34 % para trabajadores novatos o menos calificados (Brynjolfsson, Li y Raymond).
¿Qué es la frontera tecnológica irregular?
Es la idea de que la IA rinde muy bien en algunas tareas y mal en otras de dificultad parecida, sin que el límite sea evidente. En un experimento con 758 consultores, la IA mejoró los resultados en tareas dentro de esa frontera y los empeoró en una tarea fuera de ella (Dell'Acqua y otros).
¿Qué implica para adoptar IA en una organización?
Que la adopción no se resuelve con acceso a la herramienta. Requiere criterio sobre cuándo confiar en ella, cambios en los traspasos de trabajo y aprendizaje en el puesto.
Fuentes
- Brynjolfsson, E., Li, D. y Raymond, L. R. (2023). Generative AI at work. NBER Working Paper 31161.
- Dell'Acqua, F., McFowland III, E., Mollick, E. R. y otros (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. Harvard Business School Working Paper 24-013.
- Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
Compartir