La IA y el tiempo: ¿Capacidad liberada o solo más trabajo?

Una persona termina en veinte minutos una tarea que antes le demandaba dos horas. Revisa el resultado, corrige algunos puntos y guarda el documento. La herramienta funcionó y el tiempo fue efectivamente recuperado.

Sin embargo, cuando vuelve a mirar la agenda, no encuentra un espacio nuevo para pensar, conversar con el equipo o trabajar sobre una prioridad importante. Encuentra otro correo, una reunión que podría haberse evitado, una revisión pendiente y una lista de asuntos que continúa creciendo.

La tarea terminó antes, pero la capacidad no fue liberada.

Esta diferencia empieza a volverse central en la incorporación de inteligencia artificial al trabajo. Las organizaciones pueden medir cuántas personas utilizan una herramienta, cuántas tareas se aceleraron o cuánto tiempo declara ahorrar cada usuario, pero ninguna de esas cifras responde todavía qué hará la organización con aquello que recuperó.

El tiempo que una tecnología ahorra no es, por sí mismo, valor creado. Se convierte en valor cuando alguien decide qué dejará de hacerse, qué prioridad recibirá esa capacidad, quién tendrá autoridad para protegerla y qué resultado permitirá reconocer que produjo una diferencia.

Ahorrar tiempo, liberar capacidad y crear valor no son lo mismo.

Estas tres expresiones suelen utilizarse como si describieran un único movimiento, aunque en realidad pertenecen a niveles diferentes.

Ahorrar tiempo significa que una actividad requiere menos minutos u horas que antes. Liberar capacidad implica que ese tiempo deja de estar comprometido con las mismas tareas, controles, reuniones y pendientes. Crear valor supone que la capacidad recuperada se dirige hacia un trabajo que mejora una decisión, un proceso, una relación, un resultado o una capacidad relevante para la organización.

La primera diferencia puede producirla una herramienta. La segunda y la tercera exigen decisiones humanas.

Una persona puede terminar antes una tarea y utilizar el tiempo restante para responder asuntos secundarios. Un equipo puede automatizar un informe y conservar todas las reuniones en las que ese informe se explicaba. Una empresa puede incorporar asistentes de inteligencia artificial y mantener los mismos circuitos de aprobación, las mismas revisiones y los mismos indicadores.

En esos casos, la tecnología acelera una parte del trabajo, pero no modifica el sistema que determina qué merece atención. La organización sigue haciendo lo mismo, solo que con mayor velocidad.

La capacidad recuperada no permanece vacía.

Existe una expectativa bastante extendida: si una herramienta ahorra tiempo, ese tiempo quedará disponible para tareas de mayor valor. La agenda, sin embargo, no funciona de esa manera.

La capacidad que no recibe una dirección vuelve a ocuparse. Se llena con pedidos que estaban esperando, reuniones que nadie revisó, tareas heredadas que continúan realizándose porque nunca se decidió retirarlas y nuevas instancias de control destinadas a comprobar el trabajo producido por la propia herramienta.

También puede llenarse con un aumento de las expectativas. Si antes una persona entregaba tres informes y ahora puede producir cinco, la organización puede interpretar que la ganancia consiste en pedirle siete. La mejora técnica termina ampliando la cantidad de trabajo sin producir necesariamente una mejor decisión.

El problema no está en la inteligencia artificial. Está en la ausencia de una definición sobre qué capacidad se quiere construir y para qué merece ser protegida.

La investigación global AI at Work 2026 de Boston Consulting Group encontró que el 42 % de los empleados operativos que utiliza IA habitualmente declara ahorrar al menos ocho horas semanales. Sin embargo, el 66 % recibe poca o ninguna orientación sobre qué hacer con ese tiempo y más de la mitad no lo reasigna a trabajo estratégico. Las cifras pertenecen a una encuesta internacional y describen percepciones declaradas; no permiten afirmar que todas las personas ahorren una jornada ni que el resultado se repita en cualquier función, pero exponen una contradicción suficientemente relevante: la capacidad técnica está avanzando más rápido que la capacidad organizacional para dirigirla.

Las personas aprenden a resumir documentos, preparar borradores, ordenar información, analizar alternativas o automatizar partes de sus tareas. La empresa, mientras tanto, puede conservar intactas las prioridades, la distribución de autoridad y las expectativas anteriores.

Por eso, la pregunta ya no debería limitarse a cuánto tiempo se ahorra. También necesita incluir qué trabajo dejará de hacerse para que ese tiempo permanezca realmente disponible.

Una nueva herramienta no modifica automáticamente la agenda.

La agenda es una de las expresiones más concretas de la estrategia. Muestra qué conversaciones reciben tiempo, qué asuntos se revisan, qué decisiones siguen abiertas, qué responsables continúan necesitando autorización y qué tareas se sostienen aunque hayan dejado de producir una diferencia relevante.

Una organización puede afirmar que la inteligencia artificial permitirá dedicar más tiempo a pensar estratégicamente. Pero si no se cancela ninguna reunión, no se reducen reportes, no se modifican responsabilidades y no se protege un espacio específico, esa intención competirá contra todas las demandas anteriores.

Y la agenda suele ganar.

No porque las personas rechacen el trabajo estratégico, sino porque lo inmediato ya posee responsables, fechas y consecuencias, mientras que lo importante suele aparecer como una intención general que debe encontrar lugar entre compromisos previamente organizados.

La capacidad recuperada necesita una decisión de agenda. Sin ella, seguirá disponible solo en teoría.

También necesita una decisión de descarte. Muchas incorporaciones tecnológicas agregan pasos sin retirar los anteriores: la persona realiza la tarea, consulta a la IA, revisa la respuesta, completa el procedimiento habitual, solicita las mismas aprobaciones y documenta además el uso de la nueva herramienta.

El proceso termina siendo más largo.

Esa cautela puede resultar razonable durante una etapa de prueba, pero el problema aparece cuando lo transitorio se convierte en permanente. Toda automatización debería incluir una pregunta explícita: ¿qué actividad dejará de hacerse si la herramienta demuestra suficiente confiabilidad?

Puede eliminarse una primera versión, reducirse una reunión, simplificarse un control, cambiarse la frecuencia de un informe, retirarse una tarea manual o reasignarse una responsabilidad. Sin una decisión de descarte, la tecnología se suma a la carga existente.

La productividad individual puede crecer mientras la organización continúa igual.

Una persona puede incorporar inteligencia artificial por iniciativa propia y mejorar su rendimiento. Encuentra información antes, prepara mejores borradores, compara opciones y organiza reuniones con mayor profundidad.

Ese avance individual puede ser valioso, pero encuentra rápidamente un límite cuando el proceso completo conserva la misma arquitectura.

El documento se prepara antes, pero continúa atravesando cinco aprobaciones. El análisis mejora, pero nadie posee autoridad para decidir. El informe se automatiza, aunque sigue produciéndose porque siempre se produjo. La respuesta al cliente llega más rápido, pero las excepciones continúan escalándose hacia la misma persona.

La herramienta acelera una etapa. El sistema mantiene el tiempo total.

Esta diferencia explica por qué la adopción tecnológica no debería evaluarse solamente en el nivel de la tarea. Necesita observarse el recorrido completo y reconocer qué cambió realmente en la manera de trabajar.

“Queremos incorporar inteligencia artificial” no es todavía una decisión suficientemente precisa. Puede expresar interés, presión competitiva o disposición para experimentar, pero no identifica qué debería modificarse.

Una definición más útil comienza por el problema. ¿Existe una tarea repetitiva que consume capacidad sin requerir juicio especializado? ¿Hay demoras porque la información se encuentra dispersa? ¿Los responsables dedican demasiado tiempo a preparar documentos y poco a discutir las decisiones que esos documentos deberían facilitar? ¿La organización busca mejorar la atención a clientes, reducir errores, acelerar aprendizajes o ampliar su capacidad analítica?

Según la respuesta, la herramienta, el proceso y el criterio de evaluación serán diferentes.

Cuando el problema no está delimitado, la adopción suele medirse por actividad: usuarios registrados, licencias contratadas, consultas realizadas o capacitaciones ofrecidas. Todo eso demuestra movimiento, pero no necesariamente transformación.

La alta dirección no puede delegar por completo la comprensión.

Entre mayo y julio de 2026, los doscientos principales ejecutivos de Deutsche Bank participaron de una formación obligatoria desarrollada junto con London Business School y Google. El programa abordó el impacto de la inteligencia artificial sobre el modelo de negocio, los clientes, los controles, la eficiencia y la conducción de una organización de aproximadamente noventa mil personas.

La relevancia del caso no está únicamente en la capacitación. Está en la decisión de no delegar completamente la comprensión de la transformación en las áreas técnicas.

Tecnología puede explicar capacidades, restricciones y riesgos, pero no debería decidir por sí sola qué procesos merecen rediseñarse, qué relación con los clientes quiere preservar la organización, qué controles no pueden debilitarse, qué funciones deberían cambiar y qué responsabilidades necesita conservar la dirección.

Cuando una transformación modifica el negocio y el trabajo, comprenderla también forma parte del rol ejecutivo. La autoridad para decidir exige aprendizaje suficiente para formular mejores preguntas, reconocer consecuencias y no depender únicamente de la recomendación de especialistas o proveedores.

Sin embargo, la formación tampoco reemplaza la decisión.

Un programa ejecutivo puede ampliar la comprensión y no modificar nada si las prioridades, los recursos y los derechos de decisión permanecen intactos. Por eso, la pregunta posterior no debería limitarse a qué aprendieron los líderes sobre IA. También debería revisar qué decisión están ahora en mejores condiciones de tomar.

Seleccionar un proceso, detener una iniciativa de poco valor, definir una política, reasignar un recurso o establecer una instancia de revisión son movimientos que conectan aprendizaje y ejecución. La formación produce valor cuando mejora una decisión o una práctica, no cuando agrega otra capa de conocimiento a una agenda que continúa organizada de la misma manera.

Participar no significa decidir.

La edición julio-agosto de Harvard Business Review volvió sobre un problema conocido: las herramientas formales para distribuir responsabilidades pueden fallar cuando la decisión no está suficientemente delimitada o los roles no son aceptados en la práctica.

El análisis comienza con una escena reconocible. Doce ejecutivos discuten durante noventa minutos si la organización debe crear un nuevo cargo de innovación y terminan sin decidir. La cantidad de participantes no produjo mayor claridad porque podía estar faltando algo distinto de la información: una pregunta decisional precisa, autoridad reconocida y una definición sobre el papel de cada persona.

La incorporación de inteligencia artificial puede reproducir exactamente ese problema.

Tecnología propone, Recursos Humanos capacita, Legales establece límites, Operaciones identifica necesidades, las gerencias impulsan iniciativas y la dirección recibe informes. Muchas áreas participan, pero nadie responde por el valor total ni posee autoridad suficiente para retirar tareas, rediseñar procesos o cerrar proyectos que no justifican su costo.

La participación amplia puede mejorar la lectura. No elimina la necesidad de saber quién decide.

Tampoco elimina la necesidad de aclarar quién responde cuando el proceso se distribuye. Al incorporar IA, una persona selecciona la herramienta, otra define los datos, un usuario formula la consulta, el sistema genera una respuesta, alguien la revisa y un responsable decide si puede utilizarse.

Esa distribución vuelve más importante precisar quién verifica la información, quién puede descartar una recomendación, quién reconoce una excepción, quién explica la decisión al cliente y quién responde cuando el resultado es incorrecto.

La inteligencia artificial no reduce la responsabilidad humana. La vuelve más visible.

Más información también puede demorar una decisión.

La IA puede ampliar alternativas, generar escenarios, producir comparaciones, resumir antecedentes y anticipar objeciones. Todo eso puede mejorar una decisión, pero también puede extender indefinidamente el análisis cuando nadie definió qué información será suficiente.

Una persona puede seguir pidiendo nuevas versiones porque obtenerlas resulta rápido. Un equipo puede producir diez escenarios en lugar de tres y la dirección puede solicitar otra simulación antes de cerrar.

La herramienta reduce el costo de generar información y aumenta, al mismo tiempo, la tentación de continuar buscando.

El estudio citado por el informe semanal señala que el 41 % de los participantes afirma dedicar más tiempo a tomar decisiones desde que utiliza IA. Ese dato no es necesariamente negativo; algunas decisiones pueden mejorar cuando reciben mayor atención. Pero obliga a distinguir profundidad de postergación.

La pregunta sigue siendo humana: ¿qué información podría modificar realmente la decisión y cuál solo permite mantenerla abierta?

El tiempo liberado necesita una prioridad protegida.

Una organización no necesita decidir en abstracto que el tiempo recuperado será destinado a “trabajo estratégico”. Necesita nombrar qué trabajo merece esa capacidad.

Puede ser revisar una cartera de proyectos, conversar con clientes relevantes, desarrollar al equipo, mejorar una decisión recurrente, documentar criterios, anticipar riesgos, diseñar un nuevo servicio o resolver asuntos que permanecen abiertos.

La prioridad debe poder observarse en la agenda, en una reunión que aparece, en otra que deja de realizarse, en una responsabilidad transferida o en una tarea eliminada.

Sin esa traducción, “trabajo estratégico” se convierte en una categoría suficientemente amplia como para ser desplazada por cualquier urgencia concreta.

El Workbook Claridad Ejecutiva 2026 trabaja esta relación entre atención, capacidad y prioridades mediante una pregunta central: qué merece dirección durante el período actual y qué debe sostenerse, delegarse, reducirse o cerrarse. También propone que cada prioridad quede protegida mediante una decisión explícita sobre aquello que se dejará afuera.

La inteligencia artificial puede recuperar tiempo. Solo una prioridad protegida consigue conservarlo.

Esa protección también exige límites. Un equipo puede liberar cuatro horas semanales y perderlas en pocos días si cualquier persona puede ocuparlas con nuevos pedidos. Por eso conviene definir qué asuntos pueden ingresar, quién puede solicitar ese tiempo, qué prioridad desplazaría y qué tipo de trabajo no debería volver a ocuparlo.

Cuidar capacidad no significa inmovilizarla. Significa impedir que sea absorbida automáticamente por la demanda más cercana.

No todo el tiempo ahorrado debería convertirse en más producción.

Existe una tendencia a utilizar toda eficiencia para aumentar la cantidad: más documentos, más análisis, más contenido, más respuestas, más proyectos.

En algunos casos, ese crecimiento tendrá sentido. En otros, la capacidad recuperada podría destinarse a mejorar calidad, desarrollar personas, sostener decisiones difíciles o reducir una sobrecarga que ya estaba afectando el trabajo.

Una organización también puede decidir que parte del tiempo recuperado servirá para revisar, aprender, conversar o trabajar con mayor profundidad sobre menos asuntos.

Ese movimiento exige criterio porque sus resultados no siempre son inmediatos ni tan visibles como el aumento de volumen, pero puede construir una capacidad más valiosa que producir más de aquello que ya se hacía.

Para un profesional independiente, la pregunta es semejante. Puede ahorrar tiempo en propuestas, investigaciones, materiales o contenido y descubrir que su semana continúa igual de ocupada porque la capacidad vuelve a llenarse con más producción.

La herramienta no puede decidir si ese tiempo debería destinarse a atender mejor, estudiar, cerrar asuntos abiertos, desarrollar una oferta, descansar o mejorar la calidad de una intervención.

Puede ayudar a ordenar alternativas.

La decisión sigue perteneciendo a quien deberá sostener sus consecuencias.

Antes de ampliar una iniciativa de IA.

Antes de extender una herramienta a todo un equipo, conviene responder cinco preguntas.

• La primera es qué problema se intenta resolver. No qué herramienta se quiere incorporar, sino qué situación necesita cambiar.
• La segunda es qué tarea debería reducirse o desaparecer. Toda incorporación necesita una decisión de descarte.
• La tercera es qué capacidad se espera liberar: tiempo, atención, velocidad, información, aprendizaje o calidad.
• La cuarta es quién decidirá su destino. La capacidad recuperada no debería quedar disponible para cualquier demanda.
• La quinta es qué evidencia mostrará valor. Es necesario distinguir entre uso, eficiencia e impacto.

Estas preguntas no reemplazan la evaluación técnica, jurídica o de seguridad. Trabajan sobre otra dimensión: la responsabilidad organizacional de convertir una posibilidad tecnológica en una decisión ejecutable.

También permiten construir una medición más completa. Contar usuarios, frecuencia de uso o cantidad de consultas ofrece información útil, pero no muestra todavía qué cambió en los resultados.

Una revisión más exigente puede observar el tiempo total del proceso, la cantidad de pasos retirados, la calidad del resultado, los errores, las decisiones aceleradas, la capacidad reasignada y las responsabilidades modificadas. También debería registrar efectos menos favorables, como un aumento del tiempo de supervisión, duplicación de tareas, producción excesiva de información o dependencia de respuestas no verificadas.

La adopción no debería medirse únicamente. Necesita interpretarse.

Para revisar.

Pensá en una herramienta de inteligencia artificial que ya estés utilizando dentro de tu trabajo o de tu equipo.

¿Qué tarea termina antes y cuánto tiempo se recupera después de contar revisiones y correcciones? ¿Qué actividad dejó realmente de hacerse? ¿La agenda cambió o solo aumentó la cantidad de producción?

También conviene revisar qué prioridad recibe la capacidad liberada, quién puede protegerla frente a nuevos pedidos y qué decisión continúa abierta aunque ahora exista más información.

¿Qué responsabilidad permanece en las personas? ¿Qué indicador muestra uso y cuál demuestra valor? ¿Qué proceso anterior se conserva solamente porque nadie decidió retirarlo?

Las respuestas pueden mostrar que la herramienta funciona y que la organización todavía no decidió qué hacer con aquello que funciona.

Conclusión.

La inteligencia artificial puede devolver una jornada de trabajo. También puede devolverla completamente ocupada por las mismas prioridades, reuniones, controles y asuntos abiertos.

El tiempo ahorrado es una posibilidad. La capacidad liberada es una decisión. El valor aparece cuando esa capacidad recibe una dirección, una responsabilidad y una forma de revisión.

Por eso, la conversación sobre inteligencia artificial no debería limitarse a herramientas, productividad o adopción. También necesita alcanzar aquello que la organización está dispuesta a dejar de hacer, el trabajo que merece mayor atención humana y la autoridad necesaria para protegerlo.

La tecnología puede terminar antes una tarea.

No puede decidir por una organización qué debería empezar después.

Esa sigue siendo una responsabilidad de conducción.

Próximo movimiento.

El Workbook Claridad Ejecutiva 2026 permite revisar qué asuntos están ocupando capacidad, qué prioridades merecen protección y qué decisiones de descarte deberían acompañar una nueva etapa de trabajo.

Cuando la incorporación de inteligencia artificial involucra varias áreas, responsabilidades distribuidas y procesos que continúan funcionando como antes, una intervención con el equipo permite trabajar otra escala del problema: qué se automatiza, qué deja de hacerse, quién decide, qué responsabilidad permanece en las personas y cómo se comprobará el valor producido.

El objetivo no es incorporar más herramientas, es decidir qué trabajo merece la capacidad que esas herramientas pueden liberar.

Referencias.

• Beauchene, Vinciane; Duranton, Sylvain; Martin, David; Lyon, Vanessa; y Walters, Jeff. “AI at Work: Strategy Matters More Than Tools.” Boston Consulting Group, 3 de junio de 2026. Fuente de los datos sobre el 42 % de usuarios habituales que declara ahorrar al menos una jornada semanal, el 66 % que recibe poca o ninguna orientación y la proporción que no reinvierte ese tiempo en trabajo estratégico.
• Clarke, Paul. “Deutsche Bank puts 200 top bankers through mandatory AI training.” Financial News, 4 de agosto de 2026. Fuente del caso sobre la formación obligatoria desarrollada junto con London Business School y Google para los principales ejecutivos de la entidad.
• Greer, Lindy; Jordan, Jennifer; y Sytch, Maxim. “What Companies Get Wrong About Decision Rights.” Harvard Business Review, edición julio-agosto de 2026. Fuente del caso de los doce ejecutivos que debatieron durante noventa minutos sin alcanzar una decisión y del análisis sobre las limitaciones prácticas de herramientas como RACI.
• Sosa Osores, Damián. Claridad Ejecutiva 2026. Workbook para ordenar decisiones, conversaciones y ejecución. Versión actualizada, junio de 2026. Marco utilizado para relacionar capacidad, prioridades, decisiones de descarte, responsables y ejecución.