IA y productividad: lo que medimos, lo que hacemos, lo que funciona

Un día cualquiera, a primera hora, un ejecutivo revisa el tablero de operaciones y ve lo de siempre: tareas repetidas, correos que van y vienen, aprobaciones que se demoran, reportes que alguien arma a mano porque “es más rápido así”. No hay épica en eso. Hay tiempo que se pierde. Y cuando el tiempo se pierde, la productividad no aparece por ningún lado.

Si uno mira los datos con calma, el panorama es claro. Seis de cada diez argentinos ya usan IA en su vida personal y siete de cada diez dicen que les resulta muy o bastante efectiva para ser más productivos. En las empresas, en cambio, solo 43% de los empleados declara que se usa IA, y apenas 6% habla de una implementación amplia. Uno de cada tres dice que la dirección casi no menciona el tema.

¿El principal problema? Procesos manuales y falta de innovación. Lo medimos con Taquion, iPlan, y GCBA en noviembre, en un “Estudio sobre los hábitos de uso de las nuevas tecnologías en las empresas y organizaciones del país”, que abarcó 1.301 casos efectivos de personas mayores de 18 años con acceso a Internet y redes sociales.

La brecha entre lo personal y lo corporativo

Esa brecha entre lo que la gente hace en su casa y lo que la organización habilita en su día a día se traduce en resultados disparejos. Más de dos tercios de los trabajadores señalan que su empresa nunca intentó implementar IA o abandonó el proyecto antes de consolidarlo. Cuando se intentó y no funcionó, las causas fueron mala integración con sistemas existentes (24%), resultados por debajo de lo esperado (20%) y complejidad de implementación (16%). En síntesis: no saber cómo integrarla al proceso pesa más que la tecnología en sí.

No es un fenómeno local únicamente. En su propio recorrido, IBM cuenta públicamente que viene ejecutando una agenda de productividad extrema con IA y automatización desde 2023, con una meta de USD 4.500 millones en ahorros al cierre de 2025, bajo el enfoque “Client Zero”: aplicar primero en casa, medir, gobernar y escalar. No es marketing; es gobernanza y ejecución.

Ahora bien, ¿qué pasa puertas adentro de los equipos? Un estudio de la empresa australiana de software Atlassian, que reseña Byte, muestra una paradoja concreta: la productividad individual sube 33% y se ahorran 1,3 horas diarias por persona, con 51% que consulta a la IA antes que a un colega; 74% percibe que el liderazgo impulsa la experimentación. Pero solo 3% de las organizaciones ve mejoras significativas en la eficiencia global y 37% de los directivos reconoce confusión por uso descoordinado de herramientas. Es un hallazgo útil: si la IA no se integra en el flujo de trabajo compartido, amplifica el caos.

En España, otro dato interesante: según el estudio “Inteligencia artificial y efectos en la productividad laboral: evidencia de las empresas españolas” (Iseak, con apoyo técnico de Cotec, 2025) el tejido empresarial avanza a dos velocidades; grandes compañías rozan 40% de adopción y pymes apenas 9%. Además, las empresas más productivas son las que más probabilidades tienen de adoptar IA, reforzando un círculo virtuoso que, por definición, deja atrás a quien demora decisiones. Para quien gestiona, es una señal de riesgo competitivo y no una discusión abstracta.

Cómo convertir IA en productividad real

Con ese marco, ¿qué hacemos en Restart y qué aprendimos acompañando a empresas medianas? Primero, evitar las generalidades. La productividad no aparece en slogans; aparece en procesos. Nuestro enfoque de IA funcional, diseñado con el objetivo que las implementaciones sean consideradas exitosas, toma el proceso tal como ocurre (no como está dibujado en el organigrama), identifica puntos de intervención y arma una solución replicable y escalable. La metodología se apoya en POC tempranas (mostrar antes de prometer) y en un IA Readiness Check que mide adopción, cambio cultural y, sobre todo, calidad de datos. Si el dato es pobre, la IA solo amplifica el error.

Segundo, diseñar para integración y medición. Cuando un proyecto de IA entra en producción sobre el sistema real —ERP, CRM, mesa de ayuda, facturación— el KPI deja de ser “uso de herramienta” y pasa a tiempo, error, costos e ingresos. En la encuesta, los directivos que sí miden señalan métricas de productividad/tiempo, ahorro de costos y calidad/error; pero 44% admite que no mide KPIs de adopción y sólo 13% tiene OKR/KPI específicos de IA definidos para 2026. Sin medición, la discusión se vuelve opinable.

Tercero, acotar el alcance inicial. La evidencia de nuestra práctica muestra que proyectos chicos, bien integrados, con impacto inmediato son los que destraban adopción. Por ejemplo, agentes conversacionales que reducen cortes de llamada y mejoran calidad de respuestas; o automatización en cobranzas con verificación dinámica de pagos; o lectura automática de pólizas para acelerar procesos administrativos. Son casos replicables que reducen tiempo operativo y devuelven horas al negocio.

Cuarto, asegurar gobernanza y seguridad desde el día uno: redes, infraestructura, aplicación y seguridad en una arquitectura evolutiva. Sin ese orden, cualquier agente o modelo “funciona lindo” en demo y se cae en operación. Esto no se resuelve con más presupuesto, sino con diseño técnico y patrocinio interno que saquen la IA del laboratorio.

¿Dónde conviene empezar? Si sigo los datos de la encuesta y lo que vemos en campo, hay cuatro frentes de valor frecuentes:

1. Marketing y comunicación (40% ya usa IA): segmentación, generación de piezas, reporte de performance.
2. Análisis de datos y reportes (31%): consolidación automática, alertas, tableros accionables.
3. Atención al cliente (30%): bots con contexto operativo real, integrados a CRM y backoffice.
4. Automatización administrativa (21%): conciliaciones, altas/bajas, validaciones.

Con la mirada en el mediano plazo, me interesa lo que IBM plantea respecto de patrocinio, velocidad y medición como pilares de su agenda de productividad con IA. En el sector privado latinoamericano, ese tipo de disciplina se traduce en ahorros medibles y flujo de caja que habilita inversión en talento e innovación. Prefiero esa ruta antes que la carrera por “el último modelo”.

También hay una lección del estudio de Atlassian: si pensamos en IA solo para productividad personal, la organización no se coordina mejor. El trabajo se llena de herramientas y los equipos se desalinean. Resolución concreta: menos herramientas sueltas, más integración con contexto compartido, y gobernanza para que el conocimiento del equipo no se disperse.

En RESTART aplicamos esa misma lógica a nuestro propio crecimiento: el recorrido de más de 200 empresas nos dejó trazas de procesos reales que hoy sistematizamos y replicamos; duplicamos el equipo de I+D en dos meses para acelerar ciclos de validación; y sostenemos un principio operativo innegociable: mostrar antes de prometer. Cuando una funcionalidad se evidencia en 15 días, habilita conversaciones que ningún documento logra habilitar. No es un eslogan: es una decisión de ejecución.

¿Alcanza con eso? Todavía no. Falta que la dirección incorpore el tema en agenda y, sobre todo, modele su uso. En nuestro relevamiento, 1 de cada 3 organizaciones afirma que su conducción no habla de IA, y solo un 16% percibe que la utiliza de manera visible. Si el liderazgo no traduce la expectativa en procesos y KPI, la organización no cambia. La adopción no ocurre por difusión espontánea: ocurre cuando se vuelve medible, gestionable y parte del sistema de trabajo.

Mi conclusión es práctica: IA y productividad no son una disputa ideológica ni un futuro hipotético. Son decisiones de flujo, datos, integración y gobernanza que se toman hoy. Con patrocinio interno, un diseño técnico correcto y un KPI claro, los resultados aparecen en semanas. Si se mantiene el enfoque en procesos manuales y pruebas aisladas, la brecha se amplía: quienes ya son más productivos adoptan, escalan y capitalizan; quienes esperan, quedan rezagados. Los datos y los casos ya lo evidencian.

Como director de RESTART, entiendo la IA como un proceso de adopción acompañado: identificar oportunidades reales, medir impacto, integrar con seguridad y escalar con gobernanza. No buscamos promesas abstractas, sino mejoras verificables que se sostienen en el tiempo y se validan con evidencia. En ese acompañamiento, la productividad deja de ser una aspiración y pasa a ser un resultado.