México es potencia en adopción de IA: 67% de los empleados la usa, pero los jefes no la aprovechan

Según explica el especialista, un empleado puede usar IA para analizar documentos o producir materiales que antes requerían conocimientos especializados, pero si ese cambio no va acompañado de una decisión de la organización sobre cómo rediseñar el trabajo, el beneficio se queda solo en esa persona.

"Individualmente hay una adopción de inteligencia artificial, pero que en realidad no redunda en resultados para la compañía, sino solamente en productividad, retornos o ahorros a nivel individual", señala el especialista.

El problema, entonces, no está en convencer al trabajador de utilizar la tecnología, sino en que la empresa sepa qué hacer con esa capacidad adicional. La adopción individual puede traducirse en que una persona termine antes una tarea, produzca más o pueda resolver problemas que antes requerían apoyo especializado, pero eso no significa automáticamente que la organización esté obteniendo un beneficio equivalente.

“El verdadero rediseño de la forma en la que queremos trabajar tiene como camino crítico y como pilar fundamental a los líderes de la organización tomando esta decisión estratégica”, explica Glinsky.

Te puede interesar:

Tecnología

Los agentes de IA pueden multiplicar por 10 resultados, pero falta medir su impacto

Los datos del Work Trend Index muestran precisamente esa diferencia entre los trabajadores que están más avanzados en el uso de IA y el entorno en el que trabajan. En México, 17% de la fuerza laboral corresponde a los llamados Frontier Professionals (profesionales de frontera), usuarios que no solo utilizan más estas herramientas, sino que deciden de manera más deliberada qué tareas delegar a la IA, cuáles mantener bajo criterio humano y cómo combinar ambas capacidades.

En las organizaciones donde trabajan estos profesionales, el papel del jefe cambia. 82% de los Frontier Professionals señala que su gerente utiliza IA abiertamente, frente a 69% entre los trabajadores que no pertenecen a este grupo. Además, 83% afirma que su jefe establece estándares de calidad para el trabajo realizado con IA, contra 66% entre los no Frontier.

La diferencia también aparece cuando se trata de transformar la manera de trabajar, pues 80% de los profesionales de frontera dice que su gerente impulsa un rediseño más ambicioso del trabajo, frente a 69% entre los demás trabajadores. Y 58% asegura que su equipo refina procesos en conjunto para encontrar oportunidades de uso de IA, frente a 38% entre los no Frontier.

La diferencia también aparece cuando se trata de transformar la manera de trabajar, pues 80% de los profesionales de frontera dice que su gerente impulsa un rediseño más ambicioso del trabajo, frente a 69% entre los demás trabajadores. Y 58% asegura que su equipo refina procesos en conjunto para encontrar oportunidades de uso de IA, frente a 38% entre los no Frontier.

Es decir, donde la IA sí empieza a convertirse en una herramienta de transformación, el jefe no se limita a permitir que sus empleados la utilicen, sino que participa en el cambio y modifica la manera en que se organiza el trabajo.

El riesgo de que la IA termine creando más trabajo

No adoptar un modelo en el que la empresa y sus líderes estén involucrados en los usos de IA podría llevar a las compañías a confundir productividad individual con transformación empresarial, advierte Glinsky. Un trabajador puede hacer en unas horas una tarea que antes le llevaba un día, pero si la organización no define cómo aprovechar ese tiempo, el aumento de eficiencia puede terminar simplemente en una mayor carga de trabajo.

Además, dejar que los empleados utilicen IA de manera individual y sin una estrategia de gobernanza puede dificultar la supervisión de los resultados y generar retrabajo, pues un error que pudo detectarse desde el inicio puede terminar obligando al trabajador a corregir o rehacer una tarea.

Esto sucede porque la rapidez con la que estas herramientas generan respuestas no garantiza que sean correctas o adecuadas, por lo que mantener el criterio humano sigue siendo clave, asegura Glinsky. En México, 86% de los usuarios considera que el resultado generado por IA no debería ser el definitivo, sino uno que debe ser evaluado por una persona.

"Yo no busco quitar a la humanidad de nuestros procesos [...] Busco ponernos a los seres humanos donde realmente hacemos la diferencia", afirma Glinsky.

La falta de supervisión también impide leer los resultados

Pero esa supervisión también es necesaria para entender qué está funcionando y qué no. Si cada empleado utiliza la IA de manera distinta, sin objetivos, criterios de calidad o procesos definidos por la organización, resulta más difícil distinguir entre un aumento real de productividad y un mayor volumen de actividad. Y eso también complica medir cuánto valor está generando la tecnología.

El estudio Desbloqueando el potencial de la IA en México en 2026 , elaborado por AWS, muestra esta dificultad: aunque 88% de las organizaciones que han adoptado IA reporta mejoras en productividad y 86% asegura obtener rendimientos positivos, 46% reconoce que no cuenta con una forma confiable de medir el retorno de inversión de estas tecnologías. Solo 33% confía en su capacidad para medirlo con precisión y 25% cuenta con un marco definido para determinar qué constituye una implementación exitosa de IA.

Incluso entre las empresas que sí miden el desempeño de la IA, el enfoque no siempre está puesto en los resultados del negocio, pues 45% se concentra principalmente en métricas de actividad y uso, como la adopción, las consultas procesadas o el tiempo ahorrado, mientras que solo 23% prioriza indicadores como ingresos, ahorro de costos o satisfacción del cliente.

Para Glinsky, esto no significa que exista una única fórmula para calcular el retorno de la IA. La métrica depende de lo que cada organización busca conseguir. Una empresa puede medir el impacto en sus márgenes, otra en sus ventas, en la retención de clientes o en la satisfacción de sus empleados. La clave es establecer desde el principio qué resultado de negocio se quiere modificar y utilizar ese indicador para evaluar si la inversión está funcionando.

Además del ahorro de costos, las empresas pueden observar variables como la calidad del trabajo, la innovación, la velocidad para tomar decisiones, la colaboración entre equipos y la capacidad de los empleados para realizar actividades que antes estaban fuera de su alcance.

La siguiente etapa ya no está solo en usar asistentes que respondan preguntas. Microsoft observa una evolución hacia agentes de IA capaces de colaborar con las personas con cierto grado de autonomía, en tareas como investigación, coordinación o identificación de patrones dentro de una organización.

Pero dar este siguiente paso requiere algo más que incorporar nuevas herramientas, implica que los líderes decidan qué procesos deben transformarse, qué tareas pueden delegarse a la IA y cuáles necesitan conservar el criterio humano. Sin esa definición, los agentes corren el riesgo de convertirse en una nueva capa tecnológica sobre procesos que siguen funcionando de la misma manera.