Workslop: por qué la IA resta productividad en el trabajo

La promesa era sencilla: la inteligencia artificial iba a devolvernos horas. Y, en parte, lo ha hecho. Pero en muchas oficinas esas horas no aparecen por ningún lado; se evaporan corrigiendo un tipo de trabajo nuevo, pulido por fuera y hueco por dentro, que un colega genera con IA y reenvía sin revisar. A ese material ya se le puso nombre —workslop— y se está convirtiendo en uno de los grandes lastres ocultos de la productividad.

¿Qué es el workslop?

El workslop es contenido generado con inteligencia artificial que parece profesional y bien presentado, pero carece de la sustancia, el contexto o la precisión necesarios para hacer avanzar una tarea. En otras palabras: tiene la forma de buen trabajo y nada del fondo. El término fue acuñado en 2025 por investigadores de la Universidad de Stanford y BetterUp Labs en un estudio publicado por Harvard Business Review, y describe con precisión por qué tantas empresas no ven en sus resultados las ganancias de productividad que les prometieron.

La diferencia con un mal informe de toda la vida es importante. El workslop no se ve como un borrador flojo: se ve impecable. Tiene buena ortografía, estructura clara y un tono seguro. Justamente por eso engaña, y traslada el trabajo difícil —pensar, verificar, decidir— de quien lo envía a quien lo recibe.

Lo esencial

• El workslop es contenido de IA pulido en la superficie pero defectuoso en el fondo, que traslada el esfuerzo de quien lo produce a quien lo recibe.
• Cada incidente cuesta en promedio casi dos horas de retrabajo y unos 186 dólares por empleado al mes; en una empresa de 10.000 personas, más de 9 millones de dólares al año.
• La solución no es comprar más herramientas, sino rediseñar el flujo de trabajo, fijar reglas de uso y exigir que quien usa IA siga siendo responsable del resultado.

¿Cuánto cuesta realmente el workslop?

Aquí está la respuesta directa que muchos gerentes buscan: el workslop no es una molestia menor, es una fuga de dinero medible. En la encuesta de Stanford y BetterUp a 1.150 trabajadores estadounidenses a tiempo completo, alrededor del 40 % dijo haber recibido workslop en el último mes. Cada incidente exigió, en promedio, una hora y 56 minutos para entenderlo, rehacerlo o corregirlo.

Traducido a dinero, eso equivale a unos 186 dólares por empleado al mes en productividad perdida. Para una empresa de 10.000 personas, la cuenta supera los 9 millones de dólares al año —y eso solo contando el tiempo, sin sumar el costo de las decisiones tomadas sobre información defectuosa.

El daño no es únicamente económico. El mismo estudio encontró que el 53 % de quienes recibieron workslop se sintieron molestos, el 42 % pasó a ver al remitente como menos confiable y cerca de la mitad lo consideró menos capaz, creativo o fiable que antes. Una tercera parte dijo que preferiría no volver a trabajar con esa persona. La confianza, que es el verdadero capital de cualquier equipo, se erosiona con cada documento vacío que circula.

¿Por qué la IA promete horas y devuelve retrabajo?

La paradoja tiene una explicación sencilla: generar es barato y revisar es caro. La IA reduce a segundos el costo de producir un texto, una presentación o un análisis. Pero no reduce —y a veces aumenta— el costo de verificar que ese material sea correcto. Cuando alguien se salta la verificación y reenvía lo generado, no elimina ese trabajo: solo lo empuja aguas abajo, hacia el siguiente colega.

Los datos de adopción confirman el patrón. El Work Trend Index 2026 de Microsoft, basado en una encuesta a 20.000 trabajadores en diez países, encontró que el 86 % de los usuarios de IA trata sus resultados como un punto de partida, no como una respuesta final. El problema es el 14 % restante —y los momentos de prisa en que hasta los disciplinados sueltan el control de calidad—.

A esto se suma un fenómeno de gestión. El informe Global AI at Work 2026 de Boston Consulting Group, que encuestó a cerca de 12.000 empleados de primera línea, halló que el 42 % asegura ahorrar unas ocho horas semanales gracias a la IA, pero el 66 % recibe poca o ninguna orientación sobre qué hacer con ese tiempo liberado. Sin un rediseño deliberado del trabajo, la capacidad extra se diluye en más reuniones, más correos y más material que alguien tendrá que revisar.

La revista Fortune documentó incluso un efecto perverso de las metas mal diseñadas: empleados de grandes tecnológicas presionados por “usar más IA” empezaron a inflar su consumo de la herramienta —el llamado tokenmaxxing— para cumplir indicadores, encareciendo los costos sin mejorar el producto. Es el viejo error de medir el esfuerzo en lugar del resultado, ahora con esteroides.

¿Es lo mismo que la vieja paradoja de la productividad?

En parte, sí, y conviene recordarlo. En los años ochenta, el economista Robert Solow bromeó con que “la era de las computadoras se ve por todas partes, menos en las estadísticas de productividad”. Aquella paradoja de Solow describía la brecha entre una tecnología deslumbrante y unos resultados agregados que tardaban en aparecer. La lección histórica fue que la tecnología solo paga cuando las organizaciones rediseñan sus procesos a su alrededor, no cuando la superponen sobre las viejas rutinas.

El workslop es la versión contemporánea de esa brecha. La herramienta funciona; lo que falla es el sistema de trabajo que la rodea. Por eso las soluciones puramente tecnológicas —comprar una licencia más, sumar otro asistente— rara vez mueven la aguja. Lo que mueve la aguja es cambiar cómo fluye el trabajo entre las personas.

¿Cómo evitar el workslop en su empresa?

La buena noticia es que el workslop es prevenible, y no exige grandes presupuestos sino disciplina y reglas claras. Estas son las medidas que mejor funcionan:

1. El que firma, responde. Establezca como norma cultural que quien envía un documento es el dueño de su contenido, lo haya escrito una persona o una IA. Si no puede defender una cifra o una afirmación, no debe reenviarla. Esta sola regla detiene la mayor parte del workslop.

2. Distinga las tareas donde la IA ayuda de aquellas donde estorba. La IA brilla para arrancar borradores, resumir, traducir o explorar ideas. Es riesgosa cuando produce el entregable final que otros usarán para decidir. Defina, por equipo, qué usos están permitidos sin revisión y cuáles exigen verificación humana.

3. Pida que se muestre el trabajo, no solo el resultado. Un análisis útil incluye sus fuentes, sus supuestos y sus límites. Exigir esa trazabilidad hace mucho más difícil camuflar contenido hueco y mucho más fácil detectarlo.

4. Capacite y dé pautas, no solo licencias. El estudio de BCG es contundente: dos tercios de los empleados usan IA sin orientación. Una política breve de una página —qué datos no se suben nunca, qué se revisa siempre, cómo se cita una fuente— previene más daño que cualquier herramienta nueva.

5. Mida resultados, no actividad. Premiar el “uso de IA” invita al tokenmaxxing. Premie tareas terminadas bien y a tiempo, decisiones acertadas y clientes satisfechos. La IA es un medio; el indicador debe seguir siendo el fin.

6. Rediseñe el flujo, no solo la herramienta. Si la IA libera ocho horas semanales, decida de antemano en qué se invierten: en pensar mejor, en atender mejor al cliente, en eliminar pasos redundantes. La capacidad que no se reasigna conscientemente se desperdicia.

Estas prácticas conectan con un principio clásico de la gerencia del conocimiento: el valor no está en producir más documentos, sino en que la información correcta llegue a la persona correcta en el momento correcto. La IA puede ayudar a eso —o saturarlo de ruido bien maquetado—.

Ejemplos: el problema cruza fronteras

El workslop no es un fenómeno exclusivo de Silicon Valley. En México y Colombia, equipos de marketing que adoptaron generadores de texto reportan el mismo patrón: campañas que se redactan en minutos pero que un coordinador debe rehacer porque mezclan datos de productos que no existen. En España, despachos profesionales han tenido que prohibir el uso de IA para redactar dictámenes finales tras detectar citas legales inventadas con apariencia perfectamente formal. En Argentina y Perú, áreas de atención al cliente descubrieron que respuestas generadas automáticamente sonaban impecables pero contradecían las políticas vigentes de la empresa.

El hilo común es siempre el mismo: la IA no falló por producir basura evidente, sino por producir algo que parecía correcto y obligó a otro a descubrir que no lo era. Donde las empresas pusieron reglas claras de revisión, el problema se controló; donde solo repartieron licencias, se multiplicó. Es la misma diferencia que explica por qué tantos pilotos de IA fracasan: la tecnología se adopta, pero el trabajo alrededor no se rediseña.

¿Qué papel juega el liderazgo?

Decisivo. El workslop prospera cuando la dirección envía una señal ambigua: “usen IA para ir más rápido”, sin aclarar que la velocidad no exime de la responsabilidad por la calidad. Los equipos interpretan la presión y actúan en consecuencia. Por el contrario, cuando el liderazgo deja claro que el estándar de calidad no baja —que la IA es una palanca para llegar más lejos, no una excusa para entregar menos— el comportamiento cambia.

Esto exige que los gerentes hagan algo más incómodo que comprar tecnología: revisar cómo está organizado el trabajo, qué se mide y qué se recompensa. La transformación útil con IA se parece menos a una compra y más a un proyecto de productividad y rediseño de procesos. Sin ese trabajo de fondo, la herramienta solo acelera el caos preexistente. Vale la pena recordar que la relación entre IA y empleo también está obligando a muchas organizaciones a recalibrar sus decisiones, como muestra la ola de empresas que despidieron por IA y luego volvieron a contratar.

En síntesis

La inteligencia artificial sí puede aumentar la productividad, pero no lo hace por sí sola ni de forma automática. El workslop es la prueba de que sumar una herramienta poderosa a un flujo de trabajo desordenado produce, sobre todo, más desorden con mejor apariencia. La salida no pasa por desconfiar de la tecnología ni por prohibirla, sino por recuperar una disciplina básica: quien entrega un trabajo responde por él, se mida el resultado y no la actividad, y se rediseñe el proceso para que el tiempo que la IA libera se invierta en pensar mejor, no en corregir lo que otro no quiso revisar.

¿Su empresa está midiendo cuánto tiempo dedican sus equipos a rehacer trabajo generado con IA? Esa cifra, hoy invisible en casi todos los tableros de control, podría ser el indicador más revelador del año.