Workslop: el trabajo con IA que parece bueno y no sirve

Las empresas de toda Hispanoamérica están empujando a sus equipos a usar inteligencia artificial, y los equipos respondieron: hoy circulan más informes, más presentaciones y más resúmenes que nunca. El problema es que una parte creciente de ese material se ve impecable y no sirve. Ese fenómeno ya tiene nombre —workslop— y números que deberían preocupar a cualquier gerente: casi la mitad de los trabajadores dice haberlo recibido, y cada episodio cuesta alrededor de dos horas de retrabajo.

Lo esencial

• El workslop es contenido generado con IA que aparenta estar terminado pero carece de sustancia, y obliga al receptor a rehacer el trabajo: el 41% de los empleados encuestados dice haberlo recibido.
• Cada incidente consume cerca de dos horas de retrabajo, un costo estimado de 186 dólares por empleado al mes que casi nunca aparece en los indicadores, porque lo absorbe quien recibe el material.
• La salida no es prohibir la IA, sino fijar estándares: definir qué significa “terminado”, exigir revisión humana antes de enviar y medir retrabajo, no solo volumen.

¿Qué es el workslop?

El workslop es contenido de trabajo generado con inteligencia artificial que tiene apariencia de trabajo bien hecho —formato pulido, redacción fluida, estructura profesional— pero que no tiene la sustancia necesaria para avanzar la tarea. El término lo acuñaron BetterUp Labs y el Social Media Lab de la Universidad de Stanford en un estudio publicado por Harvard Business Review: un informe que resume mal la reunión, una presentación genérica que no responde la pregunta del cliente, un análisis con datos inventados o vacíos que alguien más tendrá que verificar línea por línea.

La distinción clave es que el workslop no es un borrador honesto. Un borrador se presenta como tal y pide mejora; el workslop se presenta como producto terminado y traslada el esfuerzo hacia abajo o hacia el costado: el receptor debe interpretarlo, corregirlo o rehacerlo. Según el mismo estudio, el 41% de los trabajadores encuestados recibió workslop en el último mes, y cada incidente demandó en promedio casi dos horas para resolverse.

La paradoja es evidente. Mientras las organizaciones invierten en licencias y capacitación, Gallup encuentra que solo una minoría de los trabajadores —cerca del 12%— considera que la IA cambió de verdad la forma en que se hace su trabajo. Mucho movimiento, poco avance: el mismo patrón que ya analizamos en ¿Burbuja de IA? El 95% no ve retorno.

¿Por qué la gente produce workslop?

Nadie envía basura pulida por maldad. El workslop es el resultado predecible de tres incentivos mal diseñados, como detalla el análisis de seguimiento de HBR sobre por qué se genera workslop y cómo detenerlo:

Presión de volumen. Cuando la dirección comunica “usen IA para producir más” sin definir estándares de calidad, el mensaje que llega es que la cantidad visible importa más que la utilidad real. El empleado racional responde generando más entregables, no mejores entregables.

Miedo a parecer lento. En organizaciones donde “ya lo tengo listo” vale más que “necesito un día más”, la IA ofrece una salida tentadora: entregar algo presentable ahora y dejar que los problemas aparezcan después, en el escritorio de otro.

Ausencia de un estándar de “listo”. La mayoría de los equipos nunca definió qué significa que un informe, una propuesta o un análisis estén terminados. Sin esa definición, el criterio queda en manos de cada quien —y la IA produce algo que parece cumplirlo sin cumplirlo.

A esto se suma un factor cultural: en equipos donde nadie se atreve a decir “esto no sirve, rehacelo”, el workslop circula sin fricción. Es el mismo mecanismo que describimos al hablar de la cultura demasiado amable: evitar la conversación incómoda hoy sale carísimo mañana.

El costo invisible: quién paga el retrabajo

El costo del workslop es difícil de ver porque no lo paga quien lo produce, sino quien lo recibe. El productor registra un entregable a tiempo; el receptor absorbe las dos horas de verificación, corrección o rehechura. Ese tiempo no figura en ningún tablero de control: se disfraza de “revisión normal”.

Los investigadores de BetterUp y Stanford estimaron el costo en unos 186 dólares por empleado al mes. En una organización de 10.000 personas, eso supera los 9 millones de dólares anuales en productividad perdida — una cifra que rara vez se compara con el ahorro que prometía la herramienta. Para una PYME de 30 empleados en México, Colombia o Argentina, la misma proporción equivale al costo anual de uno o dos salarios completos evaporados en retrabajo.

Y hay un segundo costo, más corrosivo: la confianza. El estudio de HBR encontró que aproximadamente la mitad de quienes reciben workslop pasan a ver al remitente como menos creativo, menos capaz y menos confiable, y muchos se vuelven reacios a trabajar de nuevo con esa persona. En equipos pequeños —la realidad de la mayoría de las empresas hispanoamericanas— esa erosión no se recupera con una disculpa: quien queda marcado como alguien que “manda cosas sin revisar” pierde influencia en cada proyecto siguiente.

¿Cómo distinguir el workslop de un borrador legítimo?

Tres preguntas rápidas lo delatan:

1. ¿Responde la pregunta específica que se hizo, o responde una pregunta genérica parecida? El workslop suele ser correcto en abstracto e inútil en concreto: habla del tema, no del problema.
2. ¿Las afirmaciones tienen respaldo verificable? Si los datos no tienen fuente, o las citas no existen, alguien tendrá que verificar todo — y ese alguien no es quien lo envió.
3. ¿El remitente puede defenderlo en persona? Cinco minutos de preguntas revelan si quien envió el documento lo entiende o solo lo generó. Si no puede explicar por qué llegó a esa conclusión, es workslop.

Un borrador legítimo, en cambio, viene etiquetado como borrador, declara qué falta y qué se verificó, y no le traslada trabajo oculto al receptor.

Cinco controles para cortarlo sin prohibir la IA

Prohibir la IA sería tirar la herramienta por culpa del mal uso — y además no funcionaría: el uso se volvería clandestino. Lo que funciona es gobernarla, algo que ya planteamos al describir cómo pasar del experimento al sistema con IA en las pymes. Cinco controles concretos:

1. Definir “terminado” por tipo de entregable. Un informe está terminado cuando responde la pregunta planteada, cita fuentes verificables y fue leído completo por quien lo envía. Escribirlo y comunicarlo: sin estándar explícito no hay exigencia posible.
2. Regla de revisión previa: quien envía, revisa. Nada generado con IA se envía sin que el remitente lo haya leído entero y pueda defenderlo. La IA redacta; la persona responde por el contenido.
3. Transparencia de origen. Marcar qué partes se generaron con IA. No para castigar su uso, sino para que el receptor sepa qué nivel de verificación aplicar. La transparencia convierte el workslop en un problema visible en lugar de una sospecha.
4. Medir retrabajo, no solo output. Preguntar sistemáticamente cuánto tiempo consumió corregir o rehacer material recibido. Ese indicador —horas de retrabajo por área— revela lo que el conteo de entregables esconde.
5. Evaluar sustancia, no volumen. Si la evaluación de desempeño premia la cantidad de entregables, el workslop es la respuesta racional. Premiar trabajo que avanzó decisiones, y penalizar explícitamente el volumen sin sustancia.

¿Cómo lo aplica una PYME sin política formal de IA?

No hace falta un comité de gobernanza. Una empresa mediana en Ciudad de México, Bogotá, Buenos Aires o Madrid puede implementar lo esencial en una semana:

• Día uno: el gerente comunica la regla única — “todo lo que envíes, tenés que poder defenderlo en cinco minutos”. Es la versión mínima de los controles 1 y 2.
• Primera semana: cada líder de equipo define “terminado” para los dos o tres entregables más frecuentes de su área (propuesta comercial, reporte mensual, presentación a cliente).
• Primer mes: en la reunión de cierre, una pregunta nueva: “¿cuánto tiempo perdimos este mes rehaciendo material que llegó como terminado?”. Con esa sola métrica, el problema deja de ser invisible.

Una firma de servicios en Chile que facturaba horas de consultoría descubrió con ese ejercicio que sus analistas dedicaban casi un día a la semana a verificar material generado con IA por otras áreas. No necesitó prohibir nada: bastó con que el costo tuviera nombre y dueño para que las áreas emisoras empezaran a revisar antes de enviar.

Conclusión: la IA no es el problema, el estándar sí

El workslop no es un defecto de la tecnología sino de la gestión: aparece exactamente donde no hay definición de calidad, donde se premia el volumen y donde nadie se anima a devolver un documento diciendo “esto no sirve”. La inteligencia artificial solo aceleró la producción de algo que siempre existió — trabajo aparente — y lo volvió lo bastante barato como para inundar a los equipos.

La buena noticia es que los controles son simples y no requieren presupuesto: definir “terminado”, exigir que quien envía revise, transparentar el origen, medir el retrabajo y evaluar sustancia. Las empresas que los apliquen conservarán lo mejor de las dos partes: la velocidad de la máquina y el criterio de las personas. Las que no, seguirán celebrando entregables mientras la productividad real —y la confianza interna— se les escurre en horas de retrabajo que ningún tablero registra.

¿Su organización ya definió qué significa “terminado”? Esa sola pregunta es un buen punto de partida para esta semana.