No faltan motivos para adoptar el uso de IA en el trabajo y hasta en la rutina cotidiana. Eficiencia, comodidad u obligación? Un poco de cada una, más de una que de otra, según el caso. En las expectavivas previas estamos convencidos de que al menos 2 se cumplen: mayor eficiencia y comodidad, a primera vista, sin dudas. Pero empiezan a sonar cada vez con más fuerza las opiniones de quienes se ven obligados por sus empresas a abrazar la IA en sus tareas y no siempre les está resultando eficiente ni cómodo. Y mucho menos seguro…

Los programadores españoles dicen…

Según un reciente informe de Adaptavist la mayoría se percibe mucho más eficiente usando IA. Pero:

Más de un tercio de los desarrolladores en España (aprox. 34%) teme perder su empleo si no utiliza IA en su trabajo diario.
El 52% de los encuestados afirma que usa IA principalmente para cumplir expectativas empresariales, es decir, porque sus empresas lo exigen o lo consideran un estándar competitivo.

Y ahí se desprenden dos vertientes: los que deciden migrar a un área menos expuesta a la IA para sobrevivir en el ambiente laboral con sus capacidades y experiencia, y los que comienzan a adquirir nuevas capacidades para no caer en la obsolescencia frente a la inteligencia digital.

Empresas que implementan IA para todo

Muchos, pero muchísimos casos de empresas que deciden implementar IA porque la competencia lo hace y no quieren perderse la ola, pero sin demasiado estudio previo acerca de sobre si realmente les aporta algo o, en todo caso, en que áreas sí, en que áreas no y en que medida y para que tareas en cada caso. Pareciera que el dogma es «Usar IA porque hay que usar IA«. Y entonces aplican IA a todo, desde la atención al cliente hasta las más simples operaciones administrativas, pero no siempre de la mejor manera. A primera vista se nota claramente una aparente mayor eficiencia y velocidad en los procesos, hasta que algo sucede o alguien escarba un poco la superficie. Antes guardar un mail en su carpeta correcta o derivarlo al departamento que corresponda, era una simple regla configurada en Outlook hace años. Hoy una API crea y configura un agente que conecta con plugins específicos para generar un prompt que solicite a Claude que tome el mail, interprete el contenido, remitente y destinatario y entonces vea que hacer con él. Tokens consumidos, monstruosidad de configuraciones e imposibilidad de auditar claramente el proceso, pero la satisfacción de ser modernos.

Menos coloquial pero más técnica, la cuestión sería así:

Presión laboral: La adopción de IA no siempre nace de la motivación individual, sino de la necesidad de alinearse con las demandas del mercado y la empresa.
Brecha de percepción: Mientras las compañías ven la IA como un motor de eficiencia y reducción de costos, muchos desarrolladores la perciben como una herramienta obligatoria para no quedar obsoletos.
Riesgo de dependencia: El uso de IA por obligación puede generar resistencia, falta de capacitación real y dependencia de herramientas externas sin un entendimiento profundo.

⚙️ Implicaciones para el sector IT

Formación continua: Los desarrolladores necesitan capacitación en IA aplicada a su campo (automatización de código, testing, documentación, etc.) para que el uso sea genuinamente productivo.
Cambio cultural: Las empresas deben entener que la IA es un complemento y no un sustituto inmediato del talento humano.
Competitividad global: En mercados como España y Latinoamérica, la presión por adoptar IA refleja la tendencia mundial: quien no la usa corre el riesgo de quedar rezagado frente a colegas y competidores.

Cualquiera que haya usado al menos ChatGPT, puede optar por una de dos filosofías: dar por cierta cualquier respuesta que nos de y punto, o cuestionar un poquitín e intentar verificar si la respuesta es la correcta. La primera es cómoda pero peligrosa: aún con una tasa de certeza y precisión que mejora día a día, los errores y las respuestas incorrectas o de fuentes imaginarias no son pocas. La IA puede equivocarse 100 veces hasta finalmente acertar y aprender. Vos mandaste mal un trabajo y estas en problemas. Y si optaras por la filosofía de cuestionar y asegurarte de que todo sea correcto, aunque sea sólo en algunas del las cuestiones más importantes de tu trabajo, la eficiencia se va a los caños.

Tomando como ejemplo la programación, es innegable que resolver una app usando una IA en modo agente es incomparablemente más rápido que pensarla, diseñarla, codificarla, probarla y corregirla a mano. Pero cualquiera que lo haya intentado habrá vivido esos terroríficos instantes en los que algo no funciona, tu motor preferido no da pie con bola en la resolución final mientras los tokens se evaporan y decidís meter mano a la antigua: dónde, cómo y porqué son las primeras preguntas que surgen de inmediato. Y en muchos casos no queda otra que tener que preguntarle a la misma IA dónde metió la porción de código que debiera hacer determinada cosa. Y cuando lo encontraste tenés que volver a preguntarle porqué para sumar 2+2 construyó un servicio que en segundo plano evalúa algoritmos cuánticos mediante los cuales determina qué operador matemático sería el más adecuado, codificó una docena de helpers que determinan si 2 es un número, si es entero , si es posible sumarlo a otro número y finalmente una dll gráfica que releva las características del dispositivo para proceder a renderizar el resultado, pixel a pixel. Exagero? Sí, por supuesto, pero no tanto. Ahí es donde borras las 76254 líneas de código generado por la IA y tipeás

print(2+2)

o…

System.out.println(2 + 2);

o la versión coqueta:

using System;

class Suma
{
    static void Main()

 {
    Console.WriteLine(2 + 2);
 }
}

Listo? No, porque Claude, GPT, MAI-Flash o la que sea, ya había entrelazado inexpugnablemente ese código entreverado con todas y cada una del resto de las funciones de tu aplicación. Dicho de otro modo: si cuando tenes que hacer una reparación sobre un trabajo hecho por un tercero hay un inevitable período de estudio y descule previo de lo realizado por el otro, si ese otro fue un LLM y no estuviste atento a casi cada paso de su trabajo, las correcciones pueden consumir lo mismo o más que desarrollar todo de nuevo, desde 0. O tenés que caer en lo que hacemos la mayoría: seguir trabajando en las correcciones con la misma IA que causó el problema.

📌 Conclusión

El estudio muestra un clima de ansiedad laboral: la IA se percibe en muchas áreas más como una obligación que como una oportunidad. El desafío está en transformar esa presión en empoderamiento, ofreciendo formación y estrategias claras para que los desarrolladores integren la IA como una herramienta de valor, no como una amenaza. Y lo mismo para empleados de otros departamentos.

Atención al cliente

Muchísimas empresas están recontra convencidas de que la IA es la piedra filosofal del CRM. Especialmente aquellas cuyos directivos nunca tuvieron que realizar una gestión a través de sus propios chatbots. Baste con que te haya tocado en suerte que tu caso no coincida con una de las opciones automáticas para que la experiencia sea una frustración tras otra. Y convengamos que, si tu caso estuviese contemplado por una de las opciones automáticas, probablemente ni habrías tenido que llegar a esa instancia. Y luego de 40 minutos y otros tantos mensajes, todas las sesiones terminan del mismo modo: «Aguardá mientras derivo tu caso a un operador». Operador que si me hubiese antedido en primera instancia, lo hubiese resuelto al toque.

Existen excepciones? Si, las hay. Chatbots preciosamente configurados y prolijamente conectados al LLM correcto, alimentado con el contexto necesario para atenderte, entenderte y resolver tu problema. Pero son caros, difíciles de implementar y tienen un requisito tan imprescindible como escaso: a la empresa le tiene que importar más resolver el problema del cliente que desagotar el canal de reclamos del modo más económico posible.

Resumiendo

Eficiencia real vs. eficiencia aparente

Es cierto que la IA acelera procesos (automatización de código, clasificación de correos, generación de respuestas). Pero muchas veces esa “eficiencia” es superficial: detrás hay configuraciones complejas, consumo de tokens, falta de trazabilidad y riesgo de errores que terminan costando más tiempo que el que se ahorra.

Comodidad vs. dependencia

La comodidad de “delegar” tareas a un modelo es atractiva. Sin embargo, cuando el sistema falla, el usuario se enfrenta a un código o flujo de trabajo que no entiende del todo, lo que genera dependencia y pérdida de autonomía técnica.

Obligación y presión laboral

El informe de Adaptavist refleja un clima de tensión: muchos desarrolladores sienten que si no usan IA, pierden competitividad o incluso su empleo y les sucede tambien a trabajadores de todos los rubros. Esto convierte la adopción en una imposición más que en una elección consciente, lo que puede derivar en resistencia o uso superficial y hasta innecesario.

⚙️ Implicaciones para IT y empresas

Formación continua: sin capacitación, la IA se convierte en un “black box” que pocos pueden auditar.
Cambio cultural: la IA debería ser complemento, no sustituto. El talento humano sigue siendo el que da contexto, criterio y creatividad.
Evaluación estratégica: implementar IA “porque hay que usar IA” es un error común. No todas las áreas se benefician igual, y muchas veces una simple acción humana es más clara y eficiente que un agente con prompts y APIs.

La Paradoja de la IA: promete simplicidad, pero puede traer complejidad; promete eficiencia, pero puede generar dependencia; promete comodidad, pero a veces se convierte en obligación y problemas nuevos.

Salute!

Gracias por compartir!

Uso de IA: eficiencia, comodidad u obligación?