Ritmo y burnout en la era de la IA: adónde va realmente el tiempo ahorrado

Por Victor Hoang · Actualizado el 22 de septiembre de 2026

Se suponía que la IA reduciría la carga de trabajo. Para la mayoría de los trabajadores, en cambio, ha subido el ritmo. El setenta y siete por ciento de los empleados dice que las herramientas de IA han aumentado su carga de trabajo en lugar de reducirla, y los trabajadores con las mayores mejoras de productividad impulsadas por la IA reportan el burnout más alto de la fuerza laboral. El mecanismo no es misterioso: una producción más rápida genera expectativas más rápidas, revisar el trabajo de la IA es un trabajo cognitivo real que rara vez se contabiliza, y el tiempo que ahorra la IA se reinvierte en rendimiento en lugar de recuperación. Nada de esto significa que la IA no valga. Significa que las mejoras hay que diseñarlas, o el ritmo las consume.

Si esto coincide con lo que usted ve en su equipo, está leyendo bien los datos, no exagerando por un mal trimestre. Es un problema de gestión de la carga con una mecánica visible, y la mecánica se puede rediseñar.

Datos clave

• El 77 por ciento de los empleados dice que las herramientas de IA han aumentado, no reducido, su carga de trabajo; el 47 por ciento no sabe cómo lograr las mejoras de productividad que espera su empleador (Upwork y Workplace Intelligence, julio de 2024).
• El 39 por ciento dice que ahora dedica más tiempo a revisar o moderar contenido generado por IA, una medida directa del impuesto de la verificación que la planificación de la carga de trabajo deja fuera (Upwork y Workplace Intelligence, julio de 2024).
• Entre los trabajadores con las mayores mejoras de productividad impulsadas por la IA, el 88 por ciento reporta burnout, y tienen el doble de probabilidades de plantearse renunciar (Upwork y Workplace Intelligence, julio de 2025).
• El 80 por ciento de la fuerza laboral mundial carece del tiempo o de la energía para hacer su trabajo, y los trabajadores del conocimiento son interrumpidos aproximadamente cada dos minutos durante las horas centrales, unas 275 veces al día (Microsoft 2025 Work Trend Index; Microsoft WorkLab, junio de 2025).
• El 40 por ciento de los trabajadores conectados a las 6 a. m. ya está clasificando correos, y casi el 29 por ciento de los que siguen activos a las 10 p. m. vuelve a su bandeja de entrada (Microsoft WorkLab, "Breaking Down the Infinite Workday," junio de 2025).
• La OMS clasifica el burnout en la CIE-11 como un fenómeno ocupacional con tres dimensiones: agotamiento, cinismo hacia el trabajo y menor eficacia profesional, derivado de un estrés laboral crónico que no se ha gestionado con éxito (OMS, mayo de 2019).
• Los trabajadores que cuentan de manera constante con tiempo suficiente para hacer su trabajo tienen aproximadamente un 70 por ciento menos de probabilidades de reportar un burnout alto, la palanca más directa de la investigación original de Gallup sobre el burnout (Gallup, 2018).

Inflación de expectativas: la velocidad de la herramienta se convierte en la nueva base

El primer mecanismo es el más simple y el más fácil de pasar por alto mientras ocurre. Antes de la IA, un primer borrador de informe tomaba un día. Con la IA, toma veinte minutos. El paso siguiente natural, el que casi todos los equipos dan sin discutirlo, no es guardar las horas ahorradas. Es esperar el informe para el final del día en lugar del final de la semana, porque la herramienta hizo posible esa velocidad.

Esto es la inflación de expectativas: el techo de lo que la IA puede producir se convierte en silencio en el piso de lo que se espera que entregue una persona. Nadie anuncia una nueva política para que ocurra. Un gerente ve una entrega rápida, supone que ahora es el tiempo de ciclo estándar y planifica la siguiente solicitud con esa suposición. Multiplique eso por una docena de solicitantes y a un trabajador se le espera a una velocidad casi de máquina en cada tarea, no solo en aquella en la que la IA realmente ayudó.

La trampa es que la aceleración suele ser real solo para una porción estrecha de la tarea, redactar, resumir, el código de primera pasada, mientras que el trabajo que la rodea (entender la solicitud, verificar el resultado, gestionar las excepciones) no se comprime al mismo ritmo. Las expectativas se inflan para igualar el paso visible más rápido, no el promedio del trabajo completo. Ese desajuste explica en buena parte por qué existe la paradoja de la productividad de la IA a nivel de empresa: los pasos individuales se aceleran, pero el workflow que los rodea no se rediseñó, así que la mejora la devora la deriva de las expectativas en lugar de aparecer como holgura.

El impuesto de la verificación: revisar el trabajo de la IA es un trabajo que nadie programó

El segundo mecanismo es más pesado y mucho menos visible en la forma en que se planifica el trabajo. Todo resultado de la IA que importa tiene que revisarse: su exactitud, su tono, el supuesto equivocado enterrado en el tercer párrafo, la cita que no dice lo que afirma el resumen. Esa revisión es un trabajo cognitivo real, distinto de redactar uno mismo o de aprobar el borrador de un colega de confianza.

Décadas de investigación sobre la supervisión humana de sistemas automatizados explican por qué esta revisión resulta tan agotadora. La revisión de Raja Parasuraman y Dietrich Manzey sobre la complacencia y el sesgo ante la automatización halló que monitorear un sistema automatizado compite directamente con las demás tareas de una persona por una atención limitada, y que esta complacencia aparece tanto en expertos con experiencia como en novatos: no se resuelve solo con la práctica (Parasuraman & Manzey, "Complacency and Bias in Human Use of Automation," Human Factors, 2010). Verificar el resultado de la IA le pide a una persona sostener dos posturas contradictorias a la vez: confiar en el sistema lo suficiente para usar su resultado con eficiencia y mantener el escepticismo suficiente para detectarlo cuando se equivoca con aplomo. Esa atención dividida es el costo real de cualquier diseño human-in-the-loop, y es más agotadora que producir el trabajo desde cero o revisar el borrador de un colega de fiabilidad conocida, porque tanto la tasa de errores como su ubicación son impredecibles.

Por qué el impuesto es invisible en la planificación de la carga

Nadie pone "revisar el resultado de la IA en busca de alucinaciones" en una lista de tareas ni en una estimación de tiempo. Se absorbe en la partida a la que alimenta el resultado, de modo que un gerente ve "redactó la propuesta para el cliente" y supone que el borrador de la IA aceleró esa partida, cuando en la práctica una parte considerable del tiempo se fue en revisar, corregir y volver a revisar el borrador. La investigación de Upwork pone una cifra a esto: el 39 por ciento de los trabajadores dice que ahora dedica más tiempo que antes a revisar o moderar contenido generado por IA, un tiempo que no aparece en ningún plan de capacidad construido sobre la lista de tareas anterior a la IA. Mantener afilado el juicio humano trata el lado de las habilidades para seguir siendo un buen verificador; este es el lado de la carga de trabajo del mismo problema, las horas que la verificación consume en silencio.

La jornada infinita, ahora con acento de IA

La investigación del Work Trend Index de Microsoft describe un patrón al que llama la jornada infinita: el trabajador del conocimiento promedio es interrumpido aproximadamente cada dos minutos durante las horas centrales, unas 275 veces al día, entre reuniones, correo y chat, y la propia jornada ha perdido sus bordes. El cuarenta por ciento de las personas conectadas a las 6 a. m. ya está clasificando correos, y casi el 29 por ciento de los usuarios activos vuelve a su bandeja de entrada a las 10 p. m. El ochenta por ciento de la fuerza laboral mundial dice que no tiene tiempo ni energía suficientes para hacer su trabajo. Las reuniones son por sí solas una parte grande de ese conteo de interrupciones, y por eso rediseñar la cultura de las reuniones es una de las pocas intervenciones que reduce el volumen bruto de interrupciones en lugar de solo reordenarlo.

La IA entra en este patrón desde dos direcciones que en su mayoría se compensan. Un asistente de IA puede redactar el correo o despachar un pendiente en segundos, lo que debería acortar la jornada. Pero el resultado de la IA también llega más rápido y con más constancia que el de un colaborador humano; un agente puede terminar una tarea y devolverla para revisión a las 11 p. m. con la misma facilidad que a las 11 a. m., y la norma pasa a ser "revíselo cuando esté listo", no "revíselo en horario de trabajo". La jornada infinita ya era un problema de erosión de límites antes de la IA generativa; el trabajo producido por la IA que aterriza a cualquier hora, esperando la misma velocidad de revisión, agrava esa erosión. La solución se solapa con cómo la IA reconfigura las normas de comunicación, porque esta presión llega por los mismos canales en los que "leído" significa en silencio "responda ya".

Por qué los ciclos más rápidos pueden significar menos recuperación, no más holgura

Esta es la parte que hace tropezar incluso a una planificación de la carga cuidadosa. El supuesto intuitivo es: si un ciclo que antes tomaba una semana ahora toma dos días, los cinco días liberados se convierten en holgura, tiempo de recuperación o espacio para un trabajo más profundo. En la práctica, los ciclos más rápidos suelen reasignarse a más ciclos, no a más descanso, porque el rendimiento es la métrica con la que se mide a la mayoría de los equipos.

Piense en una cola, no en una lista de tareas. Si un equipo de soporte resuelve los tickets el doble de rápido con un asistente de IA, la cola no se queda vacía, se vuelve a llenar, porque el volumen de solicitudes nunca estuvo limitado en capacidad solo por la velocidad humana, sino por lo que genera las solicitudes: el volumen de clientes, el pipeline de ventas, la demanda interna. Si se comprime el lado del servicio de ese bucle y no hay una decisión deliberada de guardar la mejora como tiempo de recuperación, el sistema procesa por defecto más de la misma cola con la misma intensidad, solo que más rápido. El resultado sube. El tiempo de descanso no. Esa es la razón mecánica por la que un proceso genuinamente más rápido puede seguir produciendo burnout: la velocidad sin un punto de parada diseñado solo lleva a la persona al siguiente elemento más pronto, de manera indefinida.

La paradoja de la productividad de la IA muestra la versión a nivel de empresa: aceleraciones individuales que no sobreviven al contacto con un workflow sin rediseñar. El ritmo y el burnout son la versión individual del mismo fallo. Ambos nacen de tratar una aceleración local como si se convirtiera automáticamente en holgura organizacional, cuando en realidad la holgura tiene que ser una decisión de diseño deliberada, no un efecto secundario supuesto.

Supervisar varios agentes es un tipo de carga propio

Una versión más reciente de este problema aparece cuando los equipos empiezan a ejecutar más de un agente de IA a la vez: uno redacta contenido, otro clasifica una cola, otro monitorea un dashboard, y cada uno necesita un tipo distinto de revisión humana con una cadencia distinta. Parece delegación y, en cierto sentido, lo es. Pero supervisar varios procesos semiautónomos es una tarea cognitiva genuinamente distinta de trabajar concentrado en una sola cosa, y hereda el costo bien documentado del cambio de tarea.

La investigación de Gloria Mark en UC Irvine, que siguió a oficinistas reales a lo largo de sus jornadas, halló que tras una sola interrupción se tardaba en promedio más de 23 minutos en volver por completo a la tarea original con la misma profundidad de concentración (Mark, Gonzalez & Harris, "The Cost of Interrupted Work," CHI 2008). Las personas compensan trabajando más rápido después de cada cambio, pero eso se refleja en un estrés medible mayor, no en una recuperación gratuita. Gestionar tres agentes que necesitan una revisión cada veinte minutos no es tres veces más ligero que gestionar un solo proyecto grande; puede ser más pesado, porque cada revisión es un cambio de contexto con su propio costo de reingreso. De ejecutor a orquestador explica cómo esto remodela el rol del contribuidor individual; la versión de gestión de la carga consiste en tratar los "agentes que supervisar" como un costo, no como un multiplicador gratuito del resultado.

Alivio genuino frente a desplazamiento de la carga

No todo uso de la IA aumenta la carga. Algunos eliminan de verdad trabajo tedioso sin un costo compensatorio: dar formato a una hoja de cálculo, transcribir una llamada, generar texto estándar que nadie iba a revisar línea por línea de todos modos. Lo que importa para el diseño de la carga de trabajo es si el tiempo ahorrado se reinvirtió como recuperación o si se desplazó a una forma de trabajo menos visible.

Respuestas de diseño de la carga de trabajo que sí funcionan

Arreglar esto no consiste en usar menos la IA. Consiste en tratar las categorías de esa tabla como variables de la carga de trabajo que necesitan decisiones explícitas, igual que el número de personas y los plazos ya reciben decisiones explícitas, y es una tarea que corresponde de lleno a el mando intermedio, cuyo rol ya está cambiando por la IA.

Presupueste el tiempo de verificación como una partida propia. Si una tarea ahora incluye un primer borrador generado por IA, la estimación de tiempo debe incluir una asignación aparte para la revisión, no la suposición de que el tiempo de redacción simplemente se redujo. Registre el tiempo real de revisión durante un mes antes de fijar esa asignación; adivinar tiende a quedarse muy corto.

Fije estándares de tiempo de ciclo independientes de la velocidad de la herramienta. Decida de manera deliberada cuál es el plazo de entrega esperado para un entregable concreto y mantenga ese estándar aunque la herramienta técnicamente pudiera ir más rápido. Es la forma más rápida de impedir que la inflación de expectativas se convierta en la norma.

Dé al trabajo generado por IA los mismos límites de horario que al generado por personas. Si el mensaje de un colega a las 11 p. m. no exige una respuesta esa misma noche, un informe que un agente terminó a las 11 p. m. tampoco debería hacerlo. Ponga la norma por escrito; las normas no escritas se reducen a lo que sea más rápido, que suele ser lo peor para la recuperación.

Decida de antemano cómo se gasta una aceleración. Antes de lanzar una herramienta que comprime un ciclo, nombre el reparto: cuánto del tiempo ahorrado se convierte en rendimiento y cuánto en recuperación protegida o trabajo más profundo. Si no se decide, la respuesta por defecto es el 100 por ciento en rendimiento, porque es lo que se mide. Esto se conecta directamente con la gestión del desempeño cuando la IA hace parte del trabajo, ya que cambia el aspecto de una carga de trabajo justa.

Limite y agrupe la supervisión de agentes. Trate el número de procesos de IA que una persona supervisa activamente como una restricción real de capacidad, igual que un gerente limita sus reportes directos, y agrupe las revisiones de estado en revisiones programadas en lugar de dejar que cada agente interrumpa por su cuenta.

Vigile el desplazamiento de la carga disfrazado de alivio. Cuando alguien reporta que una herramienta "ahorró muchísimo tiempo", pregunte adónde fue ese tiempo. Si la respuesta honesta es "asumí más trabajo", eso es rendimiento, no alivio, y conviene nombrarlo antes de que se convierta en la nueva normalidad tácita.

Nada de esto requiere un gran programa. Son un puñado de decisiones explícitas tomadas en una sola conversación de planificación, decisiones que hoy se toman por defecto, en silencio, siempre en la dirección que favorece más rendimiento y menos recuperación. Tomarlas a propósito es toda la solución. Este es un problema de diseño de la carga de trabajo, no de cultura; para el lado de las normas y la confianza al trabajar junto a la IA, consulte la cultura del burnout y el workslop, el esfuerzo y la responsabilidad.

Una capa de workflow que registre cuánto tardan realmente los pasos de revisión, en lugar de suponer que se comprimen junto con la redacción, hace visible el impuesto de la verificación en vez de adivinarlo. Ninguna de las dos cosas reemplaza las decisiones gerenciales anteriores; solo hacen medibles las partes invisibles de la tabla.

Una aceleración sin destino se convierte por defecto en más trabajo. Elija primero el destino.