Nadie preguntó en qué tarea
Cuatro y veinte de un miércoles. Sala de directorio de una alimenticia de trescientas personas, con planta en Rafaela. El gerente de sistemas termina la tercera slide, que se llama "Casos de uso" y tiene once. El presidente lo interrumpe:
—¿Y esto en qué nos mejora, concretamente?
Contesta el director comercial, sin levantar la vista del teléfono:
—Harvard midió cuarenta por ciento más de calidad con inteligencia artificial. Fijate, está en el informe que te pasé.
El presidente asiente. Alguien anota. La reunión sigue: licencias, un presupuesto, un piloto de tres meses en marketing porque es donde "menos riesgo hay". Nadie pregunta en qué tarea se midió ese cuarenta por ciento. En el slide siguiente el número ya no está, y no hace falta: quedó flotando en la sala, que es donde trabaja.
(La escena es una reconstrucción compuesta. De acá en adelante, todo lo que lleva número está medido y tiene fuente.)
El experimento existe y es bueno, y de ahí salió el cuarenta por ciento que se citó en la sala. Lo que esa sala no supo es que tenía dos mitades.
El mito que sostiene la escena no es "la IA sirve" ni "la IA no sirve". Es más chico y más caro: la idea de que existe un porcentaje de mejora, uno solo, que se puede citar de memoria y aplicar a cualquier trabajo. No existe. El efecto depende de dónde caiga cada tarea respecto de un límite que nadie ve y que no está donde uno lo imagina.
Una advertencia antes de seguir: las mediciones de esta nota se hicieron sobre consultores de una firma global, agentes de soporte de una empresa de software y programadores. Ninguna sobre una empresa argentina. Lo que se transporta es la forma del límite, no la altura del número.
Dieciocho tareas
El número que quedó flotando en la sala de Rafaela salió de ese experimento: Navigating the Jagged Technological Frontier, nueve investigadores de Harvard, el MIT, Wharton, Warwick y Boston Consulting Group, publicado en Organization Science en 2026. Su mitad favorable casi nunca se cuenta completa, así que va completa y va primero.
Los 758 consultores se sortearon en dos mitades que no se cruzaron. Una —385 personas— recibió dieciocho tareas de producto: idear una zapatilla, segmentar el mercado del calzado por tipo de usuario, redactar una gacetilla, escribir un memo que convenciera a un equipo. La otra —373— recibió otra cosa, y a ella volvemos enseguida. Adentro de cada mitad hubo tres grupos, también sorteados: uno trabajó como siempre, otro con GPT-4 y el tercero con GPT-4 más una capacitación breve.
Los números que se citan salen de esa primera mitad. Son tres.
Primero, cuánto terminaron. El grupo sin inteligencia artificial completó el 82% de lo que se le pidió; los grupos con la herramienta, el 91% y el 93%. Por separado —y no es la resta de esos porcentajes, sino el efecto estimado— el paper lo pone en 12,2% más de tareas completadas: en un área que entrega cuarenta trabajos por mes, son cinco más que llegan.
Segundo, cuánto tardaron. Los grupos con la herramienta trabajaron un 25,1% más rápido. Una tarea de cuatro horas se termina en tres: un día de trabajo por semana, todas las semanas.
Tercero, y es el número que peor se cita, cuánto valía lo que entregaron. Evaluadores humanos puntuaron cada entregable sobre una escala común: el grupo sin herramienta promedió 4,37 y los dos grupos con IA quedaron 1,31 y 1,48 puntos por encima, entre 29,9% y 33,9% más calidad. El cuerpo del paper lo resume como más de 30%.
Son mejoras grandes, medidas bien, sobre trabajo real y con las hipótesis escritas antes de empezar. Quien diga hoy que la inteligencia artificial generativa no mueve el trabajo de conocimiento está discutiendo con la evidencia, no con el marketing.
Dieciocho tareas. Contadas todas, el experimento tenía diecinueve.
Por qué acá dice 30% y no 40%. El número que se cita en las salas de directorio sale del borrador de 2023 de este mismo estudio, cuyo resumen hablaba de "más de 40% de calidad" frente al grupo control. La versión que pasó por revisión de pares —Organization Science, 2026— sacó esa cifra del resumen, y el cuerpo del paper reporta "más de 30%": 29,9% y 33,9% según los dos grupos con IA. Nada de esto es un escándalo. Es lo que hace la revisión de pares, y es la razón por la que existe. El problema es el calendario: entre el borrador y la versión publicada pasaron dos años y medio, y una conversación corporativa sobre IA dura tres semanas. Lo que llega a la sala es siempre el borrador. En la segunda parte de esta serie hay cuatro números más con el mismo problema, y a uno de ellos se le atribuye una caída del Nasdaq.
Y una
La otra mitad —373 consultores sorteados del mismo grupo, comparables en todo lo medible— nunca vio esas dieciocho tareas. Recibió una sola, de negocio, diseñada para caer del otro lado del límite. Nadie les avisó: la recibieron como el trabajo del día, sin ninguna marca que la distinguiera.
Tenía una particularidad que las dieciocho no tenían: una respuesta objetivamente correcta. Era una recomendación construida sobre datos cuantitativos y notas de entrevistas, y sobre ella se podía decir después, sin discutir, si el consultor había acertado o no.
Los que trabajaron sin inteligencia artificial acertaron el 84,5% de las veces; los que tenían GPT-4, el 70,6%; los que además habían recibido la capacitación, el 60%.
Combinando los dos grupos con inteligencia artificial, la caída promedio es de 19 puntos porcentuales, y las dos palabras hacen trabajo. Bajar de 84,5% a poco más de 65% son 19 puntos. Decir "19% menos" describiría una caída hasta 68,4%, que es otra cosa. Confundir las dos cifras es el error más frecuente de este territorio, y lo comete el resumen de la versión publicada: dice "19% menos" donde el cuerpo del mismo paper dice puntos. La cuenta se lee sola del lado que duele: sin la herramienta se equivocaba uno y medio de cada diez consultores; con la herramienta, tres y medio. Los errores se multiplicaron por más de dos.
La diferencia entre los dos grupos con la herramienta no llega al nivel de confianza que se le suele exigir a un resultado (el 5%): es firme sólo al 10%. Así que la lectura honesta es corta: la capacitación no los puso del lado bueno.
Los consultores fallaron por una razón más incómoda que la confianza o la pereza: nada avisaba que esa tarea era distinta. Nada en la consigna, y —esto es lo caro— nada en la respuesta tampoco.
De eso hay una medición, en la misma mitad del experimento: los evaluadores puntuaron además la coherencia y la argumentación de lo que esos 373 entregaron, y ahí los grupos con IA quedaron entre 18% y 25% por encima del grupo sin herramienta. Las mismas personas, la misma tarea, la misma tarde: mejor escrito y menos veces correcto. El error no venía envuelto en un texto peor. Venía envuelto en uno mejor.
Las dos mitades del mismo experimento, una al lado de la otra:
La frontera dentada
Lo primero que hace cualquiera al leer ese resultado es una hipótesis razonable: la herramienta sirve para lo fácil y falla en lo difícil. Es la hipótesis equivocada, y es cara: el que la adopta cree que ya tiene una regla.
Varias de las dieciocho eran exigentes: segmentar un mercado por tipo de usuario o escribir un memo que convenza a un equipo no son trámites. Y la 19 no era la más difícil: era una recomendación de negocio con planillas y notas de entrevistas sobre la mesa, del tipo que un consultor entrega todas las semanas.
El límite existe, es real y se puede medir. Lo que no se puede es deducirlo. La dificultad que un profesional le atribuye a una tarea no las ordena de un lado y del otro: dos que le parecen igual de exigentes pueden caer en lados opuestos, y la que está al lado de la que anduvo bien puede ser la que falle. Los autores le pusieron nombre a esa forma: la frontera dentada. No es una pendiente suave de lo fácil a lo imposible; tiene dientes, y los dientes no se ven desde afuera.
Dos dibujos: la frontera que uno imagina y la que describe el experimento.
En Decidir bajo incertidumbre separamos los problemas complicados de los complejos según cómo se comporta la causa y el efecto. El límite de este experimento es otra cosa: no clasifica el problema, clasifica de qué es capaz la herramienta.
Si la frontera no se deduce, la pregunta útil deja de ser cuánto mejora la inteligencia artificial y pasa a ser de qué lado cae esta tarea. Se contesta probando. Antes queda una esperanza por descartar, la que todo dueño formula sin decirla en voz alta: que su mejor gente sí pueda ver el límite.
Lo que la herramienta le hace a sus cracks
La esperanza es sensata y tiene una medición en contra: 5.172 agentes de soporte al cliente de una empresa grande de software, seguidos mes a mes mientras se les daba acceso a un asistente construido sobre GPT-3 y desplegado entre 2020 y 2021, antes de que existiera ChatGPT. La evidencia de campo buena siempre es más vieja que la herramienta que se compra.
El despliegue no fue parejo, y ahí está lo que le da peso al resultado: la herramienta entró oficina por oficina y agente por agente, y esa diferencia de calendario permite aislar el efecto comparando a cada agente consigo mismo antes y después.
En promedio, los agentes resolvieron un 15% más de problemas por hora. Por cada veinte consultas que un agente cerraba en un día, cerró tres más.
Ese promedio no describe a casi nadie. El quintil de menor habilidad previa —el 20% que peor venía rindiendo— subió medio problema por hora, un 36%. Los más calificados no mostraron cambio significativo.
A eso lo llamamos, en 32sur, la inversión de habilidad: la herramienta que se compra pensando en potenciar a los mejores termina levantando el piso de los que recién entran, y a los mejores no les mueve la aguja.
Con una condición, y viene del propio experimento de las diecinueve tareas: en la mitad de adentro, los que venían por debajo del promedio ganaron bastante más que los de arriba, pero los de arriba también ganaron de manera apreciable. (Los porcentajes exactos están sólo en el borrador de 2023, así que no se citan acá.) Cuánto le queda a su mejor gente depende del trabajo: en tareas abiertas gana todo el mundo y los de abajo ganan más; en el mostrador —el trabajo de los agentes de soporte—, donde la respuesta correcta existe y se repite, el techo no se movió.
El lugar donde rinde primero es el mostrador: la consecuencia práctica es a quién se le da el acceso, y en qué orden.
Por nivel de habilidad previa, el efecto queda concentrado en un solo extremo.
Si el efecto varía tanto entre personas de la misma empresa y en el mismo mes, la pregunta siguiente se cae de madura.
El promedio no existe
El efecto varía también entre empresas. Un metaanálisis de 2026 —preprint, sin revisión de pares, y sobre programación— reunió 23 estudios y 27 tamaños de efecto.
Antes de la cifra, la traducción. Cuando se junta evidencia de estudios distintos, el resultado se expresa en una escala común llamada tamaño de efecto: cuánto se movió el resultado comparado con lo que ya variaba entre las personas medidas. Cero es "no pasó nada", 0,2 es chico y 0,5 mediano. Productividad dio 0,33, una mejora real e intermedia, pero con un rango razonable que va de 0,09 a 0,58: desde casi nada hasta bastante. El promedio está bien calculado; las empresas medidas no se parecen entre sí, y el metaanálisis dice por dónde: las ganancias son mayores en experimentos controlados y menores en contextos de código abierto y de empresa. Cuanto más se parece la medición a una empresa de verdad, más chico es el número.
Sobre aprendizaje, el efecto no se distingue de cero con los datos disponibles: 0,14, con un rango que cruza el cero.
Tres pares de cifras, y ninguno es "el porcentaje que da la IA":
Las tres son mediciones serias y ninguna de las tres se puede citar como "lo que la IA le va a dar a su empresa". Ese número no está publicado en ningún lado, porque depende de qué tareas tenga usted adentro.
«Que lo revise una persona»
Es la objeción que el lector viene formulando desde la tarea 19, y es la correcta: que antes de que salga lo mire alguien que sabe.
La escena la reconoce cualquiera que haya usado la herramienta en serio. Uno marca un error —el número de la fila 12 no es ése— y del otro lado llega una disculpa, la fila corregida y otra vez la misma conclusión, con dos argumentos más. Al cuarto ida y vuelta uno ya no verifica: discute, y no se acuerda de cuál era su objeción original.
Hay una medición de eso y es incómoda. Un equipo de la Harvard Business School —parte de él, los mismos autores del experimento de las diecinueve tareas— puso a más de 70 consultores de la misma firma a trabajar con un modelo en una tarea difícil para él, y miró qué pasaba cuando el profesional intentaba validar el resultado: chequear datos, señalar un error, pedirle que reconsiderara. Es un working paper, sin revisión de pares.
Lo que encontraron es que el modelo no revelaba su límite: escalaba la persuasión. Se disculpaba, corregía el detalle señalado y volvía a sostener su posición original, ahora con más datos de apoyo. Los autores catalogaron 14 tácticas, agrupadas en las tres familias clásicas de la retórica: la credibilidad propia, la lógica y los datos, y la persona que se tiene enfrente. Lo llamaron bombardeo de persuasión.
En la serie sobre decidir bajo incertidumbre vimos que una fórmula simple le empata o le gana al juicio experto. Acá el problema es otro: una fórmula no se defiende, y un modelo de lenguaje sí.
Revisar sirve. Pero una revisión que empieza después de haber leído la respuesta no es una verificación: es una discusión, y el modelo está mejor equipado para ganarla. Lo que la convierte en verificación es tener escrito, antes, cuál era la respuesta correcta.
Cuatro de cada diez ya compraron la herramienta
Los cuatro estudios anteriores se midieron afuera. De la Argentina hay una foto reciente: el CEPE —el centro de políticas públicas de la Escuela de Gobierno de la Universidad Torcuato Di Tella— y Fundar, con relevamiento de la Fundación Observatorio PyME, encuestaron 402 empresas de 10 a 249 empleados entre noviembre y diciembre de 2025.
El 41,6% ya usa al menos una tecnología de inteligencia artificial. La discusión de si adoptar o no ya terminó, y se resolvió sola, sin pasar por el directorio.
Los tres números que siguen son sobre las que ya la usan. El 54,7% la aplica en marketing y ventas. El 57% no mide formalmente el impacto. Y el 72,5% no tiene ninguna pauta de uso, ni siquiera informal: política escrita tiene el 3,3%.
Herramienta ya hay. Falta el criterio para ubicarla: la foto de una empresa que compró y todavía no probó nada de la manera en que se prueba.
Y probar, a diferencia de casi todo lo que se vende en este rubro, no cuesta plata.
Qué hacer con una tarea que nunca probó
El mapa genérico de la frontera no existe y no va a existir: depende de qué tareas tenga cada empresa adentro. Ubicar el primer tramo de la suya, en cambio, cuesta una tarde.
Uno: escribir la respuesta correcta antes de abrir nada. Elija una sola tarea, junte casos ya resueltos y escriba, para cada uno, qué habría sido acertar. Es el mismo movimiento que en una entrevista bien hecha, donde la rúbrica se escribe antes de conocer al candidato: después, el criterio se acomoda solo a lo que salió.
Y si la tarea que le interesa no tiene una respuesta verificable —el caso de casi todo lo que se hace en marketing—, no se prueba la tarea: se prueba el pedazo que sí la tiene. De una campaña nadie va a poder decir después si el texto era el correcto; de una lista de doscientos contactos sí se puede decir cuáles quedaron mal clasificados, y de un texto, si la cifra que cita está en el informe del que salió. Ese pedazo se prueba primero.
Dos: probar en chico y sobre lo conocido. Se corre la herramienta sobre esos casos viejos y se cuentan dos cosas: cuántas veces acertó y cuántas se equivocó con seguridad. La segunda es la que importa, porque es la que su gente no va a detectar.
Tres: mirar los errores de a uno. La pregunta útil es si son detectables por la persona que va a recibir el trabajo. Un 90% de aciertos con errores invisibles es peor que un 70% con errores obvios.
Cuatro: decidir de a una tarea. La que pasó, entra. La de al lado —aunque le parezca igual, y sobre todo si le parece igual— vuelve al paso uno. Ése es todo el contenido operativo de la frontera dentada.
Quién hace cada paso, con qué umbral, y una ficha empezada:
Lo que va a pasar cuando lo proponga
En cuanto proponga el primero de esos pasos van a aparecer cuatro frases, y las cuatro son razonables: cada una se apoya en algo que efectivamente ocurrió.
| Lo que se va a decir | Contra qué se estrella | Lo que queda en pie |
|---|---|---|
| "Ya lo probamos y anda bárbaro" | En 18 tareas de consultoría real la herramienta mejoró todo lo que se midió; en la tarea 19, consultores comparables de la misma firma acertaron menos con ella que sin ella (Dell'Acqua y otros, 2026) | Que ande en lo que probó no dice nada de lo que todavía no probó. |
| "Probémoslo primero en lo difícil: si funciona ahí, funciona en todo" | La tarea que falló no era la más difícil: era una recomendación de negocio con planillas y notas de entrevistas, del tipo que se entrega todas las semanas (Dell'Acqua y otros, 2026) | La dificultad que usted percibe no ordena las tareas del lado correcto. |
| "Que antes de salir lo revise una persona" | Cuando los profesionales chequeaban datos y señalaban errores, el modelo se disculpaba, corregía y volvía a sostener lo mismo con más argumentos (Randazzo y otros, 2025 — working paper) | Revisar funciona si el criterio está escrito antes de ver la respuesta. |
| "Arranquemos por los seniors, que son los que más rinden" | El efecto se concentró en el quintil de menor habilidad (+36%); en los más calificados no hubo cambio significativo (Brynjolfsson, Li y Raymond, 2025) | La IA acorta la curva de aprendizaje. Sirve donde todavía hay curva. |
Las cuatro son razonables; ninguna sobrevive a la medición. Las cuatro frases tienen una mitad cierta: la otra mitad cuesta un piloto.
Preguntas para el lunes
Ninguna de las tres primeras necesita un dato que usted no tenga ahora mismo en la cabeza.
Tres de memoria, dos para preguntar, dos para hacer
- La última vez que alguien en su empresa citó un porcentaje de mejora por usar inteligencia artificial: ¿en qué tarea se midió? Si no lo sabe, no es un reproche: es el estado normal de la conversación.
- Nombre las tres tareas donde hoy se usa IA en su empresa. ¿Quién decidió que fueran ésas?
- De esas tres, ¿cuál tiene una respuesta que después se puede verificar sin discutir? Si ninguna, hoy no tiene forma de saber si le está sirviendo.
Las dos que siguen exigen preguntarle algo a otra persona.
- ¿Quién recibe el trabajo que sale de esas tareas, y cuánto tiempo le lleva chequearlo? Pregúnteselo a esa persona, no a la que lo produce: son dos números que no coinciden nunca.
- Su gente con menos experiencia, ¿tiene acceso a la herramienta, o el acceso se dio primero al equipo senior? La evidencia dice que el retorno está del otro lado.
Y dos que no se leen: se hacen. Cuestan una tarde y diez carpetas viejas.
- Elija una tarea que todavía no probó con IA y junte diez casos ya resueltos. Escriba, antes de abrir nada, qué respuesta habría sido correcta en cada uno. Después corra los diez y cuente aciertos y errores dichos con seguridad.
- Repita eso con la tarea de al lado, la que le parece del mismo tenor. Compare los dos resultados: ése es el primer tramo de su frontera. El que le vendan como genérico es de otra empresa.
El director comercial de la sala de Rafaela tenía razón a medias, y la mitad correcta es la más grande: el experimento existe, está bien hecho, y en dieciocho tareas de consultoría real la IA mejoró todo lo que se midió. Lo que faltó en esa mesa no fue escepticismo. Fue una pregunta de cuatro palabras: ¿en qué tarea midieron?
El piloto arrancó en marketing, "porque es donde menos riesgo hay". Puede ser. También puede ser que marketing sea la tarea 19 de esa empresa, y nadie va a enterarse, porque ahí casi nada tiene una respuesta que se pueda verificar después sin discutir. Un piloto que no puede fallar de manera visible tampoco puede enseñar nada.
Antes de salir a mapear hay un obstáculo más cerca, adentro de su empresa. El lunes, cuando se discuta el presupuesto, van a citarse cinco números. Uno ya apareció acá; los otros cuatro son peores, y a uno se le atribuye una caída del Nasdaq. La segunda parte de esta serie los desarma de a uno y deja a mano el filtro para el que venga después.
¿De qué lado de la frontera caen sus tareas?
El entregable es una hoja con tres columnas y una fila por tarea: de qué lado de la frontera cayó cada una, quién paga el costo de verificarla y con qué criterio, escrito antes. Casi ninguna empresa argentina la tiene. La primera fila sale de una tarde sobre diez casos ya resueltos, en la tarea que más horas le come a su cuello de botella. 32sur trabaja esa tarde y las que siguen. Conversemos.
Referencias
- Dell'Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F. y Lakhani, K., "Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality", Organization Science, 37(2), 2026, pp. 403-423 (DOI 10.1287/orsc.2025.21838) — la columna de este artículo. Experimento preregistrado con 758 consultores de Boston Consulting Group, alrededor del 7% de los consultores individuales de la firma, asignados al azar a tres condiciones (sin GPT-4, con GPT-4, y con GPT-4 más una capacitación breve) y a dos brazos sin superposición: 385 sujetos adentro de la frontera y 373 afuera. Ningún participante hizo los dos brazos, de modo que las 18 tareas y la tarea 19 fueron resueltas por personas distintas, comparables por sorteo. Dentro de la frontera (18 tareas realistas, de creativas a analíticas, todas del rubro calzado): tasa de completitud de 82% en el control contra 91% y 93% en los grupos con IA; el cuerpo del paper resume el efecto como más de 25% de velocidad, más de 30% de calidad y más de 12% de tareas completadas. La calidad la puntuaron evaluadores humanos: media del control 4,37, con incrementos de 1,31 y 1,48 puntos (29,9% y 33,9%); con GPT-4 como evaluador los incrementos son de 17,1% a 19%, y este artículo no los usa. Sobre la distribución de habilidad, la versión publicada dice que la brecha entre niveles se achicó y que los que estaban por encima del promedio también se beneficiaron de manera apreciable; los porcentajes de esa comparación aparecen sólo en el borrador (ver referencia 2) y por eso no se citan en el cuerpo. Fuera de la frontera (una tarea de negocio con datos cuantitativos y notas de entrevistas, con respuesta objetivamente correcta): 84,5% de aciertos en el control, 70,6% con GPT-4 y 60% con GPT-4 más capacitación, es decir una caída promedio de 19 puntos porcentuales combinando las dos condiciones con IA (Tabla 7, media del control 0,844, n = 373). En ese mismo brazo, la coherencia y la calidad de la argumentación puntuadas por los evaluadores fueron superiores en los grupos con IA: media del control 5,86 contra 6,90 y 7,33, es decir +17,9% y +25,1% (Tabla 9). Tres precisiones que este artículo respeta: el resumen de la versión publicada dice "19% menos probable" mientras el cuerpo del mismo paper dice "19 puntos porcentuales" — se usa la del cuerpo, que es la correcta y la que traía el borrador; el test de igualdad entre las dos condiciones con IA arroja p ≈ 0,082-0,095, de modo que la diferencia entre 70,6% y 60% es significativa al 10% pero no al 5%; y la nota 5 del paper aclara que el preregistro no incluía ni la idea de la frontera dentada ni la descripción de las tareas usadas.
- Dell'Acqua, F. y otros, "Navigating the Jagged Technological Frontier", Harvard Business School Working Paper 24-013 / SSRN 4573321, septiembre de 2023 — el borrador del estudio anterior, y el origen del número que se cita en las salas de directorio: su resumen habla de "más de 40% de calidad" frente al grupo control, y reporta además que los consultores por debajo del promedio mejoraron 43% y los que estaban por encima, 17%. El resumen de la versión revisada por pares eliminó la primera cifra y reformuló la segunda comparación sin porcentajes. Se cita acá para documentar la diferencia, no como fuente de ningún dato de este artículo.
- Brynjolfsson, E., Li, D. y Raymond, L., "Generative AI at Work", The Quarterly Journal of Economics, 140(2), 2025, pp. 889-942 — el refuerzo de este artículo: 5.172 agentes de soporte al cliente de una empresa grande de software, con un asistente conversacional basado en GPT-3 cuyo acceso se abrió de manera escalonada por sitio y de a un agente por vez entre 2020 y 2021, antes de la aparición de ChatGPT; la identificación es de diferencias en diferencias con efectos fijos de agente, contra los agentes todavía no tratados. Aumento promedio de 15% en problemas resueltos por hora; el quintil de menor habilidad sube 0,5 problemas por hora (36%) y los trabajadores más calificados no muestran cambio significativo — el resumen del paper señala además que los más experimentados y más calificados ganan algo de velocidad y pierden algo de calidad. Por antigüedad: menos de un mes, +0,7 problemas por hora; más de un año, efecto nulo. El estudio no reporta un valor numérico en el texto para los quintiles intermedios; los datos de replicación están disponibles en Harvard Dataverse. Advertencia de higiene de fuentes: la ficha del working paper de 2023 en el NBER sigue publicando 14%, 34% y 5.179 agentes; la versión revisada por pares dice 15%, 36% y 5.172, y son las que se usan acá.
- Maier, S., Gunzenhäuser, M., Schweisthal, J., Schneider, M. y Feuerriegel, S., "A meta-analysis of the effect of generative AI on productivity and learning in programming", LMU Munich / Munich Center for Machine Learning, arXiv:2605.04779, mayo de 2026 — 23 estudios y 27 tamaños de efecto en total (productividad y aprendizaje), con búsqueda sistemática y evaluación formal de riesgo de sesgo. Productividad: g de Hedges = 0,33 (intervalo de confianza del 95%: 0,09 a 0,58), con heterogeneidad sustancial. Aprendizaje: g = 0,14 (intervalo de −0,18 a 0,47), es decir un efecto que no se distingue de cero. El hallazgo que este artículo usa: las ganancias son mayores en experimentos controlados y menores en contextos de código abierto y de empresa. Es un preprint: todavía no pasó por revisión de pares, y es sobre programación.
- Randazzo, S., Joshi, A., Kellogg, K., Lifshitz, H., Dell'Acqua, F. y Lakhani, K., "GenAI as a Power Persuader: How Professionals Get Persuasion Bombed When They Attempt to Validate LLMs", Harvard Business School Working Paper 26-021, octubre de 2025 — más de 70 consultores de BCG trabajando con un modelo en una tarea diseñada para serle difícil. Cuando los profesionales intentaban validar el resultado, el modelo escalaba la intensidad de su persuasión en lugar de revelar sus límites: se disculpaba, corregía y volvía a sostener su posición original con más datos de apoyo. Los autores catalogan 14 tácticas agrupadas en ethos, logos y pathos, y proponen la persuasión como cuarta barrera a la colaboración entre personas y máquinas, junto a la opacidad, la complacencia con la automatización y los problemas de exactitud. Es un working paper, sin revisión de pares. La documentación disponible no reporta con qué frecuencia los profesionales terminaron aceptando respuestas incorrectas, y este artículo no lo afirma.
- CEPE-Universidad Torcuato Di Tella (centro de políticas públicas de su Escuela de Gobierno) y Fundar, iniciativa nadIA, con relevamiento de la Fundación Observatorio PyME y apoyo del BID, "Encuesta Nacional sobre Adopción de IA en Pequeñas y Medianas Empresas de la Argentina", abril de 2026 — 402 empresas de 10 a 249 empleados de la industria manufacturera y de software y servicios informáticos, con campo entre noviembre y diciembre de 2025 y muestreo estratificado en 14 estratos sectoriales. 41,6% usa al menos una tecnología de IA (36,4% excluyendo software y servicios informáticos). Los porcentajes siguientes están calculados sobre las empresas que ya usan IA, no sobre las 402: 77,9% usa generación de texto o código (dato disponible, no citado en el cuerpo); 54,7% la aplica en marketing y ventas; 57% no mide formalmente el impacto (la figura del informe muestra 57,4% y el resumen ejecutivo, 57%); y 72,5% no tiene ninguna pauta ni política sobre el uso de IA, ni siquiera informal — otro 17,9% tiene pautas informales no documentadas y sólo el 3,3% cuenta con una política formal escrita. El informe reporta además que apenas el 4% de las firmas tiene un presupuesto específico para IA; este artículo no usa ese dato.
Todas las fuentes se leyeron en su versión primaria publicada. Última verificación: agosto de 2026.