El slide 4
Once y veinte de un jueves. El directorio de una autopartista se reúne donde se reúne siempre: en las oficinas de Belgrano, no en la planta de Garín donde trabajan las setecientas personas de las que se va a hablar toda la mañana. Seis de este lado de la mesa, dos del otro.
El deck se llama "Programa de Inteligencia Artificial — Fase 1" y pide seiscientos mil dólares en dieciocho meses. Los slides 5 a 22 se discuten una hora y cuarenta minutos, y dos se rehacen. El slide 4 no. Se llama "La evidencia": cinco cifras grandes con cuatro logos al pie —Harvard, MIT, Stanford, GitHub— y una sin logo, con una sigla de cuatro letras que nadie googleó.
El consultor la pasa en once segundos. "Esto ya lo conocen", dice, y agrega sin detenerse: "si querés después te paso el estudio".
Nadie se lo pidió.
No es que el directorio esté distraído. La discuten menos porque es la única de las veintidós que parece no tener una opinión adentro. Las otras son de él. Esa es de Harvard.
A las dos el programa está aprobado. En el acta queda el monto y ninguna de las cinco cifras que le fijaron el tamaño.
(La escena es una reconstrucción compuesta. De acá en adelante, todo lo que lleva número está medido y tiene fuente.)
Las cinco fuentes primarias se leyeron en el original, en su versión disponible en agosto de 2026.
Acá ese slide cae sobre terreno blando: en la encuesta del CEPE —el centro de políticas públicas de la Di Tella— y Fundar sobre 402 pymes argentinas, la barrera más declarada para adoptar IA no es el costo, es la falta de experiencia y de conocimiento sobre el tema: 46,2%, seguida de cerca por la falta de personal calificado.
Una aclaración, y una sola: las cinco mediciones se hicieron sobre agentes de soporte de una Fortune 500, consultores de una firma global y programadores de código abierto. Ninguna sobre una empresa parecida a la suya. Lo que esta nota le trae es cómo llegó cada número.
Por qué la corrección nunca llega a la sala
Si los estudios están a un clic, ¿cómo llegan mal? Ya desarmamos una vez el 70% de los cambios que fracasan, que no tiene detrás la medición que se le atribuye: una cifra sola, y el mecanismo era el boca a boca. Acá son cinco, y el mecanismo es propio de un tema que envejece en meses.
Un estudio no nace publicado. Primero circula como borrador —working paper o preprint: las tres palabras nombran lo mismo—, un texto que nadie de afuera revisó todavía. Después llega la revisión de pares, que es cuando otros investigadores del campo lo leen y objetan: tarda dos años en un caso de esta nota y dos y medio en el otro, y al llegar el número había cambiado. La conversación sobre IA no tarda dos años: tarda dos semanas. Para entonces la cifra del borrador ya está en notas de prensa, en posteos, en decks de proveedores y en el slide 4. Y no hay nada que lleve la corrección de vuelta: nadie manda una fe de erratas a un slide.
A la cifra que sobrevive a ese circuito la llamamos el número zombi: una que sus autores ya corrigieron y que sigue caminando, porque el borrador viaja y la corrección no.
Y no se arma con mala fe. Alguien tiene que entregar el deck el lunes: busca "AI productivity study", encuentra una nota que cita a Harvard, copia la cifra y el logo —que viene de la nota, no del estudio— y arma la fila. Cuatro minutos. El original está a un clic, y el clic no es parte del encargo.
Nada de esto hay que creerlo, se verifica en treinta segundos. El estudio que abre la lista está publicado, con revisión de pares, desde febrero de 2025, y la ficha de su borrador en el NBER —donde circulan los borradores de economía— sigue mostrando el resumen de 2023. Quien "verifica" ahí confirma el número equivocado. Por eso verificar no es abrir la primera ficha que aparece: es buscar el título entre comillas con el año más reciente. Es la pregunta dos de la aduana del final.
El circuito son dos carriles que nunca se tocan.
Número uno · Como se cita: «la IA sube la productividad 14%, y 34% en los novatos»
El primero corrige para arriba: quien cita la versión que circula está subestimando la herramienta.
La fuente es Brynjolfsson, Li y Raymond, en The Quarterly Journal of Economics de 2025: 5.172 agentes de soporte al cliente de una Fortune 500, con un asistente conversacional desplegado de a tandas. El resumen dice «by 15% on average», y el grupo de menor habilidad medida figura como «an increase of 0.5 in RPH, or 36%» —RPH son consultas resueltas por hora—. Hay una frase que no sube a los slides: los más experimentados «see small gains in speed and small declines in quality».
La unidad hay que traducirla, y no es la que uno imagina: las medias crudas de la Tabla I pasan de 2,0 a 2,5 consultas resueltas por hora, y el 15% del resumen es lo que queda cuando se aísla el efecto del despliegue escalonado. Dos por hora, no veinte: un chat promedia 41 minutos y cada agente atiende varios a la vez.
Y hay una segunda corrección, más grande que la de los decimales: el 36% no es de los novatos. Es del quinto del equipo que peor venía midiendo, que puede llevar diez años en el puesto. La antigüedad es otra variable, reportada aparte: menos de un mes, +0,7 consultas por hora; más de un año, sin cambio. Quien tradujo "quintil de menor habilidad" por "novatos" no cambió un número: cambió a quién darle la herramienta primero. Y multiplicado por la dotación entera, el promedio proyecta un ahorro que el estudio no encuentra ni en el quintil que mejor mide ni en los que llevan más de un año.
Número dos · Como se cita: «los consultores de BCG produjeron 40% más calidad»
Este número no se discutió. Se fue.
En septiembre de 2023 apareció el borrador de un experimento preregistrado con 758 consultores de BCG, y su resumen decía «more than 40% higher quality compared to a control group». Esa frase dio la vuelta al mundo. En marzo de 2026 el mismo trabajo salió publicado en Organization Science: el resumen no trae la cifra —dice «solutions of significantly improved quality»— y el cuerpo reporta «performance by more than 30%».
Conviene decir qué es "40% más de calidad": cada entrega la puntuaron evaluadores humanos, contra el promedio del grupo que trabajó sin IA. Con ellos va de 29,9% a 33,9%, y los dos extremos son los dos grupos con IA: el que la usó a secas y el que recibió además entrenamiento en cómo pedirle las cosas. Con GPT-4 de evaluador se cae a poco más de la mitad.
Nada de esto dice que el estudio sea malo: es un experimento de campo preregistrado sobre trabajo real, y midió además una tarea donde el efecto se da vuelta, de lo que se ocupó la parte 1 de esta serie. Lo que se corrigió fue una cifra del resumen del borrador, y el autor la retiró: la cifra siguió sola. El número zombi en su forma más nítida.
Y hay que ser cuidadoso con la resta, porque "más de 30%" es un piso y no un punto. Lo afirmable es que quien dimensionó con 40% proyectó de más: le sobra un cuarto —40 donde la fuente publicada dice más de 30—, no le queda un cuarto. En el programa del jueves, ese cuarto de más separa un caso de negocio de una expresión de deseo.
Número tres · Como se cita: «el 95% de los pilotos de IA fracasa»
Empecemos por lo que no es. No es un estudio.
The GenAI Divide: State of AI in Business 2025, de Challapally, Pease y Raskar, salió a mediados de 2025 desde el MIT Project NANDA —una iniciativa del MIT dedicada a las redes de agentes de IA— y no pasó por revisión de pares ni fue concebido para pasarla. Toda su base empírica son 52 entrevistas, 153 encuestas levantadas en cuatro conferencias y una revisión de unas 300 iniciativas.
La aritmética, despacio y sobre cien empresas. De cada cien, unas ochenta nunca hicieron un piloto de una herramienta propia. Quedan veinte, y de esas veinte cinco llegaron a un resultado. Cinco empresas sobre cien: ése es el 5% del titular. Pero esas mismas cinco, sobre las veinte que lo intentaron, son una de cada cuatro.
El 95% nunca fue una tasa de fracaso de pilotos: es el porcentaje de empresas que no llegó a un resultado, contando también a las que no intentaron nada. Así leído no sirve ni para frenar un proyecto ni para venderlo. Dos datos más: la vara era un impacto marcado y sostenido a los seis meses del piloto, y los autores desarrollaban las herramientas de agentes de IA que el informe recomienda.
Hay además un dato que casi nadie leyó: el informe reporta alrededor de 67% de éxito en las iniciativas con aliados externos contra 33% en los desarrollos internos — declarados por los encuestados, y sin publicar sobre qué base se calculan. Acá no sirven para calcular nada. Sirven para una cosa: el documento que se cita para probar que la IA no funciona lleva adentro una tasa de éxito de dos de cada tres.
Nada de eso impidió que moviera dinero: se le atribuye haber contribuido a una caída del Nasdaq en agosto de 2025, y lo amplificaron Forbes, Axios, The Hill y Harvard Business Review. La última merece párrafo propio.
El número que Harvard Business Review no filtró. En septiembre de 2025, Harvard Business Review publicó uno de sus artículos más difundidos del año sobre el costo oculto de la IA adentro de las organizaciones. Lo abre, en el primer párrafo, apoyándose en el 95% del informe del MIT. La revista insignia del management amplificando la cifra que debería haber filtrado. No es un descuido de una revista: es la mejor prueba disponible de que acá no hay higiene de fuentes ni en la cima. Y el fenómeno que ese artículo sí midió —lo llaman workslop, el trabajo que parece trabajo— es real, es caro, y no lo mide ninguna de las cinco cifras de el slide 4.
Número cuatro · Como se cita: «los programadores expertos son 19% más lentos con IA»
Este está bien. El número es correcto, el estudio es honesto y sus autores son los primeros en matizarlo. Lo que no está en la fuente es la conclusión que le cuelgan.
Lo publicó METR en 2025 —Becker, Rush, Barnes y Rein—, y METR es la sigla sin logo de el slide 4: no es una universidad, es un instituto independiente sin fines de lucro que evalúa sistemas de IA. Chico y prolijo: 16 desarrolladores, 246 tareas, cinco años promedio en esos repositorios. El resumen dice tres cosas en fila: «developers forecast that allowing AI will reduce completion time by 24%… developers estimate that allowing AI reduced completion time by 20%… allowing AI actually increases completion time by 19%».
Léalas en ese orden, porque ahí está el hallazgo. Creyeron que la IA les iba a ahorrar casi un cuarto del tiempo. Después creyeron que se lo había ahorrado. El cronómetro dice que tardaron más: lo que quedó medido no es la IA, es cuánto se equivoca la percepción del que la usa.
Hay un dato posterior que casi nadie cita, de la propia METR: en febrero de 2026 informó que su experimento de seguimiento —57 desarrolladores, más de 800 tareas— quedó inutilizable por sesgo de selección. Cuesta cada vez más conseguir desarrolladores dispuestos a trabajar sin IA, y entre 30% y 50% dejaron de mandar tareas que no querían hacer sin ella. METR llama evidencia muy débil a sus resultados nuevos y está rediseñando el estudio.
La frase existe y usted la escuchó: "me ahorra como media jornada por semana". La dice gente seria, sobre su propio trabajo, sin interés en exagerar. Es exactamente el número que este estudio midió y encontró equivocado.
Qué llevarse, entonces: el 19% está bien medido en 2025 y no es un veredicto sobre 2026. Lo que sobrevive intacto no es la cifra, es lo que dejó al descubierto. Si le pregunta a su equipo cuánto le ahorra la IA, va a recibir un número medido con el único instrumento que este estudio demostró que falla. Y para el escéptico: dieciséis desarrolladores no son "los programadores".
La distancia entre lo que creyeron y lo que pasó entra en un eje.
Número cinco · Como se cita: «Copilot los hace 55,8% más rápidos»
Ese decimal es toda la advertencia necesaria: promete una precisión que la medición no tiene.
El 55,8% sale de Peng, Kalliamvakou, Cihon y Demirer, 2023: un borrador que nunca se publicó con revisión de pares, y tres de sus cuatro autores son de Microsoft y de GitHub — el proveedor midiendo su producto. La tarea es una sola y es sintética: programar un servidor HTTP en JavaScript. Debajo del decimal hay 35 desarrolladores freelance que la terminaron, y un intervalo que va de 21% a 89%.
El contrapeso serio lo hizo el mismo equipo, ampliado, en Management Science en 2026: tres experimentos aleatorizados en Microsoft, Accenture y una Fortune 100, con 4.867 desarrolladores. Da alrededor de 26% más tareas completadas, con un margen que sus autores llaman ruidoso: alcanza para afirmar que hay efecto, no cuánto. Dos de los seis son de Microsoft, y hay que decirlo acá también.
La vara que ordena el rubro la pone un meta-análisis de LMU Munich de 2026 sobre 23 estudios: g = 0,33. Esa "g" no es un porcentaje: mide cuánto se corre el promedio del grupo con IA respecto del grupo sin IA, en unidades de lo que ya varían las personas entre sí. Por convención 0,2 es chico y 0,5 mediano: 0,33 queda en el medio, real y modesto. Esa unidad es la que permite promediar estudios que midieron cosas distintas. Y las ganancias, agrega, son mayores en entornos experimentales controlados y menores en código abierto y en empresas.
El número de el slide, en cambio, fija la expectativa del directorio, y sale de una tarea que nadie hace en su empresa, medida por quien se la vende a usted. La que debería fijarla es la mitad: el 26% de los tres experimentos. Un caso de negocio armado con ese decimal nace sobredimensionado, y eso no se arregla después con gestión.
Ninguno sobrevive entero
La distinción que hay que llevarse no es la que parece. La regla no es "publicado bueno, borrador malo": los borradores muchas veces son lo mejor que hay sobre un tema nuevo. Es saber cuál de los dos está leyendo, porque lo que una cifra puede cargar en una decisión de capital depende de eso y no del logo que tiene al pie.
El tamaño real de lo que sostiene el slide:
Las dos mediciones de esta nota que sí pasaron por revisión de pares se hicieron sobre 5.172 agentes de soporte y 758 consultores. Tres de las cinco cifras de el slide 4 no se apoyan en nada de ese tamaño.
Lo que sí está bien medido (y alcanza para decidir)
Del otro lado del mostrador hay evidencia que se baja gratis y casi nadie lleva a la reunión: un efecto real, moderado, muy desigual entre personas, que encoge fuera del laboratorio.
Un dato ordena la discusión mejor que los cinco anteriores: cuánta gente usa IA de verdad. Entre 17% y 20% de las empresas de Estados Unidos, 37% en las de 250 o más empleados. Adentro hay menos gente de la que sugiere la conversación.
Y un detalle de método que vale más que el dato: la cifra cambia según a quién se le pregunte. Una nota de la Reserva Federal la da en 18% si la unidad es la empresa, 41% si es la persona que trabaja, y 78% si se cuenta gente en vez de empresas —cada una pesa lo que pesa su nómina, y las grandes son las que más usan IA—. Antes de compararse con el mercado, pregunte cuál le muestran.
| La cifra | De dónde sale | Qué tipo de evidencia es | Qué le permite decidir |
|---|---|---|---|
| +15% de consultas resueltas por hora en promedio, y +36% en el quinto del equipo que peor venía midiendo | Brynjolfsson, Li y Raymond, The Quarterly Journal of Economics, 2025 — 5.172 agentes de soporte | Revisada por pares. Datos de campo de una empresa real, con despliegue escalonado | A quién darle la herramienta primero: al quinto que peor mide y al que recién entra, no a toda la nómina |
| g = 0,33 de efecto sobre productividad en programación — el promedio se corre un tercio de lo que varían las personas entre sí: real y modesto — y menor en empresas que en laboratorio | Maier y otros, LMU Munich, 2026 — meta-análisis de 23 estudios, con evaluación formal de riesgo de sesgo | Borrador: todavía no pasó por revisión de pares. Se usa acá con esa etiqueta puesta | Cuánto descontar de cualquier cifra de laboratorio antes de llevarla al caso de negocio |
| Entre 17% y 20% de las empresas de EE.UU. usa IA; 37% en las de 250 o más empleados | U.S. Census Bureau, Business Trends and Outlook Survey, mayo de 2026 | Estadística oficial, con muestra probabilística y metodología publicada | Contra cuánta gente está compitiendo de verdad, y cuánta ventaja queda por tomar |
| La adopción es 18%, 41% o 78% según la encuesta: la unidad puede ser la empresa, la persona, o la gente contada con el peso de cada nómina | Allen, FEDS Notes, Junta de la Reserva Federal, abril de 2026 | Nota de investigación de un banco central que compara tres encuestas oficiales | Antes de comparar su empresa con "el mercado": preguntar qué se está contando |
Cuatro cifras que aguantan una decisión de capital, cada una con la etiqueta de hasta dónde llega.
La aduana: tres preguntas antes de que la cifra fije el monto
Van de la más barata a la más incómoda.
Uno: ¿cuál es la fuente primaria? No la nota ni el posteo ni el slide del proveedor: el estudio, con autor, año y dónde salió. Si nadie del equipo lo abrió, la cifra no está verificada. Está repetida.
Dos: ¿publicada o borrador? La ficha oficial de un estudio publicado puede seguir mostrando el resumen del borrador: el apellido de la institución no garantiza la versión. La salida tarda un minuto: busque el título entre comillas con el año más reciente; si aparece con revista, volumen y páginas, ésa es la que manda.
Tres: ¿quién midió? El proveedor, la consultora que va a implementarlo, o un equipo que vende lo que su informe recomienda. Saberlo no invalida la cifra: la ubica.
Y una regla que impide que esto se vuelva un trámite: la cifra que no pasa las tres no se prohíbe, puede quedar como señal de mercado. Lo único que no puede hacer es fijar el monto.
La aduana no la corre el que trae el slide: la corre quien va a firmar el monto, y se corre antes de la reunión, con la convocatoria. Cinco minutos por cifra. Lo que no existe hoy es la obligación de contestarlas, y eso no se compra: se escribe en el orden del día.
Preguntas para el lunes
Las tres primeras no necesitan que abra nada ni que le pregunte nada a nadie.
Tres de memoria, cuatro que llevan más rato
- La última presentación de IA que le hicieron: ¿a cuántas cifras de el slide de evidencia puede ponerles hoy un autor y un año? No las verifique: cuéntelas.
- Esas cifras, ¿las trajo alguien de su empresa o quien iba a implementar el proyecto?
- De los cinco números de esta nota, ¿cuántos escuchó en los últimos seis meses en su propia mesa?
Las cuatro que siguen llevan más rato. Ninguna exige comprar nada:
- Pida los estudios originales de la última presentación que aprobó. No para auditar a nadie: para ver cuántos llegan y en cuánto tiempo. Es un mail, y la respuesta ya es el diagnóstico.
- Abra el caso de negocio vigente y busque el número que fija el ahorro. Escriba al lado de dónde salió. Si no entra en una línea, no puede sostener ese monto.
- Pregúnteles a tres personas de su equipo cuánto tiempo les ahorra la IA por semana. Anótelo y no lo use para el caso de negocio: úselo para medir cuánto se sobreestima el ahorro puertas adentro.
- Para la próxima decisión, pida que cada cifra llegue con autor y año, borrador o publicada, y quién la financió. Después compare cuántas slides quedaron en pie.
Vuelva un momento a la sala de Belgrano. El programa se aprobó, y probablemente haya que aprobarlo: nada acá dice que no conviene. Lo que hay es una diferencia de tamaño. Con los cinco números de el slide, seiscientos mil dólares eran baratos. Con los cinco como los dicen sus fuentes sigue habiendo un caso — más chico, más concentrado, con el grueso del beneficio en la gente que menos figura en el deck.
Los cinco van a seguir circulando, y dos van a seguir siendo cifras que sus autores ya corrigieron. Ése es el problema de los zombis: no se los mata discutiéndoles. Se los para en la puerta.
Y queda algo que ninguna de las cinco mide: discuten cuánto más rápido se produce, y ninguna pregunta qué se produce ni quién lo revisa después. Ese es el informe que le llega el lunes y que, al terminar de leerlo, no dijo nada: el trabajo que parece trabajo. De eso se ocupa la parte 3 de esta serie.
Mientras tanto, lo del jueves tiene arreglo y no cuesta plata. El slide 4 se puede discutir: es el único de los veintidós donde una pregunta de cinco minutos cambia el monto de la decisión.
¿Puede ponerle hoy un autor y un año a cada cifra que fijó su último presupuesto de IA?
El entregable cabe en una carilla: una fila por cifra, con el autor, el año, si es borrador o versión publicada, y quién la financió. Con esa carilla en la mesa ningún monto se dimensiona con un número cuyo origen no esté escrito, y los decks de proveedores llegan con la columna de la fuente completa. La primera sale de una sesión sobre el último deck de IA que le presentaron: se abren las fuentes que fijaron el monto y se rehace el dimensionamiento con las que aguantan. Es la sesión con la que trabaja 32sur. Conversemos.
Referencias
- Brynjolfsson, E., Li, D. y Raymond, L., "Generative AI at Work", The Quarterly Journal of Economics, 140(2), 2025, pp. 889-942 (publicación anticipada en línea el 4 de febrero de 2025; número impreso de mayo) — el número uno de esta nota, en su versión revisada por pares: 5.172 agentes de soporte al cliente de una empresa Fortune 500, despliegue escalonado de un asistente conversacional, +15% de consultas resueltas por hora en promedio y +36% en el quintil de menor habilidad medida —que es una variable distinta de la antigüedad: los agentes con menos de un mes en el puesto suben 0,7 consultas por hora y los de más de un año no muestran cambio—. La escala real de la unidad está en la Tabla I: 2,0 consultas por hora antes del despliegue y 2,5 después, con un tiempo medio de manejo de 41 minutos por consulta. El resumen consigna además que los trabajadores más experimentados y calificados registran pequeñas ganancias de velocidad y pequeñas caídas de calidad. La versión borrador (NBER Working Paper 31161, 2023) reporta 14%, 34% y 5.179 agentes, y la ficha del NBER sigue mostrando ese resumen sin mencionar la publicación: verificar contra esa página confirma el número equivocado.
- 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", Organization Science, 37(2), 2026, pp. 403-423, DOI 10.1287/orsc.2025.21838 — el número dos: experimento preregistrado con 758 consultores de BCG. El resumen del borrador (HBS Working Paper 24-013 / SSRN 4573321, septiembre de 2023) afirmaba "more than 40% higher quality"; el resumen de la versión publicada no trae la cifra y el cuerpo reporta "performance by more than 30%" — entre 29,9% y 33,9% con evaluadores humanos, que son los dos grupos con IA (con y sin entrenamiento en cómo pedirle las cosas), y entre 17,1% y 19% cuando el evaluador es GPT-4.
- Challapally, A., Pease, C. y Raskar, R., The GenAI Divide: State of AI in Business 2025, MIT Project NANDA, 2025 (Pradyumna Chari figura en la portada junto a los tres autores, pero la página 2 lo consigna como revisor) — el número tres. No es un paper y no pasó por revisión de pares: 52 entrevistas estructuradas, 153 respuestas de encuesta levantadas en cuatro conferencias y una revisión de unas 300 iniciativas públicas. El embudo del propio informe para las herramientas a medida —alrededor de 50% investigó, 20% piloteó, 5% implementó con éxito— es lo que sostiene la aritmética del cuerpo; el episodio de 80,000 Hours de abril de 2026 dedicado al informe documenta además el impacto en el Nasdaq y los conflictos de interés no declarados. La crítica metodológica complementaria de Arnon Shimoni señala que el informe cuenta como fracaso cualquier piloto que no llegue a producción plena y que en su página 19 reporta ~67% de éxito en alianzas externas contra ~33% en desarrollos internos — cifras autorreportadas, y sin publicar la base sobre la que se calcula ninguna de las dos, razón por la cual esta nota las usa sólo como contradicción interna del documento y no como estimación. Kevin Werbach (Wharton) pidió públicamente que MIT publique los datos o retire el informe; a la fecha de cierre de esta nota el informe no fue retirado ni retractado.
- Becker, J., Rush, N., Barnes, E. y Rein, D., "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity", METR, arXiv:2507.09089, 2025 — el número cuatro, y el único de los cinco cuyo número no está en discusión: 16 desarrolladores con cinco años promedio de experiencia en los repositorios donde trabajaron, 246 tareas; pronosticaron un ahorro de 24% del tiempo, estimaron después haber ahorrado 20%, y la medición dio 19% más de tiempo, con un intervalo de +2% a +39%. Actualización de METR del 24 de febrero de 2026: el experimento de seguimiento (57 desarrolladores, más de 800 tareas desde agosto de 2025) quedó inutilizable por sesgo de selección —cada vez más desarrolladores se niegan a participar sin IA, y entre 30% y 50% de los participantes declararon haber dejado de mandar tareas que no querían hacer sin ella—; los resultados nuevos (−18% para los desarrolladores originales, intervalo de −38% a +9%; −4% para los nuevos, intervalo de −15% a +9%) son calificados por la propia METR como evidencia muy débil, la propia METR cree probable que hoy los desarrolladores estén más rápidos, y el estudio está siendo rediseñado.
- Peng, S., Kalliamvakou, E., Cihon, P. y Demirer, M., "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot", arXiv:2302.06590, 2023 — el número cinco: preprint nunca publicado en un journal con revisión de pares; tres de sus cuatro autores son de Microsoft Research y GitHub (el cuarto es del MIT Sloan). Una única tarea sintética —programar un servidor HTTP en JavaScript lo más rápido posible—, sobre desarrolladores reclutados en Upwork: 35 completaron la tarea y la encuesta, y el propio paper reporta un intervalo de confianza del 95% para la mejora de entre 21% y 89%.
- Cui, Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. y Salz, T., "The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers", Management Science, 2026, DOI 10.1287/mnsc.2025.00535 — el contrapeso serio del número cinco: tres experimentos aleatorizados en Microsoft, Accenture y una empresa Fortune 100, 4.867 desarrolladores, 26,08% más de tareas completadas con un error estándar de 10,3%; el propio paper advierte que cada experimento es ruidoso y que la estimación es por variables instrumentales sobre los tratados, no un promedio simple. Dos de los seis autores son de Microsoft.
- 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, 2026 — la vara del rubro: 23 estudios, 27 tamaños de efecto, búsqueda sistemática con evaluación formal de riesgo de sesgo; efecto sobre productividad g = 0,33 (intervalo de 0,09 a 0,58) y sobre aprendizaje no significativo (g = 0,14). La g de Hedges es una medida estandarizada: expresa la diferencia entre el grupo con IA y el grupo sin IA en unidades de la dispersión de los datos, que es lo que permite promediar estudios que midieron cosas distintas. Es un preprint y se cita en esta nota con esa etiqueta puesta: las ganancias son mayores en entornos experimentales controlados y menores en contextos de código abierto y empresariales.
- U.S. Census Bureau, Business Trends and Outlook Survey, informe de mayo de 2026 sobre uso de IA en empresas — entre 17% y 20% de las empresas de Estados Unidos declara usar IA entre diciembre de 2025 y mayo de 2026; 37% en las de 250 o más empleados, 32% en las de 100 a 249 y menos de 20% en las de menos de 20; promedio nacional 19,8%.
- Allen, J. S., "Monitoring AI Adoption in the U.S. Economy", FEDS Notes, Junta de Gobernadores de la Reserva Federal, 3 de abril de 2026 — por qué la cifra de adopción cambia según la encuesta: alrededor de 18% de las firmas según el Census, 41% de la fuerza laboral según la Real-Time Population Survey y 78% ponderado por empleo según la Survey of Business Uncertainty. El propio autor se abstiene explícitamente de sacar conclusiones sobre productividad.
- Niederhoffer, K., Rosen Kellerman, G., Lee, A., Liebscher, A., Rapuano, K. y Hancock, J. T., "AI-Generated 'Workslop' Is Destroying Productivity", Harvard Business Review, 22 de septiembre de 2025 — se cita en esta nota por un solo motivo, el del recuadro: uno de los artículos más difundidos del año sobre el costo oculto de la IA en las organizaciones abre su primer párrafo apoyándose en el 95% del informe del MIT. Lo que ese artículo sí midió es materia de la parte 3 de esta serie y no se usa acá.
- CEPE-Universidad Torcuato Di Tella (el 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 — el único dato local de esta nota: 402 empresas de 10 a 249 empleados de la industria manufacturera y de software y servicios informáticos, campo entre noviembre y diciembre de 2025, muestreo estratificado en 14 estratos sectoriales. La barrera más declarada para adoptar IA es la falta de experiencia y de conocimiento sobre el tema (46,2%), seguida de la falta de personal calificado (42,2%) y del costo alto (29,2%). El dato de presupuesto dedicado a IA no se cita acá: las coberturas disponibles no coinciden entre sí.
Todas las fuentes verificadas contra su versión primaria a agosto de 2026.