El coste real de la IA en tu equipo: el ahorro se cuenta, las horas de limpiar no

Cuando una herramienta de IA te ahorra media hora, esa media hora se cuenta. Cuando te obliga a revisar, rehacer o descifrar lo que ha producido, esas horas no las cuenta nadie.

Hay dos investigaciones que ponen números a esa asimetría. Y una de las dos es más interesante por lo que su propio autor ha matizado después que por el titular que circuló.

El dato que se hizo famoso, y lo que su autor dice ahora

En julio de 2025, METR publicó un experimento con desarrolladores experimentados de código abierto. El resultado se convirtió en meme:

«Cuando se permite a los desarrolladores usar herramientas de IA, tardan un 19 % más en completar las tareas.»

Y el detalle que lo hizo viral: ellos creían que habían ido un 20 % más rápido. La percepción y la medición apuntaban en direcciones opuestas.

Pero en febrero de 2026 METR publicó una actualización, y conviene leerla entera antes de usar el 19 % como argumento:

• El intervalo de confianza de aquel 19 % iba de +2 % a +39 %. Es decir: el efecto podía ser casi nulo o enorme.
• En la continuación, con los mismos desarrolladores, el resultado se mantiene: un «speedup» de −18 % (o sea, 18 % más lentos), con intervalo de −38 % a +9 %.
• Pero con desarrolladores nuevos, el efecto cae a −4 %, con un intervalo de −15 % a +9 % — que cruza el cero. Traducido: ahí no se puede afirmar que haya efecto.
• Y METR admite sesgo de selección: los desarrolladores se niegan cada vez más a participar si no pueden usar IA, y evitan aportar tareas donde esperan que la IA ayude mucho. Además bajaron el pago de 150 a 50 dólares la hora, lo que también afecta a quién se apunta.

La lectura honesta, entonces, no es «la IA te hace más lento». Es que el efecto neto sobre la velocidad está lejos de estar resuelto, y quien te venda cualquiera de las dos certezas —que multiplica tu productividad o que la destruye— está yendo por delante de la evidencia.

Y hay un matiz que no se puede saltar: METR mide desarrolladores de software, no equipos de marketing. Extrapolarlo directamente a redactar un copy o montar una campaña sería exactamente el error que este artículo intenta señalar.

El coste que sí está medido: el trabajo de limpiar

Aquí el terreno es más firme. Una investigación de BetterUp Labs con el Stanford Social Media Lab, publicada en Harvard Business Review, midió lo que llaman «workslop»:

«Contenido de trabajo generado por IA que se hace pasar por buen trabajo, pero carece de la sustancia necesaria para hacer avanzar de verdad una tarea.»

Los números:

• El 41 % de los trabajadores recibió workslop en el mes anterior.
• Resolver cada incidente costó de media 1 hora y 56 minutos.
• El coste estimado: un impuesto invisible de unos 186 dólares al mes por empleado.

Eso no es una discusión sobre si la IA es buena o mala. Es un coste operativo concreto que casi ningún equipo tiene en su cuadro de mando, porque llega disfrazado de trabajo ya hecho.

Qué medir, en concreto, en un equipo de marketing

Si quieres saber si tu inversión en IA está funcionando, estas cuatro cosas se pueden medir sin montar un experimento:

• Rondas de revisión por pieza. Si antes un texto pasaba dos revisiones y ahora pasa cuatro, el ahorro de la primera versión se está evaporando en las siguientes.
• Tiempo de la persona que recibe el trabajo, no solo de la que lo produce. El workslop ahorra tiempo a quien lo genera y se lo quita a quien lo revisa. Si solo mides al primero, el balance siempre sale positivo.
• Horas de mantenimiento de vuestras propias herramientas. El flujo interno que alguien montó en un fin de semana tiene un dueño, y ese dueño le dedica horas cada mes. Eso es un puesto de trabajo parcial, no un ahorro.
• Trabajo devuelto. Cuántas entregas vuelven porque «no sirve». Es la métrica más incómoda y la más reveladora.

Ninguna de las cuatro exige herramientas nuevas: exige contarlas. Y es el mismo principio que aplicamos a cualquier otra decisión de negocio — el problema de medir solo la parte que luce lo hemos visto en dónde ahorra de verdad la IA en los flujos de trabajo.

Lo que esto no significa

No significa dejar de usar IA. Significa dejar de contabilizarla a medias.

Una herramienta que ahorra 30 minutos y genera 20 de revisión sigue siendo rentable — pero es un 33 % de ahorro, no un 100 %, y esa diferencia importa cuando decides cuánto pagar por ella y a cuántas personas se la das. Si tu equipo ya tiene rutinas asentadas con estas herramientas, el siguiente paso no es añadir más: es medir las que ya usáis.

Y antes de decidir nada, la pregunta previa de siempre: para qué y para quién. Igual que con a quién le hablas, aquí la pregunta es qué tarea concreta querías resolver — porque un ahorro que no se nota en ninguna tarea concreta probablemente no existe.

Fuentes consultadas en origen el 9 de septiembre de 2026: el estudio de METR de julio de 2025 y su actualización del 24 de febrero de 2026; y la investigación de BetterUp Labs y el Stanford Social Media Lab sobre workslop, publicada en Harvard Business Review. Foto de portada: cronómetro de bolsillo, bajo licencia CC BY-SA 4.0 vía Wikimedia Commons.