El acceso a la IA elevó las puntuaciones de los test en 7,2 puntos porcentuales y, una semana después de retirar la herramienta, 3,9 puntos seguían ahí — pero solo en las personas que usaron la IA como tutor. En quienes dejaron que escribiera por ellas, la ganancia había desaparecido (Contractor y Reyes, 2026).
Dos personas de tu equipo pueden usar el mismo modelo en la misma tarea y producir un trabajo de idéntica calidad. Una semana después, una es mediblemente mejor en esa tarea y la otra ha vuelto al punto de partida. El entregable que tienes en las manos no te dice cuál es cuál.
El experimento detrás de esas cifras es un ensayo aleatorizado presencial y supervisado: estudiantes de grado estudiaron un tema técnico desconocido bajo presión de tiempo y escribieron un ensayo analítico con o sin acceso a la IA, y después realizaron pruebas sin ninguna ayuda de inmediato y de nuevo alrededor de una semana más tarde. El resumen que los autores hacen de esa divergencia es todo el hallazgo — las ganancias se mantienen en los estudiantes que usan la IA como tutor y se desvanecen en los que dejan que la IA escriba por ellos.
El diseño midió a la persona, no al entregable
Casi todos los estudios sobre IA y productividad miden el resultado mientras la herramienta está en la sala. Este hace algo más difícil y más relevante para decidir: retira la herramienta y mide qué retuvo la persona.
De 256 inscritos, 211 acudieron a la primera sesión y 205 volvieron a la segunda, una media de 6,98 días después. Los temas eran deliberadamente ajenos a los participantes — blockchain, captura de carbono, CRISPR. La segunda sesión fue supervisada y sin ayuda para todos, grupo tratado y grupo de control por igual. Los ensayos fueron calificados por 309 evaluadores con máster o doctorado, con 23 excluidos por no superar un control de comprensión.
Esa estructura es lo que separa el resultado prestado de la capacidad retenida. La prueba inmediata te dice si la herramienta ayudó. El seguimiento sin ayuda te dice si la persona cambió. Son preguntas distintas, y casi todos los cuadros de mando de adopción en uso en una empresa de tamaño medio responden solo a la primera — cuando responden a alguna.
Lo que dicen realmente las cifras
| Medida | Resultado |
|---|---|
| Test de conocimiento inmediato, acceso IA vs control | +7,2 pp, 0,28 SD (p = 0,021) |
| Mismo test, treatment-on-treated | +10,4 pp, 0,41 SD |
| Test sin ayuda unos siete días después | +3,9 pp, 0,21 SD |
| Calidad del ensayo de la segunda sesión, escrito sin IA | +0,24 SD |
| Mecanismo | El mismo tiempo total; tiempo desplazado de escribir a leer y buscar |
El resultado de los ensayos merece una segunda mirada. Una semana después de retirar la herramienta, en una sala supervisada y sin ninguna asistencia, quienes habían tenido acceso a la IA escribieron ensayos mediblemente mejores — con los efectos mayores en el uso de pruebas y ejemplos y en la claridad del estilo. Algo se transfirió a la persona, no solo al documento.
Quienes usaron la automatización ganaron la primera sesión y perdieron la semana
Aquí está la parte que debería cambiar cómo piensas el despliegue.
Los participantes que dejaron que la IA escribiera por ellos — los autores llaman a esto automation — entregaron los ensayos mejor valorados en la primera sesión. Parecían los mejores. Una semana después, en la sesión sin ayuda, esa ventaja simplemente había desaparecido. Los participantes que usaron la IA como tutor, pidiéndole que explicara en lugar de producir, conservaron la suya.
Dos modos de uso. Indistinguibles en el entregable. Opuestos en su efecto sobre la capacidad. Y el mecanismo es prosaico: ambos grupos dedicaron el mismo tiempo total, pero el acceso a la IA desplazó minutos de escribir hacia leer y buscar información. Los de modo tutor gastaron esos minutos en comprensión. Los de modo negro literario los gastaron en nada que quedara.
Por eso «uso de la IA» es la métrica de adopción equivocada. No es una métrica débil ni rezagada. Es una métrica que asigna el mismo valor al comportamiento que construye tu banquillo y al que lo vacía.
Tu cuadro de mando de adopción no ve la IA como tutor
Si el modo de uso es la variable que importa, la pregunta obvia es si alguien lo está midiendo. En general, no.
El Productivity Lab de ActivTrak infirió las etapas de adopción de la IA a partir de telemetría de comportamiento en 120.620 trabajadores, no de licencias, inicios de sesión o autodeclaraciones. Encontró el 27 % en asistencia a la investigación, el 14 % en ejecución de tareas y el 2 % en integración real en el flujo de trabajo (ActivTrak Productivity Lab, 2026). Los recuentos de licencias y los paneles de inicio de sesión miden la distribución. No miden la adopción y, desde luego, no miden el modo.
Mientras tanto, la capacidad formativa que enseñaría el mejor modo se está contrayendo. La encuesta de PwC de 2026 a 49.364 trabajadores en 48 países halló que la proporción de quienes dicen tener acceso a los recursos de formación y desarrollo que necesitan cayó al 51 %, desde el 59 % del año anterior — mientras el uso diario de IA generativa subió del 14 % al 22 % (PwC, 2026). El acceso a la herramienta escala. El acceso a la instrucción sobre cómo usarla va en la dirección contraria.
Los trabajadores lo notan. En el estudio laboral de GoTo de 2026, el 39 % dijo que su dependencia de la IA estaba erosionando sus competencias, y el 43 % admitió haber entregado resultados de IA que sospechaba de baja calidad (GoTo y Workplace Intelligence, 2026). La autodeclaración es evidencia débil por sí sola. Junto a un experimento supervisado que encuentra la misma forma, deja de ser ruido.
La asimetría que convierte esto en un problema de sucesión
Un resultado más, y es el que saca el asunto de formación y lo instala en planificación de plantilla.
Un experimento de campo preregistrado de tres meses puso un asistente de IA para redacción de patentes en manos de 133 abogados de patentes en ejercicio en once despachos estadounidenses, con expertos ciegos calificando cada entrega. En las tareas asistidas, la calidad subió 0,38 SD a los noventa días, con mayores ganancias entre los abogados junior. Después llegó una tarea de revisión sin asistencia, donde la IA no estaba permitida para nadie — la medición de la competencia. Los abogados tratados puntuaron 0,32 SD más en conjunto, pero la ventaja se concentraba íntegramente en los senior, con 0,45 SD. Los junior no mostraron ganancia media alguna; sus puntuaciones se bifurcaron, con bastantes menos resultados mediocres compensados por más resultados malos y más buenos (Autor et al., NBER, 2026).
El encuadre de los propios autores es la frase que conviene llevar a tu próxima reunión de planificación: las mayores ganancias de la IA recayeron en los abogados que menos retuvieron, y una pericia fundamental podría ser requisito previo para extraer competencia duradera de la práctica asistida por IA.
Lee los dos estudios juntos. El modo de uso decide si la capacidad se acumula, y la pericia ya adquirida parece decidir a qué modo recurre una persona por defecto. Tus perfiles más senior están capitalizando. Tus junior se están partiendo en dos grupos, y el resultado asistido de ambos parece correcto.
Conviene decirlo con claridad: la financiación y parte de la autoría del estudio de patentes corresponden al fabricante de la herramienta. El preregistro y la calificación ciega por terceros son lo que sostiene su credibilidad, no el patrocinador.
La objeción honesta
Cuatro límites, antes de que alguien construya una política sobre esto.
Son estudiantes de grado en una tarea de una hora. No empleados en un trimestre de trabajo real. El mecanismo — reasignación de tiempo de la producción a la comprensión — viaja con verosimilitud. Los tamaños del efecto no deberían citarse como estimaciones del entorno laboral, y yo no pondría 7,2 puntos en un business case.
Es un preprint. arXiv 2607.08849 se publicó en julio de 2026 y se revisó en octubre de 2026. No ha completado la revisión por pares.
Los controles de robustez mueven la cifra. Excluyendo a los participantes que incumplieron las reglas del estudio, el efecto de aprendizaje de la primera sesión baja a 0,24, 0,15 o 0,27 SD según la medida que se use. El efecto sobrevive; su tamaño es más suave que el titular.
El modo se observó, no se asignó. La divergencia tutor frente a negro literario es el resultado más accionable del artículo y su parte experimentalmente menos limpia — los participantes eligieron cómo usar la herramienta. Quien busca explicación puede diferir de quien busca producto en formas que también predicen la retención. La asimetría por antigüedad del estudio de patentes es exactamente coherente con esa lectura.
Lo que sobrevive a los cuatro: el entregable no es una lectura de si la persona está aprendiendo, y la brecha entre ambos es un problema de medición que puedes resolver sin comprar nada.
Qué cambiar este trimestre
Cuatro movimientos. Ninguno es una compra.
- Deja de reportar el uso de la IA como métrica de adopción. Licencias, inicios de sesión y recuentos de sesiones describen distribución. Sustituye el indicador principal por una sola cifra: cuántas personas han demostrado una capacidad nombrada sin ayuda, después de usar la IA para construirla.
- Convierte el prompting en modo tutor en un comportamiento explícito y enseñado. Es lo bastante concreto para entrar en un itinerario de incorporación y en el guion de un uno a uno: pide al modelo que explique su razonamiento y verifique el tuyo, no que produzca el artefacto. Es la intervención más barata de todo el conjunto y nadie la está haciendo.
- Añade una tarea sin ayuda al ciclo de desarrollo en los puestos donde el juicio es el entregable. No un test — una tarea real, hecha sin asistencia, calificada con la misma rúbrica que la versión asistida. La brecha entre ambas es tu señal de retención de competencias, y no existe en ningún informe de calidad del resultado.
- Lleva la bifurcación de los junior a tu plan de sucesión. Si el resultado asistido es plano a lo largo de la antigüedad mientras la capacidad retenida no lo es, tu banquillo a dos años es más fino de lo que dicen tus datos de desempeño, y el error va en una sola dirección.
Ese cuarto movimiento es el que no tiene un hogar evidente en la mayoría de las empresas, porque exige competencias medidas por ciclo contra un marco estable, no inferidas de los entregables recientes. La capa de desempeño y sucesión de Scovai está construida sobre esa separación — competencias puntuadas de forma determinista, por competencia y por ciclo, sobre el marco Great Eight; una 9-box calculada a partir de esos datos de competencia en lugar de las impresiones de los managers; y la readiness de sucesión declarada por puesto crítico como lista ahora o a doce-veinticuatro meses. La relevancia aquí es estructural: si tu eje de potencial está leyendo resultado asistido, está leyendo la herramienta.
La implicación incómoda de esta investigación es que tus mejores usuarios de IA por desempeño y los que se deterioran más rápido pueden ser las mismas personas, y que nada de lo que mides hoy separa la IA como tutor de la IA como negro literario.
Así que elige un puesto este trimestre, haz que se realice una tarea sin ayuda con la misma rúbrica que la versión asistida y averigua en qué dirección va la brecha. Mide a la persona, no al documento — el documento dejó de decirte algo sobre cualquiera de las dos el día en que llegó la herramienta.
