Dale el mismo asistente de IA a tu operador más fuerte y al más débil y no obtendrás dos versiones reducidas de la misma ganancia. Obtendrás signos opuestos. En un experimento de campo aleatorizado de cinco meses con 640 dueños de pequeñas empresas, quienes ya rendían bien y recibieron un asesor de negocios basado en GPT-4 vieron crecer ingresos y beneficios alrededor de un 15 %, mientras que los dueños que ya estaban en dificultades terminaron casi un 10 % por debajo del grupo de control (MIT Sloan Management Review, 2026). Misma herramienta. Misma ventana de acceso. Mismo volumen de consejos. La brecha de rendimiento de la IA no se estrechó: se ensanchó, y parte de ese ensanchamiento fue daño puro.
Ese resultado debería cambiar una decisión de secuenciación que casi todo responsable de operaciones está tomando ahora mismo: quién recibe el copiloto primero.
Por qué la brecha de rendimiento de la IA se ensanchó en lugar de cerrarse
Nicholas Otis, Rowan Clarke, Solène Delecourt, David Holtz y Rembrand Koning aleatorizaron el acceso a un asistente GPT-4, configurado para actuar como asesor de negocios, entre 640 emprendedores keniatas que llevaban locales de comida rápida, granjas avícolas, cybershops y negocios similares. La entrega fue deliberadamente sin fricción: un contacto de WhatsApp, en la plataforma que ya usa alrededor del 90 % de los keniatas, seguido durante cinco meses (Berkeley Haas, 2026). El estudio se publicó como The Uneven Impact of Generative Artificial Intelligence on Entrepreneurial Performance (Management Science, 2026).
El diseño importa más que el contexto. El acceso fue aleatorizado, así que la divergencia no habla de quién decidió participar. La herramienta era idéntica en ambos brazos. El volumen de uso no explica la diferencia. Lo que separó a los dos grupos fue qué le llevaron al asistente y qué hicieron con lo que recibieron.
Léelo como una condición operativa, no como una curiosidad sobre Nairobi. La variable que se probó —¿ayuda una IA asesora generalista a alguien cuyo criterio ya es frágil?— es exactamente la que está en juego cuando entregas un copiloto al cuartil inferior de un equipo de operaciones de 200 personas y lo llamas capacitación.
La evidencia de que "la IA cierra la brecha de habilidades" es real — y más estrecha de lo que crees
La historia del nivelado no es un mito. Es un hallazgo sobre una clase concreta de trabajo.
Brynjolfsson, Li y Raymond estudiaron a 5.179 agentes de atención al cliente durante el despliegue escalonado de un asistente de IA generativa. La productividad subió un 14 % en promedio, con una mejora del 34 % entre los agentes novatos y menos cualificados y un efecto mínimo en los más experimentados (Quarterly Journal of Economics, 2025). El mecanismo: el modelo difundía las prácticas de los mejores agentes y hacía bajar más rápido la curva de experiencia a los nuevos.
Fíjate en qué tipo de tarea es. Alcance acotado. Una respuesta correcta que ya existe en algún lugar de la empresa. Retroalimentación inmediata del cliente. Calidad revisada por supervisores en cuestión de horas. En esas condiciones, una IA que codifica las buenas prácticas tácitas comprime la distribución: los más débiles ganan más porque la distancia entre su comportamiento y el estándar codificado es la mayor.
Ahora cambia una variable: quita la respuesta correcta conocida. Hazle al modelo una pregunta abierta sobre precios, contrataciones o dónde gastar los próximos mil euros. No hay un objetivo verificado hacia el que converger, ni supervisor que cierre el ciclo, ni señal inmediata de que el consejo estuviera mal. La compresión deja de ser el comportamiento por defecto. Entra la amplificación.
El resultado de nivelado es una propiedad de las tareas verificables, no de la tecnología.
El moderador es el criterio, no el acceso ni la habilidad con los prompts
Los autores del estudio keniata son explícitos sobre el mecanismo: lo que determinó el signo del efecto fue "si el emprendedor tenía el criterio para distinguir un buen consejo de IA de uno malo". Quienes rendían peor siguieron consejos genéricos o engañosos porque les faltaba el filtro para rechazarlos (MIT Sloan Management Review, 2026).
El detalle conductual subyacente es aún más nítido. Los de alto rendimiento le llevaban al asistente problemas tratables: preguntas con estructura, donde la salida del modelo podía contrastarse con algo que ya sabían. Los dueños en dificultades le llevaban los problemas más duros y ambiguos que tenían: un competidor bajando precios, una sequía, falta de capital circulante. Son preguntas que ni una IA ni un consultor pueden responder bien desde fuera del negocio (Berkeley Haas, 2026). El modelo respondía igualmente. Siempre lo hace. El consejo genérico —baja precios, invierte más en publicidad— es fluido, plausible y destructor de margen cuando se aplica sin criterio situacional.
Así que la cadena causal es: criterio más débil → preguntas más difíciles y vagas → respuestas más genéricas → mayor tasa de implementación de malos consejos → daño medible.
Fíjate en lo que no está en esa cadena. No el acceso. No el volumen de uso. No la habilidad en prompt engineering. La intervención que compran la mayoría de los programas de capacitación —más licencias, más formación en prompts— no actúa sobre ninguno de los pasos que produjeron la pérdida.
Es la misma forma que el hallazgo de Dell'Acqua y colegas con 758 consultores de BCG: en 18 tareas dentro de la frontera de capacidad de la IA, los consultores que la usaron completaron un 12,2 % más de tareas, un 25,1 % más rápido y con calidad significativamente superior; en una tarea directiva compleja situada deliberadamente fuera de esa frontera, los consultores asistidos por IA tuvieron un 19 % menos de probabilidad de llegar a la solución correcta que quienes trabajaron sin IA (Harvard Business School, 2023). Dos estudios, poblaciones distintas, misma estructura: el daño aparece cuando una salida segura de sí misma se encuentra con un usuario que no puede evaluarla.
Por qué el instinto de remediación está invertido
Esta es la decisión que todo esto reformula.
El movimiento intuitivo —el que aparece en la mayoría de los planes de capacitación— es dar las herramientas de IA primero a quienes están en dificultades. Parece justo, parece eficiente y toma prestada credibilidad del resultado de los centros de llamadas. Levanta el fondo, cierra la brecha, embólsate la media.
En trabajo asesor abierto, esa secuencia está invertida. Estás entregando un motor de consejos sin filtrar precisamente a la población menos equipada para filtrarlos, y la evidencia de campo dice que el valor esperado es negativo, no simplemente pequeño.
El coste se paga dos veces. Primero en el daño directo: decisiones peores de lo que habrían sido sin asistencia. Segundo en la atribución. Cuando el piloto arroja un agregado plano o negativo, la conclusión que se saca suele ser "la herramienta no funciona aquí", y el programa muere. La herramienta funcionó bien para la cohorte capaz de usarla. Lo que falló fue el diseño del despliegue, y nadie midió al nivel que lo habría mostrado.
Los promedios ocultan inversiones de signo. Si tu piloto reporta un único número agregado, no puede decirte si ayudaste a alguien.
Qué cambiar en tu despliegue este trimestre
Reserva el uso asesor abierto a quien tenga criterio de dominio demostrado
El uso asesor abierto —preguntas de estrategia, decisiones de precio, priorización, todo aquello cuya respuesta no puede contrastarse con un objetivo conocido— debe reservarse a quienes ya tienen el criterio de dominio para rechazar una mala respuesta. Es una puerta de capacidad, no de antigüedad: el empleado con diez años que nunca ha gestionado una cuenta de resultados no la cruza automáticamente; el analista de dos años que viene acertando las previsiones, sí.
Da al cuartil en dificultades trabajo estrecho y verificable tras una revisión
Las mismas personas a las que perjudica el uso asesor abierto son las que más ganan con tareas acotadas y salidas comprobables: las condiciones que produjeron el +34 % de los novatos en el estudio de atención al cliente. Redacción sobre plantilla, resumen de un documento conocido, clasificación de primer nivel, extracción estructurada de datos. Añade una revisión humana con autoridad para rechazar, no solo para dar el visto bueno. Esa es la configuración en la que la IA sí nivela.
Mide el efecto por cuartil de rendimiento, no en agregado
Instrumenta el piloto para que la métrica de resultado se desglose por cuartil de rendimiento previo antes de que empiece el despliegue. Si solo miras la media agregada, un +15 % en el cuartil alto y un −10 % en el bajo se anulan en un número lo bastante cercano a cero como para concluir que no pasó nada — y habrás pagado el daño sin verlo.
Cambia qué formación das
La formación en prompts enseña a obtener salidas más fluidas. No enseña a rechazar salidas fluidas pero equivocadas. Lo que pide la evidencia es formación en evaluación: cómo es una buena respuesta en este dominio, cuáles son los modos de fallo conocidos del modelo y —lo más útil y lo menos enseñado— qué preguntas llevarle al modelo y cuáles llevarle a una persona.
La objeción que merece tomarse en serio
La objeción honesta: los microemprendedores keniatas no son personal de operaciones de una empresa mediana, y un bot de consejos por WhatsApp no es un despliegue empresarial con recuperación sobre tus propios documentos, flujos definidos y trazabilidad. Ambas cosas son ciertas. El tamaño del efecto no se transfiere.
Pero el mecanismo no depende del contexto. Depende de la interacción entre preguntas abiertas, salida segura de sí misma y un evaluador que no puede verificar. Todo despliegue empresarial que pone un asistente generalista delante de un empleado y le invita a preguntarle cualquier cosa reproduce esas tres condiciones. Anclar el modelo en tus propios datos estrecha la superficie de error; no la elimina, y hace que las respuestas equivocadas suenen institucionalmente más autorizadas cuando llegan.
La posición defendible no es "esto nos pasará con la misma magnitud". Es "no hemos medido si nos está pasando siquiera" — lo cual, para la mayoría de los pilotos de empresa mediana que reportan un único número agregado de productividad, es sencillamente exacto.
La decisión sobre tu mesa
La brecha de rendimiento de la IA no es un problema de equidad que resolver más adelante. Es un parámetro de diseño que estás fijando ahora, por defecto, cada vez que decides quién obtiene el siguiente acceso.
Antes de que salga tu próximo tramo de licencias, divide el despliegue: uso asesor abierto para quienes ya te fiarías de su criterio en una sala sin la herramienta, tareas estrechas y verificables tras una revisión para el resto — y una sola métrica, reportada por cuartil de rendimiento, para descubrir sobre qué mitad tenías razón.
