Por Canuto  

La industria tecnológica vive una nueva oleada de entusiasmo por la inteligencia artificial, pero no todos creen que esa euforia esté bien fundamentada. Mientras algunos CEO prometen organizaciones “100x” y justifican despidos con agentes de IA, estudios recientes muestran que los avances en productividad siguen siendo modestos y desiguales.

***

  • Aaron Levie, fundador de Box, sostuvo que muchos CEO sufren una especie de “psicosis por IA” por no entender el trabajo operativo que aún requiere supervisión humana.
  • En los primeros cinco meses de 2026, el sector tecnológico registró 115.430 despidos en 152 empresas, muy cerca del total de 2025, según Layoffs.fyi.
  • Investigaciones de UC Berkeley, NBER, MIT y Harvard Business Review cuestionan que la adopción de IA ya esté generando los enormes saltos de productividad que algunos ejecutivos prometen.

 

La inteligencia artificial se ha convertido en la narrativa dominante dentro de la industria tecnológica. En 2026, esa narrativa no solo impulsa inversiones, lanzamientos y reorganizaciones internas, sino también una nueva justificación para los recortes de personal. En ese contexto, una idea ha empezado a circular con fuerza: varios CEO del sector estarían sobrestimando de forma peligrosa lo que la IA puede hacer hoy.

La tesis fue expuesta abiertamente por Aaron Levie, fundador de Box, quien afirmó que los directores ejecutivos son especialmente propensos a una suerte de “psicosis por IA”.

Su argumento apunta a una desconexión entre quienes prueban herramientas de IA desde la alta dirección y quienes deben lidiar con el trabajo operativo, la revisión, los errores y la adaptación necesaria para convertir un prototipo en valor real dentro de una empresa.

La observación resulta llamativa porque no proviene de un crítico de la inteligencia artificial. Por el contrario, Levie ha mantenido una postura favorable hacia esta tecnología, ha publicado reflexiones optimistas sobre el futuro del software para agentes de IA y también ha invertido como ángel en startups del sector. Justamente por eso, su advertencia ha captado atención en un momento en que las promesas corporativas parecen ir más rápido que la evidencia disponible.

Según explicó TechCrunch, Levie sostiene que muchos CEO observan solo el “camino feliz” cuando experimentan con modelos de IA. Es decir, crean un prototipo, generan un contrato o automatizan una tarea puntual, y luego concluyen que agentes inteligentes ya pueden reemplazar funciones enteras. El problema, según su análisis, es que no son ellos quienes deben revisar código, detectar fallas, validar bibliotecas alucinadas o entrenar sistemas con reglas contractuales específicas.

La distancia entre la demostración y el trabajo real

El punto central de la crítica es que la alta gerencia suele estar demasiado lejos del último tramo del trabajo. En esa etapa ocurren las tareas menos visibles, pero también las más decisivas. Allí se corrigen errores, se gestionan excepciones, se controlan riesgos y se verifica que una salida automatizada tenga la calidad suficiente para operar en producción.

En el desarrollo de software, por ejemplo, no basta con que un modelo genere código funcional en una demostración. Ese código debe pasar pruebas, auditorías, revisiones de seguridad y comprobaciones de compatibilidad. De forma similar, en el área legal, una IA puede redactar un contrato base, pero otra cosa muy distinta es identificar cláusulas engañosas o adaptarlo a condiciones empresariales complejas.

Levie planteó que muchos ejecutivos no entienden lo suficiente esos procesos como para evaluar con precisión qué puede automatizarse y qué no. Aun así, esa falta de comprensión no necesariamente frena la toma de decisiones. En varios casos, parece estar impulsando cambios profundos en las plantillas laborales y en la estructura operativa de las compañías.

Su recomendación a otros CEO fue simple, pero exigente: usar la IA de forma intensiva para conocer tanto su potencial como el trabajo real que todavía requiere. La idea no es rechazar la herramienta, sino someterla a suficiente fricción práctica como para distinguir entre una capacidad prometedora y una automatización lista para escalar.

Despidos acelerados en nombre de la IA

La discusión ocurre en un año especialmente duro para el empleo tecnológico. En apenas los primeros cinco meses de 2026, la industria acumuló 115.430 despidos en 152 empresas, frente a 124.636 despidos en 275 empresas durante todo 2025, de acuerdo con el rastreador Layoffs.fyi. La velocidad del ajuste sugiere que el argumento de eficiencia impulsado por IA ya se está usando en decisiones corporativas de alto impacto.

Muchas empresas han señalado directamente a la inteligencia artificial como uno de los factores detrás de sus recortes. Sin embargo, dentro del sector también ha crecido la acusación de “AI washing”, una etiqueta que describe la práctica de atribuir a la IA mejoras de productividad pasadas o futuras que en realidad podrían responder a otras prioridades de negocio, como disciplina financiera, presión de márgenes o reestructuraciones ya previstas.

Uno de los ejemplos más comentados fue el de ClickUp. Zeb Evans, CEO de la startup de software de gestión de proyectos y productividad, dijo públicamente que la empresa despidió a casi una cuarta parte de su personal, un 22%, luego de implementar alrededor de 3.000 agentes de IA para realizar trabajo interno. Evans aseguró que la medida no respondió a un recorte de costos, sino a una transformación del modelo operativo.

Su visión es una plantilla compuesta por personas que supervisen agentes, revisen con rapidez sus resultados y gestionen flujos de trabajo altamente automatizados. Evans describió ese objetivo como una “organización 100x”. La promesa resume bien el tono de esta etapa: grandes expectativas, una apuesta agresiva por la automatización y una fuerte confianza en que la intervención humana puede reducirse sin degradar el resultado final.

Lo que dicen los estudios sobre productividad

El problema para esa narrativa es que la evidencia académica y aplicada aún no respalda con claridad semejantes conclusiones. Un metaanálisis publicado en octubre en California Management Review, de UC Berkeley, encontró que no existe una relación sólida entre la adopción de inteligencia artificial y una ganancia agregada de productividad. Esa conclusión contrasta con el entusiasmo corporativo que presenta a la IA como una palanca inmediata de eficiencia masiva.

Otra investigación, publicada en marzo por la National Bureau of Economic Research, sí encontró mejoras en productividad asociadas a la adopción de IA. Sin embargo, también habló de una “paradoja de la productividad”, según la cual las ganancias percibidas por las empresas son mayores que las ganancias realmente medidas. En otras palabras, la sensación de avance puede estar superando los resultados cuantificables.

Los datos del MIT apuntan en una dirección parecida. Después de construir miles de agentes para ejecutar tareas, sus investigadores concluyeron que estos sistemas todavía no realizan trabajo con calidad humana en muchos casos. Su pronóstico indica que, al ritmo actual de mejora de los grandes modelos de lenguaje, podrían completar la mayoría de las tareas relacionadas con texto con tasas de éxito de entre 80% y 95% para 2029, a un nivel de calidad mínimamente suficiente.

Ese matiz es importante. Competencia básica no equivale a excelencia, ni tampoco a reemplazo pleno. Los propios investigadores consideran que harán falta algunos años más para que los agentes superen a los humanos. Esto sugiere que el mercado podría estar adelantando decisiones laborales estructurales sobre una base tecnológica que aún se encuentra en fase intermedia.

El riesgo de trasladar el cuello de botella

Otro estudio citado en el debate, publicado en Harvard Business Review, añade una advertencia organizacional. Cuando toda la empresa usa IA para producir más contenido, más propuestas o más decisiones preliminares, el cuello de botella no desaparece. Simplemente se desplaza hacia los ejecutivos o responsables que deben aprobar lo generado.

Ese escenario crea una nueva clase de congestión. Los equipos producen más, pero el sistema de validación no escala al mismo ritmo. Si, por el contrario, se concede mayor autonomía para actuar sin tantas autorizaciones, aumenta el riesgo de descontrol, errores acumulados o decisiones mal supervisadas. La promesa de velocidad puede transformarse así en una fuente de caos interno.

La tensión es relevante más allá del sector tecnológico. En mercados financieros, cripto y servicios digitales, la automatización basada en IA ya se está integrando en análisis, atención al cliente, cumplimiento, desarrollo de software y operaciones. Si la dirección empresarial sobreestima su madurez, los efectos pueden ir desde errores costosos hasta deterioro de procesos críticos y pérdida de conocimiento institucional.

Por ahora, la discusión no gira en torno a si la IA cambiará a las empresas, sino a la velocidad y al criterio con que se está aplicando ese cambio. La advertencia de Levie apunta justo allí. El mayor riesgo no sería que la inteligencia artificial falle por completo, sino que el liderazgo corporativo actúe como si ya estuviera lista para sustituir trabajo complejo a gran escala, cuando la evidencia aún muestra una realidad mucho más mixta.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados