Durante los últimos dos años, los proveedores de herramientas de inteligencia artificial vendieron una promesa muy concreta a los equipos de ingeniería y operaciones. Con un asistente de IA, la productividad de tu equipo se multiplicaría por dos, por cinco, incluso por diez. Las demos eran espectaculares. Las decisiones de presupuesto se tomaron sobre esa expectativa. Y ahora empiezan a llegar los datos reales.

Un estudio longitudinal publicado por DX, una firma especializada en analítica de equipos de desarrollo, rastreó durante dos años a 40 empresas que adoptaron herramientas de IA en sus flujos de ingeniería. La conclusión es incómoda. La ganancia real de productividad, medida en pull requests completados por desarrollador, ronda el 10 por ciento. No el 200 por ciento. No el 1000 por ciento. Diez.

El dato no está aislado. MIT Sloan analizó tres empresas tecnológicas y encontró un promedio del 26 por ciento de mejora en tareas completadas, pero con una distribución muy desigual. Los desarrolladores junior ganaron entre 27 y 39 por ciento. Los senior, apenas entre 8 y 13. Bain and Company reportó ganancias del 10 al 15 por ciento con asistentes básicos, escalando a 25-30 solo cuando la organización integraba la IA en todo el ciclo de desarrollo, no solo en la escritura de código.

La pregunta importante no es si la IA funciona. Funciona. La pregunta es por qué entrega tan poco respecto a lo que prometió, y qué hacer al respecto.

El error está en qué parte del trabajo se automatizó

La trampa conceptual en la que cayeron muchos líderes técnicos fue asumir que escribir código es el principal cuello de botella de un equipo de ingeniería. No lo es. Según datos de Anthropic sobre el uso real de Claude en programación, la escritura activa de código ocupa cerca del 23 por ciento del tiempo de un desarrollador. El resto, ese 77 por ciento, se reparte entre reuniones, revisiones de código, planificación, debugging, documentación y comunicación con stakeholders.

La IA actual es excelente comprimiendo ese 23 por ciento. Es bastante mediocre tocando el 77 por ciento restante. Si automatizas la parte que ya era rápida, el impacto neto es marginal. Si automatizas la parte lenta, el impacto es real.

Esta lógica no es exclusiva de equipos de ingeniería. Aplica a cualquier área operativa de una empresa. En cobranza, escribir un correo de seguimiento toma tres minutos. Pero decidir a quién hay que cobrar, en qué orden, con qué tono, después de revisar el historial del cliente y el estado de la factura, toma mucho más. Si tu agente de IA solo redacta el correo, ahorras tres minutos. Si tu agente revisa el historial, prioriza, decide el canal y luego escribe, ahorras una hora.

Dónde sí se ve impacto real

Los mismos estudios que aterrizan las expectativas también identifican los lugares donde la IA sí mueve la aguja. Hay tres patrones consistentes.

  • Onboarding de personas nuevas. Varios análisis documentan que el tiempo para incorporar a un nuevo miembro del equipo se reduce hasta a la mitad cuando hay un agente de IA disponible para responder dudas, mostrar procesos y dar contexto sobre la empresa. La IA convierte el conocimiento implícito de los seniors en algo consultable.
  • Tareas con muchos pasos pequeños y decisiones secuenciales. No es la generación de un correo lo que hace la diferencia, es la cadena completa de revisar datos, decidir, ejecutar, documentar y notificar. Cuanto más larga la cadena, más valor agrega un agente.
  • Reducción de carga cognitiva en trabajo repetitivo. Los equipos que usan IA reportan menos fatiga al final del día, incluso cuando no son objetivamente más rápidos. Eso se traduce en menos errores acumulados y mejor calidad en las decisiones importantes.

Cómo evitar el síndrome del 10 por ciento en tu empresa

Si vas a invertir tiempo y dinero en agentes de IA para tu operación, vale la pena hacerse tres preguntas antes de empezar.

La primera. Qué porcentaje del tiempo de mi equipo se va realmente en la tarea que quiero automatizar. Si es menos del 20 por ciento, el techo de mejora es bajo aunque la automatización funcione perfecto. Mejor buscar tareas que dominen la jornada.

La segunda. Estoy automatizando una tarea aislada o una cadena completa. Las tareas aisladas dan ahorros marginales. Las cadenas completas, donde el agente decide, ejecuta y reporta, dan ahorros estructurales.

La tercera. Quién va a medir el impacto real, no la sensación. La percepción de productividad y la productividad medida no siempre coinciden. Un ensayo controlado publicado en arXiv en 2025 encontró que desarrolladores que estimaban ganar 20 por ciento de velocidad usando IA en realidad tardaban 19 por ciento más en tareas complejas. Sin métricas reales, es imposible saber dónde estás.

El gap entre el 10x prometido y el 10 por ciento entregado no es culpa de la IA. Es culpa de aplicarla al lugar equivocado. La buena noticia es que el lugar correcto suele estar a la vista, en esas cadenas largas de decisiones operativas que nadie quiere hacer pero todos saben que hay que hacer todos los días.