A pesar del creciente interés por la inteligencia artificial como medio para aumentar la eficiencia, muchas organizaciones aún se enfrentan a dificultades para transformar sus inversiones en IA tradicional y generativa en mejoras concretas en la productividad laboral. Así lo destaca Gartner en un estudio en el que revela que los equipos que utilizan IA tradicional han obtenido mayores aumentos en la productividad que aquellos que emplean IA generativa (GenAI).
En concreto, el 37 % de los equipos que usaban IA tradicional vieron mejoras significativas en la productividad, mientras que solo el 34 % de los equipos que utilizaban GenAI experimentaron resultados similares. Esto refleja el impacto desigual de la IA en los diferentes tipos de tecnología y funciones dentro de las organizaciones.
Randeep Rathindran, vicepresidente de investigación en Gartner, presentó estos resultados en la conferencia Gartner CFO & Finance Executive Conference 2025, celebrada del 24 al 25 de marzo. Rathindran habló sobre los desafíos del impacto de la IA en la productividad, acuñando el término “paradoja de la productividad de la IA” para describir la inconsistencia en la capacidad de la IA de ofrecer mejoras generalizadas a nivel organizacional. “Aunque la IA ha demostrado tener potencial para mejorar la productividad en segmentos específicos, como en los centros de atención telefónica, lograr beneficios a nivel organizativo ha resultado más difícil”.
Existen varios factores que contribuyen a la escasa mejora en la productividad a través de la IA. Las altas expectativas sobre las capacidades de la IA a menudo conducen a la desilusión, ya que muchas organizaciones descubren que, aunque la IA puede automatizar tareas específicas y proporcionar información útil, no se traduce automáticamente en mejoras sustanciales en la productividad a gran escala. Además, medir los incrementos de productividad derivados de la IA resulta complicado, y los retrasos en la implementación retrasan la obtención de beneficios reales.
El estudio también revela que los ingresos derivados de productividad derivadas de la IA no se distribuyen de manera uniforme en todas las funciones empresariales. Por ejemplo, los equipos de marketing reportaron los mayores incrementos de productividad tras implementar IA, mientras que funciones como la legal o recursos humanos se quedaron atrás. Esta disparidad subraya la importancia del contexto y la aplicación específica de la IA en las diferentes áreas de la organización.
Rathindran destacó que los equipos más exitosos son aquellos que abordan la IA con una mentalidad abierta al aprendizaje y la exploración. En lugar de temer a la sustitución de puestos de trabajo, estos equipos se centran en rediseñar los flujos de trabajo, eliminar los cuellos de botella y destinar el tiempo a tareas más valiosas. Este enfoque les permite maximizar el potencial de la IA y conseguir ganancias de productividad significativas.
Para los CFO y los líderes empresariales, la principal conclusión es ajustar las expectativas sobre el impacto de la IA en la productividad. En lugar de ver la IA como una solución mágica para aumentar la eficiencia, las organizaciones deberían centrarse en crear las condiciones internas adecuadas que permitan a la IA entregar sus máximos beneficios. Esto implica replantear las suposiciones sobre el ahorro de costes o la reducción de plantilla, y centrarse en los comportamientos organizativos que pueden aumentar el impacto de la IA.
A medida que las tecnologías de IA y GenAI continúan evolucionando, Rathindran subrayó que, aunque su potencial transformador sigue siendo indiscutible, las organizaciones deben basar sus expectativas en la realidad actual del impacto de la IA. Fomentando una cultura de aceptación y aprendizaje continuo, las empresas podrán aprovechar el potencial de la IA para conseguir un éxito sostenible a largo plazo
