Harvard Business Review advierte que los 'talleres' de IA están pudriendo a las empresas desde dentro
TL; DR
HBR dice que las empresas enfrentan la mayor "pérdida de conocimiento" en IA a medida que se acumulan productos de baja calidad, lo que erosiona la confianza y cuesta 9 millones de dólares al año en reciclaje.
Las empresas que más se esforzaron por adoptar la IA generativa ahora se enfrentan al mismo problema que se suponía que la tecnología debía prevenir: sus empleos están empeorando. Dos artículos publicados por Harvard Business Review este mes describen un ciclo de retroalimentación en el que las empresas confían en los datos de salida de baja calidad generados por IA para tomar decisiones, un fenómeno que, según los autores, "perdida de conocimiento"
Un artículo de HBR de junio de 2026 escrito por el profesor de Gestión de Operaciones de Oxford, Matthias Hollweg, y el profesor de Babson College, Thomas Davenport, sostiene que el daño va más allá de los errores individuales. Cuando los empleados utilizan la IA para crear un trabajo que parece pulido pero que contiene errores o carece de sustancia, los colegas pierden tiempo revisándolo, corrigiéndolo o rehaciéndolo. A medida que estos errores se acumulan entre equipos y departamentos, la base de conocimientos colectivos de la organización se deteriora.
Esta producción de IA de baja calidad ya tiene nombre. BetterUp Labs y el Social Media Lab de Stanford"lugar de trabajo" en un artículo de HBR de septiembre de 2025 para describir contenido generado por IA que se hace pasar por un buen trabajo pero carece de sustancia para hacer avanzar un trabajo. Su encuesta de 1.150 trabajadores de tiempo completo en EE. UU. encontró que el 41 por ciento había recibido hojas de trabajo en el mes anterior, y cada incidente tomó un promedio de una hora y 56 minutos.
Espacio de coworking de TNW City: donde ocurre tu mejor trabajo
Un espacio de trabajo diseñado para el crecimiento, la colaboración y un sinfín de oportunidades de networking en el corazón de la tecnología.
El costo financiero es significativo. Utilizando las estimaciones de salario y tiempo autoinformadas por los encuestados, los investigadores calcularon que el ciclo de trabajo cuesta alrededor de $186 por trabajador por mes. Para una empresa de 10.000 empleados, eso se traduce en más de 9 millones de dólares anuales en pérdida de productividad, una cifra que no tiene en cuenta el impacto posterior en la moral y la confianza.
Estos costos sociales pueden ser más importantes que los financieros. En la encuesta de BetterUp-Stanford, el 53 por ciento de los trabajadores que recibieron bucles de trabajo dijeron que estaban aburridos, el 42 por ciento consideraba que los despachadores eran menos confiables y aproximadamente la mitad percibía a los compañeros de trabajo como menos creativos, competentes o confiables que antes. Un tercero dijo que era poco probable que quisiera volver a trabajar con la persona.
El panorama de mayor productividad ya no es alentador. Un informe del MIT Media Lab de julio de 2025 encontró que el 95 por ciento de las organizaciones no obtuvieron ningún retorno mensurable de su inversión en IA generativa, a pesar de gastar miles de millones. Goldman Sachs llegó a una conclusión similar en marzo de 2026, al no encontrar una correlación significativa entre la adopción de la IA y las ganancias de productividad a nivel de toda la economía, a pesar de que el 70 por ciento de los equipos de gestión del S&P 500 discutieron la IA en las llamadas sobre ganancias.
El problema de la pérdida cognitiva es diferente de la queja familiar de que la IA alucina. Las alucinaciones son errores fácticos en la producción de IA. La pérdida de conocimiento describe lo que le sucede a una organización cuando esos errores y patrones generalizados de trabajo generado por IA que requieren poco esfuerzo se acumulan durante meses.
Los trabajadores dejan de confiar en los documentos internos. Los procesos basados en datos poco fiables producen resultados poco fiables. La memoria institucional está menguando a medida que los empleados recurren a la IA en lugar de mejorar sus habilidades.
Hollweg y Davenport advierten que el proceso de contratación se ha visto especialmente afectado. Los currículums generados por IA inundan a los empleadores, las ofertas de trabajo generadas por IA confunden a los candidatos y las herramientas de selección impulsadas por IA filtran a los solicitantes calificados. El resultado, como dice HBR, ha sido una menor confianza en el proceso de contratación".Un mínimo histórico tanto para quienes buscan empleo como para los empleadores."
Los comentarios de los empleados ya se pueden medir. Una encuesta realizada en 2026 a 2.400 trabajadores en EE. UU., Reino Unido y Europa encontró que el 29 por ciento admite haber saboteado activamente la estrategia de IA de su empleador al ignorar las pautas, rechazar la capacitación o distorsionar deliberadamente los datos de desempeño. Entre los trabajadores de la Generación Z, ese número aumenta al 44 por ciento, impulsado en gran medida por el miedo al desplazamiento laboral.
Esta resistencia se suma a un patrón más amplio de despidos justificados por la IA que a menudo carecen de evidencia clara de que los sistemas de IA realmente hayan reemplazado los roles eliminados. El sector tecnológico registró más de 95.000 recortes de empleo en 247 eventos en 2026, y casi la mitad se atribuyó a la IA, aunque los analistas han cuestionado si muchas de estas empresas podrán absorber el trabajo maduro de implementación de la IA.
La ironía es que solucionar el problema del taller requería exactamente el tipo de mano de obra que la IA se suponía debía reducir. Los líderes empresariales ahora deben invertir en procesos de verificación, estándares de calidad y supervisión humana para garantizar que el contenido generado por IA cumpla con los estándares, tareas que consumen tiempo real de los trabajadores. La prescripción de HBR equivale a crear una nueva capa de control humano en torno a la producción de IA, socavando el argumento de eficiencia que justifica su adopción en primer lugar.
Ambos artículos de HBR distinguen arbitrariamente entre mandatos de IA y usos específicos. El artículo de junio señaló que los modelos propietarios entrenados en datos específicos de la empresa pueden agregar valor real, cuando los LLM públicos se aplican a tareas que no son adecuadas para la fabricación".Prosa sencilla que a menudo contiene errores.Las empresas que dejaron de contratar citando mejoras en la productividad de la IA ahora están descubriendo que las ganancias pueden ser ilusorias si la calidad del empleo disminuye más rápido que la reducción de personal.
El concepto de pérdida de conocimiento replantea el debate sobre la productividad de la IA. La pregunta ya no es sólo si la IA acelera las tareas individuales, sino si el impacto acumulativo del uso generalizado de la IA mejora o empeora la toma de decisiones de una organización. La respuesta de HBR: Las empresas que han adoptado la IA sin control de calidad lo empeoran.
Las credenciales de Hollweg y Davenport enfatizan la lógica, pero vale la pena señalar que el marco de deterioro del conocimiento aún no ha sido probado mediante una investigación empírica controlada. El concepto sintetiza la evidencia existente en lugar de presentar nuevos datos, y la Encuesta de flujo de trabajo BetterUp-Stanford se basa en estimaciones de tiempo perdido autoinformadas. Cómo exactamente los trabajadores asignan el tiempo de retrabajo es una cuestión abierta.
Sin embargo, el patrón es consistente en múltiples fuentes. Goldman Sachs, MIT, BCG y ahora dos artículos separados de HBR de diferentes grupos de investigación llegan a la misma conclusión: la mayoría de las empresas no están obteniendo lo que esperaban de la IA generativa, y aquellas que se esfuerzan más pueden pagar los costos más ocultos.
