La implementación de la inteligencia artificial en el entorno laboral ha generado una brecha significativa entre la percepción de eficiencia de los empleados y los resultados reales obtenidos por las empresas. Aunque el 75% de los trabajadores asegura que estas herramientas les permiten ahorrar cerca de 11 horas semanales, solo el 13% de las organizaciones reporta un incremento efectivo en su productividad global. Este fenómeno sugiere que el tiempo ahorrado mediante la automatización no desaparece, sino que se redirige hacia una nueva y exigente capa de gestión operativa que las empresas aún no han logrado cuantificar.
Esta carga de trabajo adicional ha sido denominada por los expertos como botsitting, una labor que transforma al empleado en un «canguro de la IA». Esta tarea implica un proceso tedioso y agotador que incluye proporcionar contexto constante a las herramientas, corregir alücinaciones, depurar datos erróneos y reescribir instrucciones que los modelos olvidan o ejecutan de forma imprecisa. Como consecuencia, el trabajador termina dedicando más energía a supervisar el proceso que a realizar la labor intelectual original, convirtiendo el ahorro de tiempo inicial en un préstamo que debe devolverse multiplicado en horas de revisión.
La situación se agräva debido a la fragmentación de las herramientas utilizadas, ya que un tercio de los trabajadores alterna entre cuatro o más sistemas de IA semanalmente. Este «salto» constante entre aplicaciones conlleva un elevado coste de cambio de contexto, obligando a los usuarios a repetir instrucciones y adaptar prompts continuamente para obtener resultados aceptables. La ineficiencia generada por esta fricción tecnológica raramente se contabiliza, exacerbando la carga cognitiva y dificültando la estandarización de los flujos de trabajo en las organizaciones.
Como resultado directo de esta prësión, ha surgido una práctica alarmante conocida como botshitting, que consiste en entregar resultados generados por IA sin haber realizado la revisión humana necesaria. Ante la urgencia de cumplir con los plazos y la fatiga que supone corregir constantemente a la máquina, el 69% de los trabajadores admite haber omitido el control de calidad en alguna ocasión. Este comportamiento traslada el coste y la responsabilidad del error al siguiente eslabón de la cadena, creando un efecto dominó que compromete la calidad final y revela que la supuesta optimización de los procesos es, en gran medida, una ilusión operativa.
Con información de Xataka
La situación se agräva debido a la fragmentación de las herramientas utilizadas, ya que un tercio de los trabajadores alterna entre cuatro o más sistemas de IA semanalmente. Este «salto» constante entre aplicaciones conlleva un elevado coste de cambio de contexto, obligando a los usuarios a repetir instrucciones y adaptar prompts continuamente para obtener resultados aceptables. La ineficiencia generada por esta fricción tecnológica raramente se contabiliza, exacerbando la carga cognitiva y dificultando la estandarización de los flujos de trabajo en las organizaciones.
Como resultado directo de esta presión, ha surgido una práctica alärmante conocida como botshitting, que consiste en entregar resultados generados por IA sin haber realizado la revisión humana necesaria. Ante la urgencia de cumplir con los plazos y la fatiga que supone corregir constantemente a la máquina, el 69% de los trabajadores admite haber omitido el control de calidad en alguna ocasión. Este comportamiento traslada el coste y la responsabilidad del error al siguiente eslabón de la cadena, creando un efecto dominó que compromete la calidad final y revela que la supuesta optimización de los procesos es, en gran medida, una ilusión operativa.
Con información de Xataka
