Hay un patrón que se repite con una regularidad casi sospechosa en cada informe corporativo publicado en 2026 sobre inteligencia artificial en el trabajo: el uso individual crece con rapidez, mientras que el impacto organizacional se mueve mucho más despacio, cuando se mueve. Gallup lo describe sin rodeos en su serie trimestral de 2026: la IA está mejorando la productividad individual más de lo que está mejorando el desempeño organizacional (Gallup, Organizational AI Adoption Jumps Six Points). No es una anomalía de una sola encuesta. The Conference Board, Gartner y la OCDE llegan, por caminos distintos, a la misma conclusión: las empresas están adoptando IA, pero no están rediseñando nada. Y esa distinción —entre adoptar una herramienta y rediseñar un proceso— es, me parece, el problema real que hay que nombrar antes de proponer cualquier plan de acción.
Un vocabulario para nombrar el problema
Antes de entrar en los datos vale la pena pedir prestado un poco de vocabulario a la teoría organizacional, porque el fenómeno que describen estas cuatro fuentes no es nuevo en su estructura, aunque sí lo sea en su velocidad. Autor y Acemoglu vienen insistiendo desde hace más de una década en que la unidad de análisis correcta para entender el efecto de una tecnología sobre el trabajo no es el empleo ni el puesto, sino la tarea: una tecnología puede automatizar tareas específicas dentro de un rol sin que el rol como tal desaparezca ni se transforme. Lo que están mostrando Gallup y Gartner en 2026 es exactamente ese estadio intermedio: miles de tareas individuales aceleradas —redactar, resumir, buscar información, generar código— sin que el proceso de negocio que las contiene haya sido tocado. Es automatización de tarea sin rediseño de flujo, y por eso el impacto se mide en minutos ahorrados por persona y no en indicadores de negocio.
Cohen y Levinthal ofrecen otra pieza útil: la capacidad de absorción de una organización —su habilidad para reconocer el valor de una tecnología externa, asimilarla y aplicarla con fines comerciales— no es uniforme. Depende de conocimiento previo acumulado, de estructuras de gobernanza y de tiempo de gerencia disponible para dirigir la exploración. Esto explica con bastante precisión por qué la brecha que documenta la OCDE entre grandes empresas y pymes no es solamente una brecha de acceso a herramientas (hoy casi gratuitas) sino una brecha de capacidad organizacional para metabolizarlas.
Y hay una tercera tensión, más incómoda, que viene de March: toda organización que innova enfrenta el dilema entre exploración (probar cosas nuevas, tolerar el desorden, dejar que la iniciativa surja de abajo) y explotación (consolidar lo que funciona, estandarizar, gobernar desde arriba). Los datos de 2026 muestran una fase de exploración desbordada que todavía no encontró su fase de explotación. El riesgo, si se lee con esta lente, no es solamente que falte gobernanza: es que la organización estructuralmente todavía no decidió si quiere que la IA sea un experimento distribuido o una capacidad institucional.
Lo que dicen realmente las cuatro fuentes
The Conference Board publicó en julio de 2026 un informe basado en 35 entrevistas a líderes de empresa y una encuesta global a cerca de 1.300 trabajadores (conference-board.org, PR Newswire, 28 de julio de 2026). Su hallazgo central no es que falte capacitación —el 55% de los trabajadores ya usa IA regularmente— sino que la capacitación que existe apunta casi exclusivamente a hacer mejor el trabajo actual, no a preparar el rediseño de roles que la propia adopción de IA va a exigir. Solo un tercio de esos trabajadores recibió formación de su empleador en los últimos seis meses. El informe nombra explícitamente seis dimensiones que deberían estar alineadas —estrategia, gobernanza, aprendizaje, rediseño de flujos, cultura y medición de habilidades— y advierte que hoy están desconectadas entre sí. Vale la corrección respecto de mi síntesis anterior: no son cuatro pilares, son seis, y agruparlos en cuatro es una simplificación mía, no del informe original.
Gartner, en un comunicado de marzo de 2026 basado en varias encuestas propias de 2025 (gartner.com), aporta el dato más citable: apenas el 45% de los gerentes dice que el uso de IA mejoró el trabajo de sus equipos tanto como esperaban. La explicación que ofrece Carmen von Rohr, de la práctica de RR.HH. de Gartner, es precisa y vale citarla de cerca: el área de RR.HH. se concentró en habilitar la exploración individual de los empleados y descuidó el rol del gerente como conductor de un uso efectivo. Es el dato que mejor ilustra la tensión exploración/explotación que mencionaba antes: el 46% de los gerentes experimenta activamente con IA para mejorar su propio trabajo, contra solo el 26% de los empleados, pero esa experimentación gerencial no se está traduciendo en dirección hacia los equipos.
Vale la pena leer ese mismo dato con una segunda lente, porque Autor y Acemoglu no son la única tradición disponible para interpretarlo. Su marco es, en el fondo, tecnocrático: asume que la falta de rediseño es un problema de coordinación o de tiempo de maduración, y que la gerencia quiere ese rediseño pero todavía no sabe cómo ejecutarlo. Braverman, en Labor and Monopoly Capital, ofrece una lectura menos generosa: la aceleración de tareas individuales sin tocar el proceso global no es necesariamente un fracaso de implementación, puede ser la vía de menor resistencia para el management, la que permite extraer incrementos marginales de eficiencia sin asumir el costo político de alterar las relaciones de poder ni lidiar con la resistencia abierta al rediseño operativo. Bajo esa lente, que un gerente use IA para sí mismo pero no la despliegue hacia su equipo no es necesariamente negligencia ni falta de capacitación: puede ser una decisión racional de evitar el conflicto que trae desarticular el conocimiento tácito del trabajador.
La OCDE, en la encuesta D4SME 2026 —más de 2.000 pymes en 12 países, publicada como OECD SME and Entrepreneurship Papers No. 78 (oecd.org, DOI 10.1787/bf5a9816-en)— documenta que el 61% de las pymes ya usa al menos una aplicación de IA, pero que el 76% de esas empresas son "novatas": dependen de herramientas genéricas para usos aislados, sin haber desarrollado capacidades técnicas ni marcos de gobernanza que permitan sostener y escalar ese uso. La brecha de habilidades aparece, en el propio texto del informe, por delante del costo como obstáculo declarado. Esto es consistente con el argumento de capacidad de absorción: no es que a las pymes les falte acceso a la tecnología, es que les falta la estructura interna previa para metabolizarla.
Gallup, con su serie trimestral de 2026 sobre casi 23.000 empleados estadounidenses, es la fuente que mejor cuantifica el desfasaje entre adopción individual y organizacional: en el segundo trimestre, el 52% de los trabajadores ya usa IA en su rol, pero recién el 47% de los empleados reporta que su organización integró formalmente herramientas de IA, y ese número venía rezagado respecto del uso individual hasta este último salto (gallup.com). Los usos más frecuentes —redactar, buscar información, resolver dudas puntuales— son, en términos de Autor y Acemoglu, aceleración de tarea, no rediseño de proceso.
El contrapunto que falta: adopción no es impacto
Ninguna de las cuatro fuentes que armaron el primer borrador es, en rigor, una medición de productividad: son todas encuestas de percepción, autorreportadas por gerentes o empleados. Eso no las invalida, pero exige ponerlas en diálogo con estudios que sí midieron desempeño de manera más directa, y ahí el cuadro se vuelve más incómodo todavía. Una encuesta del NBER a casi 6.000 ejecutivos en cuatro países encontró que el 89% no percibe impacto medible de la IA sobre la productividad laboral de su firma en los últimos tres años. El informe State of AI in Business del MIT NANDA encontró que solo el 5% de los pilotos empresariales de IA generativa logra un impacto medible en resultados. Y un experimento aleatorizado de METR con desarrolladores de software experimentados encontró que, usando IA, completaban tareas reales un 19% más lento que sin ella, pese a creer subjetivamente que habían sido más rápidos.
Este contrapunto no contradice a Gallup, Gartner, la OCDE ni The Conference Board: los completa. Todos coinciden en que la percepción de valor individual es alta y crece rápido, mientras que la evidencia de impacto organizacional medible es escasa, tardía o simplemente inexistente. Es exactamente lo que predeciría el marco de Autor y Acemoglu: la ganancia de una tarea acelerada no se traduce automáticamente en ganancia de proceso si el proceso no fue rediseñado, y ni Gallup ni Gartner miden proceso: miden percepción de tarea.
La tensión no resuelta entre gobernanza y exploración
El borrador anterior proponía una Fase A de "institucionalización del liderazgo y la gobernanza" como primer paso, superando el modelo bottom-up. Leído con más cuidado a la luz de March, esa recomendación no puede presentarse como si no tuviera costo. La exploración distributed y desordenada que hoy predomina —y que tanto Gartner como la OCDE documentan como "novata" o "sin gobernanza"— es también la fuente de buena parte del conocimiento tácito que después permite un rediseño de proceso bien informado. Gobernar demasiado pronto, antes de haber dejado madurar la exploración, puede sofocar exactamente el tipo de aprendizaje situado que un rediseño necesita como insumo. La pregunta que una versión más rigurosa del artículo debería dejar abierta, en lugar de resolver con una fase prescriptiva, es cuándo una organización debe pasar de explorar a explotar, y qué señales debería mirar para saber que ya tiene suficiente conocimiento acumulado como para que gobernar no signifique apagar el experimento antes de tiempo.
Qué variables van a decidir esto, en vez de qué fases seguir
Lo que muestran, en conjunto, estas cuatro fuentes de 2026 no es que la capacitación sea insuficiente ni que falte gobernanza, aunque ambas cosas sean ciertas. Muestran una organización —en el sentido weberiano de estructura racional-legal— que todavía no decidió si la IA es una herramienta de productividad individual, gestionada por cada trabajador según su propio criterio, o una capacidad institucional que exige rediseño de proceso y una autoridad gerencial dispuesta a asumir el costo político de imponer un rumbo. Esa indecisión no se resuelve con un plan de tres fases, porque no es un problema de secuencia sino de qué actor organizacional está dispuesto a pagar qué costo. En lugar de prescribir una salida, tiene más sentido señalar las variables que, según la lectura cruzada de estas cuatro fuentes, van a determinar hacia qué lado se inclina cada organización.
La primera es si existe algún actor con autoridad suficiente para imponer el costo político del rediseño, o si —como sugiere la lectura de Braverman sobre el dato de Gartner— la estructura de incentivos gerenciales premia sistemáticamente la ganancia marginal silenciosa por sobre la reestructuración visible y conflictiva. La segunda es cuánto conocimiento tácito acumuló ya la fase de exploración distribuida, porque gobernar antes de tiempo, en términos de March, arriesga apagar un aprendizaje que todavía no terminó de generar el insumo que un rediseño necesita. La tercera es si la organización mide algo distinto del ahorro de tiempo individual: mientras el indicador de éxito siga siendo la percepción de productividad personal —que es, precisamente, lo único que Gallup, Gartner, la OCDE y The Conference Board lograron captar con sus metodologías de encuesta autorreportada— no hay manera de que el rediseño de proceso aparezca como prioridad, porque nadie lo está midiendo. Y la cuarta, la que probablemente más pese en el caso de las pymes que documenta la OCDE, es la capacidad de absorción disponible: si no hay conocimiento técnico ni estructura de gobernanza previa, la pregunta de si conviene gobernar o seguir explorando es, en rigor, prematura.
Ninguna de estas cuatro variables tiene hoy una respuesta empírica firme en la literatura de 2026: son, más bien, las preguntas que una próxima ronda de investigación debería empezar a hacer, en lugar de seguir midiendo cuánto creció el uso individual. Porque mientras la discusión corporativa siga confundiendo la aceleración de la tarea con la transformación de la organización, el impacto real de la IA seguirá tropezando con el mismo techo de cristal: el de las estructuras de trabajo que nadie se atreve a rediseñar.
(Queda para otro momento la pregunta inversa: qué pasa cuando el rediseño sí ocurre, y quién queda del lado vigilado de ese proceso).