El ritmo de la IA agota a los empleados de alto rendimiento
La IA no agota por sí sola: el problema es imponer a las personas un ritmo de máquina, con expectativas irreales que amplían tareas y disparan el burnout.
Resumen del artículo publicado en charterworks.com y recomendado por Digital Skills Institute el 4 de octubre de 2026.
La idea establecida que se pone en duda es que la inteligencia artificial aumenta la productividad de forma casi automática y que las organizaciones pueden acelerar el trabajo al ritmo de las máquinas sin consecuencias graves. Muchas empresas están actuando como si bastara con implantar herramientas de IA, exigir más velocidad y medir más actividad para obtener mejores resultados. Frente a esa visión, se plantea que el problema no es la tecnología en sí, sino el ritmo de trabajo que se está imponiendo a las personas cuando se espera que funcionen con una cadencia propia de sistemas automatizados.
Entre los responsables de personas aparece una preocupación repetida: quienes más interesa retener son también quienes antes están agotándose. Los empleados considerados de alto rendimiento, protegidos en rondas de despidos mediante bonus y planes de retención, están llegando al límite. En el sector tecnológico, los niveles moderados o altos de burnout han alcanzado el 56%, frente al 45% del año anterior. En el conjunto de trabajadores, dos tercios afirman haber sufrido agotamiento. Sin embargo, solo alrededor de una quinta parte teme perder su empleo por la IA. Lo que desgasta no es tanto el miedo directo a ser sustituido como la presión constante: el 96% de los usuarios intensivos de IA dice que su puesto se ha ampliado.
La etapa actual se diferencia de otras crisis laborales recientes por tres motivos. En episodios como la burbuja puntocom, la crisis financiera de 2008 o los primeros meses de la covid había una amenaza identificable y cierta expectativa de final. Con la IA no existe un destino claro ni un punto compartido en el que pueda decirse que la transformación ha terminado. Algunos empleados preguntan hacia qué se transforma la empresa y cuándo concluye ese proceso, pero esas preguntas no tienen respuesta clara. A ello se suma que incluso quienes suelen adaptarse bien están teniendo dificultades: deben aprender nuevas formas de trabajar mientras mantienen intactas sus tareas habituales.
La presión tampoco se reparte como en crisis externas anteriores. La adopción acelerada procede en gran medida desde dentro de las compañías, impulsada por directivos y consejos preocupados por demostrar resultados rápidos con sus inversiones en IA. Esa urgencia baja por la organización y se convierte en cuotas de productividad, rankings basados en uso de herramientas, plazos comprimidos y exigencias artificiales. Una diseñadora relató cómo se le obligó a usar IA en todos los proyectos para proyectar una imagen “AI-first” ante inversores: dedicó una hora a crear un prototipo en Figma y quince horas a intentar reproducirlo con una herramienta automática. Cuando explicó que era ineficiente, le respondieron que había que demostrar que la IA valía la pena.
Una brecha relevante es que muchos ejecutivos no ven cómo se realiza realmente el trabajo con IA. Suelen usarla para borradores o prototipos rápidos, pero no asumen después las tareas lentas: revisar código, asegurar calidad, documentar o mantener lo generado. Según un informe citado, los líderes consultan a la IA tres veces más que sus subordinados y aceptan sus respuestas sin validación con mucha mayor frecuencia. Así calibran expectativas irreales y trasladan hacia abajo problemas técnicos y humanos.
La alternativa pasa por rediseñar el ritmo y los incentivos del trabajo. Las organizaciones que gestionan mejor esta situación dejan de premiar volumen, paneles de actividad o recuentos superficiales y priorizan resultados con valor real. También ajustan expectativas comprobando sobre el terreno cuánto cuesta construir con IA: un director tecnológico pidió a tres ingenieros que pusieran a prueba sus previsiones y terminó corrigiéndolas al comprobar que no eran realistas.
El tiempo liberado por la IA no debería llenarse automáticamente con más producción. Puede reinvertirse en aprendizaje, acompañamiento a perfiles júnior, resolución conjunta de problemas difíciles y talleres prácticos. Cuando los usuarios intensivos reciben autonomía y tiempo para aprender nuevas herramientas, informan incluso de mejores relaciones con sus equipos. El agotamiento surge cuando las máquinas marcan el tempo y las personas absorben toda la diferencia entre lo prometido por la tecnología y lo necesario para hacer bien el trabajo.
