Los proyectos que antes requerían tres semanas ahora se completan en uno. Los informes que consumían una jornada laboral completa se terminan antes del almuerzo. Sin embargo, los empleados están siendo evaluados contra este estándar acelerado antes de que se haya formado algún consenso sobre si es sostenible, preciso o equitativo. Los dividendos de eficiencia han fluido hacia las organizaciones; la presión intensificada ha caído sobre los individuos.

En casi todos los sectores que adoptan la inteligencia artificial, está emergiendo el mismo patrón. Las ganancias de eficiencia no se están devolviendo a los trabajadores como tiempo recuperado. En su lugar, se están convirtiendo —a menudo de inmediato— en expectativas de producción más altas. La lógica subyacente, rara vez expresada abiertamente, es sencilla: si la IA recuperó parte de tu tarde, ese tiempo ahora se asigna a la siguiente entrega. Los trabajadores no están recuperando tiempo. Están recibiendo tareas adicionales en un cronograma acelerado, dentro de la misma cantidad fija de horas.

Esta no es la primera vez que una tecnología transformadora ha prometido aligerar las cargas de trabajo mientras las intensifica. El economista Robert Solow observó en 1987 que las computadoras aparecían en todas partes excepto en las estadísticas de productividad, el fenómeno que más tarde se denominó la paradoja de la productividad. El correo electrónico, la mensajería instantánea y los dispositivos móviles siguieron trayectorias comparables: cada uno fue adoptado para ahorrar tiempo y, en cambio, amplió el alcance y el ritmo de lo que se esperaba que los trabajadores manejaran. Lo que distingue a la actual ola de IA es la velocidad y amplitud de la adopción, sumada al hecho de que la IA está asumiendo tareas cognitivas que anteriormente se suponía requerían juicio humano.

La investigación es consistente: la IA está intensificando el trabajo, no reduciéndolo

La investigación de GoTo y Workplace Intelligence articula la paradoja con una claridad inusual. Su estudio Pulse of Work in 2026, que encuestó a 2,500 empleados y tomadores de decisiones de TI en diez países, encontró que los empleados ahorran más de dos horas por día usando herramientas de IA. Sin embargo, el mismo estudio reveló que el 60% de los empleados se siente presionado a usar IA para aumentar la productividad, el 50% dice que depende de ella en exceso, y el 39% afirma que esa creciente dependencia está disminuyendo su propia inteligencia. Las ganancias de productividad y los costos de desempeño humano se están materializando en tándem, pero la mayoría de las organizaciones solo está monitoreando un lado de la ecuación.

Un análisis separado de ActivTrak, que abarca 443 millones de horas de actividad laboral en más de 1,100 organizaciones, encontró que la IA duplicó el tiempo que los trabajadores dedicaban al correo electrónico y la mensajería, mientras que el trabajo profundo y concentrado disminuyó un 9%. Un estudio de Harvard Business Review publicado este año informó que, tras la adopción de IA, los empleados trabajaban a un ritmo más rápido, asumían una gama más amplia de responsabilidades y extendían su trabajo a más horas del día, con frecuencia sin que se les pidiera. Las herramientas están generando mayor actividad mientras erosionan simultáneamente la capacidad para el tipo de pensamiento de alta calidad que da valor a esa actividad.

Estos hallazgos se suman a preocupaciones que preceden al actual auge de la IA. La Organización Mundial de la Salud reconoció formalmente el burnout como un fenómeno ocupacional en 2019, y las investigaciones de Gallup anteriores a la IA identificaron constantemente un aumento de la desvinculación en la fuerza laboral global. La IA no ha creado estas presiones de la nada: ha superpuesto nuevas exigencias cognitivas sobre una cultura laboral ya tensionada.

Evaluados por velocidad, no por juicio

Cuando la IA comprime los plazos, el cambio más conspicuous es la velocidad. Como la velocidad es el resultado más legible y fácilmente cuantificable de la adopción de IA, se convierte rápidamente en el indicador de facto del desempeño. La investigación de Gallup encuentra que el 65% de los empleados dicen que la IA ha mejorado su productividad, y el uso frecuente de IA entre los gerentes se ha duplicado del 15% al 30% desde 2023. Sin embargo, esa creciente adopción está generando una brecha cada vez mayor entre quienes se benefician y quienes absorben la presión: los líderes reportan las mayores ganancias de productividad, mientras que los contribuyentes individuales siguen siendo los menos propensos a recibir orientación sobre cómo usar la IA de manera efectiva. Mientras tanto, el 54% de los gerentes dicen que las expectativas laborales han aumentado directamente como resultado de la IA. El estándar de desempeño está subiendo, y los marcos de medición no logran mantener el ritmo.

Lo que la evaluación centrada en la velocidad pasa por alto es precisamente el trabajo cognitivo que la IA no puede realizar: verificar la precisión de los resultados, interceptar alucinaciones antes de que se conviertan en decisiones, y aplicar el juicio contextual que los modelos carecen. Revisar el material generado por IA en busca de errores y elevar un borrador completado al 80 por ciento a un trabajo genuinamente de alta calidad no es un trabajo rutinario que se pueda hacer en piloto automático. Es un juicio de nivel ejecutivo operando continuamente en segundo plano. Cuando los empleados son evaluados principalmente por la rapidez con la que producen, ese trabajo cognitivo invisible no es reconocido, y eventualmente se agota.

La consecuencia posterior es un fenómeno que los investigadores han comenzado a llamar "workslop": resultados de alto volumen y bajo valor que inundan las organizaciones cuando la velocidad es la única métrica que se mide. El estudio de GoTo y Workplace Intelligence encontró que el 43% de los empleados han enviado contenido generado por IA a pesar de sospechar que era de mala calidad o contenía errores, y el 77% dicen que revisar el trabajo generado por IA lleva más tiempo que revisar el trabajo producido por humanos. Como informó Built In, cuando los gerentes priorizan la producción acelerada por encima de todo, los empleados recurren a la cantidad sobre la calidad, y los colegas en la cadena dedican horas adicionales a corregir lo que la IA produjo. En la práctica, una producción más rápida con frecuencia se traduce en un progreso neto más lento.

El ciclo que nadie está interrumpiendo

Lo que hace que esta dinámica sea especialmente difícil de abordar es que se agrava silenciosamente. El estudio de GoTo y Workplace Intelligence encontró que el 65% de los empleados dicen que los empleadores no los están equipando con las habilidades necesarias a medida que la IA asume más de la carga de trabajo, y el 80% dicen que la mayoría de los trabajadores no están recibiendo capacitación adecuada para usar herramientas de IA de manera efectiva. Sin embargo, casi uno de cada cuatro líderes de TI reporta que los errores relacionados con la IA ya han afectado a los clientes o al desempeño financiero de su empresa. Las organizaciones están acelerando la adopción mientras subinvierten en la infraestructura humana necesaria para sostenerla.

Los líderes que reportan mejoras de productividad impulsadas por IA a sus juntas directivas no suelen reportar el aumento simultáneo de la carga cognitiva, la disminución del tiempo de trabajo concentrado, o la erosión de la calidad del juicio de la que dependen esas ganancias. Las métricas que se ven favorables en una presentación son las que se muestran. Las métricas que revelarían el costo humano aún no se han construido.

Lo que los líderes deben hacer de manera diferente

La primera intervención es la más sencilla y la menos común: devolver genuinamente el tiempo recuperado a los empleados. Cuando la IA comprime un proyecto de tres semanas en una semana, el reflejo organizacional por defecto es asignar dos semanas adicionales de trabajo. La alternativa es dirigir esa capacidad recuperada hacia las tareas que la IA no puede realizar: cultivar relaciones profesionales más profundas, realizar revisiones de calidad más rigurosas, buscar el desarrollo de habilidades y ejercer el tipo de juicio deliberado que produce resultados duraderos en lugar de expeditos. Las organizaciones que tratan cada ganancia de eficiencia como una licencia para asignar más trabajo descubrirán que han construido una rueda de hámster más rápida, no una fuerza laboral más capaz.

La segunda prioridad es rediseñar la medición del desempeño. Los empleados que producen el mayor volumen de resultados no necesariamente están generando el mayor valor. Los individuos que interceptan los errores de la IA antes de que se consoliden en decisiones, que aplican el juicio contextual que hace que los resultados sean genuinamente utilizables y que mantienen la calidad mientras otros optimizan el rendimiento son los empleados que las organizaciones más urgentemente necesitan identificar y retener. Lograr eso requiere medir el impacto en lugar del volumen, un desafío más complejo, pero con respuestas considerablemente más valiosas.

El tercer imperativo es el establecimiento honesto de expectativas en todos los niveles organizacionales. La mayoría de los empleados no se inscribieron para gestionar un sistema de IA además de sus responsabilidades existentes. Se unieron para desempeñar bien su trabajo. Cuando las organizaciones introducen herramientas de IA sin recalibrar las cargas de trabajo, los plazos o los criterios de éxito, no están empoderando a su fuerza laboral. Están redefiniendo silenciosamente la línea base de lo que constituye un resultado suficiente, sin examinar si alguien puede sostenerlo. Esa conversación debe darse abiertamente, no oculta dentro de un panel de productividad.

Las opiniones expresadas en los artículos de opinión de Fortune.com son exclusivamente las de sus autores y no necesariamente reflejan las opiniones y creencias de Fortune.

Esta nota se publicó originalmente en Fortune.com.