¿Ahorra tiempo la IA? Los datos de ActivTrak sobre productividad se contradicen

Un artículo de CIO firmado por Taryn Plumb analiza si la IA ahorra tiempo a los empleados o les añade trabajo. Los datos de ActivTrak, empresa de software de seguimiento de la productividad, parecen apuntar en direcciones opuestas según el informe.

La investigación más reciente de ActivTrak se basa en datos de comportamiento de 9.140 trabajadores del conocimiento de 467 empresas, recogidos durante cinco meses (del 1 de abril al 25 de septiembre de 2026). Según sus resultados, los usuarios intensivos de IA trabajan entre 8,42 y 9,08 horas diarias, frente a 7,58 horas de quienes no usan IA. Es decir, hasta 90 minutos más al día.

Este hallazgo contrasta con el informe anterior de la compañía, publicado antes este mismo año. Aquel estudio se basaba en 443 millones de horas de trabajo de 163.638 empleados en 1.111 organizaciones, durante tres años (de enero de 2023 a diciembre de 2025). Concluía que la jornada media había disminuido unos 9 minutos (un 2%). El artículo apunta que la discrepancia puede deberse en parte al periodo y al tamaño de las muestras, que es mucho menor en el estudio nuevo.

En cuanto a la concentración, los usuarios intensivos de IA tienen sesiones de enfoque un 22% más cortas que los usuarios ligeros (37,8 minutos frente a 48,2), lo que sugiere un trabajo más fragmentado. Además, cambian de aplicación un 15% más a menudo que quienes no usan IA. Sarah Altemus, responsable del Productivity Lab de ActivTrak, explicó que esas interrupciones añaden fricción al trabajo de alto valor que exige concentración, pensamiento crítico y atención sostenida.

El informe previo ya mostraba señales mixtas. La eficiencia de enfoque, es decir, el porcentaje del tiempo de trabajo dedicado a actividad concentrada e ininterrumpida, cayó a un mínimo de tres años del 60%, y la duración media de las sesiones de enfoque en 2025 bajó un 9% respecto a 2023. Sin embargo, el tiempo productivo diario aumentó 19 minutos (un 5%), hasta 6 horas y 36 minutos, y las sesiones productivas crecieron un 13%. El cambio de tareas en general subió un 12%, más de 10 minutos. Un apunte de la publicación aclara que algunas de estas cifras no están relacionadas con la IA.

El estudio reciente también comparó herramientas con IA integrada y herramientas de IA en la web. Quienes usan IA integrada cambian de aplicación 0,6 veces por hora. Quienes usan IA en la web lo hacen entre 1,7 y 4,2 veces por hora, hasta cuatro veces más que quienes no usan IA. ActivTrak llama a este coste adicional «swivel-chair tax», el esfuerzo extra que supone saltar de una aplicación a otra. Además, los usuarios ligeros dedican más tiempo activo a las aplicaciones propias de su puesto (81,4% frente a 78%). Altemus concluye que usar más la IA no implica necesariamente trabajar con más concentración.

Para Altemus, el problema de fondo es cómo gestionan las organizaciones la capacidad extra que la IA pueda generar. Si los empleados terminan las tareas más rápido, los directivos pueden suponer que tienen margen para más responsabilidades. Sin límites claros de carga de trabajo, el tiempo ahorrado puede acabar redirigido a más trabajo, con el desgaste que eso supone.

El artículo recoge también una cautela metodológica. Sanchit Vir Gogia, analista jefe de Greyhound Research, reconoce que ActivTrak ofrece una visión útil de cómo se mueve el trabajo entre aplicaciones, pero recuerda que la empresa vende la capacidad que produce esas mediciones. Lo registrado depende de lo que detecte la instrumentación. Un empleado puede usar IA y aparecer igualmente en el grupo de no usuarios. El trabajo en un dispositivo personal no gestionado queda fuera de lo medido. Una API o un agente en segundo plano pueden terminar una tarea sin generar una sesión de escritorio. Además, el tiempo pasivo de pantalla, las reuniones presenciales registradas por calendario y las horas pagadas son medidas distintas. Cambiar de aplicación es también más fácil de observar que cambiar de foco de atención dentro de una misma aplicación.

Gogia sostiene que quien juzgue el valor de la IA debe establecer qué ocurrió después de que la primera tarea se hiciera más rápida. Advierte de que una mejora por hora pagada puede ocultar esfuerzo que no figura en la hoja de horas, y de que el consejo de administración debería poder decir de quién mejoró la jornada y el trabajo de quién hizo posible esa mejora.

La conclusión del artículo es que las empresas deben seguir siendo cautelosas ante las promesas de ganancias de productividad de los proveedores, porque medir el impacto real de la IA en el trabajo sigue siendo muy difícil.