Dónde la IA realmente da retorno en una empresa mediana

Operadora de servicios de salud ocupacional en Brasil, 260 personas, atención a 900 empresas clientes. El año pasado compró licencias de una herramienta de IA generativa para toda el área administrativa, capacitó al equipo en dos mañanas y esperó. Doce meses después, la encuesta interna decía que el 71% de las personas usaba la herramienta con frecuencia, y ningún indicador de la operación se había movido.

No es un fracaso de ejecución ni de herramienta. Es el patrón que la economía de la productividad describe hace décadas, y que tiene nombre.

01La curva J #

Erik Brynjolfsson, Daniel Rock y Chad Syverson publicaron en 2021, en el American Economic Journal: Macroeconomics, el trabajo conocido como 'The Productivity J-Curve'. La tesis: las tecnologías de propósito general exigen inversión complementaria en activos intangibles — proceso rediseñado, dato organizado, competencia de las personas, nueva forma de coordinar. Esa inversión es cara y no aparece en las cuentas como inversión; aparece como costo y como tiempo perdido.

El resultado es la forma de J: la productividad medida cae o se mantiene plana durante el período de construcción de los complementos, y solo después sube. Las empresas que compran la tecnología y no hacen la parte cara se quedan permanentemente en el fondo de la J, con uso alto y ningún resultado.

Brynjolfsson y Andrew McAfee ya habían preparado el terreno en The Second Machine Age (2014), al argumentar que el efecto económico de las tecnologías digitales depende de la recombinación — juntar la tecnología con cambios organizacionales — y no de la capacidad aislada de la máquina. La diferencia entre 2014 y ahora es la velocidad de la tecnología, no la naturaleza del problema.

02Dónde hay evidencia de ganancia #

Hay estudios controlados, y es honesto usar solo lo que muestran. Shakked Noy y Whitney Zhang publicaron en Science, en 2023, un experimento con tareas de escritura profesional de media hora: los participantes con acceso a la herramienta terminaron en menos tiempo y con calidad evaluada como superior, y la ganancia fue mayor para quienes tenían peor desempeño inicial.

Brynjolfsson, Danielle Li y Lindsey Raymond estudiaron atención al cliente en un entorno real, en un trabajo circulado como working paper del NBER en 2023 y publicado en el Quarterly Journal of Economics en 2025. El patrón se repitió: ganancia concentrada en los agentes menos experimentados, con efecto pequeño entre los más experimentados, y mejora en la satisfacción de quien era atendido.

Dos límites deben decirse junto con eso. Primero: son tareas específicas, no empresas enteras — extrapolar de la tarea al resultado organizacional es exactamente el salto que la curva J dice que no ocurre solo. Segundo: el patrón 'más ganancia para quien sabe menos' tiene una implicación gerencial directa y poco cómoda — el retorno tiende a aparecer como nivelación del desempeño, no como multiplicación del desempeño de quien ya es bueno.

03Qué rinde en la escala de 50 a 1.000 personas #

1. Trabajo de coordinación repetitivo. Cobrar pendientes, encaminar demandas, consolidar estados. Volumen alto, regla estable, error reversible. Es el territorio más seguro y el menos glamoroso.
2. Triaje y clasificación de entrada. Solicitudes, currículos, facturas, incidencias. La ganancia viene de reducir el tiempo hasta que la cosa llegue al escritorio correcto, no de acertar el 100%.
3. Redacción estructurada y recurrente. Respuesta estándar, acta, resumen de reunión, primera versión de propuesta. Aquí la evidencia experimental es la más sólida — y el efecto es mayor en el equipo menos experimentado.
4. Lectura de documentos largos. Contrato, pliego, informe técnico. Extraer campos y señalar divergencias, con revisión humana donde la consecuencia es irreversible.
5. Inducción de gente nueva. Responder 'cómo se hace acá' con base en lo que la empresa ya registró. Depende enteramente de que la empresa lo haya registrado.

¿Querés ver cómo queda dentro de una operación real? Conocé la plataforma.

Y lo que no suele mejorar: la decisión de priorización entre frentes, la negociación, la evaluación de personas, el diagnóstico de causas en una operación sin datos, y cualquier cosa cuyo cuello de botella sea político. Si dos áreas discrepan sobre quién manda en el proceso, ningún agente resuelve eso — el desacuerdo simplemente pasará a expresarse más rápido.

04La cuenta, con premisas declaradas #

Escala de la operadora de salud ocupacional — una empresa mediana brasileña (cifras en reales) —, considerando solo el triaje de solicitudes de agendamiento. Premisas explícitas; sustitúyalas por sus números antes de usar esto en cualquier decisión:

Con esas premisas, la primera ola atiende cerca de 243 horas por mes. A un costo interno de R$ 62 por hora, son aproximadamente R$ 15 mil mensuales en capacidad liberada — contra una inversión que, en el primer año, incluye licencias, el trabajo de mapear el proceso y el tiempo de dos personas en la implantación. El punto del ejercicio no es el resultado: es que solo puede hacerse porque alguien midió los 4,5 minutos por solicitud antes.

La empresa que no tiene ese dato no puede calcular el retorno de la IA por un motivo simple: no conoce el denominador. Es la misma trampa de medir solo lo que es fácil de contar, descrita en cuando la meta se vuelve objetivo, la métrica muere.

05Cómo salir del fondo de la J #

En Relevanti, medir a dónde va el tiempo y poner al agente dentro del proceso son la misma cosa, porque ocurren en el mismo lugar — vea la plataforma, el recorte por área en soluciones o traiga su cuenta a una conversación.

La curva J no es un argumento contra invertir en IA. Es un argumento contra esperar resultado sin pagar la parte cara — y una advertencia de que, sin línea de base, usted ni siquiera va a saber en qué punto de la curva está.