La empresa preparada para agentes

La IA generativa en empresas llegó apuntada al trabajador individual, y a ese nivel cumplió. Los resultados a nivel firma costaron mucho más de encontrar.

Tomemos los dos estudios más grandes. Un experimento de campo en 66 empresas con 7.137 trabajadores del conocimiento encontró que entre el 80% de los tratados que efectivamente adoptó la herramienta, el tiempo dedicado a email cayó unas dos horas por semana. El mismo estudio no detectó ningún cambio en la cantidad ni en la composición de las tareas que esos trabajadores hacían. Un segundo análisis, que cruzó encuestas de adopción con registros administrativos daneses, encontró nulos precisos sobre ingresos y horas registradas, tanto a nivel trabajador como a nivel establecimiento, descartando efectos superiores al 2% dos años después de la salida de ChatGPT. Sus autores lo leen como empresas absorbiendo la IA vía reorganización de tareas y no vía remuneración.

Ninguno de los dos estudios dice que la tecnología no sirva. Lo que dicen los dos es que la organización alrededor del trabajador decide si la velocidad individual se convierte en capacidad institucional. Los economistas vienen haciendo ese señalamiento sobre tecnología de la información desde los noventa.

Eso suele circular como folklore de management. Tiene mejor procedencia que eso.

Bresnahan, Brynjolfsson y Hitt armaron un panel de unas 300 empresas grandes de Estados Unidos que va de 1987 a 1994 y lo cruzaron contra una encuesta de prácticas organizacionales. Una empresa dos desvíos estándar por encima de la media simultáneamente en tecnología de la información, capital humano y organización descentralizada del trabajo tenía una productividad predicha alrededor de 7% superior al promedio, y esa cifra ya excluye el aporte directo de su mayor capital de IT. La productividad era de la combinación, no de la línea de tecnología.

Un estudio complementario sobre 1.216 empresas entre 1987 y 1997 encontró cada dólar de capital computacional asociado a unos doce dólares de valor de mercado, contra alrededor de $1,18 por dólar de propiedad, planta y equipo. Los autores adjudican la brecha a intangibles organizacionales no medidos y no a las computadoras. El detalle que más importa acá es uno más chico. Su índice de prácticas organizacionales correlacionaba con los activos computacionales (coeficiente 0,179, error estándar 0,055) y no mostraba relación significativa con planta y equipo (0,033) ni con otros activos (0,009). Sea lo que sea esta complementariedad, se pega a la tecnología de la información y no al capital en general.

Nada de esto es causal y nada de esto es sobre agentes. Son correlaciones sobre datos de 1987-97 y sobre tecnología de la información. Los propios autores advierten que en la especificación con interacciones completas los coeficientes no quedan estimados con precisión, y sus comentaristas de entonces plantearon causalidad inversa: quizás las empresas muy valoradas simplemente compran más computadoras. Citamos esta literatura como el mejor registro medido que tenemos de una complementariedad que existe, no como prueba de un mecanismo que se traslade solo a los agentes.

¿Por qué las organizaciones tienen capas? El modelo de Garicano deriva la respuesta en lugar de suponerla. Los operarios aprenden a resolver los problemas más frecuentes, los especialistas aprenden las excepciones, y cuanto más arriba se sube más inusuales son los problemas. Management by exception es el nombre que le pone el modelo a ese arreglo, y la forma piramidal cae de ahí.

Un solo supuesto genera toda la estructura, y Garicano lo enuncia sin vueltas: el know-how de producción suele ser tácito, entonces vive dentro de las personas, entonces emparejar un problema con quien sabe resolverlo sale caro. La jerarquía es la respuesta eficiente a ese costo de emparejamiento. Es la respuesta eficiente solo mientras el costo se mantenga alto.

La extensión del propio modelo a la tecnología de la información sigue ese hilo. La codificación baja el costo de adquirir el conocimiento necesario para resolver una proporción dada de problemas, lo que predice mayor alcance de decisión en la primera línea, mayor span de supervisión y menos capas. Conviene guardarse la dirección de esa inferencia para el resto del paper. En esta literatura el conocimiento codificado es lo que cambia la estructura, no un subproducto de haber adoptado una herramienta.

Una precisión sobre cómo leer lo que sigue. Garicano modela conocimiento que los agentes aprenden, no conocimiento que las organizaciones escriben. Extenderlo al contexto operativo escrito —reglas explícitas, responsables, excepciones, caminos de escalamiento— es lectura nuestra, no un resultado suyo.

«Adoptar tecnología» no tiene signo definido sobre cómo se reparte la autoridad. El signo depende de qué fue lo que se abarató.

Bloom, Garicano, Sadun y Van Reenen pusieron esto a prueba en plantas manufactureras de Estados Unidos y siete países europeos, usando variación regulatoria en los costos de telecomunicaciones para identificar el efecto. Las tecnologías de información, las que ayudan a alguien a saber más, fueron de la mano de mayor autonomía y mayor span de control. Las tecnologías de comunicación, las que abaratan preguntarle a otro, redujeron la autonomía tanto de operarios como de jefes de planta. Abaratar el saber descentraliza; abaratar el preguntar centraliza.

Si algo de eso se traslada a los agentes está sin resolver, y el registro corta para los dos lados. Ide y Talamàs modelan la IA en una economía del conocimiento y obtienen resultados organizacionales opuestos según la capacidad: una IA cuyo conocimiento se parece al de los trabajadores que ya están produce firmas más chicas, menos productivas y menos descentralizadas, mientras que una IA que se acerca al conocimiento de los especialistas produce lo contrario. Labro, Lang y Omartian, trabajando sobre más de 25.000 plantas en datos del Census de Estados Unidos, encontraron la analítica predictiva asociada a menor delegación en los gerentes locales y a mayor centralización del control.

Así que en qué categoría cae un sistema dado es una pregunta empírica sobre ese sistema dentro de esa organización. No es una propiedad de la categoría ni se puede leer de la categoría. Una organización que delega en agentes sin distribuir el conocimiento necesario para decidir debería esperar centralización.

Los tamaños de efecto que titulan esta literatura son menos interesantes que cómo se distribuyen.

Brynjolfsson, Li y Raymond estudiaron 5.179 agentes de soporte al cliente con acceso escalonado a un asistente de IA generativa. El acceso aumentó los casos resueltos por hora un 14% en promedio. Entre los trabajadores novatos y de menor calificación los aumentó un 34%. Entre los experimentados y altamente calificados el efecto fue mínimo. El mecanismo que declaran los autores es lo que hay que retener: el modelo disemina las mejores prácticas de los trabajadores más capaces y ayuda a los nuevos a avanzar más rápido por la curva de experiencia.

Eso es una medición de transferencia de conocimiento tácito, sea lo que sea además. El valor del sistema vino de hacer explícito lo que los mejores operadores ya sabían y entregárselo al resto. La ganancia fue más grande exactamente donde la brecha entre la práctica documentada y la práctica experta era más ancha.

Un patrón emparentado aparece en el otro extremo del espectro de especificación. Desarrolladores a los que se les pidió implementar un servidor HTTP en JavaScript terminaron 55,8% más rápido con asistente de IA: el efecto más grande de toda esta literatura, y sobre su tarea más completamente especificada. Señalamos la asociación y ahí paramos. Comparar entre estudios con tareas, poblaciones y diseños distintos no permite establecer que la especificación haya causado el tamaño del efecto.

Si los retornos se concentran dentro de un límite, ubicar ese límite pasa a ser una pregunta operativa. Cruzarlo es peor que neutro.

Dell'Acqua y coautores corrieron un experimento pre-registrado con 758 consultores, alrededor del 7% de los colaboradores individuales de una firma. En tareas dentro de la frontera de capacidad de la IA, los participantes que usaron el modelo completaron 12,2% más tareas, 25,1% más rápido, con una calidad más de 40% superior a la del grupo de control. En una tarea elegida para caer fuera de esa frontera, los consultores que usaron IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a una solución correcta.

Le llaman la frontera irregular. La capacidad varía abruptamente entre tareas de dificultad aparentemente similar, y el límite es invisible desde afuera. Ninguna ficha técnica te lo va a dar, porque dónde cae ese límite depende de la tarea tal como tu organización efectivamente la ejecuta: tus excepciones, tus datos, tus criterios de decisión.

Lo cual cambia qué significa estar preparado. La pregunta útil no es sobre el modelo; es si una organización puede ordenar sus propias tareas del lado correcto de una línea que nadie ve directamente. Eso depende por completo de cuánto entiende de su propia operación.

Si la restricción es el conocimiento operativo explícito, el movimiento evidente es inferirlo de las trazas que los sistemas ya producen. El process mining es la versión madura de ese intento. Su propia literatura es inusualmente clara sobre dónde se frena.

Bose, Mans y van der Aalst, escribiendo desde el campo que inventó la técnica, concluyeron que al process mining lo iba a limitar la calidad del dato y no su disponibilidad. El ejemplo que trabajan vale el detalle. El log de una unidad de terapia intensiva con 1.308 pacientes y 21.819 mediciones, todo cargado a mano: el 67% de las acciones no tenía evento de finalización registrado, los timestamps estaban corrompidos porque el personal cargaba los registros en tandas, la granularidad iba de días a milisegundos, y el mismo ítem aparecía con varias grafías en campos de texto libre. Del subconjunto más limpio sí se pudo recuperar un modelo. Salió tipo spaghetti, 67 nodos y más de 100 arcos.

Un paper de agenda posterior pone la causa fuera del área de sistemas. Los defectos del log se rastrean a hábitos individuales, a reglas y convenciones organizacionales, y a la configuración de los sistemas: un incentivo que hace que la gente registre acciones que nunca pasaron, un campo de texto libre que genera seis nombres para una misma actividad. Los mismos autores reportan que la extracción y la limpieza siguen mal soportadas por las herramientas comerciales, con lo cual el resultado depende fuertemente de quién sea el analista, y que esperar detección y reparación totalmente automáticas no es realista, porque decidir si una anomalía es efectivamente un problema requiere conocimiento contextual que vive en los expertos del dominio.

Un estudio cualitativo con 15 profesionales en cinco organizaciones encontró que solo la etapa previa al análisis se apoya en siete categorías distintas de conocimiento experto, repartidas entre roles. Los participantes describieron encontrar un único usuario de negocio con la vista completa del proceso como muy difícil y casi imposible. El mismo estudio reporta que la documentación formal, procedimientos operativos estándar incluidos, puede no reflejar el proceso tal como se ejecuta, y que incluso el conocimiento codificado es imperfecto.

Las dos fuentes necesitan acotarse. El paper de agenda es un documento de posición que refleja consenso experto, no un estudio con muestra propia. El estudio de entrevistas cubre 15 participantes en organizaciones grandes y ya maduras en process mining, y su validez externa para empresas de 40 a 150 empleados —donde un responsable de operaciones puede concentrar genuinamente más de la vista end-to-end— acá es supuesta y no medida.

La documentación operativa se trata habitualmente como trabajo preparatorio que puede ir después del despliegue. El marco de gestión de riesgo predominante la trata como un control.

El AI Risk Management Framework del NIST organiza su función GOVERN alrededor exactamente de los artefactos que este paper viene describiendo. GOVERN 2.1 exige que los roles, las responsabilidades y las líneas de comunicación para mapear, medir y gestionar riesgos de IA estén documentados y sean claros para personas y equipos de toda la organización. GOVERN 3.2 exige políticas y procedimientos que definan y diferencien roles y responsabilidades para las configuraciones humano-IA y para la supervisión de los sistemas. GOVERN 1.2 exige que las características de una IA confiable estén integradas a las políticas, procesos y procedimientos de la organización.

El marco es voluntario, y adoptarlo no prueba nada sobre resultados. No encontramos ningún estudio que mida si a las organizaciones que lo siguen les va mejor. Lo que sí establece es que los derechos de decisión documentados, el ownership explícito y los límites definidos de supervisión humano-IA ya son la expectativa declarada para cualquiera que despliegue estos sistemas, se crea lo que se crea sobre productividad.

Las tecnologías de propósito general, en la formulación de Brynjolfsson, Rock y Syverson, habilitan y exigen inversiones complementarias significativas: co-invención de procesos, productos, modelos de negocio y capital humano. Esas inversiones son mayormente intangibles y están mal medidas. La consecuencia contable es una curva en J. La productividad se subestima al principio, mientras la inversión intangible se registra como gasto y no como activo, y se sobreestima después, cuando esos intangibles se cosechan.

Trabajo reciente a nivel establecimiento nos da algo más firme que un artefacto contable. Con microdatos del Census de manufactura de Estados Unidos de 2017 y 2021, McElheran y coautores reportan evidencia causal de retornos con forma de J: el uso de IA industrial aumentó el inventario en proceso y la inversión en robots, y dañó la productividad y la rentabilidad en el corto plazo. Entre los establecimientos más antiguos, el abandono de prácticas estructuradas de gestión de la producción explicó aproximadamente un tercio de esas pérdidas.

El costo de corto plazo no fue entonces solamente un artefacto de medición. Una porción sustancial vino de dejar caer la práctica operativa estructurada durante la transición, que es el único hallazgo de este paper sobre el que nos apoyamos con todo el peso.

Sobre la magnitud la literatura discrepa, y fuerte. La estimación basada en tareas de Acemoglu ubica las ganancias de productividad total de los factores por IA en menos de 0,53% a diez años, y advierte que incluso eso podría estar sobreestimado para tareas complejas y dependientes de contexto que carecen de medidas objetivas de resultado. Eso disputa el tamaño del premio agregado y no la existencia del rezago. Toda afirmación sobre retornos debería enunciarse al lado.

Dos números dominan esta conversación. Ninguno aguanta el peso que se le pone encima.

El 95% de fracaso de pilotos de IA generativa se rastrea a un reporte de julio de 2025 de MIT NANDA. Su base de evidencia: 52 entrevistas a ejecutivos, 153 respuestas de encuesta y la revisión de más de 300 implementaciones divulgadas públicamente. El reporte se llama a sí mismo hallazgos preliminares, no publica ninguna definición operacional de qué cuenta como ausencia de retorno medible, y aclara que sus puntajes reflejan frecuencia reportada y no medición objetiva. Como estudio exploratorio es del todo legítimo. Como tasa de fracaso medida no es nada por el estilo, y citarlo así tergiversa lo que se hizo.

La cifra de que el 80% de los procesos de negocio no está documentado no tiene ninguna fuente primaria que hayamos podido encontrar. El denominador estaría indefinido igual. ¿Qué cuenta como proceso? ¿Documentado significa que existe un diagrama, que ese diagrama está completo, o que describe lo que efectivamente pasa hoy?

La versión defendible es una pregunta de investigación con un denominador declarado. Qué proporción del contexto necesario para ejecutar correctamente un workflow —objetivos, entradas y salidas, dependencias, criterios de decisión, responsables, excepciones, límites de permisos, lógica de escalamiento— está estructurada, actualizada y disponible para un sistema en lugar de vivir en la cabeza de una persona. Eso es medible en principio. No sabemos de nadie que lo haya medido.

La literatura de complementariedad que está en el centro de este argumento corre sobre datos de 1987 a 1997 y trata sobre tecnología de la información. Es el cuerpo de trabajo mejor medido sobre la pregunta. Aplicarlo a agentes autónomos sigue siendo razonar por analogía a través de una brecha de cuarenta años y de un cambio en el tipo de sistema que se adopta.

Casi toda esa evidencia es correlacional. Las excepciones con identificación más fuerte son el instrumento de costos de telecomunicaciones en Bloom y coautores y el diseño causal en McElheran y coautores. Los tests de complementariedad basados en correlación no permiten separar la complementariedad genuina de retornos no observados correlacionados.

La curva en J describe la co-invención como aprendizaje concurrente: la productividad cae mientras la organización se reorganiza. Eso respalda la afirmación de que hace falta un rediseño organizacional complementario. No respalda la afirmación de que la codificación tenga que estar terminada antes de empezar a delegar. Son proposiciones distintas y acá solo queda establecida la primera.

Los experimentos de campo miden resultados a nivel tarea y a nivel trabajador durante meses. Ninguno mide si las precondiciones organizacionales que se discuten acá estaban presentes, así que el vínculo entre conocimiento operativo codificado y retorno medido se infiere del mecanismo declarado por un estudio y no se pone a prueba.

Las fuentes varían en solidez y están etiquetadas como tales en el texto. Los artículos peer-reviewed y los working papers con muestra y método declarados sostienen el argumento; un paper de posición y un reporte preliminar de industria se citan únicamente por lo que son.

Lo que el argumento anterior establece: las complementariedades organizacionales gobiernan los retornos a la tecnología de la información, los retornos medidos de la IA se concentran donde el conocimiento ya estaba codificado, y el dato observacional no sustituye a la elicitación. Lo que deja abierto está listado abajo. Nos parecen los objetivos más productivos para trabajo empírico.

La evidencia reunida acá sostiene una afirmación más acotada que la habitual, y más útil. Los retornos a la tecnología de la información estuvieron consistentemente mediados por capital organizacional y no fueron entregados por la tecnología en sí. La teoría de jerarquías basadas en conocimiento explica por qué: la estructura es una respuesta al costo de emparejar problemas con las personas capaces de resolverlos, y ese costo es función de cuánto del conocimiento operativo queda tácito. La evidencia de campo sobre IA generativa muestra retornos que se concentran donde el conocimiento tácito se puso a disposición de quienes no lo tenían, y que se vuelven negativos donde el trabajo se delegó más allá del límite del desempeño confiable.

Nada de lo cual significa que haya que documentar todo antes de desplegar nada. La literatura de productividad describe la reorganización como concurrente con la adopción, no previa. La conclusión acotada es esta. El límite entre lo que se puede delegar y lo que no es específico de la operación real de cada organización, no es visible en los logs de sus sistemas, no lo tiene de manera confiable ninguna persona sola, y los marcos de gobernanza ya lo esperan por escrito.

Una organización que no puede describir cómo ocurre su propio trabajo no está en posición de decidir qué delegar. Esa es una afirmación sobre el autoconocimiento organizacional y es medible. Hasta donde vemos, nadie la midió.

Plexo construye una capa de inteligencia operativa para empresas medianas de América Latina. Agentes de voz y texto entrevistan a personas de distintos equipos y niveles sobre tareas recurrentes, handoffs, decisiones, excepciones y conocimiento no documentado. Los resultados se estructuran en un modelo operativo respaldado por evidencia donde cada afirmación se rastrea hasta una cita textual.

Ese trabajo vuelve directamente testeables varias de las preguntas abiertas de arriba. Nos proponemos publicar resultados únicamente bajo una metodología declarada, con consentimiento de los clientes, y sobre una muestra suficientemente grande para sostener la afirmación.

Este paper se publica como parte de una serie mensual de investigación. La versión 0.3 revisa la prosa de la edición de agosto de 2026. Su argumento, su evidencia y sus citas no cambian respecto de la versión 0.2, que fue la revisión que los reforzó; el borrador original es anterior a la mayoría de las fuentes que se citan acá.