«Lo que funciona no se toca» y otras frases que ya no cuelan
La inercia de las empresas ante la IA, y qué puedes hacer si estás atrapado en ella
Artículo de lectura independiente agrupado en la serie “La IA y tú”.
Hay un puñado de frases que se repiten en casi cualquier empresa, sea del sector que sea y que casi siempre significan lo contrario de lo que dicen: “No reinventes la rueda”, “Si funciona no lo toques”, “Siempre se ha hecho así”, “Ahora no es el momento”. Suenan a prudencia, a experiencia, a cabeza fría. Y muchas veces son solo el envoltorio educado de otra cosa: nadie quiere asumir el riesgo, el coste o el esfuerzo de cambiar algo que lleva años funcionando a medias.
Este artículo no va de tecnología concreta. Va de la inercia organizativa: esa fuerza que hace que las empresas se resistan a cambiar aunque el cambio sea evidentemente bueno. Y va de cómo la irrupción de la IA ha vuelto esas frases-excusa más difíciles de sostener, hasta el punto de que algunas empresas han caído en contradicciones curiosas con la IA: exigen los resultados de quien la usa, sin darle una vía oficial para usarla bien. Si trabajas en un sitio así —y las cifras dicen que es probable— la última parte del artículo es para ti.
Las frases-excusa y lo que esconden
Conviene desmontarlas una a una, porque cada una tiene un grano de verdad que la hace peligrosa.
“No reinventes la rueda”. El grano de verdad: rehacer desde cero algo que ya existe y funciona suele ser una pérdida de tiempo. El problema: la frase se usa para justificar quedarse con la rueda de madera de hace diez años cuando el resto del mundo va en neumáticos. Hay una diferencia enorme entre reinventar (rehacer lo que ya existe) y actualizar (usar lo que existe, pero en su versión moderna). Se confunden a propósito para no actualizar nada.
“Si funciona no lo toques”. El grano de verdad: no rompas lo que da de comer sin necesidad. El problema: convierte cualquier sistema en una caja negra intocable que se degrada en silencio. Y “funciona” suele significar “todavía no ha explotado”. En el mundo del software, lo que no se actualiza no se queda igual: se vuelve inseguro, porque el resto del mundo (incluidos los atacantes) sí avanza.
“Siempre se ha hecho así”. El grano de verdad: los procesos que llevan años pueden encapsular aprendizajes que no son obvios. El problema: también encapsulan errores fosilizados que nadie recuerda por qué se hacen. “Siempre se ha hecho así” es, con frecuencia, la firma de que nadie ha revisado ese proceso desde que se fue la persona que lo montó.
“Ahora no es el momento” / “no hay tiempo”. La más honesta en apariencia y la más tramposa en el fondo. Casi nunca hay un momento bueno para invertir en mejorar algo que ya “funciona”. La mejora siempre compite contra lo urgente, y lo urgente siempre gana, hasta que la falta de mejora se convierte en la urgencia.
El patrón común de las cuatro: todas priorizan evitar el riesgo visible de cambiar por encima del riesgo invisible de no cambiar. Y el riesgo invisible casi siempre es mayor, precisamente porque no se ve hasta que estalla.
Por qué existían estas excusas (y por qué el cálculo ha cambiado)
Empecemos siendo justos: estas frases no nacieron de la nada. Durante décadas, cambiar tenía un coste altísimo. Actualizar un sistema significaba semanas de trabajo manual, riesgo real de romper cosas y aprender herramientas nuevas sin red de seguridad. En ese mundo, “si funciona no lo toques” era, a veces, una decisión racional: el coste esperado de tocar superaba al beneficio esperado.
Lo que ha cambiado no es que el cambio se haya vuelto gratis, sino que el coste de cambiar ha bajado mucho más rápido que el coste de no cambiar. Dos fuerzas lo explican:
- Por un lado, las herramientas modernas (y la IA entre ellas) han abaratado tareas que antes eran carísimas: entender código o procesos que nadie documentó, generar la red de pruebas que da seguridad para tocar algo, traducir de lo viejo a lo nuevo. Lo que costaba semanas hoy cuesta días u horas.
- Por otro, el coste de no cambiar ha subido: los ciclos tecnológicos se han acelerado, las brechas de seguridad son más caras y el talento bueno no quiere trabajar con herramientas obsoletas (la gente se va y con ella el conocimiento).
Cuando las dos curvas se cruzan, las excusas que antes eran discutibles se vuelven indefendibles. No porque cambiar sea fácil, sino porque no cambiar ha dejado de ser lo seguro.
Un aviso importante, para no caer en el extremo contrario: esto no significa “cámbialo todo constantemente”. El entusiasta que rehace su sistema cada seis meses persiguiendo la última moda hace tanto daño como el inmovilista. El punto no es cambiar por cambiar; es que la balanza se ha movido y muchas decisiones que antes se resolvían con “mejor no tocar” hoy merecen, al menos, volver a pensarse.
La esquizofrenia corporativa: cinco rutas al mismo punto ciego
El término Shadow AI —el uso de herramientas de IA sin aprobación formal— evoca habitualmente una sola imagen: la empresa que lo prohíbe explícitamente mientras sus empleados la usan de tapadillo. Esa imagen existe y está bien documentada. Pero los datos muestran al menos cuatro situaciones adicionales que producen exactamente el mismo resultado: empleados usando IA fuera de los canales oficiales, sin visibilidad por parte de la organización.
-
Prohibición explícita: la empresa dice “no” y el empleado lo hace igual. El 49% de los empleados admite usar herramientas de IA no aprobadas (CIO, 2025); otras encuestas elevan esa cifra hasta el 81% (UpGuard — State of Shadow AI, 2025). Gartner reporta que el 69% de las organizaciones sospecha o tiene evidencia de uso de IA prohibida y predice que para 2030 más del 40% habrá sufrido un incidente de seguridad o compliance vinculado a Shadow AI. Los directivos están entre los que más lo hacen, priorizando la velocidad sobre la norma que ellos mismos firman.
-
Coste delegado al empleado: la empresa permite la IA, pero no la financia. Una encuesta de Gusto a 1.000 trabajadores americanos (2025) encontró que el 66% de los que usan IA en el trabajo la pagan de su propio bolsillo. No es Shadow AI por desobediencia: es Shadow AI por abandono. La empresa traslada el gasto —y la decisión de qué herramienta usar— a quien menos capacidad de negociación tiene. Al delegar el gasto, la empresa pierde también el control sobre qué herramienta elige el trabajador: nada le impide escoger la opción más barata del mercado. Y el mercado tiene capas muy distintas en cuanto a dónde van los datos —desde IA local donde no sale nada, pasando por proveedores europeos con garantías RGPD o aliados como los estadounidenses, hasta modelos como DeepSeek que compiten agresivamente en precio pero procesan en servidores bajo jurisdicción china, sin los acuerdos de privacidad que aplican en la UE—.
-
La herramienta oficial que no sirve: la empresa provee algo, pero es una versión básica, capada o desactualizada para el trabajo real. El 88% de los responsables de RRHH declaró que su organización no ha obtenido valor de negocio significativo de las herramientas de IA que tiene desplegadas. El empleado busca una alternativa no para saltarse las normas, sino porque la herramienta oficial no hace el trabajo.
-
Vacío de política: no hay ni permiso ni prohibición. El 25% de las organizaciones no tiene ninguna política sobre IA (ISACA AI Pulse Poll, 2026), y el 41% de los trabajadores dice que su empresa no ha hecho absolutamente nada para prepararles (Resume Now, mayo 2026). Los empleados van por libre no por rebeldía, sino porque nadie les ha dicho nada.
-
Vergüenza de la IA (AI shame): la situación más contraintuitiva. El empleado puede usar la IA —la empresa no lo prohíbe— y la oculta de todas formas. Según una encuesta de WalkMe a más de 1.000 trabajadores (2025), el 48,8 % admite esconder el uso de IA para evitar ser juzgado (Fortune, agosto 2025). Los directivos C-suite (CEOs, CTOs, etc.) lo hacen más que nadie: el 53,4 % oculta sus hábitos de IA pese a ser los usuarios más frecuentes.
Encuesta WalkMe y Fortune anterior. El ocultamiento escala con jerarquía y generación.
Cinco situaciones distintas que desembocan en el mismo resultado: uso de IA fuera de los canales oficiales, sin visibilidad organizativa.
El patrón que comparten los cinco casos es el mismo: la empresa no ve lo que ocurre y no puede gestionar ni el riesgo ni el beneficio. La variante más documentada —y la de mayor coste cuando sale mal— sigue siendo la de la prohibición con datos reales circulando por servicios sin control.
Muchas empresas han adoptado a la vez dos posturas incompatibles: prohíben oficialmente usar IA (por protección de datos, por miedo, por precaución) y a la vez exigen la velocidad de entrega de alguien que sí la usa. El empleado queda en una trampa: si cumple la norma, no llega a los plazos; si llega a los plazos, incumple la norma. El problema de la prohibición hipócrita no es solo la incoherencia. Es que empeora exactamente el riesgo que dice proteger: cuando prohíbes la IA pero obligas a resultados de IA, la gente no deja de usarla —la usa a escondidas, con herramientas gratuitas, pegando datos reales de la empresa en servicios sin control. Según el informe de IBM de 2025, las organizaciones con alto uso de Shadow AI pagan de media $670.000 más por brecha que las que tienen uso bajo o nulo. La política de “prohibido” no elimina el uso; solo elimina la visibilidad del uso. Lo cual es peor. Y aquí solo hemos hecho un resumen, pues detallamos todo esto en otro artículo sobre patrones de éxito y fracaso, y un framework de decisión práctico.
La política de prohibición sin alternativa no elimina el riesgo: lo oculta y lo agrava.
Las cinco variantes de Shadow AI se agrupan en tres causas raíz. Cuando una organización falla en las tres a la vez, el Shadow AI es sistémico.
La desalineación que muestran estos cinco escenarios tiene un coste medido: la misma EY Work Reimagined (15.000 empleados, 1.500 empleadores, 29 países) calculó que las organizaciones que implementan IA sin alinearla con estrategia de talento, liderazgo y cultura de aprendizaje desperdician hasta el 40% de su potencial productivo. Como señala el estudio: «Cuando las herramientas de IA se implementan sobre cimientos organizacionales frágiles —cultura débil, capacitación insuficiente, incentivos mal diseñados— los beneficios de eficiencia se estancan».
La respuesta racional del trabajador: ¿para qué declarar que terminé antes?
La esquizofrenia corporativa tiene un efecto secundario que nadie va a mencionar y difícil de reconocer: empuja al trabajador a esconder productividad. Y no por mala fe, sino por lógica básica.
Si terminas una tarea en dos horas en vez de cuatro gracias a la IA, y comunicarlo solo sirve para que te asignen otra tarea inmediatamente, o para que tu jefe revise a la baja el tiempo estimado de todas las futuras tareas similares, ¿cuál es el incentivo para decirlo? Ninguno visible. La ganancia es del trabajador si se calla; la ganancia es de la empresa si lo declara. El resultado es más responsabilidad, más multitarea y más carga mental, sin un beneficio proporcional que lo compense: según la encuesta EY Work Reimagined 2025, el 64% de los empleados percibió un aumento de carga de trabajo en los últimos doce meses pese al uso de IA. Si un trabajador que sabe usar la IA produce, digamos, por cuatro, ¿dónde están los sueldos multiplicados por cuatro? Y eso sin contar los casos en los que el propio trabajador paga la IA de su bolsillo, o en los que el acceso a herramientas de IA se presenta en la entrevista como un reclamo de la oferta —igual que antaño se presumía de “tecnologías punteras”— cuando en realidad es simplemente la herramienta con la que el trabajador generará valor para la empresa: nadie presenta el portátil como un beneficio del puesto.
Esto no es una crítica a las empresas. De hecho, es lo contrario: si una organización invierte en modelos de IA caros y los trabajadores ocultan la productividad adicional, el valor total generado cae y parte de la inversión se pierde. Es el clásico balance de valor entre trabajador y empresa, presente desde que existen las relaciones laborales. Cuando ese balance se rompe, todas las partes salen perjudicadas.
Los economistas (entre ellos Adam Smith) llevan décadas estudiando este fenómeno bajo el nombre de problema de agente-principal: cuando el agente (el trabajador) tiene información que el principal (la empresa) no tiene, y cuando los intereses no están alineados, el agente racionaliza guardar esa información. Lo que es nuevo es la escala a la que la IA ha generado ese diferencial de información en pocos meses.
Cuando la IA entra sin que la compensación se ajuste, el valor extraído por la empresa (verde) diverge del coste que asume el trabajador (rojo) y de lo que este recibe (azul). En el primer cruce empieza la productividad oculta; en el segundo, el trabajador empieza a mirar hacia afuera. Las curvas son conceptuales e ilustran tendencias documentadas, no datos de un único estudio. Nota: Aquí “ocio” (o slack) no significa “escaqueo” o no hacer nada, sino algo mucho más importante para la salud de cualquier flujo de trabajo: el margen de maniobra, el tiempo de amortiguación o el “aire” que tiene un trabajador entre tareas.
Los datos macroeconómicos lo reflejan de forma indirecta y algo extraña. La Reserva Federal de St. Louis calculó en 2025 que el ahorro medio de la IA es de 5,4% de las horas de trabajo (unas 2,2 horas semanales por trabajador que usa IA regularmente, en una encuesta representativa de agosto de 2024). Eso debería aparecer en las estadísticas de productividad laboral como un salto visible. Y lo hace —pero solo en unos pocos sitios: los sectores con mayor exposición a IA impulsaron 1,7 puntos porcentuales del crecimiento de productividad laboral en EEUU en 2025 (AEI y Morgan Stanley, 2025). El problema es que esa ganancia está brutalmente concentrada: según un estudio global de PwC (2026) con 1.217 directivos en 25 sectores, el 74% del valor económico generado por la IA lo captura solo el 20% de las organizaciones. Para el 80% restante —que es donde trabaja la mayoría— la ganancia sencillamente no aparece en sus métricas. Y tienen razón: en su caso, genuinamente no está ahí. Una parte se explica por la adopción todavía parcial. Otra parte —nadie sabe exactamente cuánta— se explica porque la ganancia está absorbida en sitios que ninguna métrica corporativa captura:
- Calidad y alcance ampliado: antes no había tiempo para escribir tests; ahora sí. Antes no se documentaba bien; ahora sí. El trabajo termina a la misma hora, pero lo que se entrega es mejor.
- Slack recuperado: esas dos horas extras se usan en leer, aprender, reflexionar. Nadie lo declara porque no es “trabajo” facturable.
- Proyectos paralelos: el profesional que genera valor para su empresa en cuatro horas tiene cuatro horas para invertir en su propio desarrollo o en proyectos externos. Las empresas que no comparten el beneficio están financiando, indirectamente, a la competencia.
La paradoja opera también en la percepción del propio trabajador. El informe «People at Work 2026» de ADP Research (39.000 empleados, 36 países) encontró que los usuarios habituales de IA tienen cuatro veces más probabilidades de sentir que rinden poco —y el 30 % de quienes la usan a diario se declaran comprometidos con su trabajo y, al mismo tiempo, menos productivos que antes. La explicación más probable no es que trabajen peor, sino que la IA ha cambiado el tipo de tareas que abordan; en esa transición, el trabajador no siente que produzca más, sino diferente. Lo que no se percibe tampoco se declara.
Es la versión 2026 de la paradoja de Solow: en los años 80, el economista Robert Solow observó que los ordenadores se veían en todas partes excepto en las estadísticas de productividad. Hoy la IA se usa en todas partes excepto en los números que la empresa intenta medir. En febrero de 2026, el NBER publicó un estudio con casi 6.000 altos directivos de EEUU, Reino Unido, Alemania y Australia (Yotzov, Barrero, Bloom et al.): el 90% declaró no haber notado impacto medible de la IA en productividad ni empleo en los últimos tres años, pese a que el 69% ya la usaba. Fortune lo resumió sin ironía: “miles de CEOs acaban de admitir que la IA no ha tenido impacto — y los economistas están resucitando la paradoja de Solow”.
El propio CEO de OpenAI ofrece, en retrospectiva, el testimonio más llamativo. En 2015, Sam Altman resumió su relación con el progreso tecnológico sin rodeos: «Mi trabajo es ayudar a destruir empleos». Una década después, en mayo de 2026, declaró estar «encantado de haberse equivocado»: «Pensaba que la eliminación de puestos administrativos de nivel de entrada ya habría tenido un mayor impacto del que realmente ha ocurrido». El mismo hombre que construyó buena parte del discurso del apocalipsis laboral reconoce que la IA —la suya— no ha destruido empleo al ritmo que él mismo anticipó.
La consecuencia organizativa es notable: la empresa que no crea incentivos para que se declare la productividad ganada construye exactamente el sistema que luego le impide justificar su inversión en IA. El management no ve ROI, concluye que “la IA no funciona”, y refuerza las políticas restrictivas. El bucle se cierra. El problema no fue la IA; fue la estructura de incentivos.
La única salida al bucle es que la empresa comparta el upside (potencial alcista, es decir, el margen de crecimiento o la expectativa de resultados positivos). No necesariamente en dinero: puede ser en autonomía, en reconocimiento, en reducción de reuniones, en proyectos más interesantes. Pero si la productividad extra siempre se convierte en más trabajo al mismo precio, el mercado de la declaración de productividad tiene un solo precio de equilibrio: el silencio.
Qué puedes hacer si estás atrapado en una organización inmovilista
Supongamos que no eres tú quien decide las políticas. Eres alguien con criterio dentro de una organización que se resiste y no quieres ni quemarte peleando contra molinos ni resignarte a hacerlo mal. Te presento unas estrategias para evitar caer en la frustración:
1. Cambia el argumento: de “es mejor” a “es más barato / menos arriesgado”: A quien decide no le conmueve “esto es más moderno” ni “esto es más elegante”. Le conmueven el coste y el riesgo. No pidas actualizar “para estar a la última”; pide actualizar para reducir un gasto concreto, para cerrar un agujero de seguridad concreto, o para no perder al equipo que se aburre. El mismo cambio, contado en el idioma de quien firma.
2. Deja que hablen los datos, no tú: Una opinión se discute; un informe se atiende. Si puedes mostrar en números el coste de la inercia (horas perdidas, riesgos acumulados, quejas del cliente), tu propuesta deja de ser “lo que tú crees” y pasa a ser “lo que los datos dicen”. Esto neutraliza las discusiones de ego.
3. Demuestra en pequeño, no discutas en grande: No intentes convencer de transformar toda la organización. Coge una parcela pequeña, aislada y de bajo riesgo, hazlo bien de la forma nueva y enseña el resultado medido. Un ejemplo que funciona vale más que diez presentaciones. Y si sale mal, el daño está acotado.
4. Protege tu energía y tu criterio: Este es el más importante y el que más se olvida. En una organización que se resiste con fuerza, pelear cada batalla te quema y no cambia nada. Elige dónde inviertes tu esfuerzo, documenta tus recomendaciones (para que conste que las hiciste, sin necesidad de decir “ya lo dije”), y no confundas el criterio profesional con la necesidad de tener razón. A veces la respuesta sana es hacer bien tu parte, aprender por tu cuenta lo que la empresa no te deja aprender en horario y reservar la energía para cuando de verdad puedas mover algo.
Un matiz honesto sobre la IA a escondidas: la salida a cualquiera de estas cinco formas de Shadow AI no es saltarse las normas de protección de datos. Es empujar para que la empresa dé una vía oficial y segura (herramientas aprobadas que de verdad sirvan, modelos que no expongan datos), porque el uso clandestino te deja a ti expuesto si algo sale mal. La incoherencia es de la empresa; las consecuencias, si te pillan usando datos reales por tu cuenta, pueden acabar siendo tuyas.
Qué llevarte
Las frases-excusa de empresa —“no reinventes la rueda”, “si funciona no lo toques”, “siempre se ha hecho así”— nacieron en un mundo donde cambiar era caro y arriesgado. Ese mundo ha cambiado: el coste de mejorar ha bajado y el de estancarse ha subido, y eso convierte muchas excusas de ayer en negligencias de hoy. No se trata de cambiar por cambiar, sino de reconocer que la balanza se ha movido y que “mejor no tocar” ya no es la respuesta automáticamente segura que fue.
La contradicción más reveladora del momento no es solo la empresa que prohíbe la IA y exige sus resultados: el Shadow AI surge también cuando no financia las herramientas, cuando las que provee no sirven, cuando no tiene política, o cuando los empleados las ocultan por miedo al juicio —cinco vías distintas al mismo punto ciego. Si te encuentras en alguna de estas situaciones, tu mejor jugada no es la cruzada ni la resignación: es traducir tus propuestas al idioma del coste y el riesgo, demostrar en pequeño, dejar que hablen los datos y, sobre todo, proteger tu criterio y tu energía para las batallas que de verdad puedas ganar.
“Siempre se ha hecho así” describe el pasado. Nunca ha sido un argumento sobre el futuro.
Fuentes verificadas
- Shadow AI — cifras de uso no autorizado (2025): entre 49 % y 81 % de empleados según distintas encuestas. UpGuard — State of Shadow AI · CIO — unsanctioned AI tools
- Gartner (noviembre 2025) — el 69 % de las organizaciones sospecha o tiene evidencia de uso de IA generativa prohibida (encuesta a 302 CISOs, marzo-mayo 2025); previsión: más del 40 % de empresas afectadas por incidentes de Shadow AI para 2030. Gartner — GenAI Blind Spots
- Gartner (octubre 2025) — el 88 % de los HR leaders declara que su organización no ha obtenido valor de negocio significativo de las herramientas de IA desplegadas. Gartner — HR Leaders AI Survey
- WalkMe — AI in the Workplace (2025) — encuesta a más de 1.000 trabajadores (jul 2025): el 48,8 % esconde el uso de IA para evitar ser juzgado; el 53,4 % de directivos C-suite oculta sus hábitos de IA. GlobeNewswire — press release · Fortune, agosto 2025
- EY — Work Reimagined Survey (2025) — encuesta global (15.000 empleados, 1.500 empleadores, 29 países): el 64 % percibió aumento de carga de trabajo pese al uso de IA; las organizaciones que no alinean IA con estrategia de talento desperdician hasta el 40% de su potencial productivo. EY — Work Reimagined Survey · EY — Press release 40% AI productivity gap
- Gusto (2025) — encuesta a 1.000 trabajadores americanos: dos tercios de los que usan IA en el trabajo la pagan de su propio bolsillo. Gusto — AI Workplace Anxiety
- ISACA AI Pulse Poll (2026) — encuesta a 3.400 profesionales de IT audit, gobernanza y ciberseguridad: el 25 % de las organizaciones no tiene ninguna política de IA; el 90 % usa IA. ISACA — AI Pulse Poll
- Resume Now (mayo 2026) — encuesta a 1.020 trabajadores americanos: el 41 % dice que su empresa no ha hecho nada para prepararles. PR Newswire
- IBM — Cost of a Data Breach 2025: organizaciones con alto uso de Shadow AI pagan +$670K por brecha frente a las de uso bajo o nulo (p. 4); coste medio global de todas las brechas: $4,44M; media en EEUU: $10,22M. Informe IBM
- Reserva Federal de St. Louis (febrero 2025) — encuesta representativa de agosto 2024: el 28 % de los trabajadores americanos usa IA en el trabajo; ahorro medio del 5,4 % de las horas semanales (≈2,2 h). St. Louis Fed — Impact of Generative AI on Work Productivity
- AEI y Morgan Stanley (2025) — los sectores con mayor exposición a IA impulsaron ≈1,7 puntos porcentuales del crecimiento de productividad laboral de EEUU en 2025; el análisis distingue entre el boom de inversión en IA y las ganancias de eficiencia más amplias, que aún son incipientes. AEI — Hints of AI-Powered Efficiency Gains
- PwC — AI Performance Study (2026) — estudio a 1.217 directivos en 25 sectores: el 74 % del valor económico generado por la IA lo captura solo el 20 % de las organizaciones; la brecha entre líderes y rezagados es de 7,2x en ingresos y eficiencia atribuibles a IA. PwC — AI Performance Study 2026
- Yotzov, I., Barrero, J.M., Bloom, N., Bunn, P., Davis, S.J. et al. (2026). Firm Data on AI. NBER Working Paper 34836. Encuesta a ~6.000 directivos de EEUU, Reino Unido, Alemania y Australia: el 90 % sin impacto medible en productividad ni empleo; el 69 % ya usa IA. NBER w34836
- ADP Research — People at Work 2026 — encuesta global (39.000 empleados, 36 países): el 30 % de los usuarios diarios de IA se declara comprometido con su trabajo y a la vez menos productivo que antes; los usuarios habituales tienen cuatro veces más probabilidades de sentir que rinden poco. ADP — People at Work 2026 · ADP Iberia — press release
Lecturas opinables
- Literatura de gestión sobre resistencia al cambio organizacional e inercia corporativa (aporta marco, no evidencia dura).
- Thousands of CEOs just admitted AI had no impact on employment or productivity — Fortune, febrero 2026 — cobertura periodística del NBER w34836 con referencia explícita a la paradoja de Solow.
- Slack Workforce Lab — AI in the Workplace — muchos trabajadores ocultan el uso de IA por miedo a parecer “que hacen trampa”. (Estudio interno de Slack, no revisado por pares.)
- Sam Altman: “encantado de equivocarme” sobre el apocalipsis laboral — El Confidencial, julio 2026 — recoge las declaraciones de mayo 2026 en la conferencia del Commonwealth Bank of Australia (Sídney), cubiertas también por Reuters. La cita de 2015 (“Mi trabajo es ayudar a destruir empleos”) está documentada en múltiples medios de la época.
- Linus Torvalds defiende el uso de la IA en el kernel de Linux donde aporte mérito técnico real — El Chapuzas Informático, julio 2026 — el creador de Linux descarta la oposición ideológica a la herramienta y exige que la integración reduzca carga real de trabajo, no la aumente. La misma lógica pragmática del artículo, aplicada al proyecto de software más longevo en producción.
← Artículo anterior: Trucos para usar la IA bien · Volver al índice: Presentación de la serie
