Introducción: Por qué este artículo es fundamental

Este artículo de Harvard Business Review, publicado en septiembre de 2025, se ha convertido rápidamente en un clásico sobre lo que ocurre cuando la IA se usa mal en las organizaciones.

El concepto de “workslop” —trabajo generado por IA que parece pulido pero carece de sustancia real— representa exactamente el enemigo que AI Thinking combate.

Mientras que AI Thinking se enfoca en usar IA para amplificar tu pensamiento estratégico, el workslop es lo opuesto: usar IA para evitar pensar, delegando la responsabilidad cognitiva sin agregar tu criterio, contexto o juicio profesional.

Los resultados del estudio son alarmantes:

40% de profesionales recibe workslop al menos una vez al mes
El costo promedio: $186 dólares por incidente en tiempo perdido
Para una organización de 10,000 empleados: $9 millones anuales en productividad destruida

Pero el costo real no es solo económico. Es el deterioro de la confianza entre colegas, la erosión de la calidad del trabajo colaborativo, y la creación de una cultura donde la IA se convierte en una herramienta para evadir responsabilidad en lugar de amplificar capacidad.

Si alguna vez has recibido un documento generado por IA que requirió más tiempo interpretarlo y corregirlo que si lo hubieran hecho bien desde el inicio, este artículo te resonará profundamente.

A continuación, la traducción completa del artículo original.

El “Workslop” Generado por IA Está Destruyendo la Productividad

Por Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano y Jeffrey T. Hancock Publicado el 22 de septiembre de 2025

Resumen

A pesar del aumento en el uso de IA generativa en los lugares de trabajo, la mayoría de las empresas están viendo poco ROI medible. Una posible razón es que las herramientas de IA se están utilizando para producir “workslop”—contenido que parece pulido pero carece de sustancia real.

Una confusa contradicción se está desarrollando en las empresas que adoptan herramientas de IA generativa: mientras que los trabajadores están siguiendo en gran medida los mandatos de adoptar la tecnología, pocos están viendo que cree valor real.

Considera, por ejemplo, que el número de empresas con procesos completamente liderados por IA casi se duplicó el año pasado, mientras que el uso de IA en el trabajo también se ha duplicado desde 2023. Sin embargo, un informe reciente del MIT Media Lab encontró que 95% de las organizaciones no ven un retorno medible de su inversión en estas tecnologías. Mucha actividad, mucho entusiasmo, tan poco retorno. ¿Por qué?

En colaboración con Stanford Social Media Lab, nuestro equipo de investigación en BetterUp Labs ha identificado una posible razón: Los empleados están usando herramientas de IA para crear trabajo de bajo esfuerzo, pasable pero superficial, que termina creando más trabajo para sus compañeros. En redes sociales, que se está llenando cada vez más de publicaciones de baja calidad generadas por IA, este contenido a menudo se denomina “AI slop”. En el contexto del trabajo, nos referimos a este fenómeno como “workslop”.

Definimos workslop como:

Contenido de trabajo generado por IA que se disfraza como buen trabajo, pero carece de la sustancia para hacer avanzar significativamente una tarea dada.

Así es como ocurre esto

A medida que las herramientas de IA se vuelven más accesibles, los trabajadores pueden producir cada vez más rápidamente outputs pulidos: diapositivas bien formateadas, informes largos y estructurados, resúmenes aparentemente articulados de papers académicos por disciplina y código utilizable.

Pero mientras algunos empleados están usando esta capacidad para pulir buen trabajo, otros la usan para crear contenido que en realidad es inútil, incompleto o carece de contexto crucial sobre el proyecto en cuestión.

El efecto insidioso del workslop es que transfiere la carga del trabajo downstream, requiriendo que el receptor interprete, corrija o rehaga el trabajo. En otras palabras, transfiere el esfuerzo del creador al receptor.

Si alguna vez has experimentado esto, podrías recordar la sensación de confusión después de abrir tal documento, seguida de frustración—Espera, ¿qué es esto exactamente?—antes de comenzar a preguntarte si el remitente simplemente usó IA para generar grandes bloques de texto en lugar de pensarlo bien.

Si esto te suena familiar, has sido víctima de workslop.

El problema es significativo

Según nuestra encuesta reciente y continua (que puedes responder), este es un problema significativo:

De 1,150 empleados de tiempo completo en EE.UU. en todas las industrias, 40% reporta haber recibido workslop en el último mes
Los empleados que han encontrado workslop estiman que un promedio de 51.4% del contenido que reciben en el trabajo califica como workslop
El fenómeno ocurre principalmente entre pares (40%), pero el workslop también es enviado a gerentes por reportes directos (18%)
El 16% del tiempo el workslop fluye hacia abajo en la jerarquía, de gerentes a sus equipos, o incluso de niveles más altos
El workslop ocurre en todas las industrias, pero encontramos que servicios profesionales y tecnología están desproporcionadamente impactados

Esto es lo que los líderes necesitan saber sobre el workslop—y cómo pueden evitar que obstruya el trabajo en su empresa.

El impuesto del Workslop

El costo cognitivo

La descarga cognitiva a máquinas no es un concepto novedoso, ni lo son las ansiedades sobre la tecnología secuestrando la capacidad cognitiva. En 2006, por ejemplo, el periodista de tecnología Nicholas Carr publicó un ensayo provocativo en The Atlantic que preguntaba “¿Google nos está haciendo estúpidos?”

El modelo mental predominante para la descarga cognitiva—remontándose hasta las preocupaciones de Sócrates sobre el alfabeto—es que confiamos trabajo mental difícil a tecnologías como Google porque es más fácil, por ejemplo, buscar algo online que recordarlo.

A diferencia de esta externalización mental a una máquina, sin embargo, el workslop usa máquinas únicamente para descargar trabajo cognitivo a otro ser humano.

Cuando los compañeros de trabajo reciben workslop, a menudo se les requiere asumir la carga de:

Decodificar el contenido
Inferir contexto perdido o falso
Iniciar una cascada de esfuerzos y procesos complejos de toma de decisiones que pueden seguir, incluyendo rehacer trabajo y intercambios incómodos con colegas

Ejemplos reales

Caso 1 - Finanzas: Un contribuidor individual en finanzas describió el impacto de recibir un informe que era generado por IA: “Creó una situación donde tuve que decidir si lo reescribiría yo mismo, hacer que él lo reescribiera, o simplemente llamarlo lo suficientemente bueno. Está impulsando la agenda de crear una sociedad mentalmente perezosa y de pensamiento lento que se volverá completamente dependiente de fuerzas externas.”

Caso 2 - Gerente de primera línea en tecnología: “Fue un poco confuso entender qué estaba realmente pasando en el email y qué realmente quería decir. Probablemente tomó una hora o dos de tiempo simplemente para congregar a todos y repetir la información de manera clara y concisa.”

Caso 3 - Director en retail: “Tuve que perder más tiempo haciendo seguimiento a la información y verificándola con mi propia investigación. Luego tuve que perder aún más tiempo organizando reuniones con otros supervisores para abordar el problema. Luego continué perdiendo mi propio tiempo teniendo que rehacer el trabajo yo mismo.”

El costo económico

Cada incidente de workslop conlleva costos reales para las empresas:

Los empleados reportaron gastar un promedio de 1 hora y 56 minutos lidiando con cada instancia de workslop
Basándonos en las estimaciones de tiempo de los participantes, así como en su salario autorreportado, encontramos que estos incidentes de workslop conllevan un impuesto invisible de $186 por mes
Para una organización de 10,000 trabajadores, dada la prevalencia estimada de workslop (41%), esto genera más de $9 millones por año en productividad perdida

Los encuestados también reportaron costos sociales y emocionales del workslop, incluyendo el problema de navegar cómo responder diplomáticamente a recibirlo, particularmente en relaciones jerárquicas.

Cuando preguntamos a los participantes en nuestro estudio cómo se siente recibir workslop:

53% reporta estar molesto
38% confundido
22% ofendido

El costo interpersonal más alarmante

El costo más alarmante puede ser interpersonal. El trabajo de bajo esfuerzo generado por IA está teniendo un impacto corrosivo en la colaboración.

Aproximadamente la mitad de las personas que encuestamos vieron a colegas que enviaron workslop como:

Menos creativos
Menos capaces
Menos confiables que antes de recibir el output
42% los vio como menos dignos de confianza
37% vio a ese colega como menos inteligente

Esto puede resonar con investigación reciente sobre la penalización por competencia en el uso de IA en el trabajo, donde ingenieros que supuestamente usaron IA para escribir un fragmento de código fueron percibidos como menos competentes que aquellos que no lo hicieron (y las ingenieras mujeres fueron desproporcionadamente penalizadas).

Erosión de la confianza

Lo que es más preocupante:

34% de las personas que reciben workslop están notificando a compañeros de equipo o gerentes de estos incidentes, erosionando potencialmente la confianza entre remitente y receptor
Un tercio de las personas (32%) que han recibido workslop reportan ser menos propensas a querer trabajar con el remitente nuevamente en el futuro

Con el tiempo, este impuesto interpersonal del workslop amenaza con erosionar elementos críticos de la colaboración que son esenciales para la adopción exitosa de IA en el lugar de trabajo y los esfuerzos de gestión del cambio.

Qué Pueden Hacer los Líderes

En cierto modo, esta no es una historia nueva. Siempre ha habido trabajo descuidado. Somos propensos a la procrastinación, a los atajos, a apoyarnos en el trabajo ocupado en lugar del pensamiento cuidadoso cuando estamos cansados.

La IA generativa nos da una nueva tecnología con la cual apoyarnos en los mismos viejos malos hábitos—pero ahora con el costo adicional de crear más trabajo para nuestros colegas y socavar la colaboración, a escala.

Entonces, ¿cómo pueden las organizaciones evitar este resultado? ¿Cómo pueden optimizar el uso de IA por parte de los empleados para que puedan obtener un retorno medible de su significativa inversión en esta tecnología transformadora?

Aquí ofrecemos algunos principios clave de nuestra investigación original y experiencia ayudando a empresas Fortune 500 con la adopción exitosa de IA en su fuerza laboral:

1. Los mandatos indiscriminados generan uso indiscriminado

Cuando los líderes organizacionales abogan por IA en todas partes todo el tiempo, modelan una falta de discernimiento sobre cómo aplicar la tecnología.

Es fácil ver cómo esto se traduce en que los empleados copian y pegan respuestas de IA sin pensar en documentos, incluso cuando la IA no es adecuada para el trabajo en cuestión.

La IA generativa no es apropiada para todas las tareas, ni puede leer mentes. Para estar seguros, la IA puede transformar positivamente algunos aspectos del trabajo, pero aún requiere orientación y retroalimentación reflexiva de los trabajadores para producir outputs útiles en trabajos complejos o ambiguos.

Además, los mandatos indiscriminados modelan el comportamiento de pasar la responsabilidad. Si bien los empleados deben estar investidos con autonomía en torno a la IA, la organización debe estar trabajando a través de sus propias políticas y recomendaciones cuidadosas sobre mejores prácticas, herramientas principales y normas.

Si la IA es el trabajo de todos, también es—y principalmente—el trabajo de los líderes organizacionales desarrollar orientación para los empleados para ayudarles a usar esta nueva tecnología de formas que mejor se alineen con la estrategia, valores y visión de la organización.

2. Las mentalidades importan

Nuestros laboratorios han estado rastreando predictores de la adopción de IA generativa en el lugar de trabajo desde 2023 y han encontrado que los trabajadores con una combinación de alta agencia y alto optimismo son mucho más propensos a adoptar IA generativa que aquellos con baja agencia y bajo optimismo.

Llamamos a estos trabajadores “pilotos”, en oposición a “pasajeros”:

Los pilotos usan IA generativa 75% más a menudo en el trabajo que los pasajeros
Y 95% más a menudo fuera del trabajo

Quizás aún más importante, dado estos hallazgos sobre el workslop, es cómo los pilotos usan IA generativa:

Los pilotos son mucho más propensos a usar IA para mejorar su propia creatividad, por ejemplo, que los pasajeros
Los pasajeros, a su vez, son mucho más propensos a usar IA para evitar hacer trabajo que los pilotos
Los pilotos usan IA con propósito para lograr sus objetivos

3. Vuelve a comprometerte con la colaboración

Muchas de las tareas requeridas para trabajar bien con IA—dar prompts, ofrecer retroalimentación, describir contexto—son colaborativas.

El trabajo de hoy requiere más y más colaboración, no solo con humanos sino también, ahora, con IA. La complejidad de la colaboración solo se ha profundizado.

El workslop es un excelente ejemplo de nuevas dinámicas colaborativas introducidas por la IA que pueden drenar la productividad en lugar de mejorarla. Nuestras interacciones con la IA tienen implicaciones para nuestros colegas, y los líderes necesitan promover dinámicas humano-IA que apoyen la colaboración.

La colaboración perfecta en 2025 debe incluir las formas en que incorporamos el trabajo de IA en flujos de trabajo comunes, al servicio de resultados compartidos, en lugar de como un vehículo para evadir responsabilidad de forma subversiva.

Esta es una nueva frontera crítica de comportamientos de ciudadanía organizacional que diferenciará entre empresas que maximizan el valor de la IA y aquellas que avanzan a través de la actividad de IA sin impacto.

4. Establece estándares claros

El workslop puede sentirse sin esfuerzo de crear pero ejerce un peaje en la organización.

Lo que un remitente percibe como una laguna legal se convierte en un agujero que el receptor necesita excavar. Los líderes harán mejor en modelar el uso reflexivo de IA que tiene propósito e intención.

Establece guardarraíles claros para tus equipos en torno a normas y uso aceptable:

Enmarca la IA como una herramienta colaborativa, no un atajo
Adopta una mentalidad de piloto, con alta agencia y optimismo, usando IA para acelerar resultados específicos con uso específico
Mantén los mismos estándares de excelencia para el trabajo realizado por dúos biónico humano-IA como por humanos solos

Reflexión final

El workslop puede sentirse sin esfuerzo de crear, pero ejerce un peaje real en las organizaciones. Lo que un remitente percibe como un atajo productivo se convierte en un obstáculo que el receptor debe superar.

Este artículo debería ser lectura obligatoria para cualquier líder implementando IA en su organización. No basta con dar acceso a herramientas. Sin una cultura de uso reflexivo, sin estándares claros, y sin el desarrollo de una mentalidad de “piloto” en lugar de “pasajero”, la IA se convierte en un multiplicador de malos hábitos en lugar de un amplificador de excelencia.

La pregunta no es si usar IA. Es cómo usarla de forma que agregue valor real en lugar de transferir trabajo cognitivo a otros sin agregar pensamiento propio.

Esa es la esencia de AI Thinking.

Artículo original: “AI-Generated ‘Workslop’ Is Destroying Productivity” - Harvard Business Review, Septiembre 2025

Autores: Kate Niederhoffer, Gabriella Rosen Kellerman, Angela Lee, Alex Liebscher, Kristina Rapuano y Jeffrey T. Hancock