Quiero describir una escena. Dime si te suena.
Un gerente le pide un análisis a alguien de su equipo. La persona que recibe el pedido no se sienta a pensar el problema. Abre una IA, le pega el pedido, y en unos minutos tiene un documento. Se ve bien: estructura clara, secciones ordenadas, redacción impecable. Le da una mirada rápida, lo suficiente para confirmar que "se ve completo", y lo envía.
El gerente recibe el documento. Lo abre, ve que es robusto, y no lo lee. Le pide a su propia IA que se lo resuma. Lee el resumen, y en base al resumen, responde.
Fin de la escena. El pedido se hizo, el documento existe, la respuesta llegó. El proceso "ocurrió".
Pero detente un segundo y mira lo que realmente pasó ahí: dos IAs conversaron entre sí, y dos personas actuaron de mensajeros entre ellas. En ningún punto del circuito hubo un ser humano pensando. Nadie evaluó si el análisis respondía la pregunta correcta. Nadie verificó si las conclusiones tenían sentido para el negocio. Nadie se preguntó si eso era lo que la empresa necesitaba.
Y sin embargo, sobre esa respuesta se va a tomar una decisión.
En septiembre de 2025, investigadores de BetterUp Labs y del Stanford Social Media Lab publicaron en Harvard Business Review un concepto que describe la mitad de esta escena: workslop. Lo definen como contenido generado con IA que aparenta ser trabajo terminado, pero que no tiene la sustancia necesaria para hacer avanzar la tarea de forma real.
Su encuesta a 1.150 empleados de tiempo completo en Estados Unidos encontró que alrededor del 40% había recibido workslop de un colega en el último mes, y que cada instancia le costaba al receptor cerca de dos horas de retrabajo: descifrar el documento, corregirlo, o rehacerlo. Encontraron algo más incómodo todavía: el 42% de quienes recibieron workslop empezó a ver al emisor como alguien menos confiable.
El estudio describe muy bien al que envía. Pero la escena que yo veo repetirse va un paso más allá, porque el que recibe tampoco está leyendo. El workslop describe un documento vacío viajando hacia una persona. Lo que está empezando a pasar es un documento vacío viajando hacia un resumen vacío. El circuito se cerró, y el pensamiento humano quedó fuera del circuito.
¿Ese trabajo estuvo bien hecho? La respuesta honesta es: nadie lo sabe. Y ese es exactamente el problema. No es que el trabajo esté mal, es que nadie está en condiciones de saber si está bien, porque nadie lo pensó, nadie lo leyó, y nadie lo evaluó contra lo que el negocio realmente necesitaba.
En un contexto de revenue, esto no es un tema filosófico. Es un tema de plata.
Piensa en dónde ocurre esta escena todos los días: una propuesta comercial que el vendedor generó con IA y envió sin revisar a fondo. Un análisis de pipeline que alguien produjo en diez minutos y que el gerente resumió en dos. Un plan de territorio, un pricing, un informe de churn, una respuesta a un cliente enojado. Cada uno de esos documentos alimenta decisiones: dónde invertir, a quién priorizar, qué descuento aprobar, qué cliente rescatar.
Si el documento no fue pensado y la lectura tampoco, la decisión que sale del otro lado tiene la apariencia de estar respaldada por análisis, pero en realidad está respaldada por nada. Es forecast ficticio con mejor redacción. Es el mismo pipeline que miente, ahora escribiendo en párrafos elegantes.
Cada vez que comparto esta preocupación, la respuesta más común es esa: el que hace eso no sabe usar la IA. Y entiendo el argumento. Pero no me convence, por una razón muy simple: he visto caer en esta práctica a personas que saben usar la IA perfectamente. Gente capacitada, con buenos prompts, con criterio técnico.
El seguimiento que los mismos investigadores publicaron en Harvard Business Review en enero de 2026 apunta en la misma dirección: atribuir el workslop a la flojera o la incompetencia individual es un error clásico de atribución. Culpamos a la persona y descontamos la situación. En su encuesta, el 41% de los empleados reportó que su liderazgo los incentivaba a usar IA sin instrucciones detalladas ni el entendimiento contextual necesario para aplicarla bien. El mensaje que recibe la gente es "usa IA, produce más, produce más rápido". Nadie les dijo en qué parte del trabajo el juicio humano no es delegable.
Y cuando el sistema premia la velocidad de entrega por sobre la calidad del pensamiento, la gente responde al incentivo. No es un problema de habilidad. Es un problema de proceso y de incentivos. Como casi siempre.
Si me has leído antes, sabes que esta es la tesis que atraviesa todo lo que escribo: la tecnología no arregla un proceso, lo amplifica. Un CRM sobre un proceso caótico produce caos a mayor velocidad. Y la IA es el amplificador más potente que hemos tenido.
Lo que la IA amplifica no es el trabajo. Es la presencia o la ausencia de pensamiento en el trabajo.
Si en tu proceso hay un punto donde alguien piensa, verifica y se hace responsable, la IA multiplica el alcance de esa persona. Puede analizar más datos, explorar más escenarios, escribir más rápido, y el juicio humano sigue estando donde tiene que estar: al final, evaluando.
Pero si en tu proceso nadie piensa, la IA no va a agregar el pensamiento que falta. Va a producir, a velocidad industrial, documentos que nadie necesitaba leer y respuestas que nadie evaluó. El MIT ya documentó en 2025 que la enorme mayoría de las organizaciones que invirtieron en IA generativa no vio retorno medible. Yo creo que una parte importante de la explicación está en esta escena: la IA se está usando para simular trabajo, no para potenciarlo.
Se habla mucho de que la IA va a reemplazar roles. Yo veo un riesgo anterior y más silencioso: que los roles se vacíen solos, con las personas todavía adentro. Un ejecutor que ya no piensa el problema, solo transporta pedidos hacia la IA.
Un decisor que ya no lee, solo transporta documentos hacia otra IA. Los dos siguen en su cargo, los dos siguen cobrando su sueldo, los dos siguen "produciendo". Pero la función para la cual la empresa los contrató, que es aplicar criterio, ya no la está ejerciendo nadie.
Y aquí hay algo que me parece central: la responsabilidad no se transfiere con el documento. La IA no firma. La IA no responde ante el cliente, ni ante el directorio, ni ante el equipo. Cuando la propuesta sale mal, cuando el análisis lleva a una mala decisión, cuando el cliente se va, la responsabilidad sigue siendo de las personas del circuito. El problema es que en la práctica ninguna la estaba ejerciendo. Todos asumieron que el otro había pensado.
Un rol sin pensamiento no es un rol potenciado por IA. Es una vacante que todavía no se publicó.
No voy a cerrar con una receta paso a paso de cómo solucionar eso, porque creo que este tema todavía merece más reflexión que receta. Pero sí quiero dejar planteado dónde creo que está la salida, porque no está donde la mayoría la busca.
La salida no está en prohibir la IA, ni en volver a hacer todo a mano, ni en un curso más de prompts. Está en algo mucho más incómodo: decidir deliberadamente en qué puntos de cada proceso el juicio humano es obligatorio, y hacer a las personas dueñas de lo que envían y de lo que responden.
Si lo envías tú, es tuyo. No lo escribió la IA, lo enviaste tú. Si lo respondes tú, es tuyo. No lo resumió la IA, lo decidiste tú. Esa regla, tan simple, devuelve el pensamiento al circuito, porque nadie quiere ser dueño de algo que no leyó.
Es la misma lógica de siempre, aplicada a un territorio nuevo. Un pipeline sin criterios definidos deja pasar cualquier deal. Un proceso de trabajo sin puntos de juicio definidos deja pasar cualquier documento. En ambos casos el resultado es idéntico: un sistema que se ve lleno, se ve robusto, se ve productivo, y no te dice la verdad.
Yo creo profundamente en la IA como potenciador. En Revops LATAM la usamos todos los días y va a estar en el centro de cómo se opera el revenue en los próximos años. Pero el potenciador solo potencia a quien está presente. Si nadie está pensando, no hay nada que potenciar. Solo hay dos IAs conversando, y una empresa pagando dos sueldos por escuchar la conversación.
Proceso primero. Tecnología después. También con la IA. Sobre todo con la IA.
Nos vemos en el próximo artículo.
Fuentes citadas: "AI-Generated 'Workslop' Is Destroying Productivity" (Harvard Business Review, septiembre de 2025) y "Why People Create AI 'Workslop', and How to Stop It" (Harvard Business Review, enero de 2026), ambos de investigadores de BetterUp Labs y el Stanford Social Media Lab; "The GenAI Divide" (MIT, 2025).