Los gigantes tecnológicos descubren que el gasto en IA alimenta un «bucle de fatalidad» de trabajo de poco valor

Los gigantes tecnológicos están gastando miles de millones en inteligencia artificial solo para descubrir que buena parte de ese dinero financia «trabajo basura» de poco valor que sigue necesitando una revisión humana exhaustiva. Un alto ejecutivo de Microsoft ha advertido de que el sector podría estar atrapado en un «bucle de fatalidad».

Varias grandes empresas tecnológicas están reevaluando cómo despliegan la inteligencia artificial (IA) ante la creciente preocupación por la productividad, el aumento de los costes y la baja calidad de los contenidos generados en el entorno laboral. Ryan Roslansky, vicepresidente ejecutivo de Microsoft, ha descrito un posible «bucle de fatalidad» en el que el material generado por una herramienta de IA es resumido por otra sin aportar ideas nuevas de relevancia.

La advertencia pone de relieve un desafío cada vez mayor para las empresas. Aunque las herramientas de IA pueden producir documentos con rapidez, sus resultados siguen requiriendo una revisión humana considerable. Cuando los empleados dedican tiempo a crear y procesar material que aporta poco valor, resulta más difícil demostrar las mejoras de productividad prometidas.

El debate no gira únicamente en torno a si la IA puede redactar informes o resumir información. La cuestión es si esas actividades mejoran la toma de decisiones, reducen la carga de trabajo o generan tareas adicionales para los compañeros que deben comprobar los resultados.

Informaciones recientes apuntan a que algunas empresas están adoptando una postura más prudente respecto a sus estrategias de IA. Sin embargo, unos controles más estrictos, una formación adicional y cambios en los planes de plantilla no deben interpretarse automáticamente como recortes confirmados del presupuesto global destinado a la IA.

Un reportaje publicado por The Guardian el 13 de octubre de 2026 examinó las consecuencias de la rápida adopción corporativa de la IA. El artículo describía la preocupación por los errores en el trabajo, los resultados de baja calidad y el tiempo que los empleados dedican a corregir problemas.

El reportaje también abordaba los cambios en Meta y Microsoft y destacaba la diferencia entre introducir herramientas de IA y lograr mejoras cuantificables.

Dentro del ciclo de «trabajo basura» en la oficina

El relato de Roslansky ofrece un ejemplo práctico del problema. En una publicación de LinkedIn comentada por The Guardian, explicó que había recibido un documento que parecía haber sido generado por IA. Después utilizó una herramienta de IA para resumirlo, pero comprobó que el proceso no aportaba ninguna idea nueva.

Escribió: «La basura generada por la IA no se produce solo en las redes sociales... también forma parte del día a día del trabajo».

Roslansky describió así el resultado de procesar el documento con otra herramienta de IA: «Esto es un bucle de fatalidad».

El ejemplo ilustra la rapidez con la que la automatización puede convertirse en una tarea repetitiva. Una herramienta produce el material, otra lo condensa y un lector humano todavía debe decidir si contiene información útil. Si el resultado final aporta pocas ideas, la eficiencia aparente puede no traducirse en un valor empresarial significativo.

Eso no significa que todos los documentos generados por IA sean inútiles. La IA puede ayudar a los trabajadores a organizar información, redactar comunicaciones rutinarias y resumir textos extensos. Su valor depende de la tarea, de la calidad del resultado y del nivel de supervisión humana.

La diferencia es importante para Microsoft, que vende productos con IA a empresas. Los comentarios de Roslansky ponen de relieve un desafío al que se enfrenta todo el sector: fomentar la adopción no equivale a demostrar que la tecnología mejora el trabajo.

El problema también va más allá de la redacción de documentos. Los sistemas de IA pueden generar respuestas aparentemente plausibles que contienen errores, mientras que los agentes automatizados pueden introducir problemas técnicos o de seguridad adicionales. Las empresas deben tener en cuenta esos riesgos al evaluar si un despliegue aporta realmente beneficios.

Cuando se atascan los planes de reorganización por la IA

Meta ofrece otro ejemplo de las dificultades que entraña reorganizar el trabajo en torno a la IA. Una investigación de Reuters publicada el 26 de agosto de 2026 informó de que la empresa abandonó sus planes para una segunda oleada de reestructuración de la plantilla después de plantearse importantes reducciones de equipos.

Meta sí llevó a cabo en mayo un recorte del 10% de su plantilla. Reuters informó de que datos internos apuntaban a la preocupación por el hecho de que los agentes de IA no estuvieran proporcionando las mejoras de productividad esperadas, además de problemas técnicos y malestar entre los empleados.

La información no demuestra que Meta recortara específicamente su presupuesto de IA porque los trabajadores estuvieran produciendo documentos de baja calidad. Lo que muestra es cómo los resultados prácticos de una ambiciosa reorganización impulsada por la IA pueden complicar los planes de la dirección.

Los responsables de recursos humanos también han expresado su preocupación por la velocidad de adopción. Johnny C. Taylor Jr., presidente y consejero delegado de la Society for Human Resource Management, declaró a The Guardian: «Estamos conduciendo el camión y construyéndolo al mismo tiempo, y eso es un problema».

Taylor añadió: «Si pudiéramos rebobinar... habríamos introducido [esto] de una manera más meditada y gradual».

Sus comentarios apuntan a un desafío de gestión: las empresas pueden introducir nuevas tecnologías antes de establecer una formación, unos procesos y unas salvaguardas adecuados. Como consecuencia, los trabajadores pueden verse obligados a utilizar herramientas desconocidas sin instrucciones claras sobre cuándo son apropiadas.

El coste de los errores de la IA y las lagunas de supervisión

Las consecuencias financieras también son difíciles de ignorar. EY publicó el 15 de septiembre de 2026 una encuesta sobre riesgos y gobernanza de la IA, basada en las respuestas de 202 responsables sénior de IA de empresas estadounidenses cotizadas con unos ingresos anuales de al menos 1.000 millones de dólares (aproximadamente 750 millones de libras).

EY constató que el 36% de los encuestados afirmó que sus organizaciones habían sufrido un incidente o fallo relacionado con la IA con un impacto materialmente negativo. Entre las consecuencias señaladas figuraban la pérdida de datos, daños financieros, interrupciones operativas y perjuicios para la marca corporativa.

La encuesta también reveló que el 47% de los encuestados afirmó que sus organizaciones habían eludido los procesos de gobernanza de la IA para realizar despliegues urgentes. Entre las organizaciones que utilizan IA agéntica, el 26% de los encuestados afirmó que sus empresas no podían detectar agentes de IA no autorizados que operasen internamente.

Estos resultados ponen de manifiesto deficiencias en la supervisión, pero no demuestran que todas las empresas hayan sufrido pérdidas significativas. EY también comunicó un margen de error de más o menos siete puntos porcentuales para el conjunto de la muestra, con un nivel de confianza del 95%.

Para las empresas, el desafío consiste en determinar dónde mejora realmente la IA el rendimiento y dónde los costes adicionales, los errores o las exigencias de supervisión merman sus beneficios. Para ello es necesario medir los resultados, en lugar de basarse en las tasas de adopción o en el volumen de material generado por IA.

Las pruebas no demuestran que el auge de la IA haya terminado, ni establecen que Microsoft o Meta estén abandonando la tecnología. Sí ponen de relieve, sin embargo, por qué las empresas necesitan objetivos más claros, salvaguardas adecuadas y métodos fiables para evaluar los resultados.

La pregunta central ya no es simplemente cuánto trabajo puede producir la IA. Es si ese trabajo ayuda a las personas a tomar mejores decisiones, atender a los clientes con mayor eficacia y obtener resultados que justifiquen la inversión.

Publicado originalmente en IBTimes UK