En 2023, investigadores de Harvard Business School reunieron a 758 consultores de Boston Consulting Group y dividieron al grupo en dos: la mitad con acceso a GPT-4, la mitad sin él. Todos recibieron las mismas 18 tareas realistas de consultoría. El resultado, publicado en el estudio "Navigating the Jagged Technological Frontier": quienes usaron IA en tareas dentro del alcance de la herramienta trabajaron 25% más rápido, completaron 12% más tareas y entregaron un resultado calificado como 40% mejor.
Un segundo estudio, del National Bureau of Economic Research, midió el mismo tipo de ganancia en otro escenario: 5.179 agentes de atención al cliente, con acceso escalonado a un asistente de IA. El promedio fue 14% más casos resueltos por hora. El detalle más revelador no es el promedio, es la distribución: los agentes novatos o de menor desempeño ganaron 34%; los más experimentados, casi nada.
Dos estudios, dos sectores, el mismo mensaje: la IA multiplica el desempeño de quien ya sabe usarla bien. La pregunta que le queda a quien decide es otra. Si la ganancia individual es tan clara y está tan bien documentada, ¿por qué casi nunca aparece en el resultado de toda la empresa?
La ganancia desigual que nadie ve
Los propios investigadores de Harvard y BCG le pusieron nombre al problema: la frontera irregular. La IA es excelente de un lado de la línea y perjudicial del otro — y esa línea no está escrita en ningún lugar. Cuando los investigadores probaron deliberadamente una tarea fuera del alcance de la herramienta, los consultores que usaron IA tuvieron un desempeño 19 puntos porcentuales peor que quienes trabajaron sin ella.
El estudio de atención al cliente muestra el mismo fenómeno desde otro ángulo. Los investigadores describen el mecanismo detrás del salto del 34% entre los agentes novatos: la IA estaba difundiendo el modo de trabajar de los agentes más experimentados hacia quienes aún no habían llegado ahí. Es decir, la ganancia no vino de la herramienta sola: vino del conocimiento de alguien transferido, a través de la herramienta, a otra persona.
Eso cambia la pregunta que toda empresa debería estar haciéndose. No es "¿la IA funciona?". Es "¿el conocimiento de quien ya encontró el modo correcto se está transfiriendo al resto del equipo, o está atrapado en la cuenta de una sola persona?" La mayoría de las empresas todavía no tiene respuesta para esto, porque nunca puso la pregunta en práctica.
El patrón se repite en empresas latinoamericanas, y suele aparecer con más fuerza en grupos con varias unidades o sucursales que operan de forma independiente. Una sucursal descubre un buen modo de resumir contratos o de clasificar tickets de soporte; la sucursal de al lado, con el mismo tipo de trabajo, nunca se entera. Sin un camino formal para llevar eso adelante, el buen hallazgo queda restringido a quien lo hizo — y la empresa sigue pagando el mismo costo de aprendizaje, unidad por unidad.
Por qué la ganancia no llega al resultado de la empresa
Boston Consulting Group intentó responder esa pregunta a escala, mirando no a individuos sino a empresas enteras. Un estudio publicado en 2025 encontró que solo el 5% de las compañías son lo que la consultora llama "consolidadas en IA" — organizaciones que ya convierten el uso de la tecnología en resultado financiero medible: 5 veces más aumento de ingresos y 3 veces más reducción de costos que el promedio.
Del otro lado, el 60% de las empresas invierte en IA y obtiene poco o ningún valor material a cambio. No es falta de gente usando la herramienta — muchas de esas empresas tienen alta adopción individual. Lo que falta, según el análisis, no está en la tecnología. Está en transformar iniciativas aisladas en capacidad organizacional: tomar lo que una persona descubrió sola y hacer que funcione para todos, de forma sistemática.
Es exactamente el mismo patrón de los dos estudios anteriores, solo que a escala de empresa. Cuando 100 personas usan IA en 100 cuentas separadas, cada una reinventa sola su propio guion — el modo correcto de pedir, la secuencia de preguntas, cómo manejar las excepciones. Una o dos encuentran algo muy bueno. Y ese algo muere con ellas, porque no existe un camino para publicarlo para el resto del grupo.
Lo que tiene que existir en la práctica
Cerrar esa distancia entre la ganancia individual y el resultado de la empresa exige un mecanismo específico: agentes, guiones, espacios y flujos de trabajo reutilizables, con alcance definido por persona, grupo y rol.
Agente reutilizable, con permiso por rol. Cuando alguien arma un agente que resuelve bien el análisis de cobranzas, por ejemplo, ese agente puede ponerse a disposición del resto del equipo financiero — no de toda la empresa, solo de quienes tienen esa función. Quien recibe el agente no parte de cero: reutiliza algo ya probado, que lleva dentro el conocimiento de dónde la IA ayuda y dónde se equivoca.
Guion documentado, no perdido en la cabeza de alguien. El modo de pedir que se volvió estándar para resumir un tipo de documento queda registrado, con dueño y versión — no muere en el historial personal de quien lo descubrió. Cuando una norma cambia, el guion cambia una vez, para todos.
El alcance correcto, ni toda la empresa ni una sola persona. No todo necesita volverse patrimonio de toda la compañía, y no todo debería quedar atrapado en una sola persona. El punto medio — mi grupo, mi área, mi rol — es donde ocurre la mayor parte de la reutilización real.
Proceso listo para no empezar de cero. La empresa no debería esperar a que alguien descubra su propio modo de hacer una rutina común. Un catálogo con más de 170 modelos de políticas y procesos listos acorta ese camino antes incluso del primer intento.
Así fue diseñada Skyller: lo que una persona descubre queda disponible para el grupo correcto, con el permiso correcto, en vez de morir en una conversación que solo ella puede reabrir.
De la experiencia individual a la capacidad colectiva
Vuelva a los números del principio. Un consultor solo, trabajando 25% más rápido, es una buena noticia para ese consultor. Un agente novato con un salto del 34% en productividad es una buena noticia para ese agente. Ninguno de los dos, por sí solo, cambia el resultado trimestral de la empresa — porque la ganancia está contenida en una sola persona, en una sola sesión de trabajo.
Lo que cambia el resultado es la misma ganancia, replicada. No por el esfuerzo de repetir el descubrimiento en cada escritorio, sino porque el camino que funcionó se publicó una vez y se reutilizó muchas. Un equipo de diez personas con un agente compartido, probado y con dueño definido, no depende de que diez personas encuentren solas la misma solución. Depende de que una la haya encontrado, y de que exista un lugar oficial para ponerla a disposición de las otras nueve.
Esa es la diferencia entre el 5% que BCG llama consolidadas en IA y el 60% que todavía no ve retorno. No es el acceso a la tecnología — eso ya está ampliamente distribuido. Es si lo que funciona en un escritorio logra salir de ahí.
Tres preguntas para la próxima reunión
Antes de comprar más licencias o anunciar más capacitación, vale la pena responder estas preguntas con el liderazgo de operaciones:
- ¿Alguien del equipo ya descubrió un modo de usar IA que ahorra tiempo de verdad? Si la respuesta es sí y nadie sabe quién es esa persona, el problema no es de tecnología: es de visibilidad.
- ¿Ese guion está en algún lugar donde otra persona pueda abrirlo y usarlo mañana, sin preguntarle a quien lo creó? Si la respuesta es no, existe, pero no está disponible para la empresa.
- ¿Quién más, con el mismo rol, se beneficiaría del mismo agente o del mismo guion? Definir ese alcance — persona, grupo, rol — es el paso que convierte un hallazgo aislado en capacidad compartida.
- ¿Existe un proceso listo que la empresa podría usar hoy, en vez de esperar a que alguien lo reinvente? Buena parte de las rutinas comunes ya tiene un modelo probado; el trabajo suele ser adaptarlo, no crearlo desde cero.
- Cuando esa persona salga de vacaciones — o de la empresa —, ¿el conocimiento se va con ella? Si la respuesta es sí, la ganancia nunca fue de la empresa. Estaba prestada.
