Estás usando AI para hacer más rápido lo que habría que cambiar

Sumar AI a un proceso tal como está acelera todas sus tareas, incluidas las que deberían salir o cambiar. El retorno aparece cuando alguien decide el destino de cada tarea, y esa decisión es el rediseño del workflow.

Casi todas las conversaciones sobre AI en una empresa se dan a nivel de herramienta: qué licencia, para qué área, cuánta gente la usa. Para ver por qué eso no alcanza hay que cambiar la perspectiva con la que se mira el trabajo, y pasar del puesto a la tarea.

La economía está hecha de tareas

El 10 de septiembre, el equipo de economía de Anthropic publicó un modelo para proyectar la economía de Estados Unidos a 2030, con un informe técnico firmado por Anton Korinek y Chad Jones, entre otros. Parte de una idea simple: la economía es la suma de todas las tareas que se hacen cada día, y cada puesto es un paquete de ellas.

Ese paquete no es fijo. Hay tareas que salen (casi nadie llena ya una ficha clínica a mano) y tareas que llegan (hace treinta años nadie monitoreaba pacientes a distancia). Frente a la AI, el modelo distingue cuatro destinos, y los explica con una enfermera.

Siguen igual las que sólo puede hacer una persona, como bañar a un paciente.

Se potencian las que la AI ayuda a hacer mejor o más rápido: redactar las indicaciones de alta, planificar los cuidados del turno.

Se automatizan las que la AI puede hacer sola: registrar los signos vitales, pedir los insumos de la sala.

Aparecen tareas que antes no existían: revisar cómo clasificó la AI a los pacientes que llegan, o el plan de cuidados que propuso.

El resultado, según el modelo, es que la enfermera supervisa y resuelve más, y tiene más tiempo para hablar con sus pacientes. El puesto sigue ahí, con otro contenido.

El mismo ejercicio, en un puesto de tu empresa

Lo llevo a un puesto que toda empresa mediana tiene, el analista de cobranza. El ejemplo es ilustrativo y es mío.

Sale: el informe de cartera que se arma a mano cada lunes.

Sigue igual: la llamada al cliente que discute una factura.

Se potencia: priorizar la cartera según el riesgo de atraso.

Se automatiza: aplicar los pagos a las facturas y enviar los recordatorios.

Aparece: revisar lo que el agente no pudo conciliar y ajustar sus criterios.

Menos digitación, más criterio, más conversación con el cliente. Y un resultado que se lee en dos lugares: los días de cobro y el costo por unidad procesada.

Por qué sumar AI al proceso de siempre no alcanza

Ese reparto no ocurre solo. Cuando la AI se suma al workflow tal como está, acelera todo, incluido lo que debería salir o lo que hay que cambiar. El informe del lunes se arma en la mitad del tiempo y sigue siendo un informe que ya no hacía falta. Cada persona hace lo mismo un poco más rápido, y ese tiempo, como escribí en el artículo anterior, rara vez llega al estado de resultados.

Decidir qué sale, qué se automatiza, quién aprueba qué, adónde van las excepciones y quién controla al agente es rediseñar el workflow. Es una decisión de gestión antes que de tecnología.

Dos profesores de operaciones, Masha Shunko y Serguei Netessine, lo dicen desde el título en Harvard Business Review (14 de septiembre de 2026): dejar de automatizar procesos viejos y diseñar otros nuevos. Su diagnóstico es que las empresas automatizan tareas sueltas en lugar de rediseñar los workflows que producen el valor.

Lo que hacen las empresas que sí ven el retorno

La encuesta global de McKinsey de este año (1.719 ejecutivos, publicada el 25 de agosto) muestra la misma separación. Ocho de cada diez encuestados dicen que la AI mejoró su productividad individual. Poco más de un tercio dice que tiene un impacto significativo en el EBIT de su empresa, igual que un año atrás.

La diferencia está en un grupo chico: las empresas que atribuyen a la AI al menos 5% de su EBIT. Entre ellas, casi tres cuartos rediseñaron sus workflows de fondo. Un año antes eran 55% (McKinsey, vía Fortune).

A escala de la economía, la misma brecha

El modelo de Anthropic trae tres escenarios para 2030. En el intermedio, la AI es capaz de hacer la mitad del trabajo de conocimiento y, aun así, la mayoría de esas tareas se sigue haciendo sin ella. La capacidad va adelante y la adopción, atrás.

Probé la herramienta con mis propios supuestos, cercanos a ese escenario. El resultado: una economía 17% más grande en 2030 que sin AI, con un salario promedio que sube y el del trabajo de conocimiento casi plano.

Es un ejercicio sobre Estados Unidos, con un modelo que sus autores describen como una simplificación, publicado por una empresa que vende AI. Lo tomo como una forma ordenada de pensar, más que como un pronóstico: si el valor se va a mover entre tareas, conviene saber cuáles son las propias.

Por dónde empezar

1. Elegir un workflow por su peso en el estado de resultados. El que más pesa rara vez es el más fácil de automatizar.
2. Hacer la lista de sus tareas y decidir el destino de cada una, con el baseline medido antes de tocar nada.
3. Definir quién aprueba qué y quién controla al agente antes de construirlo.

Es el trabajo que hago con cada empresa, casi siempre empezando por el costo de administración.

Tomá el workflow que más pesa en tu estado de resultados. ¿Alguien hizo la lista de sus tareas y decidió el destino de cada una?