Usar IA más rápido no basta: qué mejora en tu empresa

Más productividad personal no significa lo mismo que más beneficio

El 80 % de los participantes declara que la IA ha mejorado su productividad personal. El 37 % atribuye una contribución positiva de la IA al beneficio de su organización antes de intereses e impuestos, conocido como EBIT. Ambas cifras aparecen en la encuesta internacional de McKinsey de 2026, pero responden a preguntas diferentes.

La primera mira la experiencia de una persona con su trabajo. La segunda recoge una valoración sobre un resultado económico de la organización. No forman dos etapas de un embudo, no son porcentajes complementarios y no deben restarse para calcular una supuesta pérdida de valor. Tampoco sabemos, a partir del resumen publicado, qué participantes coinciden en ambas respuestas.

El contraste abre una pregunta empresarial útil: cuando una persona trabaja mejor con IA, ¿qué cambia en el recorrido completo del trabajo? Una mejora individual puede ser relevante y necesitar otra comprobación antes de convertirse en una afirmación sobre el resultado de la empresa. El gráfico conserva las dos preguntas precisamente para no confundirlas.

Una encuesta internacional, no una medición de las pymes españolas

El estudio se realizó online entre el 4 de mayo y el 8 de junio de 2026 y se publicó el 25 de agosto. Participaron 1.719 personas de 97 países. El 36 % trabaja en organizaciones con más de mil millones de dólares de ingresos anuales. Los resultados se ponderan según la contribución del país del participante al PIB mundial.

Estos rasgos importan para interpretar las cifras. La encuesta no es una muestra representativa de empresas españolas ni de pequeños negocios de Baleares. Recoge respuestas de personas de distintos tamaños de organización, sectores y funciones. No equivale a comprobar las cuentas o los procesos de cada empresa mencionada por los participantes.

Además, el resumen no publica el número concreto de respuestas de cada pregunta utilizada aquí. Las 1.719 personas corresponden al estudio global; no las usamos como denominador exacto para convertir cada porcentaje en un recuento. Los valores describen respuestas declaradas, no efectos causales demostrados por una prueba controlada.

La mejora individual puede adoptar formas distintas

El estudio señala también que aproximadamente la mitad de los participantes dice que la IA le ayuda a tomar mejores decisiones. El gráfico distingue esta respuesta de la mejora de productividad personal. Una persona puede señalar ambas cosas, y la fuente no ofrece aquí sus cruces individuales.

Productividad no tiene por qué significar solo escribir más rápido. Para estudiar una tarea, puede interesar si se encuentra mejor la información, si se reducen correcciones o si una respuesta llega con referencias suficientes. Son formas de formular una comprobación, no resultados cuantificados por esta encuesta para tu empresa.

La diferencia se vuelve clara en un ejemplo. Preparar un borrador de respuesta en menos tiempo puede ayudar a quien lo redacta. Si otra persona debe rehacerlo o comprobar referencias inexistentes, la organización necesita considerar ese trabajo también. No conocemos el balance sin seguir la tarea hasta su resultado aceptado.

Los costes y los planes de inversión también son preguntas diferentes

McKinsey señala que alrededor de uno de cada cinco participantes dice que los costes operativos limitan el uso de IA en su organización. Por otra parte, el 60 % espera que su organización aumente la inversión en IA durante el siguiente año. El tercer gráfico mantiene separadas una limitación declarada y una expectativa de inversión.

Estos porcentajes no se suman ni permiten dividir a las empresas en dos grupos excluyentes. Una organización podría reconocer una limitación de costes y prever más inversión. El resumen no ofrece el cruce necesario para saber cuántas personas declaran ambas situaciones. Una intención tampoco equivale a un gasto ya realizado.

Para revisar una propuesta propia, interesa saber qué costes dependen del uso, qué trabajo de preparación y comprobación queda dentro de la empresa y qué mantenimiento necesita la solución. Esa descripción evita evaluar solo el precio de la herramienta o una demostración de rapidez. La encuesta aporta contexto; el presupuesto requiere sus propias condiciones.

McKinsey 2026: 1.719 participantes en total, 97 países; la base de cada pregunta no se publica en el resumen. No son grupos excluyentes ni una muestra representativa de España.

Comprobar el recorrido completo antes de atribuir un ahorro

Una comprobación útil define dónde empieza y dónde termina la tarea. Por ejemplo, una solicitud recibida puede necesitar clasificación, búsqueda de información, preparación de una respuesta y revisión antes de enviarse. Medir solo el borrador deja fuera partes importantes del trabajo. Este ejemplo no atribuye una implantación ni un ahorro a ningún cliente.

Conviene comparar situaciones suficientemente parecidas y registrar las excepciones. Si una prueba utiliza casos sencillos y el trabajo habitual incluye peticiones incompletas o contradictorias, la comparación puede resultar engañosa. La calidad del resultado debe mantenerse en la conversación junto con el tiempo y las correcciones.

También hay que distinguir tiempo liberado y ahorro económico. Que una tarea requiera menos tiempo no demuestra automáticamente una reducción de coste ni un aumento de ingresos. Para formular esas conclusiones harían falta datos y condiciones que permitan seguir qué ocurrió después. La empresa decide qué resultado merece comprobar.

Qué pedir en una propuesta de comprobación

Antes de encargar el trabajo, concreta la tarea, la información disponible y quién puede valorar si el resultado es aceptable. Una propuesta debería explicar los casos que se revisarán y qué se registrará: tiempo completo, errores, correcciones o resultados que necesitan intervención. No todos los encargos necesitan medir lo mismo.

Es útil dejar escrito qué no demostraría la prueba. Una mejora en una tarea no certifica el desempeño general de una persona ni acredita todos los usos de una tecnología. Un ensayo delimitado tampoco garantiza un resultado económico futuro. Su valor está en responder una pregunta concreta con evidencia pertinente.

Si la solución requiere una especialidad técnica, la elección del proveedor debería partir de esa tarea y de sus condiciones. Qué sabe hacer, qué debe integrar, qué información necesita y cómo comprobará las excepciones. Una explicación clara de esos puntos aporta más que prometer un porcentaje de ahorro sin haber visto el trabajo.

Marco de lectura de BUSCOS, no resultados de la encuesta ni una garantía. Los criterios se acuerdan para cada encargo.

La pregunta comercial empieza donde termina la demostración

Los datos de McKinsey ayudan a separar una percepción individual, una valoración económica y una intención de inversión. Son señales interesantes, no una respuesta automática para cada empresa. Lo que merece atención es la pregunta que dejan abierta: qué cambio se quiere comprobar y sobre qué trabajo.

Una demostración puede iniciar esa conversación. Para avanzar, necesita convertirse en una descripción del encargo: situaciones, datos, responsables y criterios de aceptación. Si esa descripción no está clara, revisar la propuesta puede ser más útil que añadir otra herramienta o extender una prueba sin saber qué se busca.

BUSCOS parte de una situación que la empresa reconoce. Los diagnósticos gratuitos permiten empezar por lo que se quiere mejorar; una revisión acordada de la propuesta o una comprobación delimitada se plantea mediante contacto y presupuesto. El objetivo es que el siguiente paso tenga sentido antes de atribuirle un resultado que aún no se ha demostrado.