Entre los empleados estadounidenses que usan IA para una o dos tareas distintas, el 45% reporta un efecto positivo sobre su productividad. Entre quienes la usan para siete o más, esa cifra es del 90% (Gallup, 2026). Mismas herramientas. Mismas licencias. Mismo presupuesto de formación. La única variable que se movió es cuántas partes distintas del puesto toca realmente la herramienta.
Ese gradiente es el número operativamente más útil publicado este año sobre productividad de la IA, y apunta a un lugar incómodo: lo que la mayoría de los despliegues del mid-market está optimizando —el acceso— se sitúa en la parte plana de la curva.
El gradiente de productividad de la IA que Gallup midió realmente
La lectura de Gallup sobre el trabajo en el 2T 2026 sitúa la integración organizativa de la IA en el 47% de los empleados estadounidenses, seis puntos por encima del 41% del trimestre anterior. El uso personal está en el 52%; el 30% usa IA al menos varias veces por semana y el 15% a diario (Gallup, 2026).
Esas son las cifras de titular, y son las que acaban en las presentaciones al consejo. El corte más interesante es el desglose por amplitud de aplicación: la proporción que reporta un efecto de productividad bastante o extremadamente positivo, agrupada según a cuántas tareas distintas aplica la IA cada empleado:
- 1–2 casos de uso: 45%
- 3–4 casos de uso: 66%
- 5–6 casos de uso: 78%
- 7 o más: 90%
La curva es más pronunciada abajo. Llevar a un empleado de dos aplicaciones a cuatro vale unos 21 puntos de beneficio reportado. Llevarlo de cinco a siete vale unos 12. El mayor retorno disponible en la mayoría de las empresas del mid-market no está en los usuarios avanzados: está en la mayoría estancada en uno o dos usos, la mayor parte de la cual ya tiene licencia.
Por qué esto reformula la pregunta del despliegue
La pregunta estándar del despliegue es cuántas personas tienen acceso. Los datos de Gallup sugieren que la mejor pregunta es cuántos puestos se han mapeado. Suenan parecidas. Se financian de forma completamente distinta —una es una partida de compras, la otra es un proyecto de operaciones—, que es precisamente por lo que la mayoría de las empresas sigue respondiendo a la primera.
La mezcla de usos está invertida respecto al valor
El segundo hallazgo es más afilado que el primero, porque explica por qué tantos empleados se quedan en uno o dos usos.
Los datos de Gallup sobre para qué usa la gente realmente la IA, contrastados con el rendimiento de esas aplicaciones en productividad:
| Aplicación | Cuota de usuarios de IA | Reportan ganancia de productividad |
|---|---|---|
| Redacción y edición | 51% | 68% |
| Búsqueda e investigación | 49% | 65% |
| Data science y analítica | 18% | 75% |
| Diapositivas y presentaciones | 17% | 76% |
| Asistencia a la programación | 16% | 77% |
| Automatización de procesos | 16% | 77% |
Léanse ambas columnas una contra otra. Las dos aplicaciones más usadas son las que peor rinden en productividad. Las cuatro mejor valoradas las usa cada una menos de uno de cada cinco usuarios de IA (Gallup, 2026).
La ruta de adopción por defecto —escribir más rápido, buscar más rápido— es la que se generaliza a todos los puestos y no exige trabajo de proceso a nadie. También es la que se agota antes. Las aplicaciones que mejor rinden son las que tocan un flujo de trabajo específico: una conciliación, la construcción de un informe, un traspaso, un script. A esas nadie llega abriendo una ventana de chat. Alguien tiene que mapearlas.
Hay una consecuencia presupuestaria escondida en esa tabla. Redacción y búsqueda son las dos aplicaciones con las que una demo de proveedor se vende sola, porque no requieren configuración ni contexto sobre su negocio. Son también las dos que un empleado puede adoptar solo, en una tarde, sin pedir permiso a nadie. Todo lo que rinde por encima del 75% exige que alguien sepa cómo funciona un proceso concreto antes de poder apuntar la herramienta hacia él. Ese conocimiento está en su función de operaciones, no en el proveedor ni en el individuo, y por eso el tramo de alto valor sigue anclado en el 16% de adopción en un mercado donde las licencias son prácticamente universales.
Los datos de frecuencia de Gallup respaldan esa lectura. Los usuarios frecuentes tienen alrededor de tres veces más probabilidad que los esporádicos de usar IA para programación (22% frente a 8%) y para automatización (21% frente a 8%), y más del doble para gestión de tareas y proyectos (21% frente a 9%). Amplitud y profundidad llegan juntas, y ambas llegan por el lado de proceso del trabajo.
La misma semana, dos realidades opuestas
Esta es la parte que merece llevarse a su próxima revisión operativa.
Gallup publicó su salto de seis puntos en adopción el 20 de julio de 2026. Al día siguiente, el Productivity Lab de ActivTrak publicó telemetría de comportamiento sobre 120.620 trabajadores, clasificando la madurez de IA por actividad observada en lugar de por licencias, inicios de sesión o autodeclaración. Su resultado: el 27% de los trabajadores alcanza Asistencia a la Investigación, el 14% Ejecución de Tareas y el 2% Integración en el Flujo de Trabajo (ActivTrak, 2026).
Dos conjuntos de datos creíbles, publicados con veinticuatro horas de diferencia, que describen a la misma fuerza laboral en términos opuestos. No hay contradicción que resolver: miden cosas distintas. Gallup mide si la IA ha llegado a las personas. ActivTrak mide si ha llegado al trabajo. El acceso escala rápido. El rediseño del trabajo no.
Ese 2% es el suelo empírico bajo la cohorte de «siete o más» de Gallup. La cifra del 90% de productividad es real, y describe a un número muy pequeño de personas que han reestructurado cómo funciona su puesto.
Qué le hace esto a su cuadro de mando
Si su reporting de IA se construye sobre licencias activadas, usuarios activos semanales y tiempo ahorrado autodeclarado, cada una de esas métricas está siguiendo la sección plana de la curva de Gallup. Todas subirán en un despliegue que no produce ni un solo flujo de trabajo rediseñado, y subirán más rápido en el tramo de redacción y edición, el que peor rinde en productividad.
Distribución no es adopción. Su cuadro de mando, hoy, no sabe distinguirlas.
Dónde se detiene esta evidencia
Tres límites, declarados antes de que nadie construya un business case sobre el gradiente.
El vínculo amplitud–productividad es correlacional. Gallup lo dice explícitamente. La autoselección es una explicación alternativa viva: los empleados que ya obtienen valor de la IA buscan más sitios donde aplicarla, de modo que la flecha causal puede ir en sentido contrario al que asume la lectura operativa.
La superficie útil varía por rol. Algunos puestos ofrecen realmente siete aplicaciones plausibles de IA; otros ofrecen dos. Un analista financiero y un técnico de campo no son igual de abordables, y un mandato del tipo «llevar a todos a cinco casos de uso» fabricará trabajo inútil en los puestos que no los tienen.
Tanto la medida de productividad como el recuento de casos de uso son autodeclarados. Provienen del mismo encuestado en el mismo instrumento, que es exactamente la condición bajo la cual beneficio percibido y conducta reportada tienden a moverse juntos.
Lo que sobrevive a esas cautelas es la asimetría operativa, no los porcentajes concretos. Los empleados con una o dos aplicaciones son la amplia mayoría, son la cohorte más barata de mover, y toda aplicación de alto rendimiento está en el lado de proceso del trabajo, no en el de la redacción. Eso basta para cambiar dónde gasta un despliegue el próximo trimestre, aunque no baste para prometer una cifra.
Mueva la métrica de licencias activadas a casos de uso por rol
La literatura más amplia lleva un año apuntando aquí, desde el lado de la inversión más que del uso.
El informe Deloitte State of AI in the Enterprise 2026, con 3.235 líderes en 24 países, identificó la insuficiencia de competencias de los trabajadores como la mayor barrera a la integración de la IA, y una respuesta desequilibrada ante ella. El 53% forma a la plantilla para elevar su dominio de la IA, pero solo el 30% reimagina la organización en torno a los nuevos patrones de la IA y el 33% rediseña las trayectorias profesionales (Deloitte, 2026). Todo el mundo forma. Casi nadie rediseña.
El Work Trend Index 2026 de Microsoft, realizado con 20.000 trabajadores en 10 países, cuantifica el coste de esa brecha: los factores organizativos —cultura, apoyo del mando intermedio, prácticas de talento— explican más del doble del impacto real de la IA que los factores individuales, 67% frente a 32% (Microsoft, 2026). Solo el 26% de los usuarios de IA reporta un liderazgo alineado en torno a una estrategia de IA.
Ponga los tres conjuntos de datos en secuencia y el diseño del despliegue se escribe solo. El acceso está resuelto. El dominio individual está financiado. La variable que nadie posee es el mapeo entre un rol concreto y las dos o tres tareas del lado de proceso donde la IA realmente rinde, y ese mapeo es un entregable de operaciones, no de formación.
La versión práctica
Elija tres roles, no toda la empresa. Alta plantilla, alta repetición, hoy en uno o dos usos de IA. Esa cohorte tiene la pendiente más pronunciada disponible.
Nombre los casos de uso antes de nombrar la herramienta. Para cada rol, escriba dos o tres tareas recurrentes concretas: la conciliación semanal, el resumen de proveedores, la clasificación de tickets. Lo bastante concretas como para poder saber si ocurrieron.
Sesgue la lista hacia el tramo de baja adopción y alto rendimiento. Automatización, analítica, asistencia a la programación, producción de diapositivas. Si su lista es toda redacción y búsqueda, ha documentado la parte plana de la curva.
Condicione la ampliación de licencias a una integración de flujo demostrada. Antes de comprar el siguiente bloque de licencias, exija que al menos un flujo de trabajo nombrado se haya movido de forma visible: el informe que ahora se construye solo, el traspaso que ya no necesita una reunión. Un flujo de Stage 3 verificado vale más como evidencia que mil licencias activadas.
Reporte casos de uso por rol, no usuarios por licencia. Es la única métrica de IA de su cuadro de mando que el departamento de compras no puede satisfacer.
Una decisión para este trimestre
Tome sus tres roles con más plantilla. Para cada uno, pida a cinco personas que enumeren cada tarea distinta para la que usan IA. Cuéntelas. Si la respuesta más frecuente es una o dos, y ambas son redacción o búsqueda, ya sabe exactamente dónde está su retorno de productividad de la IA, y no está en otro bloque de licencias.
El despliegue que todos financian termina cuando la herramienta llega a la persona. El retorno empieza cuando la herramienta llega al trabajo. Son dos proyectos distintos, y solo uno de ellos está hoy en su presupuesto.
