Tras la adopción de la IA, la sesión media de concentración ininterrumpida cayó a 13 minutos y 7 segundos — desde los 14 minutos y 23 segundos, un descenso del 9 % que sitúa al trabajador típico por debajo del umbral de atención continua que la mayor parte del trabajo cognitivo profundo requiere (ActivTrak, 2026). Ese dato proviene de 443 millones de horas de telemetría conductual sobre 163.638 empleados en 1.111 empresas — no una encuesta, no autoinforme, sino el registro real, segundo a segundo, de cómo ocurre el trabajo. Y apunta a un coste que tu panel de IA no te está mostrando: la fragmentación de la atención por IA está erosionando silenciosamente la capacidad de trabajo profundo que las herramientas debían liberar.
Este es el hallazgo que debería redefinir tu pregunta sobre el ROI de la IA para 2026. La historia de productividad que los líderes siguen parece una victoria — adopción cercana al 80 %, rendimiento al alza, volumen de producción en aumento. Por debajo, la misma telemetría muestra un trabajo que se vuelve más rápido, más voluminoso y más fragmentado. Si eres Head of Operations y mides la IA en horas ahorradas y tareas completadas, estás mirando la mitad del balance que halaga la inversión e ignorando la mitad que la erosiona.
El panel dice victoria. La telemetría dice fragmentación.
Aquí está la tensión en un par de cifras. En el análisis antes-y-después de ActivTrak sobre 10.584 usuarios — comparando 180 días de comportamiento antes de la adopción de la IA con 180 días después — el tiempo dedicado a cada categoría de trabajo medida aumentó. La actividad de correo creció un 104 %. El chat y la mensajería subieron un 145 %. El trabajo de gestión empresarial trepó un 94 % (ActivTrak, 2026). La IA no aligeró la carga. La aceleró, y la aceleración se manifestó como más comunicación, más coordinación, más cambios de contexto.
Ese es el mecanismo detrás de la sesión de concentración que se acorta. Cuando el volumen de mensajería casi se duplica, las interrupciones que rompen la concentración llegan con más frecuencia. El trabajador no está holgazaneando ni está inactivo — todo lo contrario. Está más ocupado que nunca, se mueve más rápido por más superficies y, precisamente por eso, ya no puede sostener un solo hilo de pensamiento difícil más de 13 minutos antes de que el siguiente aviso lo aparte.
La razón por la que esto permanece invisible es que la mayoría de los paneles operativos se construyeron para contar el rendimiento, no para medir la continuidad. Rastrean tareas cerradas, tickets resueltos, mensajes enviados, horas registradas. Cada una de esas métricas sube cuando el trabajo se fragmenta. Ninguna registra el coste de la fragmentación en sí. Así, el líder lee un panel en verde y financia más de aquello que está volviendo rojas las cifras verdes un nivel más abajo.
Qué midieron realmente 443 millones de horas
La razón por la que este estudio es difícil de descartar es su método. La mayor parte de lo que has leído sobre IA y productividad son datos de encuesta — se pregunta a las personas cómo perciben el efecto de la IA en su trabajo. El autoinforme es útil, pero es exactamente el tipo de evidencia que halaga a una herramienta nueva y reluciente: el entusiasmo y el sesgo de recencia inflan las ganancias percibidas. El conjunto de datos de ActivTrak es de otra naturaleza. Es conductual — 443 millones de horas de actividad observada, no opiniones sobre la actividad (PR Newswire, 2026).
El diseño antes-y-después sobre esos 10.584 usuarios importa aún más. Aísla lo que cambió cuando la IA entró en el flujo de trabajo, en lugar de comparar usuarios de IA con no usuarios que podrían diferir en una docena de otros factores. Y lo que cambió no fue una reducción del trabajo — fue una redistribución hacia patrones más rápidos, más fragmentados, más centrados en la comunicación. La cobertura independiente llegó a la misma lectura: la IA no reduce tanto las cargas de trabajo como las tensiona, con el tiempo dedicado al correo duplicado y las sesiones de trabajo concentrado en descenso (Fortune, 2026). La carga de la prueba recae ahora en quien afirme que su propio despliegue de IA recuperó concentración. El mayor conjunto de datos conductual sobre la cuestión dice que el resultado por defecto es el contrario.
La neurociencia que tu métrica de rendimiento ignora
Trece minutos no es una línea arbitraria. Se sitúa por debajo del umbral en el que el trabajo cognitivo sostenido realmente ocurre, y la razón es un efecto bien documentado llamado residuo atencional. Cuando cambias de una tarea a otra, parte de tu atención queda atascada en la primera — no llegas a la nueva tarea a plena capacidad, y el residuo puede persistir 20 minutos o más (Leroy, Organizational Behavior and Human Decision Processes, 2009).
Pon eso junto a la sesión de concentración de 13 minutos y la aritmética se vuelve hostil. Si se necesitan del orden de 20 minutos o más para recargar completamente una tarea compleja, y las interrupciones ahora llegan cada 13, el trabajador nunca alcanza el pleno compromiso cognitivo antes de que el siguiente cambio lo reinicie. La investigación de Gloria Mark sobre el trabajo interrumpido halló que volver a una tarea tras una interrupción puede llevar unos 23 minutos (Mark et al., 2008). Un equipo fragmentado en intervalos de 13 minutos está, de hecho, pagando un impuesto de reorientación en casi cada tramo de trabajo difícil que intenta.
Por eso «el volumen de producción sube» puede coexistir con «el trabajo importante empeora». Las tareas superficiales y de alto volumen sobreviven bien a la fragmentación — puedes responder doce mensajes en doce minutos interrumpidos. Las tareas profundas no. El análisis, el juicio crítico, el texto que necesitaba una hora ininterrumpida son exactamente la categoría que un techo de 13 minutos vuelve silenciosamente imposible. Tu métrica de rendimiento no ve la diferencia, porque cuenta los doce mensajes y nunca cuenta la hora que nunca ocurrió.
Por qué apilar más IA no lo resuelve
La respuesta instintiva a un despliegue de IA decepcionante es añadir más — otro agente, otro copiloto, otra integración. La telemetría sugiere que ese instinto empeora la fragmentación. La organización media del conjunto de datos ya ejecuta siete plataformas de IA distintas, y solo el 3 % de los usuarios alcanza el «punto óptimo» de productividad donde las herramientas ayudan de verdad sin añadir fricción (ActivTrak, 2026).
Siete plataformas no son siete multiplicadores de productividad. Son siete superficies más que revisar, siete flujos de notificaciones más, siete cambios de contexto más entre herramientas que no se comunican. Cada nueva licencia de IA que aterriza en el escritorio de un trabajador sin retirar una existente se suma a la carga de interrupción en lugar de restarla. La restricción al ROI de la IA aquí no son las licencias ni la habilidad de prompting — es la arquitectura de la atención. Un equipo que ya cambia cada 13 minutos no recupera su concentración recibiendo una octava herramienta a la que saltar.
«Pero la producción sube — ¿no es ese el objetivo?»
La objeción legítima: si la IA produce más trabajo en menos tiempo, ¿por qué tratar la fragmentación como un problema? Quizá las sesiones de 13 minutos sean simplemente la forma de la productividad moderna, y el trabajo profundo una nostalgia que la cuenta de resultados puede permitirse perder.
Dos cosas responden a eso. Primero, las ganancias de volumen se concentran exactamente en el trabajo que no necesita concentración profunda — comunicación y coordinación — mientras que el impuesto recae sobre el trabajo que sí la necesita. No estás cambiando trabajo profundo por producción superficial equivalente; estás cambiando una categoría por otra más barata y registrándola como ganancia neta. Segundo, la fragmentación se acumula de forma invisible. El propio encuadre del informe es que la IA está acelerando el trabajo, no reemplazándolo — el mismo volumen de pensamiento ahora se hace más rápido y más fragmentado, lo que arroja un saldo negativo para el trabajo cognitivamente exigente aun cuando el recuento de tareas aumenta (PR Newswire, 2026). El coste no aparece como una partida presupuestaria. Aparece como el documento de estrategia que se sigue retrasando, el análisis que vuelve pobre, la contratación sénior cuyo mejor juicio nunca obtiene una hora ininterrumpida para operar. Son pérdidas reales. Solo que son pérdidas que tu instrumentación actual nunca se construyó para captar.
Qué debería instrumentar el Ops del mid-market este trimestre
La palanca no es la disciplina de tu equipo ni otra herramienta. Es la arquitectura de la atención del flujo de trabajo — y a diferencia de la fuerza de voluntad, es algo que operaciones sí puede diseñar. Tres movimientos concretos, ninguno de los cuales requiere software nuevo:
1. Mide la continuidad de la sesión de concentración, no solo el rendimiento. Casi con seguridad rastreas tareas cerradas y horas registradas. Añade una métrica: duración media de la sesión de concentración ininterrumpida y frecuencia de interrupciones dentro de ella. Datos al estilo de ActivTrak, o incluso el análisis de calendario y estado, la harán emerger. No puedes gestionar un impuesto de fragmentación que no estás midiendo, y ahora mismo es la cifra ausente en cada panel operativo.
2. Consolida las superficies de IA antes de añadirlas. Antes de financiar la próxima licencia de agente o copiloto, audita cuántas superficies de IA y comunicación ya maneja cada rol. Si la respuesta se acerca a siete, el movimiento de mayor palanca es la resta — retirar o fusionar herramientas — no otra integración. Cada superficie que retiras es un flujo de interrupción que cierras.
3. Protege los bloques de trabajo profundo de forma estructural, no con un memorándum de política. El residuo atencional significa que un bloque de 13 minutos no es «parte de una hora de concentración» — es un reinicio completo cada vez. Designa ventanas genuinas sin interrupciones para los roles cognitivamente exigentes y defiéndelas a nivel de flujo de trabajo: notificaciones agrupadas, normas async-by-default, bloques sin reuniones. El objetivo es restaurar tramos lo bastante largos para disipar el residuo, no exprimir más fragmentos de 13 minutos del día.
Luego pruébalo contra tus propios datos. Tienes las marcas de tiempo. Mira si la producción más difícil y de mayor valor de tu equipo realmente sigue la duración de la sesión de concentración — y observa qué ocurre cuando consolidas superficies y proteges un bloque. La respuesta es medible dentro de tu propia operación, y te dirá si tu stack de IA está comprando capacidad o solo fragmentándola.
La única decisión para este trimestre
La promesa de productividad de la IA era que le devolvería tiempo a tu equipo. El mayor conjunto de datos conductual sobre la cuestión dice que, en cambio, le dio una jornada laboral más rápida, más ruidosa y más fragmentada — una en la que la ventana media de trabajo profundo se ha encogido por debajo del punto en que el trabajo profundo puede ocurrir. El rendimiento en tu panel es real. También lo es la fragmentación de la atención que oculta.
Así que la decisión concreta para este trimestre es acotada: antes de financiar otra licencia de IA, instrumenta la continuidad de la sesión de concentración para un equipo cognitivamente exigente, luego consolida sus superficies de herramientas y protege un bloque ininterrumpido al día — y mide qué hace su mejor trabajo en respuesta. Si la calidad del trabajo difícil sube mientras el número de herramientas baja, habrás encontrado la palanca del ROI de la IA que tus métricas de rendimiento se construyeron para pasar por alto. La sesión de concentración de 13 minutos no es el precio del progreso. Es un problema de diseño que tienes el poder de resolver.
