Los directores y niveles superiores ahorran nueve horas a la semana con la IA. Los contribuidores individuales ahorran cuatro. Esa brecha de 2,25x procede del informe Navigating AI in the Workplace: 2026 de SHRM, realizado con 4.065 trabajadores que realmente usan IA en su trabajo, y la diferencia entre niveles es estadísticamente significativa (SHRM, 2026). El titular agregado —unas seis horas ahorradas por semana, casi una jornada completa— es real. También es una media que ningún nivel concreto de tu organización experimenta de verdad.
Esto importa por quién dirige el piloto. En empresas de 50 a 500 FTE, los despliegues de IA casi siempre empiezan por las personas más cercanas a la decisión: el responsable de operaciones, los jefes de departamento, un par de mandos senior. Miden sus propias horas ahorradas, extrapolan y construyen el business case para toda la plantilla. Los datos de SHRM dicen que esa extrapolación sobrestima las ganancias de la primera línea aproximadamente por un factor de dos — y que el ahorro de tiempo de la IA por nivel jerárquico va en dirección contraria al supuesto de que «la IA levanta el suelo», sobre el que se presupuesta la mayoría de los despliegues.
El dividendo se concentra arriba
Este es el gradiente completo en la muestra de SHRM: los directores y superiores ahorran 9 horas semanales, los mandos intermedios 7 y los contribuidores individuales 4 (SHRM, 2026).
La historia intuitiva sobre la IA era la contraria. Los perfiles junior se benefician más; la herramienta sustituye a la experiencia; el suelo sube más rápido que el techo. Esa historia tiene apoyo empírico real en estudios de tareas concretas, y por eso se extendió. Pero al nivel de una semana real de trabajo real, se invierte. Las personas con más discrecionalidad sobre cómo emplear su tiempo son las que más tiempo recuperan.
El gradiente no es un artefacto de redondeo y no desaparece al restar los costes de la IA. El mismo informe encuentra que los directores dedican unas 6 horas semanales a corregir salidas de IA —la mayor carga de retrabajo de la muestra— frente a unas 3 horas de los contribuidores individuales. Netos de retrabajo, los directores siguen en torno a +3 horas semanales y los contribuidores individuales en torno a +1. El dividendo se encoge en todos los niveles. Sigue siendo regresivo en todos los niveles.
Por qué la brecha es estructural, no motivacional
La explicación refleja es que los seniors simplemente usan mejor la IA, así que la solución es formación. Los datos apuntan a algo menos halagador y más accionable.
Empecemos por la exposición. La IA toca el 63 % del trabajo de los directores, el 50 % del de los mandos intermedios y solo el 34 % del trabajo de los contribuidores individuales (SHRM, 2026). Una herramienta no puede ahorrarte tiempo en trabajo que no toca. El trabajo de nivel director —redactar, resumir, sintetizar, reestructurar documentos, preparar análisis— es desproporcionadamente ese trabajo lingüístico no estructurado en el que los modelos actuales son buenos. El trabajo de primera línea en una operación mid-market está, en cambio, desproporcionadamente atado al proceso: transcurre dentro de un sistema de registro, sigue una secuencia definida y depende de traspasos. Esos pasos no se aceleran porque alguien tenga una ventana de chat abierta al lado.
Segundo: la discrecionalidad. Un director que ahorra una hora puede reasignarla él mismo. Un contribuidor individual que ahorra una hora dentro de un proceso gobernado por una cola normalmente no puede: la cola marca el ritmo, y el tiempo ahorrado o se evapora o reaparece como espera.
Tercero —y esta es la parte que casi ningún despliegue financia— el ahorro en primera línea exige un rediseño del flujo de trabajo que el ahorro senior no exige. La telemetría de comportamiento de ActivTrak sobre 120.620 trabajadores es contundente sobre lo raro que es ese rediseño: el 27 % de los trabajadores ha llegado al uso como asistencia a la investigación, el 14 % a la ejecución de tareas y solo el 2 % ha alcanzado una integración real en el flujo de trabajo (ActivTrak, 2026). Esa medición se deriva de actividad observada, no de licencias, inicios de sesión o autoinformes — que es exactamente por lo que discrepa del retrato de las encuestas. Gallup informó de un salto de seis puntos en la adopción organizativa de IA la misma semana en que ActivTrak publicó la cifra del 2 % (Gallup, 2026). El acceso escala rápido. El rediseño no.
Los contribuidores individuales son el nivel cuyas ganancias más dependen del rediseño que no ha ocurrido. Ese es el mecanismo. No la motivación, no la habilidad con los prompts.
Rehaz las cuentas del ROI de la IA en tu propio business case
Toma una empresa de 200 FTE: 15 personas de nivel director o superior, 35 mandos intermedios, 150 contribuidores individuales. Modélala del modo habitual —piloto con el grupo senior, observas unas 9 horas ahorradas, lo aplicas a toda la organización— y proyectas unas 1.800 horas semanales.
Aplica en su lugar el gradiente de SHRM: 15 × 9 + 35 × 7 + 150 × 4 = 980 horas. Después resta el retrabajo y te acercas a 300 horas de capacidad realmente recuperada. El modelo ingenuo no es un 10 % optimista. Se equivoca aproximadamente por un factor de dos antes del retrabajo y bastante más después — y el error se concentra exactamente donde está el 75 % de tu plantilla.
De ahí se siguen dos consecuencias presupuestarias.
La primera: la economía de licencias por puesto deja de funcionar como dice la presentación. Si el valor por puesto en primera línea es menos de la mitad del valor por puesto arriba, entonces un despliegue uniforme con precio uniforme está subvencionando en silencio tus puestos de menor retorno con los de mayor retorno. Puede seguir siendo la decisión correcta, pero debería ser una decisión, no un accidente de compras.
La segunda: el periodo de retorno de los puestos de primera línea no es en absoluto una cuestión de licencias. Es una cuestión de rediseño, y el rediseño es tiempo de personas que hay que calendarizar. Comprar 150 puestos y contabilizar el ahorro de 150 puestos presupone un cambio de proceso que nadie tiene asignado.
El riesgo de retención está en la misma tabla
Hay un segundo gradiente en los datos de SHRM, y corre paralelo al primero.
Antes de adoptar la IA, al 74 % de los directores se le informó de que llegaba. Entre los mandos intermedios, al 55 %. Entre los contribuidores individuales, al 33 % (SHRM, 2026). La confianza sigue la misma forma: el 80 % de los directores confía en la dirección respecto a la IA, frente al 65 % de los mandos intermedios y el 47 % de los contribuidores individuales. Y el 26 % de los contribuidores individuales dice que su confianza en la dirección disminuye a medida que los líderes se apoyan más en la IA, frente al 9 % de los directores.
Ahora superpón las expectativas. La mitad de todos los trabajadores dice que la IA ha elevado las expectativas de desempeño sobre ellos, y el 70 % de los directores reporta expectativas más altas en su propio ámbito. El ritmo de trabajo ha subido para el 75 % de los directores y el 59 % de los mandos intermedios, mientras que el 50 % de los contribuidores individuales no percibe cambio alguno de ritmo.
Lee los dos gradientes juntos y la posición de la primera línea es precisa: te avisaron el último, eres quien menos confía, quien menos ahorra — y las expectativas sobre ti subieron igualmente. No es un problema de comunicación que se arregle con una reunión general. Es un libro de cuentas de equidad, y la gente lo lleva con exactitud.
La cuarta encuesta anual AI at Work de BCG, con 11.749 empleados en 14 mercados, muestra qué pasa cuando nadie gobierna el tiempo liberado: el 66 % de los usuarios de IA declara no haber recibido ninguna orientación significativa sobre cómo reasignar las horas que la IA libera, y el 47 % dedica ya más tiempo a gestionar y dirigir la IA que a hacer el trabajo (BCG, 2026). El tiempo no gobernado no se convierte en capacidad. Se convierte en supervisión — y la supervisión es un coste atencional real, que en el libro aparece como «más ocupado», no como «más libre».
La objeción, y por qué solo te compra tiempo
La objeción más fuerte: esto es una curva de adopción temprana, no un rasgo estructural. Los seniors tuvieron las herramientas primero y margen para experimentar. Dale dieciocho meses y la primera línea alcanzará.
En parte cierto, y merece ponerse en precio. Pero dos cosas juegan contra esperar. Primero, la brecha de exposición es una propiedad del trabajo, no del calendario: ese 34 % de trabajo de primera línea abordable por IA no sube porque pase el tiempo. Sube porque alguien rediseña el proceso. Segundo, la cifra del 2 % de integración en el flujo de trabajo indica que el rediseño no está ocurriendo de forma orgánica en ningún sitio ni en ningún nivel (ActivTrak, 2026). Esperar convierte una brecha que podrías haber diseñado en una brecha que heredas — mientras el gradiente de expectativas sigue subiendo sobre las personas peor servidas.
Qué cambiar este trimestre
Recalibra el modelo de ROI por nivel
Reconstruye el business case con tres líneas separadas —director, mando intermedio, contribuidor individual— en vez de una media única. Usa tus propios números observados si los tienes, el gradiente de SHRM si no. Si el ahorro proyectado se reduce a la mitad, el modelo estaba mal antes, no ahora.
Elige un flujo de trabajo de primera línea y llévalo a la integración
No una ampliación de puestos. Un proceso con nombre, un responsable, una pasada de rediseño, medido por si el paso de IA está realmente dentro del flujo y no al lado. Dado que solo el 2 % de los trabajadores llega a esa etapa, un proceso que llegue vale más que cien puestos que no.
Cierra la brecha de comunicación del 33 % antes del próximo despliegue
La partida más barata de esta lista es decir a los contribuidores individuales qué viene y por qué, antes de que llegue, con la misma frecuencia con que se lo dices a los directores. No cuesta nada, y el gradiente de confianza que aborda es el que acaba apareciendo en tus cifras de rotación.
Una decisión
Abre tu business case de IA y localiza el nivel sobre el que se midió. El ahorro de tiempo de la IA por nivel jerárquico es el input que con más probabilidad está equivocado. Si las horas ahorradas salieron de ti y de tus reportes directos, tienes en la mano el número de 9 horas y lo estás proyectando sobre una población que entregará cuatro — mientras subes las expectativas sobre el nivel al que avisaste el último y que menos confía en ti.
Reduce la proyección a la mitad, o financia el rediseño que la haga cierta. Son las dos únicas opciones honestas, y una de ellas es gratis.
