Dos por ciento.
Esa es la proporción de trabajadores cuya actividad observada muestra la IA realmente integrada en cómo se hace el trabajo — no probada, no usada de vez en cuando, sino incorporada al flujo del puesto. El dato viene del Productivity Lab de ActivTrak, que clasificó la adopción de IA en 120.620 trabajadores según lo que esos trabajadores realmente hacían, y no según sus licencias ni sus respuestas en una encuesta. El veintisiete por ciento alcanzó la asistencia de investigación. El catorce por ciento, la ejecución de tareas. El dos por ciento, la integración en el flujo de trabajo (ActivTrak Productivity Lab, 2026).
Tu panel de adopción de IA casi con certeza informa una cifra mucho mayor. No está mintiendo. Está respondiendo a otra pregunta — una que dejaste de notar que hacías.
Dos mediciones, una semana, dos realidades
El calendario es la pista. En la misma semana, Gallup informó un salto de seis puntos en la adopción organizativa de IA (Gallup, 2026) y ActivTrak publicó el 2 % de integración en el flujo de trabajo (ActivTrak Productivity Lab, 2026).
Ambos son creíbles. No están en conflicto, porque no miden lo mismo. Gallup pregunta a personas y organizaciones qué están haciendo. ActivTrak observa qué herramientas están realmente abiertas, en qué secuencia, con qué frecuencia, a lo largo de qué tramo de jornada. El autoinforme capta intención, conciencia y acceso. La telemetría de comportamiento capta hábito.
Quiero ser precisa aquí, porque se trata de una comparación entre métodos distintos y no de un estudio cara a cara; tratarlo como contradicción sería descuidado. Muestras distintas, instrumentos distintos, definiciones distintas de la palabra «adopción». El punto no es que un conjunto de datos desmienta al otro. El punto es que la mayoría de los equipos de operaciones reporta el primer tipo de cifra a un consejo que está financiando el segundo tipo de resultado.
Es en esa brecha donde los presupuestos de IA mueren en silencio. El acceso escala rápido. El rediseño del trabajo no. Y todo panel construido sobre puestos, inicios de sesión y usuarios activos mensuales mostrará la primera curva y callará sobre la segunda.
Qué distinguen realmente las tres etapas
El modelo por etapas importa más que el porcentaje de titular, porque le da al responsable de operaciones algo que instrumentar.
Etapa 1 — Asistencia de investigación (27 %). El trabajador hace preguntas al modelo. Redactar, resumir, buscar información. El puesto no cambia; un paso de consulta se volvió más rápido.
Etapa 2 — Ejecución de tareas (14 %). El modelo realiza una unidad discreta de trabajo: escribe la primera versión, extrae los campos, produce el análisis. La tarea ahora es compartida. El flujo de trabajo alrededor sigue intacto.
Etapa 3 — Integración en el flujo de trabajo (2 %). La IA es un paso estructural de un proceso que ha sido re-secuenciado a su alrededor. Los traspasos se movieron. Las aprobaciones se movieron. El trabajo no es el trabajo viejo hecho más rápido; tiene otra forma.
Solo la etapa 3 cambia la estructura de costes
Ahí está el núcleo operativo. Las etapas 1 y 2 producen ahorros de tiempo repartidos en fragmentos entre individuos — veinte minutos aquí, una tarde allá. Reales, pero no capitalizables. Nada se mueve en la cuenta de resultados porque nada se movió en el proceso; los minutos ahorrados los reabsorbe la misma cola que los generó.
La etapa 3 es donde responden el tiempo de ciclo, los planes de plantilla y la economía unitaria, porque el proceso mismo se reconstruyó. Es la etapa sobre la que se escribió tu business case. Y es también la etapa que ha alcanzado el dos por ciento de los trabajadores.
El mecanismo detrás de esa brecha está bien documentado. El estudio de Deloitte con 3.235 líderes encontró una respuesta a la IA muy escorada hacia enseñar las herramientas en lugar de reestructurar el trabajo: el 53 % forma a la plantilla para elevar la fluidez en IA, mientras que solo el 30 % repiensa la organización en torno a los nuevos patrones de IA y el 33 % rediseña los itinerarios de carrera (Deloitte, 2026). Todos forman. Casi nadie rediseña. Luego todos miden formaciones completadas y lo llaman adopción.
Por qué el recuento de licencias sigue pasando por adopción de IA
Las métricas de inicio de sesión sobreviven por razones estructurales, no estúpidas.
Son gratis — la plataforma de licencias las emite sin trabajo de instrumentación. Se mueven pronto, lo que las hace satisfactorias en los dos primeros trimestres de un despliegue. Son inequívocas, así que nadie discute en el comité de seguimiento. Y suben de forma monótona, que es exactamente lo que un patrocinador bajo presión quiere de una diapositiva.
Las métricas de trabajo transformado no tienen ninguna de esas propiedades. Exigen que alguien defina el flujo de trabajo, fije su línea base y luego admita cuándo no se ha movido. Son discutibles. Pueden quedarse planas dos trimestres mientras se pelea el rediseño. Reportarlas es un acto político, de una manera en que reportar licencias no lo es.
Así que el incentivo es nítido y apunta en la dirección equivocada: la cifra más fácil de producir es la menos conectada con el resultado que prometiste. Eso no es un fallo de medición. Es un fallo de gobernanza disfrazado de medición.
Hay un coste de segundo orden que casi nunca se nombra. Una vez que el recuento de licencias se establece como la definición de adopción de IA, empieza a dirigir el comportamiento. El presupuesto fluye hacia lo que lo eleva — más licencias, despliegue más amplio, otro departamento incorporado — porque ese es el número bajo gestión. El rediseño del flujo de trabajo, el que sí movería el business case, compite por financiación contra una métrica que estructuralmente no puede premiarlo. Los equipos no eligen distribución sobre rediseño por sus méritos. La eligen porque la distribución es lo que el panel paga.
La lectura justa del dos por ciento
Tres advertencias, porque de lo contrario la cifra se usará mal.
No es evidencia de que la IA no funcione. Es evidencia sobre difusión, no sobre eficacia. Una tasa de integración del 2 % dice que la práctica es rara, no que sea improductiva. Las organizaciones dentro de ese 2 % son la población interesante, y nada en estos datos sugiere que estén perdiendo el tiempo.
La trayectoria es real. La cohorte de etapa 3 creció de 1.739 trabajadores en el 1T de 2026 a 2.369 en el 2T — un aumento trimestral del 36 % (ActivTrak Productivity Lab, 2026). Base pequeña, pendiente pronunciada. Es comportamiento de difusión temprana, no estancamiento.
La telemetría de comportamiento tiene sus puntos ciegos. Ve actividad en herramientas, no criterio. Un trabajador que usa la IA una vez para rediseñar un proceso y luego ejecuta el proceso mejorado sin volver a tocar un modelo está haciendo exactamente lo que la etapa 3 debería describir, y no necesariamente quedará registrado como tal. Los datos de comportamiento observado son mejor proxy que el autoinforme. Siguen siendo un proxy.
Lo que sobrevive a las tres advertencias es la asimetría entre las dos curvas. El acceso se está aprovisionando a un ritmo que el comportamiento ni de lejos iguala, y solo una de esas dos cosas aparece en los informes que llegan a la dirección.
Pararse en la etapa 2 también tiene factura
Hay otra razón para no tratar la etapa 2 como un descanso cómodo, y viene del mismo instrumento.
La comparación de comportamiento de ActivTrak sobre unos 10.584 empleados, medidos 180 días antes y después de adoptar IA, encontró actividad de correo un 104 % arriba, chat un 145 %, uso de herramientas de negocio un 94 %, horas productivas un 5 % — y sesiones de concentración ininterrumpida un 9 % abajo, de 14 minutos 23 segundos a unos 13 minutos (ActivTrak, 2026).
Léelo como un enunciado operativo. El trabajo se volvió más rápido y más denso. También se volvió más fragmentado, y la fragmentación cae justo sobre la capacidad de concentración profunda que exige el rediseño de procesos. La etapa 2 sin la etapa 3 te compra más transacciones por hora y menos tramos ininterrumpidos en los que alguien pueda pensar por qué el proceso tiene tantas transacciones.
Mientras tanto la curva de despliegue no para de subir. El Work Trend Index 2026 de Microsoft reporta agentes activos creciendo 15x interanual en su ecosistema, 18x en grandes empresas, mientras solo el 26 % de los usuarios de IA declara un liderazgo alineado en estrategia de IA (Microsoft, 2026). La distribución va por delante de la dirección, y el panel está midiendo distribución.
Reconstruye el panel en torno al trabajo transformado
Cuatro cambios, ordenados por lo baratos que son.
Retira el recuento de licencias como métrica principal. Mantenlo como dato de coste, donde corresponde — junto al gasto en licencias, no junto a los resultados. En cuanto aparece en una diapositiva de resultados, empieza a sustituir a uno.
Nombra un flujo de trabajo y clasifícalo con honestidad. Elige un único proceso con un dueño real. Clasifícalo: asistencia de investigación, ejecución de tareas o integración en el flujo. La mayoría de los equipos descubre que su historia estrella de IA es una etapa 1 con buenas anécdotas adosadas. Ese descubrimiento es el entregable.
Instrumenta hechos de proceso, no hechos de actividad. Tiempo de ciclo de extremo a extremo, número de traspasos, tasa de retrabajo, volumen de excepciones. Son las cosas que solo se mueven cuando se mueve el flujo, que es exactamente por lo que son más difíciles de manipular y valen más que cualquier gráfico de uso.
Condiciona la expansión de licencias a una prueba de etapa 3. Congela el crecimiento de licencias hasta que un flujo de trabajo concreto supere demostrablemente la integración. Es el único mecanismo de la lista con dientes, porque hace que la medición sea consecuente en vez de decorativa.
Añade un control de atención: mide la duración de las sesiones de concentración ininterrumpida antes y después de cada despliegue. Si la adopción de IA está fragmentando la jornada, quieres verlo en el mismo informe que las ganancias de rendimiento, no descubrirlo un año después.
Una decisión para este trimestre
Toma el flujo de trabajo con el que tu inversión en IA está públicamente justificada. Clasifícalo según el modelo de tres etapas con alguien que no tenga interés en la respuesta. Si es etapa 1 o etapa 2 — y con esta evidencia es lo más probable — congela la expansión de licencias y dedica el próximo trimestre a llevar ese único flujo a la etapa 3.
El ejercicio es barato, lleva alrededor de una semana y produce el único artefacto que a la mayoría de los programas de IA le falta: una línea base honesta. Todo lo que venga después — el business case, el plan de expansión, la discusión sobre plantilla — gana precisión por tener un número real debajo.
La pregunta que responde tu panel de adopción de IA es cuánta gente puede usar la IA. La pregunta sobre la que descansa tu business case es cuánto trabajo se hace ahora de otra manera. Solo una de las dos ha aparecido alguna vez en la cuenta de resultados, y no es la que está en la diapositiva.
