Tres economistas de la Fed de San Luis pasaron unas 490.000 transcripciones de llamadas de resultados de 5.198 empresas cotizadas estadounidenses por un modelo de lenguaje, etiquetaron 910.955 frases sobre productividad y las ordenaron por tiempo verbal. Alrededor del 95% de las afirmaciones sobre productividad relacionadas con IA se referían a ganancias que aún no habían ocurrido. En el discurso sobre productividad no vinculado a la IA, la cifra rondaba el 75% (Fed de San Luis, 2026).
En ese mismo periodo, la productividad total de los factores ajustada por utilización en Estados Unidos creció un 0,07% en los cuatro trimestres cerrados en el primer trimestre de 2026.
Ahí está el problema entero en dos números. El registro público de la productividad de la IA es casi por completo un registro de expectativas, y tu business case de IA se está financiando contra él como si fuera un registro de resultados.
El benchmark que usas es un tiempo verbal, no una cifra
Empecemos por lo que el estudio hizo realmente, porque es el método lo que vuelve difícil descartar el hallazgo.
Serdar Ozkan, Aakash Kalyani y Nicholas Sullivan extrajeron transcripciones de S&P Global de 2000 a 2025, preseleccionaron frases por palabras clave y después usaron un clasificador Qwen3-3B para etiquetar cada una en tres ejes: si trata de IA, si describe la productividad como en aumento, en descenso o sin cambios, y si está formulada en pasado, presente o futuro. Las frases ajenas a la productividad se descartaron. Sobrevivieron 910.955 (Fed de San Luis, 2026).
Salieron dos distribuciones, y ambas están sesgadas en la misma dirección.
Sobre el tiempo verbal: cerca del 95% de las frases sobre productividad con IA miran al futuro, frente a alrededor del 75% del discurso general sobre productividad. Sobre la dirección: cerca del 95% de las frases ligadas a la IA describen la productividad al alza, frente a un 75% en el resto. La proporción que describe un descenso de productividad causado por la IA es insignificante.
La objeción obvia es el retraso propio de la fase de entusiasmo: claro que 2023 era aspiracional, las herramientas eran nuevas. Los datos no respaldan esa lectura. La proporción en futuro es estable tanto en 2023 como en 2025, mientras el peso de la IA en toda la conversación sobre productividad subió de casi cero antes de ChatGPT a alrededor del 15% a finales de 2025 (Fortune, 2026). Dos años completos de despliegue no movieron la conversación de vamos a a hicimos.
Así que cuando te llega la afirmación de una empresa comparable sobre productividad con IA —en una conferencia, en un caso de éxito de un proveedor, en la presentación a inversores de un competidor— la tasa base dice que es un pronóstico. No una mentira, ni necesariamente algo falso. Un pronóstico, vestido de benchmark.
La misma brecha aparece dentro de la empresa
Si el hallazgo de las llamadas de resultados solo afectara al lenguaje dirigido a inversores, podrías descartarlo como teatro de los mercados de capitales. No es así. La Encuesta a CFO de las Fed de Atlanta y Richmond encontró exactamente la misma brecha en respuestas privadas y no promocionales.
Al encuestar a más de 700 directivos en marzo de 2026, los investigadores pidieron a las empresas que declararan el efecto de la IA sobre la producción por trabajador: la respuesta fue 1,8% para 2025, con un 3,0% esperado para 2026. El equipo calculó después lo que implicaban las cifras de esas mismas empresas —ingresos atribuidos a la IA frente al cambio de plantilla derivado de la IA— y obtuvo entre 0,4% y 0,8% en manufactura, construcción y servicios de baja cualificación, hasta cerca del 2,2% en finanzas (Fed de Atlanta, 2026).
Los directivos sobreestimaron sus propias ganancias obtenidas por un factor de dos a cuatro, usando sus propios datos, en una encuesta confidencial, sin público al que impresionar.
Eso reencuadra el hallazgo de las llamadas de resultados. No es ante todo un problema de comunicación financiera ni de disciplina en relación con inversores. Es un problema de medición, y existe en el nivel del propio directivo operativo. Los autores recurren a la frase de Solow de 1987 sobre la era informática visible en todas partes menos en las estadísticas de productividad, y el paralelismo está ganado: dos mediciones independientes de la Fed —una textual sobre 5.198 empresas, otra por encuesta sobre más de 700 directivos— convergen en la misma conclusión desde direcciones metodológicas opuestas.
Por qué la contaminación por pronósticos es peor en el mid-market
Una función de operaciones de 50 a 500 empleados está más expuesta a esta asimetría que una gran empresa, por una razón estructural que nada tiene que ver con la sofisticación.
El desglose por tamaño de la Encuesta a CFO es rotundo. Alrededor del 60% de las empresas invirtió en IA en 2025 —aproximadamente el 80% de las grandes, cerca de la mitad de las pequeñas— y más del 80% prevé invertir en 2026. Pero los importes divergen en órdenes de magnitud: cerca del 60% de las empresas más pequeñas planea gastar menos de 20.000 dólares en IA en 2026, frente al 14% de las grandes, mientras que alrededor del 30% de las grandes planea gastar más de un millón de dólares, frente al 1% de las pequeñas (Fed de Richmond, 2026).
Una empresa que gasta 700.000 dólares puede permitirse instrumentar el despliegue: línea base del proceso, grupo de control, medición del tiempo de ciclo antes y después. Una empresa que gasta 18.000 no puede, y no lo hace. Compra las licencias e infiere el resultado de cómo se siente el equipo con la herramienta.
Lo que significa que el mid-market depende desproporcionadamente de benchmarks externos precisamente porque no puede generar los internos. Y el conjunto de benchmarks externos es en un 95% pronóstico. Cuanta menos capacidad de medición tienes, más peso pones en la clase de evidencia menos fiable disponible. Esa es la trampa, y se aprieta a medida que los presupuestos se reducen.
Hay un efecto de segundo orden que conviene nombrar. Cuando las afirmaciones de los pares son optimistas y tu propia medición es débil, la brecha entre tu resultado observado y el benchmark se lee como tu fallo de ejecución. Los responsables de operaciones responden comprando más herramientas o reestructurando el despliegue, cuando el diagnóstico honesto es que la comparación nunca fue válida. No vas por detrás. Tú estás medido; ellos, proyectados.
El pronóstico de plantilla tiene la misma forma
Las cifras de empleo de la Encuesta a CFO merecen atención aparte, porque son las que con más probabilidad están en tu plan como si fueran algo cerrado.
Los efectos agregados de la IA sobre el empleo fueron cercanos a cero. Las grandes empresas esperan una reducción de plantilla del 0,8% en 2026; las más pequeñas esperan un aumento de en torno al 1%. Sobre la composición, los directivos proyectan que la proporción de trabajo administrativo rutinario caiga un 0,76% para 2026 y un 2,19% para 2028, compensado en parte por el crecimiento de puestos técnicos cualificados —y las empresas más pequeñas tienen más probabilidad de ampliar plantilla técnica que de recortar en ningún sitio (Fed de Richmond, 2026).
Fíjate otra vez en el tiempo verbal. Cada una de esas cifras es una expectativa sobre 2026 y 2028, producida por los mismos directivos que sobreestimaron sus ganancias de productividad obtenidas en 2025 por un factor de dos a cuatro. El sesgo no se limita cortésmente a la cuestión de la productividad. Si tu plan operativo de 2027 asume una reducción administrativa porque es lo que muestran los datos de la encuesta, has importado un pronóstico de una población con un problema de optimismo documentado y medido, y lo has contabilizado como hipótesis de planificación.
Dónde se detiene la evidencia
Tres límites, porque un business case construido sobre una mala lectura de este estudio falla igual que uno construido sobre el entusiasmo.
Mirar al futuro no es lo mismo que ser falso. Una frase en futuro es una afirmación sobre intención y expectativa, no una invención. Algunos de esos pronósticos se cumplirán. El hallazgo trata sobre la clase probatoria de la afirmación, no sobre su valor de verdad, y la respuesta correcta es reponderar, no descartar.
La PTF agregada es un instrumento tosco. La cifra del 0,07% es de toda la economía y se mueve despacio; históricamente la productividad medida va años por detrás de las tecnologías de propósito general, y las ganancias a nivel de empresa pueden ser reales mientras el dato nacional sigue plano. La cifra de PTF es contexto para la asimetría del pronóstico, no prueba de que nadie esté obteniendo nada.
La clasificación es imperfecta. Etiquetar el tiempo verbal con un modelo de lenguaje pequeño sobre casi un millón de frases arrastra error, y el lenguaje de las llamadas de resultados es cauto por construcción: la revisión legal empuja a los directivos hacia formulaciones prospectivas en cualquier tema incierto. Parte de ese 95% es un artefacto de la comunicación financiera más que una ausencia de resultados.
Nada de eso rescata la práctica del benchmarking. Si acaso, la Encuesta a CFO refuerza el argumento: quita a los abogados, a los analistas y al incentivo de impresionar, y los directivos siguen sobreestimando entre dos y cuatro veces las ganancias obtenidas frente a sus propias cifras. La asimetría sobrevive a cualquier ajuste razonable a la baja.
Los tres campos que arreglan tu business case de IA
Esto es un cambio de documentación, no de estrategia, y cuesta una tarde.
Toma cada iniciativa de IA que hoy esté en tu presupuesto o en tu pipeline. Para cada una, exige tres campos antes de que avance:
Una métrica obtenida. No un ahorro proyectado, no una estimación de tiempo por puesto facilitada por el proveedor. Un número operativo concreto: tiempo medio de gestión, rendimiento a la primera, días hasta el cierre, tickets resueltos por empleado. Si nadie puede nombrar una, la iniciativa es una hipótesis y debe financiarse y revisarse como un experimento, no como un retorno.
Su línea base previa a la IA. El valor de esa métrica antes de que llegara la herramienta, con la ventana de medición declarada. Las líneas base ausentes son el fallo más común: los equipos empiezan a medir el día en que arranca el piloto, lo que vuelve ininterpretable cualquier número posterior. Si la línea base se perdió, reconstrúyela con datos históricos antes de gastar otro trimestre.
La fecha en que se midió. Los resultados obtenidos llevan fecha de medición. Los pronósticos no. Ese campo por sí solo ordena tu cartera más rápido que cualquier marco, porque una afirmación que no puede producir una fecha no es un resultado.
Después aplica la misma prueba a cada número externo que uses como referencia. Caso de éxito de un proveedor, conferencia de un par, presentación de un competidor: ¿nombra una métrica obtenida, una línea base y una fecha? El hallazgo de la Fed de San Luis predice que unos diecinueve de cada veinte fallarán en al menos uno. Esos van a una carpeta llamada expectativas, y dejan de influir en el presupuesto.
La disciplina es poco vistosa, y hará que tu programa de IA se vea peor sobre el papel este trimestre. Ese es justamente el punto. Ahora mismo estás comparando tus resultados medidos con las proyecciones de todos los demás y llamando a esa diferencia bajo rendimiento. Corrige la comparación y descubrirás que no vas por detrás: simplemente eres una de las pocas personas en la sala que está contando de verdad.
Antes de tu próxima decisión de inversión en IA, hazle una pregunta a cada número que haya en la sala, interno o externo: ¿cuándo se midió esto? Todo lo que no pueda responder es un pronóstico, y los pronósticos no pertenecen a la columna de evidencias de un business case.
