En unas 10.000 conferencias de resultados entre 2021 y 2025, los directivos que hablaban de IA fueron uniformemente optimistas, y ese optimismo no explicaba nada de la variación de productividad de sus empresas. Lo que sí acompañaba a la productividad es la variable que nadie pone en una diapositiva para el consejo: el sentir de los empleados sobre la IA, extraído de millones de reseñas de Glassdoor de esas mismas empresas en esos mismos años (Ding, Ma, Wu & Yang, SSRN, 2026).
Una señal es ruidosa, gratuita e inútil. La otra es silenciosa, no se mide en la mayoría de las empresas del mid-market y es la única con una relación demostrada con el resultado.
Si estáis proyectando el retorno de la IA a partir de la confianza de quienes aprobaron el presupuesto, estáis leyendo el instrumento equivocado.
Qué midió realmente el panel de Pittsburgh
El trabajo — Tracking Artificial Intelligence Sentiment in the U.S. Labor Market, un working paper de 116 páginas firmado por investigadores de la Katz School de Pittsburgh y de Michigan State — construye un panel a nivel de empresa a partir de cuatro fuentes de datos para 2021–2025: millones de reseñas de empleados en Glassdoor, unas 10.000 transcripciones de conferencias de resultados, perfiles profesionales individuales de LinkedIn y ofertas de empleo a nivel de compañía (Ding, Ma, Wu & Yang, SSRN, 2026).
Tres resultados importan para quien dirige operaciones.
Primero: los empleados son mediblemente más negativos sobre la IA de lo que lo son sobre su empleador en general. La brecha es específica de la IA. El mismo reseñador que valora bien a la empresa puntúa el programa de IA por debajo de ese nivel, así que no se trata de insatisfacción general filtrándose en la pregunta sobre IA.
Segundo: el sentir de los empleados sobre la IA muestra una fuerte asociación positiva con la productividad de la empresa. Más sentir positivo, más resultado.
Tercero, y lo más útil para un Head of Operations que decide qué instrumentar: el sentir del management sobre la IA no explica la productividad. Es uniformemente optimista tanto en empresas que luego rindieron bien como en las que no, y eso es precisamente lo que lo vuelve inútil como señal. Una variable sin varianza no puede predecir nada.
Por qué el optimismo directivo no tiene varianza que aportar
No es una acusación de mentira. Es una observación sobre para qué sirve el lenguaje de una conferencia de resultados.
Una conferencia de resultados es un ejercicio de posicionamiento con un departamento legal al lado. El CEO que dice «nuestra inversión en IA todavía no está rindiendo» paga un precio de mercado inmediato por esa frase. El resultado es un corpus en el que casi todos suenan seguros, lo que elimina justamente las diferencias que harían falta para distinguir un programa que funciona de uno estancado.
Los datos de encuesta muestran la misma compresión desde otro ángulo. El State of the Workforce 2026 de BambooHR, con más de 1.200 empleados y líderes empresariales de seis sectores, encontró que el 81 % de los líderes declara un aumento de productividad por la IA mientras el 49 % de los encuestados afirma que la IA no ha aportado valor tangible y está sobrevalorada (BambooHR, 2026). Esos dos números describen las mismas empresas. La capa directiva no observa una realidad distinta: reporta una distinta.
Hay una razón estructural para que la lectura directiva sea alta, y no es vanidad. Los líderes ven la demo del piloto, el benchmark del proveedor y el cuadro de mando agregado. Los empleados ven el retrabajo, el paso de verificación y el flujo de trabajo que nunca se rediseñó alrededor de la herramienta. Ambos miran el programa de IA. Solo uno mira la parte de la que tendría que salir la productividad.
Si vuestro business case de IA se apoya en cuánta confianza siente vuestro equipo directivo, se apoya en la única variable del conjunto de datos sin poder explicativo.
La seguridad del empleo es el primer factor, y la atribución de los despidos el amplificador
El estudio ordena qué hunde el sentir de los empleados sobre la IA. El temor por la seguridad del empleo es el factor negativo más fuerte, por delante de la formación deficiente, los itinerarios de reciclaje escasos, un liderazgo débil en IA y la simple duda de que las herramientas funcionen (Ding, Ma, Wu & Yang, SSRN, 2026).
Luego llega el hallazgo con la consecuencia operativa más directa: los anuncios de despidos atribuidos a la IA hunden con claridad el sentir de los empleados sobre la IA en la empresa que los anuncia, compensando las ganancias de adopción que esos recortes pretendían embolsarse. Y la reacción del mercado a esos anuncios fue negativa o próxima a cero en más de la mitad de los casos estudiados.
Leedlo como un error de valoración. Cuando una empresa presenta una reducción como «la IA hizo innecesarios estos puestos», elige un relato que cree gratuito. No lo es. Compra una caída medible de la variable de sentir que correlaciona con la productividad, a cambio de una reacción de mercado que, más de la mitad de las veces, no llega.
Los datos de Forrester sobre el otro lado de esa decisión no son halagüeños. El 55 % de los empleadores dice arrepentirse de haber despedido por la IA, y cerca de la mitad de los despidos atribuidos a la IA se revertirán discretamente en 2026, con recontrataciones en el extranjero o con salarios sensiblemente inferiores (HR Executive sobre Forrester Predictions 2026). La secuencia, para una parte relevante de las empresas, es: recortar, atribuir el recorte a la IA, absorber el golpe de sentir, no obtener crédito del mercado y luego volver a contratar.
El cuadro macro dice que la mayor parte de esos recortes nunca estuvo justificada por la aritmética agregada de plantilla. El panel de la CFO Survey de la Fed —603 respuestas, más 145 complementarias, recogidas entre noviembre de 2025 y enero de 2026— halló un efecto insignificante de la IA sobre el empleo en 2025 y un efecto esperado para 2026 próximo a cero en agregado. El movimiento es de composición: una caída esperada del 0,76 % en la proporción de trabajo administrativo rutinario en 2026 y del 2,19 % para 2028, compensada en parte por el crecimiento de puestos técnicos cualificados (NBER Working Paper 34984, 2026).
Los cambios de composición no requieren un anuncio. Requieren un plan de contratación.
El dato de retención que nadie valora
Un resultado más del panel merece su propia línea en vuestro modelo de plantilla: las empresas con más empleados competentes en IA muestran mayor rotación, menor tasa de contratación y crecimiento de empleo más lento. Los autores contrastaron el sesgo obvio —empresas que sobrecontrataron tras la COVID y ahora corrigen— y el resultado se mantiene al excluirlas, así que no es principalmente un artefacto de AI-washing (Ding, Ma, Wu & Yang, SSRN, 2026).
Junto a ello: una prima salarial creciente y una movilidad ascendente más rápida para los trabajadores competentes en IA.
Juntad ambas cosas y la exposición del mid-market se vuelve concreta. Las personas a las que formasteis en 2025 hasta la fluidez en IA se han vuelto más móviles en un mercado que ahora les paga más, dentro de una empresa que contrata más despacio. Vuestro programa de capacitación en IA lleva una factura de retención adjunta, y vence exactamente en la banda de seniority donde reemplazar es más difícil.
El contraargumento que merece tomarse en serio
Es un working paper, no una publicación revisada por pares, y las relaciones centrales son observacionales. Nadie aleatorizó el sentir de los empleados. La asociación entre sentir y productividad es compatible con causalidad inversa —las empresas productivas son sitios agradables para trabajar y allí se escriben mejores reseñas— y con un tercer factor omitido, la calidad directiva, que produciría ambas cosas.
La objeción es correcta, y no cambia lo que deberíais hacer.
No se os pide creer que mejorar el sentir causa productividad. Se os pide notar que una variable medible se mueve con el desempeño de la empresa y otra no. Un indicador adelantado no necesita ser causal para ser útil; necesita ser informativo y estar disponible pronto. El sentir de los empleados sobre la IA es ambas cosas. El de los directivos, con esta evidencia, no es ninguna.
La posición defendible no es «hay que arreglar la moral para obtener retornos de la IA». Es «hoy proyectamos nuestros retornos sobre una señal sin poder predictivo demostrado, y la señal alternativa cuesta casi nada recoger».
Qué instrumentar: el sentir de los empleados sobre la IA como indicador adelantado
Medid el sentir sobre la IA por separado del engagement
Vuestra encuesta de engagement actual no hará aflorar esto. El sentido del hallazgo de Pittsburgh es precisamente que el sentir sobre la IA queda por debajo del sentir general hacia la empresa: agregarlos oculta la brecha. Añadid tres o cuatro ítems específicos de IA al instrumento que ya usáis: ¿la herramienta mejora tu trabajo?, ¿tienes la formación para usarla?, ¿entiendes qué significa para tu puesto? Seguid el delta entre sentir sobre IA y sentir global como una métrica propia.
Segmentadlo por función y por antigüedad, y leed la dispersión
Una media a nivel de organización parecerá aceptable y no os dirá nada. La señal está en qué equipos se han vuelto negativos y, dado el hallazgo sobre rotación, en si son vuestras personas más fluidas en IA las que se vuelven negativas. Esos dos cortes son el informe.
Auditad cómo se atribuyeron las reestructuraciones de este año
Revisad cada reducción de los últimos doce meses y comprobad qué se les dijo a los empleados sobre el porqué. Si se señaló a la IA como causa donde no era el motor real, pagasteis un coste de sentir por un relato que no os compró nada. Corregid el lenguaje de aquí en adelante: atribuid a la razón de negocio, no a la tecnología.
Atacad los factores por orden de importancia, no por facilidad de financiación
La seguridad del empleo va primero, por delante de la formación. La mayoría de los presupuestos de capacitación invierten ese orden: mucho en herramientas y talleres de prompting, mudos sobre qué pasa con el puesto cuando cambia el flujo de trabajo. Una declaración clara y específica sobre qué significa y qué no significa la IA para un trabajo concreto no cuesta nada y ataca el factor de primer orden. La formación ataca el segundo. Compradlos en ese orden.
Después ampliad los casos de uso, no el número de licencias
Los datos de Gallup del segundo trimestre de 2026 muestran que la proporción de empleados que declara un efecto positivo en su productividad sube del 45 % entre quienes tienen uno o dos casos de uso de IA al 90 % entre quienes tienen siete o más (Gallup, 2026). El sentir mejora cuando la herramienta ayuda de verdad. Lo que lo mueve es la amplitud del uso aplicado, no las licencias emitidas.
La decisión que tenéis sobre la mesa
Ya tenéis una encuesta de empleados. Ya tenéis revisiones trimestrales donde alguien presenta una diapositiva de avance en IA construida con benchmarks de proveedores y con la confianza de la dirección. El cambio no es una nueva partida presupuestaria: es cuál de esos dos artefactos tratáis como evidencia.
Antes de vuestra próxima revisión de inversión en IA, poned un número delante de la sala: el sentir de los empleados sobre la IA, segmentado por función y antigüedad, con la brecha respecto al sentir general. Si es más bajo de lo que cualquiera esperaba, eso no es un problema de moral para derivar a RR. HH. Es vuestra previsión de productividad, llegando con tiempo suficiente para actuar.
