La paradoja del tiempo liberado: por qué la IA no te está dando más horas libres, solo más trabajo que llenarlas

El analista que terminó su reporte en cuarenta minutos

Un analista financiero en una empresa mediana reportó, hace unas semanas, que una tarea que antes le tomaba cuatro horas —armar un reporte trimestral con datos de múltiples fuentes— ahora le toma cuarenta minutos con la ayuda de un asistente de IA generativa. La cifra, repetida en distintas variantes en encuestas de adopción empresarial durante 2025 y 2026, suena como la promesa central de la revolución de productividad que la industria lleva años anunciando. La pregunta que casi nadie se hace, ni en la encuesta ni en la conversación de pasillo que sigue a ese anuncio, es qué pasó exactamente con las tres horas con veinte minutos que esa tarea dejó de ocupar. La respuesta, en la inmensa mayoría de los casos documentados, no es que ese tiempo se haya ido a casa con el analista. Es que algo más lo ocupó casi de inmediato.

La ley que ya había anticipado esto, setenta años antes de que existiera la IA

En 1955, el historiador naval británico Cyril Northcote Parkinson publicó, en un ensayo satírico para la revista The Economist, una observación que con el tiempo se volvió una de las leyes informales más citadas de la administración: el trabajo se expande hasta llenar el tiempo disponible para completarlo. Parkinson lo ilustró con el ejemplo de una señora jubilada que puede dedicar todo un día a escribir y enviar una postal —buscar la tarjeta correcta, escribir la dirección, decidir si llevarla ella misma al buzón o esperar al cartero—, una tarea que una persona ocupada resolvería en tres minutos entre dos reuniones. El punto de Parkinson no era sobre la postal: era sobre la relación entre el tiempo disponible y la complejidad que el trabajo adquiere para llenarlo.

La observación, pensada originalmente para burocracias gubernamentales de posguerra, resulta inquietantemente aplicable al momento actual de adopción de IA en el trabajo de conocimiento. Si la premisa de Parkinson es correcta —y setenta años de evidencia organizacional sugieren que lo es, con una consistencia que pocas leyes informales de gestión logran sostener—, entonces automatizar una tarea no libera tiempo en un sentido neto: simplemente reduce el tiempo asignado a esa tarea específica, dejando que el tiempo total disponible se redistribuya hacia cualquier otra cosa que la organización considere que merece atención en ese momento. Y las organizaciones, casi sin excepción, siempre tienen algo más con qué llenar ese espacio.

Por qué las encuestas de productividad miden lo que no importa

La métrica que domina la conversación pública sobre IA y productividad es el ahorro de tiempo por tarea: cuánto más rápido se redacta un correo, se construye un modelo financiero, se escribe una primera versión de código. Esa métrica es real y, en la mayoría de los casos documentados, verificable. Lo que casi ninguna encuesta de adopción empresarial pregunta —porque es mucho más difícil de medir y mucho menos favorecedor para quien vende la herramienta— es qué pasó con la jornada laboral total de esa persona seis meses después de adoptar la herramienta. La evidencia anecdótica disponible, consistente entre sectores e industrias, apunta en una dirección: la jornada laboral promedio no se redujo en ninguna proporción cercana al ahorro de tiempo reportado por tarea. En el caso más citado en estas conversaciones, una reducción de 40% en el tiempo de una tarea específica no se tradujo en absolutamente ninguna reducción medible de la jornada laboral del equipo que la realizaba.

Esto no es evidencia de que la IA no funcione. Es evidencia de que la pregunta "¿cuánto tiempo ahorra esta herramienta?" y la pregunta "¿cuánto tiempo libre genera esta herramienta?" son, en la práctica organizacional real, dos preguntas completamente distintas, y la industria de la IA generativa se beneficia de que el público confunda la respuesta a la primera con la respuesta a la segunda.

El mecanismo concreto: de dónde sale el trabajo que llena el hueco

Vale la pena ser específico sobre el mecanismo, porque "el trabajo se expande" suena como una fuerza casi mística cuando en realidad opera a través de rutas muy identificables. La primera y más común es la multiplicación de revisiones: si un reporte ahora toma cuarenta minutos en vez de cuatro horas, la organización típicamente no se conforma con un reporte; pide dos o tres versiones con distintos cortes, porque el costo marginal de pedir "una vista más" bajó en la misma proporción que bajó el costo de producirla. La segunda ruta es la multiplicación de reuniones: el tiempo que antes estaba genuinamente bloqueado haciendo la tarea ahora aparece como "disponible" en el calendario de la persona, y ese espacio visible es, casi por definición organizacional, un espacio que alguien más va a reclamar para una junta. La tercera, menos visible pero quizás más persistente, es el ajuste silencioso de expectativas: el estándar de lo que cuenta como "un reporte aceptable" sube para absorber la capacidad adicional, de la misma manera que el estándar de qué tan pulido debe verse un correo subió cuando los correctores ortográficos automáticos eliminaron el pretexto del error tipográfico.

Lo que esto no es: no es un argumento en contra de adoptar IA

Es importante ser preciso sobre lo que esta observación implica y lo que no implica. No es un argumento en contra de adoptar herramientas de IA generativa, ni una afirmación de que la productividad ganada sea falsa o ilusoria: el reporte que antes tomaba cuatro horas genuinamente ahora toma cuarenta minutos, y esa ganancia es real en el nivel de la tarea individual. Lo que la observación cuestiona es la expectativa implícita, repetida en buena parte del discurso corporativo sobre IA, de que esa ganancia de tiempo se va a traducir automáticamente en una vida laboral menos demandante para quien la experimenta. La historia del trabajo administrativo del último siglo sugiere exactamente lo contrario: cada ola de herramientas que prometió "liberar tiempo" —la máquina de escribir, la calculadora, la hoja de cálculo, el correo electrónico— terminó, en la práctica agregada de las organizaciones, elevando el estándar de lo que se espera producir en una jornada, no acortando esa jornada.

La pregunta que sí depende de una decisión, no de una ley natural

Si la expansión del trabajo para llenar el tiempo disponible fuera verdaderamente inevitable, como una ley física, no habría nada que discutir. Pero la Ley de Parkinson describe un patrón de comportamiento organizacional dominante, no una ley de la naturaleza: una organización que decide explícitamente capturar una ganancia de productividad como tiempo devuelto a sus empleados —en vez de como más output esperado al mismo costo de tiempo— puede hacerlo, y hay ejemplos documentados de empresas que han experimentado con semanas laborales más cortas precisamente apoyadas en ganancias de productividad verificadas. Lo que distingue a esas organizaciones no es que hayan descubierto una tecnología distinta; es que tomaron una decisión deliberada de no dejar que el tiempo liberado se llenara solo, que es exactamente lo que ocurre, en automático y sin ninguna decisión consciente de por medio, en la inmensa mayoría de las organizaciones que hoy reportan ganancias de productividad gracias a la IA.

Por qué nadie dentro de la organización tiene incentivo para detener el llenado

Hay una razón estructural, más allá de la inercia, por la que casi ninguna organización elige capturar deliberadamente el tiempo ahorrado como tiempo libre en vez de como más producción: quien tomaría esa decisión —un gerente de área, un director de operaciones— no es evaluado por cuánto descanso recupera su equipo, sino por cuánto produce. Proponer, en una revisión de presupuesto o de desempeño, "mi equipo ahora tiene tres horas libres a la semana gracias a la IA y las vamos a dejar libres" equivale, en la práctica de casi cualquier estructura de incentivos corporativa, a declarar una capacidad ociosa que de inmediato se vuelve candidata a recorte, ya sea de presupuesto o de personal. El resultado es que, aunque cada persona individual preferiría probablemente quedarse con el tiempo liberado, nadie con la autoridad de otorgarlo tiene un incentivo personal para hacerlo, lo que convierte al llenado automático del tiempo no en una elección consciente de nadie en particular, sino en el resultado agregado de que cada actor individual tome la decisión racional dentro de su propio margen de incentivos.

Una pregunta para la próxima encuesta de adopción de IA

La próxima vez que una organización mida el éxito de su adopción de IA generativa preguntando cuánto tiempo ahorró una tarea específica, valdría la pena que hiciera, en la misma encuesta, una segunda pregunta que casi nunca aparece: ¿la jornada laboral de esa persona terminó siendo, en los meses siguientes, más corta, igual, o más larga que antes? La respuesta a esa segunda pregunta dice mucho más sobre qué tipo de organización se está construyendo con esta tecnología que cualquier cifra de ahorro de tiempo por tarea.

Fuentes

• Cyril Northcote Parkinson, "Parkinson's Law", The Economist, 1955 (ensayo original que formuló la ley)
• C. Northcote Parkinson, Parkinson's Law: The Pursuit of Progress, 1958 — versión en libro del ensayo original, con ejemplos adicionales de expansión burocrática
• Reflexión propia a partir de patrones de adopción de IA generativa en trabajo de conocimiento observados en distintas organizaciones durante 2025-2026, sin revelar información confidencial ni nombrar clientes o proyectos específicos