¿Arraigada o mejoradora? La pregunta que su auditoría de IA no hace

La mayoría de las conversaciones sobre la gobernanza de la IA todavía hablan de la adopción en la ingeniería como una decisión a la espera de tomarse. No lo es. Los equipos de ingeniería ya usan asistentes de programación con IA todos los días, dentro del IDE, en repositorios de producción y en la revisión de código. La pregunta de gobernanza debió hacerse hace meses.

Ese momento cambia la pregunta que vale la pena hacer. No es “deberíamos adoptar esto”. Eso lo decidió cada equipo, normalmente sin una aprobación formal. La pregunta útil es más específica y más difícil. ¿Esta adopción ha hecho a la organización más capaz, o solo ha hecho que la ejecución del proceso antiguo parezca mejor?

La falacia de arrancar y reemplazar

El 1.er instinto, una vez que alguien nota una adopción no gobernada, es tratarla como un defecto. Retirar la herramienta. Restaurar el proceso antiguo. Empezar la gobernanza desde cero. Ese instinto es incorrecto, y no solo porque el equipo que creó hábitos en torno a la herramienta lo odiará.

No se puede deshacer la adopción. Los flujos de trabajo ya se han reconfigurado bajo la suposición de que la ayuda de la IA está ahí: ciclos de revisión, estimaciones, incorporación, hábitos de documentación. Arrancar la herramienta no restaura el proceso que tenía antes. Le da 1 peor. El flujo de trabajo antiguo, menos la memoria muscular que la gente tenía para él, más un vacío donde solían estar los hábitos formados por la IA. La gobernanza en esta etapa no está para revertir la adopción. Está para dar forma a la adopción que ya ocurrió.

La trampa de la satisfacción frente a la velocidad

Este es el hallazgo que debería preocupar a todo líder de ingeniería que señale el sentimiento de los desarrolladores como prueba de que la IA funciona. Un riguroso estudio controlado de 2026 descubrió que los desarrolladores eran un 19 % más lentos en las tareas al usar asistencia de IA. Creían que eran un 20 % más rápidos. No se trata de un error de redondeo. Es una brecha de percepción lo suficientemente amplia como para invertir el signo del resultado.

Esta es la trampa. Una IA que hace que las personas se sientan productivas no es lo mismo que una IA que hace a la organización más capaz, y ambas son más fáciles de confundir de lo que la mayoría de las auditorías admiten. El informe Global AI at Work de 2026 de BCG encuestó a casi 12 000 empleados de 1.ª línea. El 42 % dijo que ahorra el tiempo equivalente a 1 día de trabajo completo cada semana con la IA. El 66 % dijo que recibió poca o ninguna orientación sobre qué hacer con ese tiempo, y el 50 % no lo estaba redirigiendo hacia nada más estratégico. El tiempo se está ahorrando. La organización no se vuelve más capaz a cambio, porque nadie construyó nada para aprovechar esa ganancia.

La situación empeora. Investigadores de Stanford y BetterUp nombraron un modo de fallo que surge de esto: “workslop”, resultados generados por IA que parecen pulidos y no se sostienen en el uso. El 40 % de los trabajadores estadounidenses dijo que había recibido “workslop” de un colega en el último mes, y cada caso costó entre 2 y 3,5 horas estimadas de retrabajo posterior. Ese retrabajo nunca aparece en las métricas de adopción. Aparece más tarde y en silencio, en ciclos de revisión y reescrituras, que es exactamente donde la mayoría de las auditorías de IA no miran.

Más rápido no es mejor. Más fácil no es mejor. Mejor es mejor.

Nada de esto es un argumento en contra de la ingeniería asistida por IA. Es un argumento en contra de medir lo incorrecto. La velocidad y la facilidad son insumos. No son el resultado. Trátelos como el resultado y obtendrá un equipo que se siente más rápido mientras entrega la misma tasa de defectos, o se siente más productivo mientras genera más retrabajo del que previene.

La pregunta que toda auditoría de IA necesita, y que en su mayoría no hace: ¿esto mejora el proceso, o automatiza la versión que ya teníamos? Un flujo de revisión que ejecuta comprobaciones asistidas por IA y sigue detectando las mismas categorías de errores que siempre detectó no ha mejorado. Es el mismo flujo con una 1.ª pasada más rápida, y una suposición no comprobada de que una 1.ª pasada más rápida significa un mejor resultado.

Lo que observa una auditoría honesta

El uso arraigado de la IA pregunta: ¿somos más rápidos en lo que ya hacíamos? El uso mejorador de la IA pregunta: ¿podemos hacer ahora algo que no podíamos hacer antes, o detectar algo que se nos pasaba? La 1.ª pregunta es cómoda, y un panel de uso la responde. La 2.ª implica mirar los resultados. Tasas de defectos. Horas de retrabajo. Decisiones que cambiaron porque existe una capacidad que no existía el año pasado. No el sentimiento, y no la velocidad.

La mayoría de las auditorías se detienen en la 1.ª pregunta porque las herramientas ya la responden. Las organizaciones que obtienen un valor real de la IA son las que están dispuestas a enfrentarse a la 2.ª.

Fuentes: Fortune, “Why AI is raising worker productivity but not making the economy more efficient”, May 27, 2026; Fortune, “AI productivity gains are real but so is bad management”, June 5, 2026 (informe Global AI at Work de BCG de 2026); Dra. Philippa Hardman, “The Illusion of AI Productivity Gains”, April 2026 (Hancock et al. 2026, investigación sobre “workslop”); TechJournal, “Does AI Actually Make You More Productive?”, 2026