La adopción de inteligencia artificial (IA) en las empresas está llevando a las organizaciones a replantear cómo miden la productividad de sus colaboradores. Algunas compañías han comenzado a utilizar indicadores como el tiempo de uso de herramientas de IA o el consumo de tokens, bajo la premisa de que una mayor utilización representa un mayor valor. Sin embargo, estos indicadores pueden medir actividad y adopción, pero no necesariamente los resultados obtenidos por el negocio.

Los casos de Starbucks y Uber muestran algunos de los desafíos de este enfoque. Starbucks vinculó una cuarta parte de la bonificación de colaboradores de su área de IT al uso frecuente de un asistente de IA, una medida que buscaba impulsar la adopción. En Uber, los incentivos para utilizar herramientas de IA llevaron a sus ingenieros a incrementar significativamente su consumo y la compañía terminó utilizando en cuatro meses el presupuesto destinado a estas herramientas para todo 2026. Según Praveen Neppalli Naga, director de tecnología de Uber, la adopción fue tan amplia que la empresa tuvo que replantear el modelo para hacerlo sostenible.

Para evaluar la productividad empresarial con IA, el análisis plantea diferenciar entre la tecnología utilizada como acelerador de procesos y como socio de razonamiento. En el primer caso, los resultados pueden medirse mediante variables como tiempo ahorrado, reducción de costos o aumento del rendimiento. En cambio, cuando la IA se emplea para analizar información, modelar escenarios, poner a prueba supuestos o generar alternativas, el valor está relacionado con la calidad de las decisiones y no con la cantidad de tokens utilizados.

Ante este escenario, las empresas pueden separar las métricas de adopción de las de productividad, establecer indicadores de resultados antes de implementar IA y definir sistemas de medición según el tipo de trabajo realizado. También resulta necesario vincular el gasto en inteligencia artificial con resultados empresariales verificables. Bajo este enfoque, la medición debería partir de los objetivos del negocio y retroceder hasta determinar qué uso de IA contribuye a alcanzarlos, en lugar de asumir que una mayor utilización de estas herramientas equivale automáticamente a una mayor productividad.