Megatendencias de EY

Cómo el restablecimiento de la productividad redefinirá el valor

Autores

20 minute read 12 nov 2025

La inteligencia artificial y los cambios globales están redefiniendo la productividad, exigiendo nuevas medidas y estrategias más inteligentes.

En resumen

  • La inteligencia artificial y las megatendencias están transformando la forma en que las organizaciones crean valor y miden el éxito.
  • El verdadero crecimiento de la productividad requiere replantearse los datos, las habilidades y los modelos operativos.
  • Los líderes deben equilibrar la innovación, la gobernanza y la colaboración entre humanos y máquinas para lograr un impacto duradero.

Este artículo forma parte de la primera serie de artículos de la nueva serie Megatendencias de EY: Preparándose para la era híbrida entre humanos y máquinas. 

La historia de la productividad siempre ha sido una historia de lo que medimos, cómo pensamos y cómo gestionamos. La productividad es importante: el aumento de la productividad impulsa el crecimiento económico y eleva el nivel de vida, al tiempo que aumenta los beneficios empresariales y el rendimiento de las inversiones.

Ahora nos encontramos en la cúspide de una remodelación de la productividad: qué la impulsa, cómo se mide y qué significa realmente el término. La inteligencia artificial (IA) es el centro de atención como la principal fuerza impulsora de esta transformación, pero no es la única. Converge con cambios normativos y de soberanía, geopolítica y reestructuración de la cadena de suministros, limitaciones energéticas y computacionales, presiones de capital y costo del riesgo, cambios demográficos y expectativas de talento, y la transición climática. Juntos convierten la productividad en una propiedad dinámica del sistema, en lugar de una configuración estándar de fábrica.

En los próximos años, es posible que la productividad ya no se mida únicamente mediante la relación tradicional entre la cantidad de producción y las unidades de insumos. Lo que hasta ahora ha sido una carrera implacable por aumentar la cantidad puede dar un giro radical, ya que estamos entrando en una era en la que las máquinas pueden generar cantidades aparentemente infinitas de contenido. En cambio, la atención se centrará en la calidad y la creatividad, impulsadas por la capacidad cada vez más crítica de las organizaciones para convertir la información, los conocimientos y la innovación en valor económico sostenido. El desafío consistirá en cómo cuantificar e incentivar las ganancias que no se producen en las líneas de producción, sino en los ecosistemas digitales, en la rapidez de la toma de decisiones, la adaptabilidad de los sistemas autónomos y el aprovechamiento de la creatividad que se libera gracias a la colaboración entre humanos y máquinas.

Sin embargo, aunque haya muchos cambios, la esencia de la productividad seguirá siendo el uso de recursos, ya sean humanos, materiales, financieros o computacionales, para lograr una mayor calidad y resultados mejores y más rápidos.

Para los líderes empresariales, las implicaciones son profundas. En la era de la inteligencia artificial, la productividad real no provendrá de una automatización incremental, sino de una reestructuración de la forma en que las organizaciones operan, deciden y aprenden.

La productividad pasará de las dimensiones tradicionales de cómo realizar las tareas de forma más rápida y económica a otras en las que el trabajo sea mejor, más inteligente, más resistente y más estratégico.

Para los gobiernos y los responsables políticos, el auge de la IA en las empresas exige algo más que replantearse los indicadores de productividad: requiere sistemas educativos que den prioridad a las habilidades digitales, analíticas y de adaptación. Los gobiernos también deberán considerar el impacto de la IA en sus estrategias industriales, agendas de sostenibilidad y la planificación de políticas laborales y de inmigración para apoyar a una fuerza laboral remodelada.

Los líderes del mañana, tanto en el mundo empresarial como en el gubernamental, serán aquellos que traten la IA no solo como una revolución tecnológica, sino también como una revolución humana. En algunos casos, la IA pasará de ser una herramienta a formar parte de la fuerza laboral, redefiniendo el rendimiento, el propósito y el progreso para una nueva era. En este futuro, la productividad ya no consistirá en hacer más de lo mismo, sino en imaginar y hacer realidad lo que antes era imposible.

Si bien esto tiene implicaciones para los líderes empresariales y gubernamentales, es de mayor relevancia para los directores ejecutivos, directores financieros, directores de estrategia, directores de operaciones y directores de recursos humanos, así como para los funcionarios gubernamentales y los responsables políticos. Esta tendencia también puede motivar a las empresas a considerar nuevos puestos, como el de director de productividad o incluso director de agencia.

Brazo robótico entregando un cono de helado a un cliente.
1

Capítulo 1

La historia de la medición de la productividad moderna, desde el acero hasta el software

Medir la productividad es difícil y cada vez más complejo.

Los debates modernos sobre la productividad se remontan a las ideas de principios del siglo XX. La "gestión científica" de Frederick Taylor revolucionó el trabajo en las fábricas mediante estudios de tiempo y movimiento, definiendo la productividad como una eficiencia mecánica medible. En las plantas siderúrgicas, Taylor demostró cómo la reorganización de los flujos de trabajo y los horarios de descanso podía aumentar la producción diaria por trabajador, una medida puramente física.

En la década de 1950, Robert Solow amplió el concepto con la contabilidad del crecimiento, distinguiendo las ganancias derivadas del trabajo y el capital de las impulsadas por la innovación y la eficiencia, lo que se convirtió en la "productividad total de los factores".

Sin embargo, a medida que las economías se orientaban hacia los servicios y el software, la medición se volvió más difícil. Contar mercancías es sencillo; valorar la usabilidad, la eficiencia de la búsqueda o la calidad del servicio público no lo es. Las herramientas digitales gratuitas y los servicios no comerciales desafían las métricas basadas en los precios, lo que oscurece el progreso real. Esta evolución, desde los cronómetros de fábrica hasta los complejos sistemas de datos, explica por qué el impacto de la tecnología a menudo escapa a las estadísticas. Como señaló Solow, "La era de la informática se puede ver en todas partes, excepto en las estadísticas de productividad". Los estudios sugieren que la adopción temprana de las tecnologías de la información incluso redujo la productividad debido a las interrupciones y la sobrecarga de información2.

Greg Daco, Vice President, EY Parthenon, Strategy and Transactions, Ernst & Young LLP, afirma: "Estamos presenciando los primeros indicios reales de una revolución de la productividad impulsada por la inteligencia artificial, que aún no se aprecia en el rendimiento, pero sí en la inversión". Las empresas están invirtiendo capital en infraestructura de datos, desarrollo de software, energía y talento, sentando las bases para el crecimiento futuro.

La IA podría prolongar la expansión económica entre dos y cuatro años durante la próxima década, pero solo si las empresas cumplen con los requisitos básicos: datos sólidos, infraestructura confiable, energía abundante y personal calificado. Las ganancias en productividad llegarán a aquellos que construyan bases sólidas antes de perseguir resultados.

El impulso real de la IA genérica al PBI mundial para 2033:
modelo de referencia
El impulso real de la IA genérica al PBI mundial para 2033:
modelo optimista

Cómo EY puede ayudar

 El cambio de las horas de trabajo a la valoración de los resultados redefine la productividad para la era de la inteligencia artificial. Tradicionalmente, el éxito se medía por la producción por hora, por ejemplo, en el caso de los profesionales del derecho por los informes redactados y en el de los profesionales de la contabilidad por los estados financieros auditados, suponiendo que el tiempo determinaba los resultados. Hoy en día, con los copilotos y agentes de IA, el tiempo es abundante; la perspicacia y la precisión humanas son los nuevos límites. La productividad ahora refleja la calidad y el impacto de los resultados en relación con la supervisión requerida. Una fórmula mejor es Productividad = (Precisión × Relevancia × Impacto) / Aporte cognitivo humano. Cuanto menos se tenga que corregir para obtener resultados valiosos, mayor será la productividad.

 

 "La verdadera productividad ahora mide el valor creado, no las horas consumidas", señala Biren Agnihotri, Chief Technology Officer, Ernst & Young LLP.
 

La adopción generalizada de la IA probablemente agravará este desafío que existe desde hace décadas, lo que hará que sea aún más importante medir cómo las ideas, el software y la organización, y no solo las horas y las máquinas, impulsan el crecimiento.
 

Los investigadores y los responsables políticos están replanteándose la productividad en varios frentes:

  • Ampliar las medidas de productividad para reconocer la inteligencia artificial y la robótica como contribuyentes activos a la producción, y no solo como herramientas secundarias, con el fin de enmarcar la productividad como el valor creado por unidad combinada de esfuerzo humano y agente3.
  • Registrar el valor de los datos, los algoritmos y la potencia informática como activos productivos en las nuevas normas internacionales de contabilidad gubernamental4.
  • Utilizar mejores índices de precios para los servicios de IA a fin de evitar subestimar las ganancias de productividad (como puede ocurrir cuando la IA, que mejora rápidamente, aprende más rápido o realiza tareas más complejas y estas ganancias no se reflejan en las medidas de precio y calidad)5.
La verdadera productividad ahora mide el valor creado, no las horas consumidas.

Biren Agnihotri

Chief Technology Officer, EY Canada

En conjunto, estos cambios apuntan a un futuro en el que la productividad no solo reflejará la eficiencia con la que trabajan las personas, sino también la eficacia con la que colaboran los seres humanos y los sistemas inteligentes. Obtener esta medición correcta será esencial para orientar la inversión, las políticas y el reparto equitativo de los beneficios de la próxima ola de automatización.

Foto aérea de una autopista iluminada en Laponia por la noche.
2

Capítulo 2

Comprender el potencial del aumento de la productividad gracias a la IA

Para aprovechar al máximo el impulso de la productividad que ofrece la IA, se requieren cambios estratégicos, datos fiables y una ejecución centrada en los resultados.

Cómo EY puede ayudar

La IA en sí misma se ha utilizado durante mucho tiempo en diversas formas, desde sistemas basados en reglas hasta modelos de aprendizaje automático. Basta con ver el uso de la IA en el trabajo realizado por los recientes ganadores del Premio Nobel, cuyos galardones de física y química han recaído en científicos por trabajos basados en investigaciones que utilizan la IA6. Sin embargo, el lanzamiento público de un chatbot de IA generativa (GenAI, por sus siglas en inglés) en noviembre de 2022 marcó un momento transformador. Su capacidad para comprender y generar contenido similar al humano —desde artículos y presentaciones de diapositivas hasta imágenes y videos— capturó la atención del público y de los inversionistas, lo que provocó un entusiasmo y una inversión sin precedentes en todos los sectores.
 

Las empresas que antes consideraban la IA como una herramienta especializada comenzaron a verla como un motor estratégico de productividad e innovación. La repentina accesibilidad y versatilidad de la IA generativa (GenAI) demostró cómo la automatización podía ir más allá de las tareas repetitivas para incluir el trabajo creativo, el trabajo intelectual, la comunicación y el apoyo a la toma de decisiones.
 

Sin embargo, aún no se ha determinado con claridad el cálculo definitivo de los beneficios económicos que puede reportar el uso de la IA. Existe un consenso cada vez mayor en que se producirá un auge similar al que experimentaron las tecnologías de la información y la comunicación (TIC) en la década de 1990.


IDC, proveedor global de inteligencia de mercado y servicios de asesoría, pronosticó que "el gasto empresarial para adoptar la inteligencia artificial (IA) [...] tendrá un impacto económico global acumulado de 19,9 billones de dólares hasta 2030 e impulsará un aumento del 3,5 % o en el producto bruto interno (PBI) global en 2030"7. El CEO de Microsoft, Satya Nadella, expresó expectativas similares y afirmó que esperaba que la inversión en IA impulsara el crecimiento y la productividad del Reino Unido: "Puede que suceda más rápido, por lo que nuestra esperanza no es que sean diez años, sino quizá cinco".8

Muchas empresas ya están proporcionando pruebas reales de su implementación, pero apenas estamos en los albores de los beneficios potenciales. El poder transformador de la tecnología es ampliamente reconocido, pero sus dividendos en términos de productividad siguen siendo en gran medida teóricos. Aunque los dividendos de la productividad aún no se han materializado, son una prioridad para los líderes empresariales, como demuestra un análisis de las menciones a la IA y la productividad en los comunicados de las empresas.


Cómo EY puede ayudar

La próxima ola de productividad vendrá de la mano de la IA agéntica, sistemas que pueden gestionar de forma autónoma flujos de trabajo complejos, tomar decisiones semiinteligentes y coordinar tareas entre diferentes funciones. Estos agentes de orden superior aún están a 18-36 meses de su implementación generalizada, pero representan el primer paso real hacia lo que EY describe como la "empresa superfluida".
 

"Las empresas han dejado atrás el debate sobre si la IA puede aportar valor para enfrentarse a la difícil cuestión de cómo hacerlo realidad", señala Brad Newman, Partner, EY Global Consulting Supply Chain and Operations Leader, Ernst & Young LLP. "En áreas como la cadena de suministros y las operaciones, la conversación ha pasado de la automatización teórica «lights out» al desafío práctico de la integración y la ejecución".
 

El resultado es una brecha de ejecución generalizada: un abismo entre el potencial tecnológico que venden los proveedores y los resultados medibles a los que los directores generales están dispuestos a comprometerse públicamente.
 

Lograr la transformación impulsada por la inteligencia artificial y el aumento de la productividad exigirá un cambio radical hacia modelos operativos basados en resultados, en los que los líderes gestionen por excepción y coordinación, en lugar de por el cumplimiento de los procesos. En lugar de asegurarse de que todos sigan estrictamente un conjunto de reglas o procedimientos fijos, los líderes deben centrarse en intervenir solo cuando ocurra algo inusual, cuando los resultados no cumplan con las expectativas o cuando un problema requiera su atención. Es mejor que dediquen su tiempo a coordinar a las personas, la tecnología y los procesos para lograr los resultados deseados, como un director que guía a una orquesta, en lugar de microgestionar cada paso.

Las empresas han dejado atrás el debate sobre si la IA puede aportar valor para enfrentarse a la pregunta más difícil: cómo lograrlo.

Brad Newman

EY Global Consulting Supply Chain and Operations Leader

Una transformación así de la arquitectura empresarial requiere un compromiso de varios años.

Michael Von der Geest, Partner, EY Global Customer Managed Services Leader, Ernst & Young LLP, lo resume así: "La mayoría de los líderes empresariales no entienden lo suficiente sobre la IA como para diseñar sus modelos de negocio, y la mayoría de los tecnólogos no entienden lo suficiente sobre cómo funcionan las empresas como para decirles cómo hacerlo".

Este punto ciego mutuo hace que las organizaciones busquen pruebas y estudios de casos que aún no existen. Es un desafío demostrar resultados tangibles, lo que ralentiza la inversión.

Ya hay pruebas de que esta tecnología está generando importantes beneficios9.


Cómo EY puede ayudar

  • Reinvención de la cadena de suministros

    La reinvención de la cadena de suministros ayuda a los clientes a efectuar un cambio fundamental en su desempeño para apoyar el crecimiento de las ventas, volverse más competitivos en costos, minimizar el riesgo y mejorar la resiliencia operativa.

    Leer más

La mayoría de las empresas aceptan ahora que el éxito de la IA a la hora de impulsar la productividad depende menos de la sofisticación de los algoritmos y más de la calidad de los datos que los alimentan. Muchos siguen teniendo dificultades para limpiar, unificar y estructurar los datos en sistemas complejos y fragmentados. Newman describe esto como un problema universal: "Algunos tienen dificultades con los datos: la calidad de los datos es un problema, y luego está la cuestión de si disponen de los datos que necesitan". Las empresas invierten cada vez más en herramientas de "autocorrección de datos" que utilizan la propia IA para detectar inconsistencias, llenar vacíos y generar puntos de datos faltantes, sentando así las bases para una automatización confiable.

 

Al mismo tiempo, la frontera entre la automatización y la inteligencia artificial se está difuminando. Las empresas están descubriendo que lo que realmente necesitan no es solo la automatización de procesos, sino inteligencia para la toma de decisiones, sistemas que complementen el juicio humano con análisis en tiempo real y lógica adaptativa. En cadenas de suministros complejas, esto significa que la IA puede ir más allá de la simple ejecución de tareas para optimizar continuamente las compensaciones entre los niveles de costo, riesgo y servicio.

 

Este salto en la productividad es especialmente visible en lo que se conoce como "IA física". Las empresas están descubriendo el potencial de integrar la inteligencia directamente en las máquinas y la robótica. En este nuevo futuro, las cámaras modernizadas y los algoritmos basados en el borde permiten a los robots reconocer y adaptarse a las nuevas piezas en tiempo real, sin necesidad de detener la producción para reprogramarlos. Las fábricas están evolucionando hacia ecosistemas adaptables, impulsados por gemelos digitales y simulaciones que optimizan la secuenciación, la velocidad y el uso de energía antes de que se produzca un solo cambio físico.

 

Los resultados no se limitan al taller. Las operaciones de primera línea también están experimentando una transformación, con la IA mejorando la previsión, el inventario y la capacidad de respuesta del mantenimiento. En sectores como la calefacción, la ventilación y el aire acondicionado (HVAC, por sus siglas en inglés), los sistemas predictivos ahora alertan a los técnicos sobre posibles averías antes de que los clientes noten un problema, lo que reduce el tiempo de inactividad y convierte las ventas tradicionales de productos en modelos de servicio continuo. Este cambio hacia la "servitización" representa un cambio fundamental: los clientes están pasando de comprar máquinas a invertir en resultados, que se monetizan a través de servicios continuos en lugar de compras puntuales.

 

Schneider Electric es un ejemplo de esta transición, centrándose en ofrecer "energía como servicio". Los ingresos por servicios recurrentes y soluciones digitales representan ahora más del 50 % e del negocio de Schneider, lo que permite obtener márgenes sólidos y resistentes, independientemente de los ciclos del hardware.

Más allá de la eficiencia operativa y la venta de servicios, la IA está acelerando la innovación en sí misma. En investigación y desarrollo, los sistemas generativos entrenados con décadas de datos estructurados y no estructurados están descubriendo nuevas moléculas, materiales y aplicaciones a una velocidad sin precedentes. Al combinarlo con la información sobre la confianza del mercado en tiempo real y la inteligencia competitiva, las empresas pueden dirigir la inversión en I+D de manera más eficaz, mejorando tanto el ritmo como la tasa de éxito del desarrollo de productos.

Sin embargo, esta revolución de la productividad depende de una gobernanza sólida y de la confianza. A medida que los agentes inteligentes toman cada vez más decisiones, supervisan sistemas e interactúan entre sí, la supervisión humana y una garantía sólida se vuelven esenciales. La gestión de riesgos debe ir más allá de los controles financieros y el cumplimiento normativo. Es necesario reinventarla para crear una nueva forma de operar en un futuro impulsado por la inteligencia artificial10. Sin las medidas de protección adecuadas, la misma tecnología que muchos esperan que impulse la productividad podría amplificar las vulnerabilidades, desde las amenazas cibernéticas hasta los errores sistémicos.

En última instancia, la IA ofrece a las empresas industriales no solo la oportunidad de mejorar la velocidad, sino también de aumentar la eficacia de sus operaciones: integrar la inteligencia en todas sus operaciones físicas y digitales, convertir los datos en decisiones y reinventar la forma en que se crea el valor en sí mismo. En los próximos tres a cinco años, esta fusión de capacidad física y cognitiva promete definir una nueva frontera de crecimiento, donde la productividad se redefinirá no por la producción por trabajador, sino por la innovación por algoritmo.

Para liberar todo el potencial de productividad de la IA, las empresas deben pasar de la experimentación a la adopción de la IA con un propósito definido. Las pruebas aportadas por los primeros en adoptar esta tecnología demuestran que la IA puede ayudar a lograr mejoras cuantificables en el rendimiento, desde el mantenimiento predictivo y el control de calidad hasta la optimización logística y la aceleración de la I+D.

Sin embargo, el mayor desafío no radica en desarrollar mejores algoritmos, sino en integrar la IA en el tejido de las operaciones comerciales. Las empresas deben invertir en las bases de los sistemas inteligentes, datos unificados de alta calidad, plataformas interoperables y marcos de gobernanza adaptables que generen confianza y transparencia. Esto implica avanzar hacia modelos operativos basados en resultados, desplazando sus métricas de rendimiento y éxito de los resultados hacia los productos y centrándose más en los resultados tangibles y el valor aportado, y donde el liderazgo se centra en gestionar las excepciones y coordinar los resultados en lugar de aplicar procesos estáticos.

La próxima ola de productividad provendrá de los sistemas de IA agenticos capaces de coordinar de forma autónoma flujos de trabajo complejos y tomar decisiones entre funciones, lo que permitirá la "empresa superfluida". Las empresas que reinventen sus arquitecturas en torno a esta inteligencia continua mejorarán su eficiencia y resiliencia.

A medida que se difumina la línea entre las operaciones físicas y digitales, las organizaciones deben equilibrar la innovación con la supervisión, asegurándose de que la IA complemente el juicio humano en lugar de sustituirlo. En última instancia, el crecimiento sostenido de la productividad dependerá de la capacidad de los líderes para combinar la ambición tecnológica con la disciplina estratégica, convirtiendo los datos en decisiones y la inteligencia en una ventaja competitiva duradera.

Joven de pie entre rascacielos dorados mirando hacia el cielo.
3

Capítulo 3

La cuestión de la productividad para los gobiernos y la sociedad

La IA ofrece ventajas, pero exige políticas inteligentes, reformas energéticas y estrategias laborales inclusivas.

"Si Europa no logra ser más productiva, se verán obligados a elegir. No podremos convertirnos, de la noche a la mañana, en líderes en nuevas tecnologías, en un referente en materia de responsabilidad climática y en un actor independiente en la escena internacional. No podremos financiar nuestro modelo social. Tendremos que reducir algunas, si no todas, nuestras ambiciones". Esta fue la valoración de Mario Draghi en su análisis sobre la competitividad en la Unión Europea (UE)11.

Pero esta preocupación no se limita a la UE. El Reino Unido tiene preocupaciones similares, y China pretende aumentar la productividad mediante la implementación de una estrategia de desarrollo impulsada por la innovación para impulsar la productividad total de los factores y potenciar un desarrollo de alta calidad12. Muchos gobiernos consideran ahora la adopción de la IA como una palanca para aumentar la productividad y garantizar la "soberanía industrial" en tecnologías estratégicas.

El sistema energético es una limitación y una oportunidad de primer orden. El entrenamiento y la implementación de la IA moderna se lleva a cabo principalmente en centros de datos, y la Agencia Internacional de la Energía advierte que la demanda de electricidad de los centros de datos y la IA aumentará sustancialmente en esta década, lo que tendrá implicaciones para las redes eléctricas, la ubicación de las instalaciones y la expansión de la energía limpia13. Al mismo tiempo, la IA puede optimizar los sistemas eléctricos, desde la previsión de las energías renovables hasta la coordinación de la demanda flexible, ayudando a los gobiernos a conciliar la expansión digital con los objetivos climáticos.

Los mercados laborales sufrirán efectos desiguales. El Fondo Monetario Internacional (FMI) considera que las economías avanzadas, más dependientes de los servicios y las industrias basadas en tareas cognitivas, están expuestas antes tanto a las ganancias de productividad como a los riesgos de deslocalización. Estos impactos distributivos varían según el nivel educativo, el género y la edad. Se insta a los responsables políticos a que combinen la difusión de la IA con redes de seguridad ágiles y políticas activas del mercado laboral, de modo que los beneficios se compartan ampliamente. La Organización para la Cooperación y el Desarrollo Económicos (OCDE) destaca igualmente que la IA transformará el trabajo y que las disparidades regionales podrían acentuarse sin estrategias específicas en materia de competencias14.

La educación y la formación determinarán si la IA complementa a los trabajadores o los desplaza. Las directrices de la UNESCO abogan por un enfoque centrado en las personas que dote a los alumnos de competencias digitales, críticas y éticas, y por sistemas que utilicen la inteligencia artificial para personalizar el aprendizaje, salvaguardando al mismo tiempo la equidad. Los gobiernos que adopten estos marcos podrán armonizar mejor los planes de estudio, la formación profesional y el aprendizaje permanente con la combinación cambiante de tareas en los lugares de trabajo que utilizan la inteligencia artificial15.

Los sistemas fiscales y normativos también deben adaptarse. El FMI sostiene que la IA puede inclinar la distribución de los ingresos hacia el capital y las empresas superestrellas, lo que implica la necesidad de reevaluar la tributación de las rentas del capital y reforzar la redistribución, al tiempo que se financian las competencias y la inclusión. Insta a aplicar políticas fiscales "ágiles" que puedan ampliar el apoyo tanto en escenarios graduales como altamente disruptivos. Los propios profesionales fiscales ya están utilizando la IA para el cumplimiento normativo, la evaluación de riesgos y la prestación de servicios, pero su uso generalizado plantea interrogantes sobre la gobernanza, la transparencia y las garantías en la toma de decisiones públicas16, 17.

Para los gobiernos, la medida clave será cómo crear un entorno que permita a las empresas aumentar su productividad. Sin embargo, el uso de las nuevas tecnologías puede tener efectos negativos. La estrategia óptima combina una regulación favorable a la innovación y la inversión para aumentar la productividad con salvaguardias que protegen los derechos, garantizan la compatibilidad del sistema energético con las trayectorias de cero emisiones netas y modernizan las políticas fiscales y sociales para una economía intensiva en inteligencia artificial.

Un plan de acción para la productividad en la era de la inteligencia artificial

  • Reconstruir en torno a datos limpios y conectados: tratar los datos como infraestructura. Invertir en sistemas de datos interoperables y de alta calidad que permitan que la IA funcione de manera eficaz y responsable.
  • Incorporar la inteligencia decisional en los flujos de trabajo: integrar la IA en las operaciones diarias, no como un complemento, sino como una capacidad fundamental que mejora la velocidad, la precisión y la coherencia en la toma de decisiones.
  • Medir los resultados, no solo el esfuerzo: pasar de registrar las horas y los insumos a medir el valor a través de la rapidez, la calidad, la resiliencia y las nuevas fuentes de ingresos, especialmente los modelos basados en servicios.
  • Invertir en sistemas agenticos con una gobernanza sólida: utilizar agentes de IA para coordinar tareas complejas y multifuncionales, pero asegurándose de que existan mecanismos sólidos de supervisión, rendición de cuentas y salvaguardias éticas.
  • Digitalizar las operaciones físicas con IA y gemelos digitales: combinar la computación periférica y la simulación para optimizar el rendimiento, la calidad y el uso de energía en tiempo real.
  • Alinear el talento, las herramientas y la confianza: desarrollar habilidades digitales en todos los niveles, renovar la plataforma en torno a herramientas de IA interoperables e incorporar controles de riesgo para garantizar que la IA complemente, y no sustituya, el juicio humano.
  • Adoptar nuevas métricas de productividad: desarrollar indicadores que reflejen la colaboración entre humanos y máquinas, el valor de los datos y los modelos, y la contribución de los sistemas inteligentes a los resultados.

Preguntas para los líderes:

CEO:
  • ¿Qué resultados definirán la ventaja competitiva en tres años y cómo influirá la IA de forma cuantificable en esos indicadores trimestre tras trimestre?
  • ¿Qué arquitectura operativa, datos, plataformas y gobernanza permitirán que los sistemas agenticos funcionen de forma segura a gran escala en todas las funciones?
  • ¿Cómo pasaremos de la venta de productos a los servicios basados en resultados sin mermar la confianza ni los márgenes?
CFO:
  • ¿Cómo capitalizaremos los datos, los modelos y la computación para reflejar su valor como activos, al tiempo que actualizamos el retorno de la inversión y el costo total de propiedad de los programas de inteligencia artificial?
  • ¿Qué controles garantizan que los riesgos de modelo, cibernéticos y de cumplimiento normativo se mantengan dentro de los límites aceptables a medida que se expande la automatización?
  • ¿En qué casos el reequilibrio entre gastos operativos y gastos de capital y la servitización pueden mejorar la resiliencia del flujo de caja?
Directores de estrategia (CSO):
  • ¿Qué ecosistemas, socios, modelos abiertos e infraestructura son esenciales para evitar el bloqueo y acelerar la difusión?
  • ¿Qué escenarios (crecimiento, transformación, restricción, colapso) amenazan más nuestro modelo y qué medidas de protección se han implementado?
  • ¿Cómo vamos a reestructurar la organización para aprovechar la inteligencia de decisión en cada pérdida y ganancia?
Para los COO:
  • ¿Cómo podemos rediseñar las operaciones para medir y gestionar la productividad en los sistemas humanos, digitales y de agentes?
  • ¿Cómo podemos pasar de modelos operativos basados en procesos a modelos basados en resultados que gestionan por excepción en lugar de por rutina?
  • ¿Cómo podemos crear marcos de garantía sólidos que gestionen los riesgos operativos, éticos y de ciberseguridad de los sistemas autónomos?
Para los CHRO:
  • ¿Cómo podemos replantearnos los parámetros de evaluación del personal para reflejar las contribuciones tanto de las personas como de la inteligencia artificial, tales como la velocidad de aprendizaje, la adaptabilidad y la creatividad?
  • ¿Qué nuevas funciones, habilidades y comportamientos de liderazgo se necesitan en un mundo en el que los seres humanos gestionan sistemas adaptativos y semiautónomos en lugar de equipos estáticos?
  • ¿Cómo incorporamos principios éticos, transparentes e inclusivos en la implementación de la IA, la transformación de la fuerza laboral y el cambio cultural?
Funcionarios del gobierno:
  • ¿Qué combinación de habilidades, informática y políticas de energía limpia atraerá la inversión privada en IA y, al mismo tiempo, permitirá alcanzar los objetivos climáticos?
  • ¿Cómo deberían evolucionar las estadísticas y los códigos fiscales para reconocer los datos y los algoritmos como activos productivos y garantizar beneficios generalizados?
  • ¿Qué medidas de protección protegen mejor los derechos y la competencia sin frenar la difusión?

Resumen

En la era de la inteligencia artificial, la productividad dependerá menos de las horas trabajadas y más de la capacidad de las organizaciones para convertir los datos, los modelos y el criterio en resultados. El éxito requiere tratar la IA como un cambio fundamental: reconstruir en torno a datos limpios, integrar la inteligencia en los flujos de trabajo y medir el valor por la velocidad, la calidad, la resiliencia y los nuevos ingresos. La agenda consiste en invertir en datos confiables, adoptar herramientas interoperables, gestionar por resultados, desarrollar habilidades e integrar controles de riesgo. Si se ejecuta correctamente, el crecimiento no solo provendrá de un trabajo más rápido, sino también de la mejora de los servicios, de industrias más adaptables y de una distribución más justa de los beneficios generados por la inteligencia artificial.

Artículos relacionados

Cómo las empresas superfluidas transforman las organizaciones para obtener una ventaja competitiva

Las empresas superfluidas utilizan la inteligencia artificial y la automatización para eliminar fricciones, aumentar la agilidad y descubrir nuevas ventajas competitivas. Descubre cómo

Matt Barrington

Cómo las tecnologías emergentes están haciendo posible la economía híbrida entre humanos y máquinas

Descubre cómo la tecnología está cambiando el trabajo y el liderazgo. Actúa para triunfar en la economía humano-máquina en constante evolución.

Beatriz Sanz Sáiz

¿Y si la disrupción no fuera un desafío, sino una oportunidad?

Transforma tu negocio y prospera en el mundo NAVI de cambios no lineales, acelerados, volátiles e interconectados. Descubre como.

Hanne Jesca Bax + 1

    Acerca de este artículo

    Autores

    Temas relacionados
    EY wavespace™
    Agenda de COO
    Inteligencia Artificial

    EY se refiere a la organización global, y puede referirse a una o más, de las firmas miembro de Ernst & Young Global Limited, cada una de las cuales es una entidad legal independiente. Ernst & Young Global Limited, una compañía británica limitada por garantía, no brinda servicios a los clientes.