La cuarta herramienta de IA ya te hace rendir peor

Durante dos años, muchas empresas vendieron la misma idea: sumar herramientas de IA era casi sinónimo de modernizarse. Un copiloto para escribir, otro para investigar, otro para resumir, otro para analizar métricas. Sin embargo, un estudio publicado en Harvard Business Review por investigadores de BCG plantea algo bastante menos cómodo: la productividad no crece indefinidamente con cada nueva interfaz. Llega un punto en el que más IA significa menos claridad.

El límite aparece mucho antes de lo que imaginas

BCG encuestó a 1.488 trabajadores de tiempo completo en Estados Unidos en marzo de 2026 para medir la relación entre el número de herramientas de IA usadas de manera simultánea y los resultados laborales. La curva que encontraron es casi didáctica. Pasar de una herramienta a dos mejora la productividad. Añadir una tercera todavía ayuda. Pero cuando el trabajo exige cuatro o más sistemas al mismo tiempo, el rendimiento percibido cae por debajo del punto de partida.

Eso es lo más revelador del estudio. Las ganancias no se estancan, se revierten. La cobertura de Fortune lo explica con una idea sencilla: el cuello de botella ya no está en la capacidad de la tecnología, sino en la capacidad humana para supervisarla. En muchas organizaciones, el trabajador dejó de usar una herramienta y pasó a coordinar un pequeño enjambre de asistentes que todos exigen atención, validación y contexto.

Lo que BCG llama AI brain fry

Los autores bautizaron ese estado como AI brain fry, una fatiga mental causada por supervisar más inteligencia artificial de la que tu mente puede procesar con solvencia. No es solo cansancio. Es la sensación de tener demasiadas decisiones abiertas a la vez: corregir textos, comparar respuestas, revisar automatizaciones, detectar errores, elegir entre recomendaciones y responder más rápido de lo que permite pensar bien.

El 14% de los trabajadores que usan IA reportó este cuadro. En marketing, donde suelen coexistir generadores de contenido, tableros de análisis, optimizadores de anuncios y chatbots, la cifra sube a 26%. En departamentos legales, donde el uso suele concentrarse en una o dos herramientas muy específicas, cae a 6%. El resumen de The Decoder ayuda a ver por qué esa diferencia importa: el problema no parece ser el talento del equipo, sino la cantidad de supervisión humana requerida en paralelo.

Cuando aumenta la supervisión, también aumenta el error

Julie Bedard, directora de BCG y autora principal, describe los síntomas con una precisión que cualquiera reconoce al instante: una sensación de zumbido, niebla mental, decisiones más lentas y dolor de cabeza. Entre quienes tenían altas exigencias de supervisión de IA, el esfuerzo mental fue 14% mayor, la fatiga 12% más alta y la sobrecarga de información 19% superior frente a quienes trabajaban con menor presión de control.

Los efectos sobre la calidad también son concretos. Los trabajadores con AI brain fry registraron 39% más errores graves, 33% más fatiga decisoria y 11% más errores menores. Ahí cambia el tono del debate. Ya no estamos hablando solo de bienestar, sino de confiabilidad operativa. Si una empresa añade capa sobre capa de IA sin rediseñar el trabajo, no está comprando solo velocidad. También está comprando más posibilidades de equivocarse.

En América Latina, la advertencia llega en el momento justo

En la región, esta discusión apenas está empezando a tomar forma, pero llega cuando la adopción empresarial avanza con rapidez. Muchas compañías latinoamericanas están incorporando IA por módulos, equipo por equipo, sin rehacer procesos completos. Eso hace que el hallazgo de BCG tenga una lectura muy cercana: el riesgo no está en usar IA, sino en apilarla sobre una jornada que ya estaba llena.

Para equipos pequeños, especialmente en pymes, el problema puede ser incluso más agudo. La misma persona que redacta, analiza datos, responde clientes y coordina campañas termina supervisando varias salidas automáticas a la vez. En familias empresarias, despachos pequeños o negocios sin área formal de TI, la promesa de “hacer más con menos” puede convertirse, muy rápido, en “decidir más con el mismo cerebro”.

La salida no es menos IA, sino mejor arquitectura del trabajo

Aquí el estudio da un giro importante. Cuando la IA reemplazó tareas repetitivas en vez de añadir nuevas responsabilidades de supervisión, el burnout cayó 15%. La diferencia es decisiva. No agota la IA en sí, agota el modo en que muchas empresas la implementan: como una capa adicional de control sobre una carga laboral intacta.

Dos factores organizacionales también redujeron la fatiga. Los gerentes que respondían preguntas y ofrecían apoyo práctico rebajaron la fatiga cognitiva en 15%. Las organizaciones que priorizaban de verdad el equilibrio entre vida y trabajo, no solo en el discurso, mostraron 28% menos fatiga en todos los niveles de uso de IA. Por eso la recomendación de los investigadores no suena tecnológica, sino gerencial: poner límites al número de herramientas simultáneas y dejar de medir productividad por cantidad de sistemas desplegados.

Lo que conviene revisar en los próximos seis meses

Toda empresa que hoy celebra el lanzamiento de su cuarta, quinta o sexta herramienta de IA para el mismo puesto debería mirar este estudio con más atención de la que sugiere el entusiasmo del mercado. El patrón es claro: más inteligencia artificial crea más carga cognitiva si el trabajo no se rediseña desde la base.

Las organizaciones que salgan mejor paradas no serán las que exhiban el stack más largo, sino las que entiendan antes algo bastante sobrio: hasta tres herramientas pueden ayudar; a partir de ahí, la colaboración entre persona y máquina exige otra forma de gestión. La pregunta importante ya no es cuánta IA usa tu equipo, sino cuánta supervisión simultánea le estás pidiendo a cada persona.