Una cinta de trabajo que avanza rápido y se amontona frente a un único sello de aprobación que se mueve lento

La edición abierta · sábado 21 de noviembre 2026

Cinco ingenieros con IA hicieron en 70 días un trabajo estimado para 30 durante un año, y no salió antes: el cuello de botella ahora es decidir

Según el informe Reimagine de AWS, basado en 154 entrevistas a ejecutivos, un equipo interno reconstruyó en 70 días un servicio estimado para 30 ingenieros durante un año, y aun así no llegó antes a producción porque las revisiones y aprobaciones no se aceleraron. La IA abarató hacer el trabajo; decidir, aprobar y financiar sigue costando lo mismo, y ahí está la diferencia entre el 80% que se siente más productivo y el 37% que ve el efecto en sus ganancias.

En septiembre, AWS publicó Reimagine, un informe de 108 páginas armado con 154 entrevistas en 27 países durante nueve meses. El caso más citado sale de la propia AWS: un servicio interno estimado en 30 ingenieros durante un año lo terminaron cinco en 70 días. Rahul Pathak, que lidera la salida al mercado de datos e IA de AWS, lo resumió así: escribieron el código más rápido, pero no lo pusieron en producción más rápido. Las revisiones de seguridad y las aprobaciones de despliegue pasaron a ser la parte más lenta del trabajo. En paralelo, la encuesta 2026 de McKinsey a 1.719 personas muestra que el 80% reporta más productividad individual, pero solo el 37% puede señalar algún efecto en el resultado operativo, la misma proporción que un año antes. Nuestra lectura: el problema de la IA en las empresas ya no es de adopción ni de herramientas. Es de cola. Todo proceso avanza a la velocidad de su paso más lento, y la IA aceleró los pasos de hacer —redactar, programar, filtrar currículums— mientras dejó intactos los de decidir. El trabajo rápido se amontona frente a una aprobación que corre a ritmo humano, con un calendario pensado antes de la IA. Quien no rediseña esa capa paga más herramientas para producir más rápido algo que igual espera.

Señal 01 · Cola

Por qué la IA acelera el trabajo pero no lo que sale a producción

El informe de AWS junta tres casos con la misma forma. En AWS, cinco ingenieros reconstruyeron en 70 días un servicio estimado para 30 personas durante un año, sin llegar antes a producción. En Best Buy, una función estimada en catorce semanas pasó cuatro años en la lista de pendientes y, con IA, se construyó en un día. En ManpowerGroup, la IA recortó 60% el tiempo de filtrado de candidatos; pero de todas las entrevistas que describían ahorros así, casi la mitad no mostraba evidencia de impacto en el negocio.

Importa porque cada caso se traba en una decisión distinta: una de salida a producción, una de financiamiento y una sobre qué hacer con el tiempo liberado. La IA no aceleró ninguna. Otro dato del mismo informe lo confirma: una organización parecía tener 88% de adopción, pero menos de una de cada 5.000 sesiones produjo un trabajo mejor, y más de dos tercios de los entrevistados señalaron el diseño del trabajo como la barrera principal.

La lectura: medir minutos ahorrados por persona es mirar el paso equivocado. Hay que buscar dónde se acumula la cola. Ojo: AWS vende la infraestructura sobre la que corre buena parte de esta IA, así que conviene leerlo como investigación de proveedor; la dirección coincide con datos independientes.

FUENTE → Medium: la IA abarató el trabajo, decidir cuesta lo mismo

Señal 02 · Medición

Cómo medir el retorno de la IA: velocidad de decisión, no horas ahorradas

BCG encontró que las empresas que siguen la IA directamente en su estado de resultados reportan 3,6% de valor, contra 1,2% de las que no la miden formalmente. IBM, en su encuesta a 2.000 CEOs, registró que las organizaciones que rediseñaron cinco áreas centrales —entre ellas finanzas, operaciones y recursos humanos— tenían cerca de cuatro veces más probabilidad de cumplir sus metas. Y en servicios financieros, Bulkeley propone en BizTech cambiar la pregunta: en vez de cuántos minutos le ahorró algo a un empleado, cómo se ve el negocio con el doble de volumen sin sumar gente, y medir la velocidad de decisión.

Importa porque la métrica decide la inversión. Deloitte, en una encuesta a 3.500 líderes, encontró que el 71% sigue el gasto total en IA pero solo el 44% sigue el costo por unidad de trabajo. Quien ve un solo lado de esa cuenta corta usos que rinden o sigue financiando los que no.

La lectura: la unidad de medida tiene que ser el proceso completo, de punta a punta, en plata. BCG e IBM también venden servicios de IA, así que el tamaño exacto de cada brecha va con pinzas; la dirección es consistente.

FUENTE → BizTech: cómo medir el retorno de la IA en servicios financieros · Medium: datos de BCG, IBM y Deloitte sobre valor de la IA · Visme: los dos umbrales de adopción de la IA

Señal 03 · Percepción

El 76% de los ejecutivos cree que lidera en IA, pero solo el 10% lo hace

El estudio empresarial de IA 2026 de EXL, sobre 322 tomadores de decisión senior, encontró que solo el 10% califica como líder en IA. Ese grupo muestra 27% de crecimiento promedio de ingresos, 26% de ahorro de costos y 22% de mejora de margen. El 76% creía pertenecer a él: una brecha de 66 puntos, según la nota de Collective[i] en Yahoo Finance, entre comprar suscripciones de IA y rehacer el modelo operativo.

Importa porque la percepción frena el rediseño: si creés que ya llegaste, no tocás las aprobaciones ni los circuitos de decisión. La misma nota recuerda que Klarna dijo que un agente interno hacía el trabajo de 853 personas de atención y al mes siguiente revirtió parcialmente esa decisión. Hasta el caso modelo tuvo que reajustar.

La lectura: tener la herramienta no es el indicador. El indicador es cuántos pasos de decisión sacaste o achicaste desde que la tenés.

FUENTE → Yahoo Finance: 76% de los ejecutivos cree liderar en IA; solo 10% lo hace

En contexto

Venimos registrando esta brecha desde varios ángulos. El 16 de noviembre analizamos por qué más de un billón de dólares invertidos en IA todavía no mueve la productividad agregada, y a comienzos de mes vimos cómo Freshworks llegó a 1.000 millones de ingresos con 30% menos de gente sacando pasos enteros en lugar de acelerarlos. Hoy el foco baja un nivel: dónde se traba concretamente el valor. La guía de cómo usar la IA en tu negocio ordena por dónde empezar, y el caso de uso muestra ese rediseño hecho.

La IA ya recibió más de un billón de dólares y la productividad no se mueve →Freshworks llegó a 1.000 millones con 30% menos de gente →Guía: cómo usar la IA en tu negocio →Caso de uso: usar IA en tu negocio →

Qué significa para vos

Si trabajás solo o con un equipo chico, la cola no es un comité: sos vos. Lo que el agente te produce en minutos —propuestas, piezas, código, respuestas a clientes— espera a que lo revises, lo apruebes y decidas si sale. Tomá tus últimas dos semanas y pedile a un agente que arme, a partir de tu bandeja, tus borradores y tu calendario, una lista de cada pieza que quedó lista y cuántos días pasó hasta salir. Pedile que la ordene por tiempo de espera y que marque cuáles eran de bajo riesgo.

Con esa lista, separá en dos niveles, como el control escalonado de cambios que aparece en el informe de AWS: lo que puede salir con una revisión por muestreo (una de cada cinco publicaciones, respuestas estándar a clientes) y lo que sigue pidiendo tu firma completa (precios, contratos, plata). Te vas a dar cuenta de que sirvió si en dos semanas el tiempo entre «listo» y «enviado» baja a la mitad sin que suba la cantidad de correcciones que te piden después.

La movida del día

Elegí un tipo de entrega que todavía espera tu aprobación y que nunca te trajo un problema serio. Definí por escrito la regla para que salga sin vos y revisá esas entregas por muestreo una vez por semana. Anotá cuánto tardaba antes y cuánto tarda ahora: esa diferencia es el valor de la IA que tenías trabado.

¿Por qué la IA no aumenta la productividad de mi empresa si mi equipo trabaja más rápido?

Porque cada proceso avanza a la velocidad de su paso más lento, y la IA acelera los pasos de hacer pero no los de decidir. En el informe Reimagine de AWS, un equipo terminó en 70 días un trabajo estimado en un año y no llegó antes a producción porque las revisiones y aprobaciones siguieron igual. El retorno aparece cuando se rediseñan esos pasos de aprobación y se decide de antemano qué hacer con el tiempo liberado.

Para profundizar

Cómo usar la IA en tu negocio: el mapa completo

Esto lo pensamos entre todos.

Nuexty es una comunidad que se posiciona en la era de la IA. Nos juntamos en el Café IA en Buenos Aires, y los miembros tienen su lugar todos los meses y la plataforma con el conocimiento que armamos cada día.

¿Querés esto cada mañana, sobre lo tuyo? Recibí el email diario.

← Todas las ediciones