La paradoja de la semana laboral de la IA: más automatización, hasta 90 horas de trabajo
Google News sacó a la luz una marcada contradicción el 11 de agosto: los líderes de la IA prometen menos trabajo humano, mientras que algunos trabajadores tecnológicos informan de semanas que se acercan a las 90 horas. La investigación de la BBC recoge una brecha cada vez mayor entre lo que la IA puede automatizar y cómo los empleadores utilizan la capacidad resultante.
El conflicto central no es si la IA ahorra tiempo en tareas individuales. Cada vez más pruebas demuestran que puede hacerlo. El conflicto se refiere a quién recibe ese tiempo ahorrado y a si los empleadores convierten la eficiencia en tiempo libre, mayor producción o equipos más pequeños.
La cuestión ya va más allá de unas pocas startups de alta intensidad. Ejecutivos de Meta están diciendo a los empleados que reinviertan el tiempo habilitado por la IA en trabajo adicional. Mientras tanto, empresas de todo el sector están elevando las expectativas de rendimiento a medida que los trabajadores asumen nuevas tareas de supervisión, verificación y corrección de la IA.
El resultado es una inversión incómoda. Una tecnología promovida como una vía de escape del trabajo rutinario también está ayudando a normalizar objetivos de producción más altos y jornadas más largas. La máquina trabaja más rápido, pero la jornada humana no se acorta automáticamente.
Lo que realmente cambió el informe de Google News
Los últimos reportajes convierten un debate abstracto sobre el futuro del trabajo en un conflicto actual de gestión.
Durante años, los líderes tecnológicos describieron la inteligencia artificial como una forma de eliminar tareas repetitivas. La recompensa prevista parecía sencilla: las personas dedicarían menos tiempo a redactar correos electrónicos, buscar documentos o producir código rutinario.
Esa promesa no era del todo imaginaria. La IA generativa puede resumir mensajes, producir primeros borradores, recuperar información y sugerir cambios de software. Estas capacidades reducen el tiempo necesario para actividades específicas, especialmente cuando la tarea tiene entradas claras y un resultado fácil de revisar.
Sin embargo, la eficiencia en tareas no equivale a una semana laboral más corta. Un empleador puede responder a una tarea más rápida reduciendo las horas, aumentando la producción, recortando plantilla o asignando trabajo más complejo. La tecnología no decide entre esos resultados.
El informe de la BBC, distribuido a través de Google News, sitúa esa distinción en el centro de la historia. Algunos empleados de la economía de la IA describen horarios que van desde el ya severo modelo “996” de 72 horas hasta semanas cercanas a las 90 horas.
El término 996 se refiere a trabajar de 9 a. m. a 9 p. m., seis días por semana. Ese horario suma 72 horas antes de contar los desplazamientos, los mensajes nocturnos o el trabajo adicional de fin de semana.
Silicon Valley trató en otro tiempo el 996 como una característica alarmante de la cultura tecnológica china. En 2021, las autoridades chinas declararon ilegales las versiones obligatorias de ese horario. Desde entonces, startups estadounidenses de IA han adoptado el término como una señal de velocidad, ambición y compromiso propio de los fundadores.
La práctica no es universal en las empresas tecnológicas. Tampoco todo horario extenso representa una imposición formal del empleador. Algunos fundadores trabajan voluntariamente jornadas extremas porque poseen una participación considerable y esperan un gran retorno financiero.
La diferencia crítica aparece cuando ese pacto de fundador se convierte en una exigencia para los empleados. Los trabajadores asalariados pueden cargar con el mismo volumen de trabajo sin un control, participación accionaria o protección frente al despido equivalentes.
Los reportajes sobre la tendencia muestran que las largas jornadas pueden introducirse a través de ofertas de empleo, conversaciones de contratación, normas de rendimiento y el ejemplo establecido por los ejecutivos. Un horario puede ser, en la práctica, obligatorio aunque ninguna política utilice esa palabra.
Eso hace que el debate actual sea más relevante que otra discusión sobre la cultura de las startups. La IA está cambiando la justificación económica del exceso de trabajo. Los directivos ahora pueden afirmar que cada empleado ha adquirido capacidad adicional, incluso cuando la ganancia real de productividad sigue siendo incierta.
Este es el cambio que los lectores deberían recordar. La promesa de la automatización ha pasado de ser un beneficio ofrecido a los trabajadores a convertirse en un criterio utilizado para evaluarlos.
La IA ahorra tareas, no jornadas laborales completas
Una ganancia de productividad solo se convierte en tiempo libre cuando una organización protege deliberadamente ese tiempo.
Uno de los estudios más sólidos sobre IA generativa en el trabajo involucró a miles de trabajadores del conocimiento que utilizaban Microsoft 365 Copilot. Los investigadores examinaron cómo el acceso a la herramienta modificó el comportamiento relacionado con correos electrónicos, documentos y reuniones.
El estudio aleatorizado sobre patrones de trabajo concluyó que los usuarios activos dedicaban más de tres horas menos por semana al correo electrónico. También parecían terminar los documentos más rápido.
Sin embargo, los investigadores no hallaron una reducción significativa del tiempo dedicado a reuniones. Los trabajadores podían cambiar sus hábitos personales de correo electrónico, pero no podían rediseñar de forma independiente un calendario compartido con colegas y directivos.
Esa diferencia explica buena parte de la paradoja actual. La IA funciona en el nivel de las tareas, mientras que las horas de trabajo surgen de un sistema organizativo. Redactar más rápido no puede acortar la semana cuando las reuniones, aprobaciones, objetivos y niveles de plantilla permanecen sin cambios.
La misma distinción aparece en la investigación de Boston Consulting Group de 2026. Su encuesta global incluyó a 11.749 trabajadores de 14 mercados y varios sectores.
Entre los usuarios habituales de IA de primera línea, el 42% afirmó ahorrar al menos una jornada laboral completa cada semana. Sin embargo, el 66% recibió poca o ninguna orientación sobre qué hacer con el tiempo ahorrado.
Más de la mitad no lo redirigió a trabajo estratégico. Los hallazgos sugieren que muchos empleadores han desplegado herramientas sin rediseñar los puestos ni decidir cómo deberían distribuirse las ganancias de productividad.
Los hallazgos de BCG también muestran que el 67% de los encuestados afirmó que la IA se había hecho cargo de las tareas más sencillas. Eso dejó a los empleados manejando una proporción mayor de trabajo complicado.
Eliminar el trabajo simple puede mejorar un puesto, pero también elimina las pausas naturales. Una persona puede pasar directamente de una tarea que exige mucho juicio a otra, con menos periodos de menor demanda cognitiva.
El cuarenta y uno por ciento de los encuestados informó de una mayor carga mental asociada a la IA. Cerca de la mitad dijo dedicar más tiempo a revisar, corregir, gestionar o dirigir los resultados de la IA.
A esta carga de verificación a veces se la denomina botsitting. Un trabajador recibe un borrador rápido, comprueba sus afirmaciones, repara sus errores, lo concilia con los estándares internos y asume la responsabilidad por el resultado final.
El proceso puede seguir ahorrando tiempo. También puede hacer más exigente cada minuto restante. Medir solo el tiempo necesario para generar un borrador pasa por alto la concentración requerida para validarlo.
Las herramientas de IA crean otro problema de medición. Los directivos pueden contar fácilmente el código, los documentos, los tickets o las variaciones de marketing generados. Tienen más dificultades para medir el criterio, el mantenimiento, la prevención de riesgos y el coste de corregir resultados deficientes.
Ese desequilibrio anima a las empresas a recompensar el volumen visible. Los trabajadores responden produciendo más, revisando más y manteniéndose disponibles durante más tiempo.
El empleado individual no puede resolver esto únicamente mejorando la calidad de sus prompts. Una semana más corta requiere cambios coordinados en los plazos, las estructuras de reuniones, la plantilla y la evaluación del desempeño.
Sin esos cambios, los minutos ahorrados se convierten en espacio vacío dentro de un plan de capacidad. La dirección pronto llena ese espacio con otra tarea.
El resurgimiento del 996 en Silicon Valley eleva lo que está en juego
La carrera por la IA está convirtiendo la disponibilidad extrema en un filtro de contratación, no simplemente en una respuesta temporal a las emergencias.
El trabajo intenso siempre ha existido en torno a lanzamientos de productos, incidentes de seguridad y sistemas que fallan. El patrón más reciente es distinto porque algunas startups anuncian el exceso de trabajo sostenido como su modelo operativo normal.
Un horario 996 exige 12 horas al día durante seis días. Algunos relatos describen empleados que trabajan siete días o que extienden sus horarios más allá de las 72 horas.
Una investigación sobre Silicon Valley identificó startups de IA que adoptaron abiertamente el modelo. Según se informó, Rilla, que desarrolla software de análisis de conversaciones para contratistas de servicios domésticos, dijo que casi todos sus aproximadamente 80 empleados seguían el 996.
Los defensores de este horario sostienen que una breve ventana de mercado justifica una intensidad inusual. Los modelos fundacionales cambian rápidamente, las empresas establecidas invierten mucho y los productos competidores pueden copiar funciones visibles en cuestión de meses.
Esa presión es real. Una empresa pequeña puede creer que debe lanzar productos más rápido que un rival mayor con más recursos de computación, distribución y capital.
Sin embargo, la explicación basada en la IA puede ocultar una decisión convencional de plantilla. Una empresa podría contratar suficiente personal para una carga de trabajo sostenible, o podría contratar menos personas y esperar que cada una cubra un ámbito mayor.
La IA facilita presentar la segunda opción como progreso técnico. Los ejecutivos pueden describir un equipo más pequeño como “nativo de la IA”, incluso cuando su producción depende de amplias horas extra humanas.
El mercado laboral refuerza esta presión. Los despidos tecnológicos han reducido la sensación de seguridad de los empleados, mientras que la demanda de un grupo reducido de investigadores experimentados en IA sigue siendo intensa.
Los trabajadores fuera de ese grupo favorecido afrontan un cálculo difícil. Rechazar un horario extremo puede parecer falta de compromiso cuando otros candidatos lo aceptan.
Las ofertas de empleo y las llamadas de contratación pueden hacer explícita la expectativa. La cultura interna puede lograr el mismo resultado mediante ascensos, elogios públicos, supervisión de los tiempos de respuesta o líderes sénior que permanecen conectados todas las noches.
El problema va más allá del total de horas. Las largas jornadas reducen el tiempo disponible para el aprendizaje, las responsabilidades familiares, la atención médica y la recuperación. También pueden limitar la fuerza laboral a personas que pueden organizar su vida en torno al trabajo.
Ese efecto de selección tiene consecuencias empresariales. Una compañía puede perder empleados experimentados, cuidadores y candidatos que reconocen que la falta sostenida de sueño termina debilitando el criterio.
El desarrollo de software es especialmente vulnerable. Más código no siempre significa más progreso. Cada función añadida crea obligaciones de pruebas, seguridad, mantenimiento e integración.
La IA puede generar rápidamente opciones de implementación, pero no elimina la responsabilidad por los fallos en producción. Los equipos todavía deben decidir qué construir, validar el comportamiento y gestionar las consecuencias cuando los sistemas fallan.
Por tanto, una semana de 90 horas puede producir una engañosa explosión de actividad visible. La empresa registra más commits y lanzamientos mientras acumula defectos, responsabilidades poco claras y deuda técnica.
La producción a corto plazo puede parecer impresionante. Los costes diferidos aparecen más tarde, a menudo después de que las personas que crearon el sistema se hayan agotado o se hayan marchado.
La inversión central: la eficiencia ha elevado el objetivo de trabajo
El efecto más inmediato de la IA en el lugar de trabajo suele ser un techo de rendimiento más alto, no un menor compromiso de tiempo.
El debate interno de Meta ilustra el cambio. Según se informó, el director de tecnología Andrew Bosworth dijo a los empleados que el tiempo ahorrado con IA debía destinarse a realizar más trabajo para los usuarios.
Según la cobertura de la reunión del personal de Meta, Bosworth dijo que utilizaba una hora adicional para producir más. Más tarde se disculpó por responder con demasiada dureza a un empleado que preguntó por tiempo libre adicional.
Su respuesta hizo inusualmente visible la lógica de gestión. Cuando la IA crea una hora, la empresa ve nueva capacidad productiva. El empleado puede ver una oportunidad para descansar o tener una jornada más corta.
Ninguno de los dos resultados se deriva automáticamente de la tecnología. La organización elige qué interés tiene prioridad.
Este es el principal conflicto detrás de la historia de Google News: la eficiencia de la IA ha elevado las expectativas más rápido de lo que ha cambiado los acuerdos laborales. Los trabajadores siguen siendo responsables de sus tareas anteriores mientras asumen nuevos objetivos de producción.
El patrón se parece a un viejo efecto económico. Cuando un recurso se vuelve más barato o eficiente, las organizaciones suelen consumir más de él en lugar de mantener constante su consumo.
La IA reduce el coste de producir un borrador, un prototipo o un análisis. Las empresas responden solicitando más borradores, más prototipos y más análisis.
Un empleado de marketing que antes creaba tres conceptos de campaña ahora puede recibir el encargo de crear 20. Un desarrollador que antes implementaba un enfoque puede generar cinco alternativas y luego compararlas.
Un equipo de soporte puede responder más tickets sin reducir sus horas. Los directivos ven un mayor rendimiento, mientras que los trabajadores experimentan un ritmo operativo más acelerado.
Las herramientas también pueden ampliar lo que se considera trabajo razonable. Tareas que antes se rechazaban por requerir demasiado tiempo entran en la lista de pendientes cuando la IA hace que una primera versión sea barata.
Cada ahorro local genera una nueva solicitud. La carga total de trabajo crece incluso cuando cada unidad requiere menos tiempo.
Esta dinámica debilita la afirmación de que la IA produce ocio de forma natural. Una mayor productividad puede respaldar jornadas más cortas, pero solo si los trabajadores reciben parte de ese beneficio.
Históricamente, esa distribución ha dependido de la negociación, las normas laborales, las condiciones competitivas de contratación y las decisiones de gestión. La nueva maquinaria por sí sola no estableció los fines de semana, las protecciones frente a las horas extra ni las vacaciones pagadas.
El mismo principio se aplica a la IA generativa. Una empresa debe decidir si la eficiencia respalda una mayor compensación, menos horas, mejor calidad, producción adicional o reducciones de plantilla.
La mayoría de las organizaciones combinarán esos resultados. La cuestión importante es la proporción y si los empleados tienen alguna influencia sobre ella.
Las empresas también enfrentan una trampa de coordinación. Un empleador puede querer horarios sostenibles, pero temer perder velocidad frente a un rival que exige 996.
Ese temor puede generar una escalada en toda la industria. Cada empresa amplía las horas porque supone que sus competidores hacen lo mismo, incluso cuando el trabajo resultante es de menor calidad.
La carrera se vuelve especialmente intensa cuando los inversores recompensan el rápido crecimiento de usuarios o ingresos. Los costes de mantenimiento a largo plazo siguen siendo menos visibles que un producto lanzado este trimestre.
La IA cumple entonces dos funciones. Es el objeto de la competencia y la justificación para exigir una mayor producción a las personas que la construyen.
Lo que no demuestran las cifras de productividad
Ni el testimonio de los trabajadores ni el entusiasmo de los ejecutivos demuestran que las jornadas extremas produzcan valor empresarial duradero.
Los informes sobre jornadas de 72 y 90 horas merecen atención, pero no describen a todas las empresas de IA. Los empleados de startups que hablan públicamente pueden representar lugares de trabajo especialmente severos.
Del mismo modo, los encuestados que afirman ahorrar ocho horas no demuestran que sus empleadores hayan obtenido ocho horas de producción valiosa. Los ahorros de tiempo autodeclarados pueden diferir de la productividad observada, la calidad o el rendimiento financiero.
Los estudios a nivel de tarea ofrecen pruebas más controladas, pero sus conclusiones siguen siendo limitadas. Copilot redujo el tiempo dedicado al correo electrónico para usuarios activos durante una implantación inicial. No demostró que todos los trabajadores, herramientas o empresas obtendrán el mismo resultado.
La investigación también mostró por qué las mejoras individuales pueden no transformar el trabajo completo. Las reuniones y los procesos coordinados cambiaron menos que las actividades que los trabajadores controlaban de forma independiente.
Por tanto, los líderes empresariales no deberían tratar una estimación general de productividad como una cuota para cada puesto. Un ingeniero, abogado, diseñador y vendedor enfrentan distintos costes de error y flujos de trabajo.
El rendimiento de la IA también varía dentro de una misma ocupación. Un modelo puede producir un primer borrador útil para una función rutinaria, pero fallar ante un sistema desconocido o un requisito ambiguo.
El tiempo de revisión aumenta cuando el resultado parece plausible pero es incorrecto. Los trabajadores deben inspeccionar los detalles con precisión porque un lenguaje fluido puede ocultar errores.
Un mayor volumen agrava ese riesgo. Cuando los equipos generan más material, deben revisar más material. Un cuello de botella puede pasar de la creación a la verificación sin desaparecer.
También existe una diferencia entre producción y resultado. Más código no crea necesariamente un producto más fiable, del mismo modo que más mensajes de ventas no garantizan más clientes.
La encuesta de BCG ofrece una advertencia útil. El sesenta por ciento de los encuestados afirmó que había aumentado el estándar de lo considerado suficientemente bueno, mientras que el 72% dijo que las habilidades requeridas habían cambiado.
Solo el 36% creía haber recibido una capacitación adecuada. Esa brecha somete a los trabajadores a nuevas expectativas sin una preparación equivalente.
También complica las afirmaciones sobre el exceso de trabajo voluntario. Un empleado puede elegir formalmente jornadas largas mientras responde a despidos, estándares inciertos o temor a ser reemplazado.
Los horarios extremos pueden parecer consensuados en un contrato y coercitivos en la práctica. La distinción depende del poder de negociación, las alternativas laborales y las consecuencias de negarse.
Nada de esto demuestra que las exigentes culturas de startup siempre fracasen. Equipos pequeños han creado productos importantes durante períodos de trabajo intenso, y algunos empleados aceptan conscientemente el riesgo a cambio de participación accionarial y experiencia.
El salto sin respaldo se produce cuando los líderes tratan el esfuerzo excepcional como un sistema operativo permanente. Un sprint tiene un punto final. Una cultura de urgencia continua no.
El exceso de trabajo sostenido crea sus propios puntos ciegos. Los equipos agotados pueden dejar de cuestionar las prioridades porque lanzar productos se convierte en la única medida aceptada de compromiso.
También pueden volverse dependientes de la producción de IA precisamente cuando la fatiga dificulta una verificación cuidadosa. Esa combinación eleva los riesgos operativos, legales y de seguridad.
La conclusión responsable es más limitada que la afirmación más contundente de cualquiera de las partes. La IA puede ahorrar tiempo significativo, y algunos trabajadores tecnológicos siguen trabajando jornadas extremas.
Estos hechos pueden coexistir porque la productividad y el ocio son resultados distintos. Los sistemas de gestión los conectan, no el software.
Lo que trabajadores y empleadores deberían vigilar a continuación
Las próximas pruebas vendrán del diseño de la carga de trabajo, la retención y las métricas de calidad, no de otra demostración espectacular de IA.
La primera señal es si las empresas cambian las expectativas formales de rendimiento. Los líderes deberían revelar si los ahorros de la IA reducen la plantilla, amplían los objetivos de producción o respaldan horarios más cortos.
Una política no necesita garantizar que cada hora ahorrada se convierta en tiempo libre. Debe explicar cómo se comparte el beneficio y qué métricas evitarán que el trabajo oculto desaparezca.
La revisión del resultado de un modelo debe contar como trabajo. También deben contar la corrección de código generado, la documentación de decisiones, la resolución de esfuerzos duplicados y la gestión de cambios de contexto.
Los trabajadores necesitan un registro de estas actividades porque las simples medidas de producción pueden tergiversar su contribución. Una base de conocimiento de ingeniería con función de búsqueda puede preservar decisiones, correcciones y contexto técnico sin convertir cada contribución en un recuento de código.
La segunda señal es la retención. Si las organizaciones que priorizan la IA pierden de forma constante a personal experimentado, los horarios extremos probablemente estén consumiendo capacidades más rápido de lo que las crean.
La rotación importa más que las historias dramáticas sobre fundadores individuales. Los empleados con experiencia aportan conocimiento de los sistemas, contexto de los clientes y comprensión de fallos anteriores.
Las empresas deberían comparar la rotación, las bajas por enfermedad, las tasas de incidentes y la aceptación de ofertas de contratación entre equipos con distintas expectativas respecto a la IA. Esas comparaciones pueden revelar si la producción adicional es sostenible.
Los empleados también deberían examinar cuidadosamente las descripciones de los puestos. Términos como “alta intensidad”, “mentalidad de fundador” y “siempre disponible” pueden comunicar requisitos reales de horario sin indicar un total de horas.
Los candidatos pueden preguntar cómo gestionan los equipos los fines de semana, las emergencias, la revisión de IA y los períodos posteriores a grandes lanzamientos. Las respuestas son más informativas que una promesa general sobre el equilibrio entre vida laboral y personal.
La tercera señal es la productividad ajustada por calidad. Las empresas deben medir si la producción asistida por IA supera la revisión, llega a los clientes y sigue siendo mantenible.
Los indicadores útiles incluyen defectos, retrabajo, incidentes de seguridad, retención de clientes y tiempo dedicado a corregir material generado. Un gran aumento de la producción significa poco si los equipos posteriores la descartan o reparan.
El mismo estándar debería aplicarse a las afirmaciones de reducción del trabajo. Un menor tiempo de redacción no equivale a una semana laboral más corta cuando el empleado dedica la diferencia a reuniones o validación.
Los trabajadores del conocimiento pueden protegerse conservando pruebas del trabajo completado, las decisiones revisadas y el trabajo oculto detrás de los resultados finales. Un flujo de trabajo de IA personal puede ayudar a documentar ese registro sin añadir otro extenso ritual de informes.
La cuarta señal es si los grandes empleadores adoptan el enfoque de Meta. Si más ejecutivos indican explícitamente a los trabajadores que reinviertan todo el tiempo ahorrado, el dividendo de productividad seguirá fluyendo hacia la producción.
Si los empleadores comienzan a probar horarios de menos horas mientras monitorean el servicio y la calidad, la promesa de una semana laboral más corta ganará evidencia. Hasta entonces, seguirá siendo una propuesta de política, no una consecuencia técnica.
La señal final es la atención regulatoria. Las normas actuales sobre salarios, horas extra, salud y seguridad en el trabajo no se diseñaron en torno a objetivos de capacidad generados por IA.
Las autoridades no necesitan una nueva definición de inteligencia artificial para investigar trabajo no remunerado u horarios coercitivos. Necesitan registros fiables que muestren cuándo trabajaron los empleados y qué esperaban los empleadores.
Google News seguirá difundiendo historias sobre modelos más rápidos y mayores estimaciones de productividad. Los lectores deberían mirar más allá de la cifra del titular y preguntar qué ocurrió con el tiempo ahorrado.
¿Los empleados trabajaron menos horas, produjeron más, supervisaron máquinas o cubrieron puestos que desaparecieron? ¿Mejoró la calidad tras la revisión, o la empresa simplemente se movió más rápido?
Estas preguntas determinan si la IA se convierte en una auténtica tecnología de ahorro de trabajo o en otro instrumento para intensificarlo. La respuesta no llegará de un benchmark. Surgirá de los horarios, las decisiones de plantilla y las protecciones que las organizaciones adopten ahora.
