La encuesta de Deloitte UK sobre gasto en IA expone una brecha laboral de 958 millones de libras
Deloitte afirma que los trabajadores británicos gastan ahora unos 958 millones de libras al año en herramientas de IA generativa que usan para su trabajo. La encuesta de Deloitte UK sobre gasto en IA muestra que los empleados adoptan la tecnología más rápido de lo que muchos empleadores pueden gobernarla, financiarla o siquiera observarla.
La cifra principal llama la atención, pero el conflicto subyacente importa más. Los trabajadores consideran cada vez más la IA como software personal esencial, mientras que los empleadores aún la tratan como un sistema corporativo controlado. Los empleados están comprando acceso, eligiendo herramientas y creando flujos de trabajo antes de que los procesos formales de compras y seguridad puedan ponerse al día.
Esta brecha ha creado una gran economía de IA en la sombra dentro de los lugares de trabajo británicos. La IA en la sombra consiste en usar servicios de IA generativa sin el conocimiento ni la aprobación del empleador. Sigue a oleadas anteriores de software en la nube no autorizado, pero los prompts pueden exponer datos sensibles y las respuestas generadas pueden introducir errores ocultos.
Los hallazgos de Deloitte no demuestran que todo este gasto produzca el mismo valor. La mitad de los usuarios encuestados no reportó ahorro de tiempo, y los usos más comunes siguen siendo básicos. Por tanto, la verdadera historia no es un entusiasmo sin límites por la IA. Es una transferencia de decisiones tecnológicas, costes y riesgos desde los empleadores hacia los trabajadores individuales.
La encuesta de Deloitte UK sobre gasto en IA revela la escala
Los empleados ya han incorporado la IA generativa al trabajo, independientemente de que sus organizaciones la respalden formalmente.
Deloitte publicó los resultados de su primera Encuesta sobre la Fuerza Laboral y GenAI el 16 de septiembre de 2026. Ipsos UK realizó el trabajo de campo en línea entre el 7 de mayo y el 10 de junio, recopilando respuestas de 25.000 trabajadores de entre 18 y 70 años.
La muestra incluyó empleados y trabajadores autónomos de 22 sectores y 24 funciones. Deloitte aplicó ponderaciones demográficas y laborales para reflejar a la población general no conectada. La empresa la describe como la mayor encuesta realizada hasta la fecha en un solo país sobre el uso de IA generativa en el trabajo.
Según la encuesta de la fuerza laboral, el 63% de los encuestados afirmó haber utilizado conscientemente IA generativa para trabajar. Ese grupo representó a 16.749 personas de la muestra completa. Otro 34% no reportó uso laboral, mientras que el 3% no lo sabía.
La adopción no se limitó a experimentos ocasionales. Deloitte indicó que el 24% de todos los trabajadores del Reino Unido usaba IA generativa para trabajar cada día. Sin embargo, otra página de la encuesta ofrece una cifra del 12% para el uso diario, aparentemente correspondiente a una categoría de respuesta más limitada. Esta diferencia demuestra por qué las estimaciones de frecuencia exigen una lectura cuidadosa.
El acceso a las herramientas también procedía de varias fuentes. Entre los usuarios de IA generativa, el 46% utilizaba servicios gratuitos, el 34% herramientas externas financiadas por su empleador y el 17% sistemas internos. Los encuestados podían utilizar más de una categoría, por lo que esas cifras no deben sumarse.
Más importante aún, el 17% pagaba personalmente al menos una herramienta que utilizaba en el trabajo. Deloitte extrapoló ese gasto a 958 millones de libras en toda la fuerza laboral británica cada año. La estimación capta un mercado que los presupuestos habituales de software corporativo podrían pasar por alto.
La encuesta de Deloitte sobre IA en la sombra añade otro detalle importante. El seis por ciento de los usuarios que se autofinancian declaró gastar más de 50 libras al mes, normalmente en varias herramientas. Esto sugiere que algunos empleados están creando sus propias pilas de IA en lugar de depender de un único asistente generalista.
Estas pilas pueden incluir servicios separados para redacción, investigación, programación, resúmenes de reuniones, generación de imágenes o análisis de documentos. Un trabajador puede considerar cada suscripción un atajo práctico. Un empleador ve una colección fragmentada de cuentas con diferentes condiciones de seguridad y controles de datos.
Por tanto, la encuesta de Deloitte UK sobre gasto en IA mide más que la demanda de chatbots. Revela la rapidez con la que los empleados pueden crear una capa de software no oficial alrededor de su trabajo. Esa capa se financia mediante cuentas personales y a menudo queda fuera de la visibilidad corporativa.
Los trabajadores financian las herramientas que los empleadores no han proporcionado
La brecha de gasto presiona a los empleadores porque los trabajadores tratan el acceso a la IA como un requisito, no como una prestación laboral.
Algunos empleados parecen pagar porque sus servicios preferidos rinden mejor que las alternativas aprobadas. Entre los encuestados que usaban herramientas no aprobadas o pagaban personalmente, el 21% afirmó que esos productos superaban a las herramientas de la empresa. Otro 14% describió los servicios como esenciales para su trabajo, pero no financiados por su empleador.
Los incentivos profesionales también influyen en la decisión. Deloitte descubrió que el 16% de este grupo creía que las herramientas de IA elegidas personalmente mejoraban sus perspectivas de ascenso. Comprar software se convierte en una inversión informal en el rendimiento individual, incluso cuando el trabajo resultante beneficia a la organización.
Esto crea una configuración económica inusual. Los empleadores reciben borradores, resúmenes, investigaciones o código producidos con servicios que los empleados seleccionaron y financiaron por sí mismos. La organización obtiene parte del resultado mientras acepta riesgos que quizá no haya evaluado.
Los trabajadores pueden seguir considerando que este acuerdo merece la pena. Si una herramienta elimina tareas repetitivas o ayuda a alguien a superar una tarea difícil, esperar meses para obtener la aprobación de compras resulta costoso. Los servicios de IA de consumo pueden abrirse en minutos, mientras que las evaluaciones empresariales requieren revisiones de seguridad, legal, finanzas y tecnología de la información.
El patrón de gasto en IA en los lugares de trabajo del Reino Unido también refleja las diferencias entre el acceso aprobado y el acceso preferido. Proporcionar un asistente interno no garantiza que los empleados dejen de utilizar servicios externos. Los trabajadores comparan la calidad de los resultados, la velocidad, la disponibilidad de modelos, las integraciones y la familiaridad.
Los servicios financieros ilustran el problema. Deloitte descubrió que el 28% de los usuarios de IA generativa en finanzas, banca y seguros utilizaba herramientas internas, frente al 17% general. Las herramientas externas financiadas por la empresa también alcanzaron el 41%, por encima del 34% de todos los sectores.
Sin embargo, el 19% de los usuarios de IA generativa de ese sector seguía pagando sus propias herramientas. Esta cifra superó la tasa intersectorial pese a la mayor disponibilidad de opciones aprobadas. Disponer de más software corporativo no eliminó automáticamente las suscripciones personales.
El hallazgo cuestiona una suposición habitual detrás de la implementación empresarial. Los empleadores suelen esperar que un asistente aprobado consolide el uso. En cambio, los empleados parecen dispuestos a mantener servicios separados cuando esos productos se adaptan mejor a flujos de trabajo concretos.
Esto no significa que todas las herramientas preferidas sean objetivamente superiores. Los usuarios pueden favorecer interfaces que ya conocen o servicios que imponen menos restricciones. Un sistema aprobado puede parecer más débil precisamente porque bloquea acciones sensibles que permite una cuenta de consumo.
Los empleadores se enfrentan ahora a una elección forzada. Pueden reembolsar servicios seleccionados, mejorar las alternativas internas o restringir con más firmeza el uso externo. Cada respuesta tiene costes, y una simple prohibición puede llevar el uso aún más a la clandestinidad.
La encuesta de Deloitte UK sobre gasto en IA expresa esa elección en términos financieros. Casi 1.000 millones de libras de gasto personal indican una fuerte demanda de los empleados, pero no identifican qué herramientas merecen la adopción corporativa. Las empresas aún necesitan pruebas sobre uso, riesgo y rendimientos medibles.
El principal conflicto es la demanda de los empleados frente al control del empleador
Los trabajadores quieren acceso inmediato a modelos útiles, mientras que los empleadores necesitan reglas coherentes sobre datos, precisión, responsabilidad y gasto en software.
Deloitte descubrió que el 31% de los usuarios de IA generativa operaba sin el conocimiento de su empleador. Su análisis de IA en la sombra describe una brecha entre la política formal y el comportamiento real de los empleados.
No se trata simplemente de un fallo de cumplimiento por parte de trabajadores imprudentes. La encuesta también apunta a carencias en liderazgo y formación. Los empleados toman decisiones en un entorno donde la orientación oficial puede ser poco clara, inexistente o desconectada de su trabajo.
Solo el 28% de los usuarios afirmó que su organización tenía una política sobre IA generativa clara, actualizada, comprendida y fácil de localizar. Otro 34% indicó que su empleador no tenía ninguna política, mientras que el 23% no sabía si existía una.
Una política que los empleados no pueden encontrar tiene poco valor práctico. No responderá si alguien puede cargar notas de reuniones, correspondencia con clientes, código fuente o una propuesta confidencial. Los trabajadores que se enfrentan a una fecha límite emitirán su propio juicio.
La mitad de los usuarios de IA generativa no había recibido formación formal. Solo el 20% reportó haber recibido instrucción obligatoria. Estas cifras significan que millones de trabajadores aprenden mediante la experimentación, consejos en línea y las interfaces proporcionadas por las empresas de IA.
Este déficit de formación importa porque las interfaces conversacionales pueden ocultar complejidad técnica. Un chatbot se parece a un software de búsqueda o mensajería, pero los datos introducidos pueden almacenarse, revisarse o procesarse bajo condiciones que varían según el servicio y el tipo de cuenta.
El material generado también exige evaluación. Una respuesta fluida puede contener afirmaciones falsas, razonamiento incompleto, citas inventadas o una redacción inapropiada. Los trabajadores necesitan conocimiento del ámbito y hábitos de verificación, no solo técnicas de prompting.
Los riesgos aumentan cuando una cuenta personal pasa a formar parte de un flujo de trabajo profesional. Una organización puede no saber qué modelo produjo un documento, qué información entró en el sistema o si otra persona revisó el resultado. Esto debilita la auditabilidad.
También existe un problema de compras. Las cuentas personales separadas impiden que los empleadores vean la demanda total y negocien el acceso basándose en el uso real. Mientras tanto, las licencias corporativas pueden infrautilizarse porque la organización seleccionó un producto sin comprender las preferencias de los empleados.
Deloitte afirma que el 22% de los usuarios que operaban fuera de la supervisión del empleador creía que su organización aprobaría su uso si lo supiera. Ese grupo puede no considerarse en incumplimiento de una norma significativa. Trata el silencio como un permiso implícito.
El empleador puede interpretar el mismo comportamiento de otra manera, especialmente en trabajos regulados o confidenciales. Incluso los experimentos inocuos pueden generar incertidumbre cuando nadie registra el servicio utilizado, la información proporcionada o la revisión aplicada posteriormente.
Por tanto, la encuesta de Deloitte sobre IA en la sombra expone un problema de gobernanza creado por incentivos desalineados. Los trabajadores se benefician de inmediato cuando una herramienta ahorra esfuerzo. Los empleadores asumen riesgos legales, de seguridad, reputación y calidad a más largo plazo.
Los controles estrictos por sí solos no resolverán ese desajuste. Bloquear sitios web en dispositivos gestionados no cubre teléfonos personales, ordenadores domésticos ni texto copiado. La vigilancia también puede reducir la confianza sin revelar por qué los empleados rechazaron las herramientas oficiales.
Las organizaciones necesitan una vía utilizable para la experimentación aprobada. Esto incluye límites claros, alternativas accesibles y formas de solicitar servicios adicionales. También exige que los líderes expliquen qué datos nunca deben introducirse en un modelo externo.
Los trabajadores del conocimiento pueden reducir la copia innecesaria manteniendo material de trabajo fiable en una base de conocimiento personal controlada. Sin embargo, el sistema sigue necesitando políticas que se ajusten a la sensibilidad de su contenido.
Por tanto, la competencia central no es entre un proveedor de IA y otro. Es entre la adopción liderada por los empleados y el control liderado por el empleador. El ganador determinará quién elige la IA en el trabajo y quién sigue siendo responsable cuando falla.
Un gasto elevado aún no significa una alta productividad
La estimación de £958 millones muestra disposición a pagar, pero la evidencia de Deloitte describe un uso amplio y superficial, más que un cambio consolidado en la productividad.
Los trabajadores afirmaron ahorrar una media de 70 minutos cada semana con IA generativa. Según el anuncio de Deloitte sobre los resultados de la encuesta, la mayor parte de ese tiempo ahorrado se destinó a trabajo adicional para el mismo empleador.
Una media puede ocultar experiencias muy diferentes. Los detallados resultados de productividad de Deloitte revelaron que la mitad de los usuarios no ahorró tiempo. Aproximadamente uno de cada ocho declaró ahorrar más de tres horas semanales.
En toda la fuerza laboral, el 7% dijo que la IA le ahorraba al menos cinco horas por semana. Esa cifra aumentó al 21% en información y comunicaciones, pero descendió al 5% en sanidad y trabajo social. El contexto sectorial afecta claramente al valor que los trabajadores declaran obtener.
La encuesta se basó en los recuerdos de los trabajadores, no en una medición directa de la productividad. La propia Deloitte señala que la mayoría de las personas no puede recordar con precisión el tiempo ahorrado. Las estimaciones reflejan beneficios percibidos, no evidencia controlada de un aumento de la producción o de trabajos de mayor calidad.
Los casos de uso más habituales también fueron modestos. La búsqueda de información y la redacción de correos electrónicos aparecieron, cada una, entre el 43% de los usuarios. La creación de resúmenes ocupó el tercer lugar, con un 31%.
Estas tareas pueden ser importantes, especialmente cuando se repiten en una fuerza laboral amplia. Sin embargo, generar correos más rápido puede simplemente aumentar la cantidad de texto que los colegas deben leer. Un minuto ahorrado para quien envía el mensaje puede crear trabajo adicional para quienes lo reciben.
Deloitte concluyó que el 31% de todos los encuestados había usado IA generativa en el trabajo sin ahorrar tiempo. Su análisis de productividad también indica que el 52% de los usuarios creía que perder el acceso no haría su trabajo más difícil. Otro 11% pensaba que el trabajo podría incluso volverse más fácil.
Solo el 8% describió la IA generativa como lo bastante importante como para que perderla hiciera su trabajo mucho más difícil. Es un grupo considerable, pero mucho menor que el 63% que había probado la tecnología.
Estos hallazgos complican la encuesta de Deloitte UK sobre gasto en IA. Los empleados están pagando por herramientas antes de que la fuerza laboral haya demostrado ganancias de productividad consistentes. El gasto revela tanto el valor percibido de tener la opción como un valor empresarial comprobado.
Una suscripción ofrece al trabajador acceso continuado a nuevos modelos y funciones. Puede servir como seguro para tareas difíciles, incluso cuando los beneficios cotidianos siguen siendo limitados. Alguien puede mantener un servicio porque resolvió bien una tarea urgente.
El valor también puede ser psicológico. La IA generativa ofrece un punto de partida cuando un documento en blanco o una pregunta desconocida ralentizan el avance. El trabajador puede sentirse más capaz sin producir un resultado que las medidas tradicionales de desempeño puedan aislar fácilmente.
Cuando se ahorra tiempo, los empleadores no lo capturan todo. Deloitte concluyó que el 27% de quienes ahorraban tiempo utilizaba al menos parte de esa ganancia para tareas personales. Aproximadamente la mitad usaba el tiempo ahorrado para completar más del mismo trabajo.
Ese resultado no es necesariamente un desperdicio. Las pausas breves pueden reducir la fatiga, mientras que completar tareas más rápido puede mejorar la satisfacción laboral. Sin embargo, dificulta calcular el retorno financiero solo a partir de las horas de trabajo.
Por ello, los empleadores deberían evitar tratar los recuentos de adopción como métricas de productividad. El número de cuentas, prompts o usuarios activos dice poco sobre si el trabajo mejoró. Una evaluación fiable debería examinar la calidad de los resultados, el tiempo de ciclo, las tasas de error y la experiencia de los empleados.
Los hallazgos de Deloitte proporcionan una referencia útil, no un veredicto final. Su ciclo de encuestas previsto cada seis meses debería revelar si la experimentación se convierte en dependencia. También puede mostrar si la formación lleva a los usuarios más allá del correo electrónico, las búsquedas y los resúmenes.
Hasta entonces, la estimación de £958 millones no debería presentarse como prueba de una ganancia económica igual de grande. Mide un gasto inferido a partir de comportamientos declarados. No calcula beneficios, producción ni retorno de la inversión.
El secretismo aumenta cuando los trabajadores temen cómo reaccionarán los directivos
La IA en la sombra es en parte una cuestión de seguridad, pero los datos de Deloitte también la convierten en una cuestión de confianza en el lugar de trabajo.
Casi una cuarta parte de los trabajadores, el 23%, creía que existía un estigma asociado al uso de IA generativa en el trabajo. Entre los usuarios semanales, el 64% temía que los directivos pudieran concluir que la IA era capaz de desempeñar sus puestos.
Esa preocupación da a los empleados una razón para ocultar flujos de trabajo exitosos. Un trabajador que ahorra varias horas puede esperar más tareas, una redefinición de su puesto o preguntas sobre la plantilla. Compartir esa mejora puede sentirse personalmente arriesgado.
El secretismo impide entonces que la organización aprenda qué flujos de trabajo aportan valor. Los directivos no ven ni el experimento exitoso ni sus limitaciones. Los equipos de seguridad también pierden la oportunidad de evaluar el manejo de datos antes de que la práctica se extienda.
La directora de IA de Deloitte UK, Hayley McKelvey, afirmó que los trabajadores que se sienten estigmatizados tienen más probabilidades de ocultar su uso. Su argumento conecta las señales culturales con la gestión de riesgos. No se puede esperar que los empleados revelen experimentos cuando la divulgación parece amenazante.
La comunicación del liderazgo sigue siendo débil. Según la investigación sobre formación de Deloitte, el 65% de los usuarios no había oído a sus líderes hablar de IA generativa con una comprensión clara.
Ese grupo incluía tanto a quienes escuchaban mensajes incoherentes como a quienes no escuchaban nada. En ambos casos, los empleados reciben poca ayuda para distinguir los usos fomentados de los inaceptables.
El resultado es un lugar de trabajo contradictorio. Los líderes pueden exigir públicamente la adopción de IA mientras los directivos desconfían en privado del trabajo asistido por IA. Los empleados oyen que la tecnología es estratégica, pero no reciben reglas estables para aplicarla.
Las preocupaciones sobre la calidad pueden reforzar esa desconfianza. Los directivos pueden encontrarse con trabajos débiles generados por IA y responder desalentando todo uso. Los usuarios expertos pasan entonces a estar menos dispuestos a explicar cómo combinan modelos, fuentes y revisión humana.
Una mejor respuesta comienza por separar la asistencia de la responsabilidad. Los trabajadores pueden usar IA para generar opciones, reorganizar notas, resumir material o redactar textos. Siguen siendo responsables de comprobar el resultado y proteger la información restringida.
La divulgación también necesita reglas proporcionales. Exigir un informe formal por cada sugerencia ortográfica crearía una fricción innecesaria. Las decisiones de gran impacto, los datos confidenciales o las afirmaciones publicadas externamente merecen una documentación más sólida.
La formación debería usar escenarios de trabajo reales. Las demostraciones genéricas no explican a un reclutador, ingeniero de software, profesional de marketing o administrador sanitario cómo difieren sus riesgos. Las políticas ganan credibilidad cuando los trabajadores pueden aplicarlas a tareas reales.
Deloitte concluyó que el 51% de la fuerza laboral más amplia dijo que la formación fomentaría un uso más frecuente de la IA. Solo el 20% de los usuarios actuales se consideraba altamente competente. Esto deja un margen considerable para el apoyo estructurado sin imponer la adopción.
Los empleadores también pueden facilitar el uso de sistemas aprobados con información interna. Un flujo de trabajo fragmentado suele empujar a los empleados a copiar material entre aplicaciones y chatbots externos. Una mejor integración de conocimiento puede reducir esa fricción y preservar el contexto necesario para obtener respuestas útiles.
Sin embargo, un sistema aprobado no debería convertirse en un pretexto para vigilar cada pregunta. Un seguimiento excesivo puede reproducir el mismo temor que impulsó el uso en la sombra. La gobernanza necesita transparencia sobre qué se registra, quién puede inspeccionarlo y por qué.
Aquí es donde la cifra de gasto personal resulta especialmente reveladora. Los trabajadores no solo aportan su propio software. Están usando dinero personal para preservar la elección y la privacidad sobre cómo completan el trabajo asignado.
Los empleadores que respondan únicamente con restricciones corren el riesgo de profundizar la división. Los que ignoren el comportamiento aceptan una exposición sin gestionar. El punto intermedio viable combina herramientas útiles, límites claros, formación práctica y una protección creíble contra represalias.
Lo que la encuesta de Deloitte sobre IA en la sombra no puede demostrar
La encuesta establece un patrón amplio de comportamiento declarado, pero sus cifras más memorables siguen siendo estimaciones, no transacciones observadas directamente ni registros de productividad.
La cifra de £958 millones se extrapoló a partir de una encuesta en línea. Deloitte no examinó registros bancarios, informes de gastos ni ingresos de proveedores. La estimación depende de que los encuestados informen con precisión sobre su gasto y uso en el trabajo.
Algunas personas pueden suscribirse principalmente por motivos personales y utilizar ocasionalmente el mismo servicio en el trabajo. Otras pueden compartir cuentas o alternar entre acceso gratuito y de pago. Estas situaciones dificultan atribuir cada pago íntegramente al empleo.
La encuesta también combina empleados y trabajadores autónomos en su definición más amplia de fuerza laboral. Un profesional autónomo que compra software está realizando una adquisición empresarial a través de una cuenta personal, algo distinto de un empleado que subvenciona a un gran empleador.
Deloitte proporciona bases separadas para algunas preguntas, pero los resúmenes públicos no pueden responder a todas las cuestiones metodológicas. La distribución del gasto mensual ayudaría a mostrar si el total refleja pagos modestos y generalizados o un grupo menor de usuarios intensivos.
La investigación midió la adopción declarada. Los encuestados podrían interpretar la IA generativa de forma diferente, especialmente cuando sus funciones están integradas en buscadores, suites ofimáticas, teléfonos o software especializado. Deloitte incluyó una breve definición, pero los límites de la categoría siguen siendo fluidos.
Del mismo modo, usar una herramienta sin conocimiento del empleador no siempre equivale a usarla contra la política interna. Algunas organizaciones pueden no tener política alguna, y algunos directivos pueden tolerar el uso informal. La IA en la sombra abarca varias situaciones de gobernanza distintas.
Una noticia independiente informó de los mismos hallazgos principales y señaló que el ahorro de tiempo no se midió directamente. Esa salvedad es importante al vincular el gasto de los empleados con la productividad.
La encuesta también llegó solo dos días antes de la fecha de publicación de este artículo. Ha habido poco tiempo para que investigadores independientes, grupos laborales, especialistas en seguridad o empleadores examinen sus supuestos y respondan.
Deloitte es a la vez un editor de investigación y proveedor de servicios de consultoría en IA. Esto no invalida los hallazgos, y Ipsos realizó el trabajo de campo. Sí significa que los lectores deberían distinguir entre los resultados subyacentes de la encuesta y las recomendaciones que se alinean con el trabajo de consultoría.
Las afirmaciones más sólidas siguen estando bien respaldadas dentro de la muestra: el uso está extendido, existe el pago personal, la formación es desigual y la visibilidad de los empleadores es incompleta. El total preciso del gasto nacional conlleva más incertidumbre que esas conclusiones direccionales.
Las encuestas de seguimiento previstas harán la investigación más útil. Una metodología coherente puede revelar si el gasto personal declarado aumenta, disminuye o se desplaza hacia el acceso financiado por empleadores. Una encuesta ofrece una instantánea, mientras que las oleadas repetidas pueden establecer una tendencia.
Los datos independientes de transacciones añadirían otra capa. Los proveedores, procesadores de pagos y plataformas de gestión de gastos pueden observar el comportamiento de suscripción, aunque rara vez saben si una cuenta personal respalda trabajo remunerado.
Los empleadores pueden generar mejor evidencia interna combinando investigación anónima entre trabajadores con uso de herramientas aprobadas y resultados de los flujos de trabajo. Deberían evitar tratar los registros de vigilancia como una imagen completa, porque el uso oculto seguirá siendo difícil de detectar.
La encuesta de Deloitte sobre IA en la sombra es más valiosa como advertencia sobre los puntos ciegos organizativos. No debería convertirse en una excusa para afirmar que cada suscripción es productiva o que cada prompt no aprobado genera una brecha.
Tres señales mostrarán si los empleadores se están poniendo al día
La próxima fase se medirá por la financiación, la capacitación y el valor demostrado, no por otro aumento de la experimentación informal.
La primera señal es el equilibrio entre el acceso financiado personalmente y el financiado por el empleador. La próxima ronda de encuestas de Deloitte debería mostrar si disminuye la tasa de autofinanciación del 17%. Una reducción acompañada de un uso estable indicaría que las organizaciones están asumiendo herramientas que los trabajadores ya valoran.
Una disminución provocada por bloqueos restrictivos significaría algo distinto. Los empleadores deben comparar el uso declarado con la satisfacción de los empleados y la adopción de herramientas aprobadas. De lo contrario, un menor gasto visible podría simplemente reflejar un ocultamiento más profundo.
La segunda señal es si la capacitación llega a los trabajadores antes de que las políticas se conviertan en mecanismos de cumplimiento. La mitad de los usuarios actuales afirmó no haber recibido capacitación formal, y solo el 28% describió la política de su empleador como clara, actual, conocida y accesible.
Si mejoran esas métricas, las empresas podrían reducir la exposición accidental de datos y, al mismo tiempo, obtener una experimentación más útil. Si aumenta el conocimiento de las políticas sin capacitación ni acceso confiable, la gobernanza seguirá siendo un mero ejercicio burocrático.
La tercera señal es avanzar más allá de la redacción básica, la búsqueda y la generación de resúmenes. Los datos actuales de Deloitte describen una adopción amplia pero superficial. La validación más sólida sería una mejora medible en flujos de trabajo completos, no simplemente más texto generado.
Las empresas deberían seguir si la IA reduce el tiempo de finalización sin aumentar las correcciones, las cargas de revisión ni la confusión posterior. También deberían examinar si los beneficios aparecen en distintos puestos o se concentran entre trabajadores técnicos que ya cuentan con habilidades avanzadas.
Para los empleados, la cuestión práctica es si un flujo de trabajo asistido por IA puede revelarse de forma segura. Los trabajadores deberían comprender qué información está permitida, cómo deben comprobarse los resultados y si las alternativas aprobadas se ajustan a las herramientas que ya utilizan.
Para los empleadores, la cuestión ya no es si la IA generativa ha entrado en el lugar de trabajo. La encuesta de Deloitte UK sobre gasto en IA muestra que los trabajadores ya tomaron esa decisión mediante miles de compras y experimentos individuales.
La elección restante se refiere a quién dará forma a la siguiente etapa. ¿Financiarán las organizaciones herramientas eficaces y crearán normas que los trabajadores puedan seguir, o dejarán a los empleados ensamblar solos sistemas no oficiales?
La respuesta determinará si casi 1.000 millones de libras esterlinas de gasto personal se convierten en un puente hacia un mejor trabajo o en evidencia de una división duradera. Los empleadores deberían comenzar preguntando a los trabajadores qué herramientas pagan, qué problemas resuelven esas herramientas y qué impide que el mismo trabajo se realice de forma segura dentro de sistemas aprobados.
