El AI workslop no siempre se ve mal a primera vista. Ese es precisamente el problema. Llega con formato correcto, tono razonable y una estructura que parece útil, pero obliga a otra persona a revisar, comprobar y rehacer.
En equipos ocupados, esa transferencia de carga es cara. El trabajo no desaparece: cambia de dueño y suele caer sobre quien ya tenía criterio para hacerlo bien desde el principio.
Criterio operativo
Si metiera informes de IA en un flujo real, no empezaría por el prompt. Empezaría por la regla de aceptación.
Antes de que un borrador salga de quien lo generó, debe responder cinco preguntas.
| Puerta | Lo que el revisor necesita ver |
|---|---|
| Rastro de fuentes | Documentos, filas, llamadas, tickets o páginas usados |
| Regla de métrica | Definición, periodo, exclusiones y responsable de la métrica |
| Responsable humano | Quién acepta la recomendación, no solo quién lanzó el prompt |
| Nota de excepciones | Casos excluidos, dudosos, estimados o corregidos a mano |
| Siguiente acción | Qué decisión o tarea debe activar el informe |
Si el borrador no pasa estas cinco puertas, yo no lo enviaría como artefacto de equipo. Puede servir como material privado. Pero un artefacto de equipo cambia prioridades de otras personas.
Qué dicen los datos sobre el coste oculto
El artículo de HBR incomoda porque pone números a una molestia conocida. Estima una tasa invisible de 186 dólares al mes por trabajador afectado. También plantea que, en una organización de 10.000 personas y con la prevalencia estimada por la encuesta, la pérdida anual de productividad podría superar los 9 millones de dólares.
No copiaría esa cifra sin más a un caso interno. Salarios, madurez de herramientas, cultura de revisión y hábitos de reporting cambian el resultado. Pero la dirección es creíble. Un mal borrador de IA no se queda dentro de la herramienta. Entra en Slack, correo, decks, comentarios de hojas o reuniones de estado. Entonces alguien paga el coste con tiempo.
El Work AI Index 2026 de Glean apunta al mismo problema desde otro lado. Dice que los trabajadores gastan una media de 6,4 horas semanales en botsitting. Eso no significa que la IA no sirva. Significa que el trabajo humano alrededor de la IA ya forma parte del flujo, aunque muchas organizaciones no lo midan.
El Work Trend Index 2026 de Microsoft añade el contexto amplio: agentes y criterio humano entran en el trabajo normal. Si la IA pasa de experimento lateral a capa operativa, “el borrador parecía bien” ya no alcanza.
Un fallo de informe bastante normal
El caso típico no es cinematográfico. Por eso pasa desapercibido.
Imagina que una persona de revenue operations entrega a una herramienta de IA un export de CRM y tres notas de reunión. El borrador dice que el pipeline enterprise subió, que el riesgo de onboarding bajó y que la acción semanal es empujar dos oportunidades en fase final. Son dos páginas y se leen bien.
El director de ventas abre la hoja y encuentra problemas.
| Línea del borrador | Qué aparece al revisar | Por qué importa |
|---|---|---|
| ”Pipeline enterprise +18%“ | Hay oportunidades renovadas duplicadas | La tendencia puede ser cierta, el número no |
| ”El riesgo de onboarding bajó” | Faltan dos notas de customer success | El riesgo operativo desaparece |
| ”Empujar dos deals finales” | Uno espera lenguaje legal, no seguimiento comercial | El responsable de acción está mal |
| ”Mejora forecast confidence” | Se mezclan pipeline weighted y unweighted | La métrica no está aprobada |
No hay una empresa inventada. No hay un gran incidente legal. Es más común: la IA convierte una entrada parcial en un informe que suena completo.
El revisor no corrige comas. Reconstruye lógica. Reabre el export, pregunta la regla de deduplicación, pide notas a customer success, reescribe la recomendación y añade cautelas. Quien generó el borrador fue más rápido. El equipo entero quizá no.
Dónde se esconde el tiempo de revisión
Los informes de IA esconden trabajo en cinco zonas.
| Trabajo oculto | Cómo aparece en la agenda | Señal de fallo |
|---|---|---|
| Comprobación de fuentes | Alguien abre todos los archivos de nuevo | Hay afirmaciones sin evidencia localizable |
| Reparación de métricas | Un manager pregunta qué significa el número | La misma KPI tiene dos definiciones |
| Reparación de tono | Una persona senior rebaja afirmaciones | El texto suena más seguro que los datos |
| Reparación de responsable | Se crea una reunión para decidir quién actúa | Hay acción pero no owner |
| Reparación de excepciones | Aparecen casos omitidos después de compartir | El borrador no dice qué ignoró |
Esto no es edición cosmética. Es trabajo operativo.
Por eso no mediría un flujo de reporting con IA por “tiempo hasta primer borrador”. Mediría tiempo hasta informe aceptado. La velocidad inicial solo cuenta si el coste de aceptación baja también.
La regla de aceptación antes de compartir
Para informes que afectan a otros, usaría una regla sencilla.
| Requisito antes de compartir | Estándar mínimo |
|---|---|
| Lista de fuentes | Cada afirmación importante apunta a archivo, reunión, tickets o dataset |
| Definición de métrica | Periodo, denominador, filas excluidas y owner aparecen claros |
| Etiqueta de confianza | Confirmado, direccional o requiere revisión |
| Registro de excepciones | Datos faltantes y casos excluidos quedan nombrados |
| Petición de decisión | El informe pide decisión, aprobación o trabajo posterior |
| Remitente humano | Una persona responde por el envío, no “la IA” |
Mantendría la regla corta. Si se vuelve un manual de gobierno de doce páginas, la gente la salta. La intención es impedir que borradores pulidos pero débiles entren en el flujo.
Primer cambio práctico: un bloque arriba de cada informe asistido por IA.
Estado del informe: borrador / revisando / listo para enviar
Fuentes usadas:
Owner de métrica:
Preguntas abiertas:
Exclusiones conocidas:
Decisión solicitada:
Remitente humano:Si llenar esos campos molesta, la señal es útil. El informe todavía no está listo.
Cuándo sí usaría IA en reporting
Yo seguiría usando IA. Solo cuidaría dónde la pongo.
Encaja bien para:
- convertir notas dispersas en una primera estructura,
- encontrar secciones faltantes,
- hacer que un informe largo sea más escaneable,
- proponer titulares,
- convertir bullets en tabla,
- comparar dos versiones de un memo,
- preparar preguntas para el revisor.
Elegiría IA para eso porque el riesgo queda acotado. La persona conserva la afirmación, la métrica y la decisión.
La mejor petición no es “escribe el informe”. Es “dime qué debo comprobar antes de enviarlo”. Esa frase cambia el papel de la herramienta. Pasa de autor invisible a asistente de revisión.
Cuándo no elegiría el borrador de IA
No lo enviaría en estos casos.
| No enviar si | Primer movimiento |
|---|---|
| Hay una afirmación fuerte sin fuente | Pedir mapa de fuentes antes de tocar el estilo |
| La métrica no está clara | Congelar el número hasta que el owner confirme |
| La acción no tiene responsable | Convertir la recomendación en pregunta abierta |
| El tono es más seguro que la evidencia | Bajar la afirmación con fecha y alcance |
| Faltan datos y no se dice | Añadir registro de excepciones antes de compartir |
| El revisor rehace casi toda la lógica | Reducir IA a esquema o extracción |
| Repite bonito algo ya sabido | No moverlo como artefacto nuevo |
Los criterios de no selección no son pesimismo. Protegen el flujo. Separan la IA útil de una entrega elegante de trabajo sin terminar.
No lo elijas como informe compartido si el revisor tiene que reconstruir la lógica. En ese caso, úsalo solo como esquema privado o como extracción de datos.
Un piloto de dos horas revela el coste
Antes de ampliar, tomaría un informe recurrente y lo probaría dos ciclos. No preguntaría si el borrador se veía mejor. Mediría el coste operativo.
| Medida | Cómo registrarla |
|---|---|
| Tiempo hasta borrador | Desde prompt hasta archivo guardado |
| Minutos de revisión | Fuentes, métricas y recomendaciones comprobadas |
| Correcciones de fuente | Afirmaciones que necesitaron evidencia |
| Correcciones de métrica | Definición, periodo o denominador ajustados |
| Correcciones de owner | Acciones reasignadas |
| Cautelas añadidas | Datos faltantes o excepciones agregadas |
| Confianza final | Remitente puntúa de 1 a 5 |
Si el primer borrador baja de tiempo pero suben los minutos de revisión, el flujo no mejoró. Solo cambió quién absorbió el coste.
Si baja la revisión y mejora el rastro de fuentes, sí merece crecer.
Lo que todavía cambia la decisión
¿Workslop es lo mismo que hallucination?
No. Una hallucination suele ser un hecho falso. Workslop puede contener frases plausibles y aun así tener poco valor porque falta criterio, fuente, contexto de decisión o responsable.
¿Todo informe de IA necesita fuentes?
Para pensar en privado, no. Para afectar el trabajo de otra persona, sí. El revisor no debería reconstruir de dónde salió la respuesta.
¿Un modelo mejor lo soluciona?
Un modelo más fuerte reduce algunos errores. No elimina los criterios de aceptación. Además, puede hacer que un borrador débil suene más convincente.
¿Cuál es la primera regla más fácil?
Cada informe asistido por IA debe nombrar fuentes, owner de métrica, preguntas abiertas, datos excluidos, decisión solicitada y remitente humano en la parte superior.
¿Cómo sé si vale la pena conservar el flujo?
Mide tiempo hasta informe aceptado. Si baja la revisión y el resultado sigue generando confianza, continúa. Si sube la revisión, vuelve a usar IA solo para estructura, extracción o detección de huecos.
La decisión que dejaría al equipo
Los informes de IA no son el problema. El problema son informes sin responsabilidad.
Un borrador pulido no es un artefacto terminado. Sin rastro de fuentes, owner de métrica, registro de excepciones y decisión solicitada, todavía no está listo. Puede ser material de trabajo. No debería entrar al flujo del equipo.
Esa regla pondría antes de comprar más herramientas o alargar prompts. Un informe debe hacer más liviano el trabajo de la siguiente persona. Si la siguiente persona debe investigar, reescribir y asumir una conclusión sin respaldo, no automatizaste reporting. Automatizaste el traspaso de trabajo incompleto.
Fuentes y referencias
- AI-Generated Workslop Is Destroying Productivity Harvard Business Review
- Workslop: The Hidden Cost of AI-Generated Busywork BetterUp Labs
- Work AI Index 2026 Glean Work AI Institute
- 2026 Work Trend Index report Microsoft WorkLab
- Workers are spending hours every week botsitting TechRadar
