La IA generativa lleva tiempo siendo presentada como la herramienta que transformará para siempre el trabajo relacionado con la gestión del conocimiento. La idea era que automatizaría tareas repetitivas, aceleraría la elaboración de informes, redactaría correos, prepararía presentaciones y liberaría nuestro tiempo para dedicarlo a tareas intelectuales más exigentes.
Sin embargo, a medida que la adopción de estas herramientas se ha masificado, también ha surgido un fenómeno inesperado: la aparición del workslop, un término que describe contenido generado por IA que parece profesional, pero que realmente carece de sustancia real: mera palabrería oculta bajo una profesionalísima retórica corporativa.
Esta nueva avalancha de ‘ruido digital’ no está logrando más que hundir la productividad, erosionar la confianza y generar más trabajo del que elimina.
Un problema creciente: la explosión del contenido vacío
Según un reciente estudio del MIT, el 40% de los empleados de Estados Unidos afirmó haber recibido contenido generado por IA que «parece buen trabajo, pero no logra ningún avance significativo en una determinada tarea».
Este tipo de material no solo resulta inútil, sino que destruye productividad: cada pieza de workslop requiere casi dos horas de revisión y corrección para que pueda ser mínimamente útil, lo que supone pérdidas anuales de 9 millones de dólares para una empresa de 10.000 empleados.
El problema no está limitado a un país ni a unas pocas compañías. Estudios globales muestran que 66% de los trabajadores que usan IA confían en su salida sin verificarla . De ellos, muchos envían contenido directamente a colegas o clientes, generando un ciclo vicioso: la IA produce texto vacío, alguien lo revisa o reescribe, se pierde tiempo y se deteriora la eficiencia general del equipo.
Mientras tanto, el MIT Media Lab concluye que el 95% de las empresas no ve retorno medible de sus inversiones en IA generativa: McKinsey encuentra que el 80% ha visto «ningún impacto significativo» en resultados. Lo sorprendente no es que la IA falle en algunos casos: es que falle sistemáticamente cuando se despliega sin estrategia ni control.
Cómo distinguir ‘workslop’ de contenido útil
Aunque a veces puede ser difícil, hay señales claras:
- Demasiado general o vago: frases que parecen relleno corporativo.
- Falta de datos concretos o evidencias.
- Repeticiones innecesarias a lo largo del texto.
- Conclusiones obvias sin análisis previo.
- Tono excesivamente neutro o genérico.
- Ausencia de valor accionable: el lector termina sin saber qué hacer.
Cuanto más ‘perfecto’ suene el texto, más conviene preguntarse si realmente dice algo.
Por qué el workslop es tan dañino
- Transfiere el esfuerzo cognitivo del emisor al receptor: El principal problema del ‘workslop’ es que «maximiza la carga extrínseca para quien recibe mientras minimiza el esfuerzo de quien envía». Antes, cuando una persona escribía un informe, se veía obligada a pensar, estructurar ideas, decidir qué era esencial y qué sobraba. Pero ahora, muchos empleados externalizan ese proceso mental a la IA sin haber reflexionado sobre el contenido.
- Erosiona la confianza entre compañeros de oficina: El impacto del ‘workslop’ no es solo económico, sino también social; y es que el 53% de los trabajadores se siente molesto tras recibir contenido workslop… y el 42% considera que quien lo envía es menos fiable (muchos perciben a sus colegas como «menos creativos o menos capaces» tras recibir de ellos contenido de esta clase).
- Genera un ‘impuesto invisible’ sobre la productividad: Cada vez que llega un documento generado por IA sin supervisión humana, el destinatario debe invertir tiempo (1 hora y 56 minutos de media por cada pieza de ‘workslop’) en: verificar datos, reconstruir lógica, corregir inconsistencias, adaptar el contenido al contexto real.
El problema no es la IA, sino cómo se usa
Sin embargo, el responsable final de este fenómeno no es el software, sino los empleadores que lo implementan sin:
- estándares claros,
- políticas de uso,
- entrenamiento,
- métricas de evaluación,
- supervisión técnica o humana.
El entusiasmo tecnológico ha llevado a muchas empresas a adoptar IA simplemente para «no quedarse atrás», sin un plan sobre cómo integrarla de forma efectiva. En algunos casos, se obliga a los empleados a usarla, aunque no sepan cuándo es apropiado ni cómo evaluar sus resultados.
La IA funciona muy bien… para lo trivial
Los datos muestran que la IA sí aumenta la productividad cuando se utiliza para tareas simples: correos rutinarios, resúmenes básicos o generación de borradores preliminares. El 70% de los empleados prefieren usarla para estas tareas, según el informe GenAI Divide del MIT.
En esos casos, es cierto que la IA libera «carga cognitiva» y permite concentrarse en lo que realmente importa. Pero cuando se utiliza para tareas complejas que requieren comprensión profunda, memoria contextual o razonamiento fino, falla el 70% de las veces, según estudios de la Carnegie Mellon.
El problema surge cuando las organizaciones ignoran esta distinción.
Cómo combatir el workslop: acciones para empleados y empresas
- Cambiar el comportamiento individual: Preguntar primero (¿Es la IA la herramienta adecuada para esta tarea?), verificar siempre (revisar, contrastar datos y testear código o contenido) y ser transparente (explicando cuándo y cómo se utilizó la IA, especialmente en tareas críticas).
- Elevar la alfabetización en IA: Menos de la mitad de los empleados afirman haber recibido formación sobre IA. Para mejorar su productividad, la empresa debería enseñarles cuándo usar (y cuándo no) la IA, cómo supervisarla y cómo validar resultados.
- Implementar políticas claras: La gobernanza no puede ser opcional. Las empresas necesitan: estrategias claras de IA, responsables designados, limitaciones y permisos bien definidos…
Imágenes | Marcos Merino mediante IA
En Genbeta | El peaje a pagar por usar la inteligencia artificial en el trabajo es tener mala reputación, según un estudio
–
La noticia
‘Workslop’, los documentos de oficina generados con IA que reducen la productividad en lugar de aumentarla
fue publicada originalmente en
Genbeta
por
Marcos Merino
.