La paradoja de la productividad
Tu equipo de desarrollo acaba de entregar en tres semanas lo que antes les llevaba dos meses.
No han trabajado más horas. No han contratado a nadie nuevo. Simplemente han integrado herramientas de IA en su flujo de trabajo.
La demo fue impecable. La CEO está encantada. Y entonces, al final de la reunión, alguien suelta la pregunta:
“Si ahora podemos hacer lo mismo con menos gente... ¿necesitamos a toda esta gente?”
Y ahí se te congela la sonrisa.
Aritmética simple
La tentación es obvia: si un equipo de 8 hace ahora el trabajo de 20, ¿para qué necesitas 8?
Es irresistible para quien tiene que defender un presupuesto.
Hay un relato reconfortante que dice: “Tranquilos, esto ya ha pasado antes y siempre salió bien.” Y se apoya en ejemplos reales:
Cuando aparecieron los cajeros automáticos en los 80, cada sucursal bancaria redujo personal. Pero el menor coste de operar una sucursal hizo que los bancos abrieran más. El economista James Bessen documentó que el número total de empleados de banca en EE.UU. aumentó durante las dos décadas siguientes.
Cuando aparecieron las hojas de cálculo, muchos predijeron el fin de los contables. Hoy hay más que nunca.
Estas historias son reales. Pero hay que ser honesto con lo que no cuentan.
Lo que esas historias no cuentan
El empleo bancario subió tras los cajeros automáticos, sí. Pero a partir del año 2000 empezó a caer. La paradoja funcionó... durante un tiempo. Eventualmente, la tecnología sí redujo empleo. El relato optimista simplemente elige dónde cortar la película.
Y los contables: hay más hoy, cierto. Pero atribuirlo a las hojas de cálculo es confundir correlación con causalidad. El crecimiento económico, la complejidad fiscal creciente, la regulación... hay muchos factores que explican ese aumento. ¿Excel fue uno de ellos? Quizá ni el principal.
Estas analogías son útiles como punto de partida. Pero si las usamos como predicción, estamos asumiendo que el pasado predice el futuro.
El cambio es de otra naturaleza
Un cajero automático automatizaba una tarea mecánica concreta: dispensar billetes.
La IA no automatiza una tarea. Afecta a capacidades cognitivas transversales: escribir, razonar, sintetizar, programar, diseñar. Es como si en vez de inventar una máquina que hace una cosa, hubiésemos inventado un becario universal que hace muchas cosas de manera aceptable (aceptable por el momento, la calidad irá mejorando).
¿Significa eso que va a destruir empleo masivamente? No lo sé.
¿Significa que va a crear más empleo del que destruye? Tampoco lo sé.
Y quien te diga que lo sabe con certeza, probablemente miente o te intenta vende algo. Llevamos dos años viendo predicciones categóricas en ambas direcciones, y ninguna se ha cumplido todavía.
Lo que sí sé es que, como manager, no puedes esperar a que la academia y los economistas se pongan de acuerdo. Tienes que decidir ahora, con información incompleta. Como siempre.
La paradoja de Jevons
Antes de elegir, hay un patrón histórico que merece la pena tener en la cabeza.
Cuando la máquina de vapor se hizo más eficiente en el uso de carbón, el consumo total de carbón no bajó. Subió. La eficiencia hizo que usar carbón fuese rentable para muchas más aplicaciones. William Stanley Jevons documentó esta paradoja en 1865.
Es tentador aplicar esta lógica al trabajo cognitivo: si producir algo se vuelve dramáticamente más barato, la demanda debería explotar. Proyectos que antes no eran viables ahora lo son.
Pero ojo: Jevons hablaba de un recurso físico. Que la misma lógica aplique al trabajo del conocimiento es una hipótesis plausible, no un hecho demostrado. Podría pasar. O podría pasar que la demanda de ese trabajo tenga un techo que aún no vemos. O que la demanda crece pero se satisface con menos personas y más IA. No lo sabemos.
Lo que sí sabemos es que apostar todo a un solo escenario, ya sea “siempre se crea más empleo” o “esta vez todo se destruye”, es una mala estrategia. Las mejores decisiones en incertidumbre no intentan predecir el futuro. Intentan posicionarte bien en varios futuros posibles.
Con eso en mente, veamos las opciones (las que se me ocurren a mí, me encantaría saber las tuyas en los comentarios).
Las dos opciones
Opción A: Reducir equipo
Decides pasar de 8 a 5. Has “ahorrado” tres salarios. La dirección aplaude. Fin del trimestre, números bien.
Pero hay cosas que la hoja de Excel no captura:
El conocimiento tácito se va. Las tres personas que salen se llevan contexto que nadie documentó. El equipo empieza a tomar decisiones sin entender por qué ciertas cosas se hicieron de cierta manera. Ya hablé sobre esto aquí.
La diversidad cognitiva cae. Menos personas, menos perspectivas, menos capacidad para evaluar críticamente lo que la IA genera. Y la IA no te avisa cuando se equivoca.
El miedo se instala. Los que se quedan miran a la IA y piensan: “Cuando siga mejorando, el siguiente soy yo.” Y tú, como manager, quizá estés pensando exactamente lo mismo sobre tu propio rol. Ese miedo no aparece en ningún informe, pero condiciona cada decisión.
El incentivo que creas es perverso. El mensaje al resto de la organización es: “si te vuelves más productivo, te recompensan eliminando a tus compañeros (o a ti).” Buena suerte consiguiendo que el siguiente equipo adopte IA con entusiasmo.
¿Significa esto que reducir equipo es siempre un error? No. A veces es necesario. A veces es la decisión correcta. Pero deberías tomarla sabiendo lo que sacrificas, no solo lo que “ahorras”.
Opción B: Reinvertir la capacidad
Mantienes las 8 personas. Pero cambias lo que hacen.
Si tu equipo puede entregar en tres semanas lo que antes llevaba dos meses, tienes un excedente de capacidad enorme. La pregunta deja de ser “¿a quién sobra?” y pasa a ser “¿qué podemos hacer ahora que antes era imposible?”
Atacar la deuda técnica que lleváis arrastrando tres años.
Explorar ideas de producto que siempre se quedaban en el backlog eterno.
Desarrollar nuevas capacidades en el equipo.
Moverte más rápido que la competencia.
Suena bien, ¿verdad?
Pero también hay que ser honesto aquí: esta opción tiene sus riesgos. No todo equipo va a reinvertir bien esa capacidad. Mantener personas “por si acaso” sin un plan claro de reinversión no es estrategia, es miedo a decidir. Y justificar ante la dirección por qué no has reducido costes cuando podrías haberlo hecho requiere una narrativa sólida y resultados que la respalden. No va a ser fácil.
Pero... ¿y tu competencia?
Hay una dimensión que no puedes ignorar: no decides en el vacío. Tu competencia tiene acceso a las mismas herramientas que tú. Y también está tomando esta decisión ahora mismo.
Simplificando mucho, hay dos escenarios:
Si tu competencia recorta y tú no, tienes una ventana. Ellos tienen equipos más pequeños, más rápidos para lo que ya hacían, pero con menos capacidad para explorar, adaptarse o responder a lo inesperado. Tú tienes gente disponible para atacar lo que ellos han dejado de poder hacer: innovar, mejorar la calidad, entrar en segmentos que antes no eran viables. La capacidad que hoy parece “sobrante” puede ser exactamente lo que necesitas.
Si tu competencia reinvierte y tú recortas, tienes un problema. Ellos están usando el excedente de productividad para hacer más: más producto, más calidad, más velocidad de exploración. Tú has capturado un ahorro de costes a corto plazo, pero ahora estás compitiendo con un equipo más lean contra uno que tiene más capacidad de ataque. Y recuperar esa capacidad no es tan fácil como volver a contratar: el conocimiento perdido, la cultura rota, el tiempo de onboarding... reconstruir es siempre más caro que mantener.
No sabes qué va a hacer tu competencia. Es un dilema estratégico clásico, con un problema añadido: la decisión es difícilmente reversible. Recortar es rápido. Reconstruir, lento.
Eso no significa que la respuesta sea siempre “no recortes.” Significa que cuando calcules el “ahorro” de reducir equipo, deberías incluir en la ecuación el coste de equivocarte si el mercado se mueve hacia más, no hacia menos.
Para decidir, no para dormir tranquilo
No tengo una respuesta universal. Si la tuviese, desconfiaría de mí mismo.
Lo que sí creo:
La decisión de reducir equipo es fácil de tomar y difícil de revertir. La de reinvertir capacidad es difícil de justificar y potencialmente transformadora. Las decisiones asimétricas merecen más reflexión.
No tienes datos históricos para esta decisión. No hay benchmark. No hay “best practice.” No hay ningún sitio al que mirar. Las analogías con cajeros automáticos y hojas de cálculo ayudan a pensar, pero no son mapas del territorio que estás recorriendo.
La honestidad sobre la incertidumbre me parece una ventaja. El manager que dice “no sé qué va a pasar, pero he aquí cómo me estoy preparando para varios escenarios” me genera más confianza que el que finge saber.
La paradoja de la productividad no tiene “solución”. Es una decisión con incertidumbre. Como casi todas.
Si esta edición te ha aportado algo o te ha dejado pensando, considera reenviársela a alguien a quien también le pueda interesar, o compártela en tu red social favorita. Cada nuevo lector nos acerca a una comunidad de managers más preparada.
Nos leemos.
P.D.: Si quieres profundizar:
Learning by Doing, de James Bessen. Probablemente el análisis más riguroso de cómo la tecnología ha transformado el empleo históricamente. Útil para entender los precedentes, siempre que recuerdes que un precedente no es una profecía.
The Jevons Paradox and the Myth of Resource Efficiency Improvements, de John M. Polimeni et al. Para entender por qué “más eficiente” no siempre significa “menos consumo”, y para preguntarte si eso aplica también aquí.