En 2025, dieciséis programadores con años de experiencia en sus propios proyectos trabajaron en 246 tareas reales. Un sorteo decidía en cuáles podían usar IA y en cuáles no. Antes de empezar, esperaban que la IA los hiciera 24 % más rápidos. Con ella tardaron 19 % más. Y al terminar, seguían creyendo que los había acelerado 20 %.
El estudio lo publicó METR en julio de 2025. Lo cuento primero porque resume el problema de este tema: lo que se siente no es lo que se mide. Y en lo que revisé sobre automatizar con IA había mucho de lo primero y poco de lo segundo.
Mi pregunta es concreta. Qué tareas se le pueden pasar hoy a una IA con un ahorro de tiempo medido, cuánto cuesta al mes y desde qué volumen sale la cuenta. Para contestarla junto cinco estudios que compararon el trabajo con IA y sin ella, en atención a clientes, redacción, programación y consultoría. Sumo dos pruebas de agentes que trabajan solos y cuatro mediciones fuera del laboratorio, en Dinamarca, Estados Unidos y Reino Unido. También una resolución de un tribunal canadiense, la encuesta del Banco de México de junio de 2026 y la documentación de cobro de Zapier, Make, n8n y WhatsApp. Encima, unas cuentas propias con un negocio inventado. Salieron seis cosas.
- Hay tareas en las que la IA ahorra tiempo, y está medido. Con un asistente que les sugería respuestas, 5,179 agentes de atención a clientes resolvieron 14 % más casos por hora, y los novatos, 34 % más. En un experimento de redacción con 453 profesionales, el tiempo bajó 40 %.
- En otras tareas estorba, y desde dentro no se nota. Los programadores no son el único caso. En un experimento con 758 consultores, quienes usaron IA en una tarea elegida para quedar fuera de su alcance tuvieron 19 puntos menos de probabilidad de dar con la respuesta correcta.
- Fuera del laboratorio, el ahorro se encoge. En Dinamarca, el ahorro promedio equivale al 2.8 % de las horas de trabajo de quienes usan chatbots, sin efecto significativo en sus ingresos ni en sus horas registradas. En México, el 57.3 % de las empresas de más de 100 trabajadores no ha percibido impactos significativos en su productividad en los últimos tres años.
- Los agentes que trabajan solos todavía no terminan el trabajo. En una empresa de software simulada, el mejor agente completó por su cuenta el 30 % de las tareas.
- La cuenta la decide el tiempo de revisión, no el precio de la herramienta. En mi ejemplo inventado, con el escenario bajo, si revisar cada respuesta de la IA toma más de 37 segundos, la automatización hace perder tiempo. Esa cifra no depende del precio, ni de cuánto vale tu hora, ni del volumen.
- En WhatsApp, 2026 trajo dos cambios. Desde el 15 de enero, sus términos no permiten distribuir asistentes de IA de propósito general. Y la documentación de Meta anuncia el cobro de los mensajes de servicio desde el 1 de octubre.
Escribo para quien tiene un negocio chico, o trabaja por su cuenta, y está por pagar una herramienta de IA o una plataforma de automatización. Las traducciones del inglés de este artículo son nuestras, y cada cita está enlazada a su original en la sección de fuentes. Los precios y las reglas de cobro se consultaron el 6 de octubre de 2026, y en esta categoría caducan en semanas. Este artículo no contiene enlaces de afiliado.
Qué significa que una automatización con IA funcione
Funcionar se dice de dos maneras. Una es que la herramienta hace lo que promete: escribe el correo, resume el documento, contesta el mensaje. La otra es que, contando lo que cuesta revisarla, terminas el trabajo antes, o igual de rápido y mejor. La primera se ve en una demostración de cinco minutos. La segunda solo se ve midiendo.
En este artículo, funcionar quiere decir lo segundo.
Tres niveles: la tarea, la persona y la empresa
El efecto de la IA se puede medir en tres lugares. Cada uno da cifras distintas.
El primero es la tarea. Se toma un trabajo concreto, como contestar un caso de soporte o escribir una carta, y se compara cuánto tarda la gente con IA y sin ella. Ahí están las cifras grandes del tema: 14 %, 40 %, 55.8 %.
El segundo es la persona. Se mide cuánto tiempo ahorra alguien en su jornada completa, con todas sus tareas y no solo con las que le pasa a la IA. Ahí las cifras bajan: 2.8 % de las horas de trabajo en Dinamarca, y 5.4 % según lo que reportan los usuarios en Estados Unidos.
El tercero es la empresa. Se mira si el negocio produce más o gasta menos. Para ese nivel encontré dos fuentes. Una es la evaluación de un ministerio británico, que no halló evidencia de una mejora de productividad. La otra es la encuesta del Banco de México, donde el 57.3 % de las empresas no ha percibido impactos significativos.
Las tres cifras pueden ser ciertas a la vez, y más adelante hago la cuenta de cómo. Si antes quieres un repaso de qué es la IA y qué hace, el artículo de esta serie sobre qué es la inteligencia artificial y cómo usarla en negocios lo explica desde cero.
El tiempo que cuenta es el neto
Una automatización con IA tiene un costo que no sale en la demostración: revisar lo que hizo. Si la IA te ahorra dos minutos en una respuesta y tardas uno en leerla y corregirla, ahorraste uno. Si tardas dos, ahorraste cero.
Mi criterio, y va como criterio: cuenta siempre el tiempo neto, el ahorro menos la revisión, y nunca el bruto. Con esa resta, el ejemplo de este artículo pasa de ahorrar a perder tiempo en uno de sus dos escenarios.
Hay una segunda resta, más difícil de ver. Una respuesta mal hecha que se te pasa sin revisar no cuesta tiempo hoy. Cuesta después: un cliente molesto, un reembolso, una disculpa. Por eso el tiempo de revisión no se puede bajar a cero para que la cuenta salga.
Asistir no es lo mismo que automatizar
En este tema se mezclan dos cosas. La primera es asistir: la IA propone y una persona decide. Un borrador que alguien corrige, una respuesta sugerida que el agente acepta o cambia. La segunda es automatizar: la IA actúa sola, sin que nadie revise cada caso. Un chatbot que contesta a tus clientes de madrugada, o un agente que mueve archivos y manda correos por su cuenta.
Los cinco estudios con grupo de comparación de la sección siguiente miden lo primero. En los cinco, una persona revisaba o decidía. Lo segundo tiene sus propias pruebas, y salen peor.
Hay una tercera cosa que también se llama automatizar y no usa IA: las reglas fijas, del tipo si llega un correo con una factura, guárdala en una carpeta. Funcionan sin revisión porque hacen lo mismo cada vez. El artículo de esta serie sobre cómo automatizar tareas repetitivas cubre ese terreno. Este se ocupa de lo que cambia cuando en medio hay un modelo que redacta, resume o decide.
Lo que midieron cinco estudios con grupo de comparación
Elegí estos cinco porque comparan a gente con IA contra gente sin ella, en trabajo que se parece al de un negocio, y porque se pueden leer en abierto. Van de los que encontraron ahorro al que encontró lo contrario.
Atención a clientes: 5,179 agentes
Erik Brynjolfsson, Danielle Li y Lindsey Raymond estudiaron qué pasó cuando una empresa fue dando acceso, por etapas, a un asistente de IA generativa a su personal de soporte. Tenían datos de «5,179 customer support agents». Traducción nuestra: 5,179 agentes de atención a clientes. El trabajo salió en 2023 como documento de trabajo del NBER, la oficina estadounidense de investigación económica, y se publicó en 2025 en The Quarterly Journal of Economics.
Qué hacía el asistente: «It monitors customer chats and provides agents with real-time suggestions for how to respond». Traducción nuestra: vigila los chats con los clientes y les da a los agentes sugerencias en tiempo real de cómo responder. Y la persona seguía al mando. El asistente estaba diseñado para que los agentes «remain responsible for the conversation and are free to ignore its suggestions». Traducción nuestra: siguen siendo responsables de la conversación y pueden ignorar sus sugerencias.
El resultado se midió en casos resueltos por hora. Subieron un «14% on average, including a 34% improvement for novice and low-skilled workers but with minimal impact on experienced and highly skilled workers». Traducción nuestra: 14 % en promedio, con una mejora de 34 % en quienes eran nuevos o menos calificados, y un impacto mínimo en los más experimentados y calificados.
Encontraron además que la asistencia «improves customer sentiment, increases employee retention, and may lead to worker learning». Traducción nuestra: mejora el ánimo de los clientes, aumenta la permanencia del personal y puede llevar a que los trabajadores aprendan. Fíjate en el «may». Puede, no consta.
Para la cuenta de más adelante convierto el 14 % a tiempo. Resolver 14 % más casos por hora equivale a tardar 12.28 % menos en cada caso. En los novatos, 34 % más casos por hora equivale a 25.37 % menos tiempo por caso. La conversión es mía.
Redacción: 453 profesionales
Shakked Noy y Whitney Zhang, del MIT, publicaron en 2023 en la revista Science un experimento con «453 college-educated marketers, grant writers, consultants, data analysts, human resource professionals, and managers». Traducción nuestra: 453 profesionales con estudios universitarios, entre gente de mercadotecnia, redactores de solicitudes de financiamiento, consultores, analistas de datos, profesionales de recursos humanos y gerentes. Cada quien hizo tareas de escritura de su oficio.
Las tareas incluían «writing cover letters for grant applications, emails about organizational restructuring, and plans for analyses». Traducción nuestra: cartas de presentación para solicitudes de financiamiento, correos sobre una reestructuración y planes de análisis.
Con acceso a ChatGPT, el chatbot «decreased the time it took workers to complete the tasks by 40 percent». Traducción nuestra: redujo 40 % el tiempo que tardaron en completar las tareas. Y la calidad «rose by 18 percent». Traducción nuestra: subió 18 %. También bajó la distancia entre los mejores y los peores: «performance inequality between workers decreased». Traducción nuestra: disminuyó la desigualdad de desempeño entre trabajadores.
El límite lo pone la propia nota del MIT. «The tasks in the study weren’t quite replicas of real work: They didn’t require precise factual accuracy or context about things like a company’s goals or a customer’s preference». Traducción nuestra: las tareas del estudio no eran réplicas exactas del trabajo real, porque no pedían exactitud en los datos ni contexto sobre las metas de una empresa o las preferencias de un cliente.
Esa frase importa para un negocio. Contestarle a un cliente sí pide datos exactos y contexto: su pedido, tu política, tu precio. Por eso tomo el 40 % como el escenario alto de la cuenta, y no como el esperado.
Programación: una tarea 55.8 % más rápida
Sida Peng, Eirini Kalliamvakou, Peter Cihon y Mert Demirer hicieron en 2023 un experimento controlado con GitHub Copilot, un asistente de programación. La tarea fue una sola: «Recruited software developers were asked to implement an HTTP server in JavaScript as quickly as possible». Traducción nuestra: a programadores reclutados para el estudio se les pidió implementar un servidor HTTP en JavaScript lo más rápido posible.
El resultado: «The treatment group, with access to the AI pair programmer, completed the task 55.8% faster than the control group». Traducción nuestra: el grupo con acceso al asistente terminó la tarea 55.8 % más rápido que el grupo de control.
Es la cifra más grande de este artículo. Y viene con su contexto. Una tarea, acotada y con un objetivo claro. Nada que ver con un proyecto grande que lleva años creciendo, que es justo lo que midió el quinto estudio.
Consultoría: 758 consultores
Fabrizio Dell’Acqua y ocho coautores hicieron un experimento de campo con «758 consultants comprising about 7% of the individual contributor-level consultants» de una firma de consultoría. Traducción nuestra: 758 consultores, cerca del 7 % de los consultores sin personal a cargo de la firma. El documento de trabajo es de septiembre de 2023, de la Escuela de Negocios de Harvard.
En las tareas que el estudio ubicó dentro del alcance de la IA, quienes la usaron «completed 12.2% more tasks on average, and completed tasks 25.1% more quickly». Traducción nuestra: completaron 12.2 % más tareas en promedio, y las completaron 25.1 % más rápido. Y con «more than 40% higher quality compared to a control group». Traducción nuestra: más de 40 % más calidad que un grupo de control.
En una tarea elegida para quedar fuera, el resultado se volteó: «consultants using AI were 19 percentage points less likely to produce correct solutions». Traducción nuestra: los consultores que usaron IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a soluciones correctas. Lo explico en la sección siguiente, porque de este estudio sale la idea que más sirve para decidir.
Y el estudio en el que la IA hizo más lento el trabajo
METR reclutó a «16 experienced developers from large open-source repositories (averaging 22k+ stars and 1M+ lines of code)», en proyectos «that they’ve contributed to for multiple years». Traducción nuestra: 16 programadores experimentados de proyectos grandes de código abierto, con más de 22,000 estrellas y más de un millón de líneas de código en promedio, a los que llevaban años contribuyendo.
Cada quien propuso tareas reales de su proyecto. «Developers provide lists of real issues (246 total) that would be valuable to the repository». Traducción nuestra: los programadores aportan listas de tareas reales, 246 en total, que le servirían al proyecto. Y luego un sorteo: «Then, we randomly assign each issue to either allow or disallow use of AI while working on the issue». Traducción nuestra: luego asignamos al azar cada tarea a permitir o prohibir el uso de IA mientras se trabaja en ella.
Las herramientas fueron, sobre todo, las de la época: «primarily Cursor Pro with Claude 3.5/3.7 Sonnet». Traducción nuestra: principalmente Cursor Pro con Claude 3.5 y 3.7 Sonnet.
El resultado: «When developers are allowed to use AI tools, they take 19% longer to complete issues». Traducción nuestra: cuando a los programadores se les permite usar herramientas de IA, tardan 19 % más en completar las tareas.
Ahora la percepción, que es lo que más me interesa para un negocio. Según METR, «developers expected AI to speed them up by 24%, and even after experiencing the slowdown, they still believed AI had sped them up by 20%». Traducción nuestra: esperaban que la IA los acelerara 24 %, e incluso después de vivir el retraso, seguían creyendo que los había acelerado 20 %.
Cómo se midió el tiempo: «Developers complete these tasks (which average two hours each) while recording their screens, then self-report the total implementation time they needed». Traducción nuestra: completan las tareas, de dos horas en promedio, mientras graban su pantalla, y luego reportan el tiempo total que necesitaron.
El propio METR acota el alcance: «We do not claim that our developers or repositories represent a majority or plurality of software development work». Traducción nuestra: no afirmamos que nuestros programadores o proyectos representen a la mayoría del trabajo de desarrollo de software, ni a su parte más grande.
Lo que tienen en común
Los cinco, en una tabla.
| Estudio | Quiénes | Tarea | Resultado con IA | Qué se midió |
|---|---|---|---|---|
| Brynjolfsson, Li y Raymond, 2023 y 2025 | 5,179 agentes de atención | Chats de soporte, con sugerencias | 14 % más casos por hora; 34 % más en novatos | Casos resueltos por hora |
| Noy y Zhang, 2023 | 453 profesionales | Textos de su oficio | 40 % menos tiempo; 18 % más calidad | Tiempo y calificación |
| Peng y coautores, 2023 | Programadores reclutados | Un servidor HTTP en JavaScript | 55.8 % más rápido | Tiempo de la tarea |
| Dell’Acqua y coautores, 2023 | 758 consultores | Tareas dentro del alcance de la IA | 12.2 % más tareas, 25.1 % más rápido, más de 40 % más calidad | Tareas, tiempo y calidad |
| Dell’Acqua y coautores, 2023 | 758 consultores | Una tarea fuera de su alcance | 19 puntos menos de soluciones correctas | Exactitud |
| METR, 2025 | 16 programadores expertos | 246 tareas de sus propios proyectos | 19 % más tiempo | Tiempo reportado, con la pantalla grabada |
Leídos juntos, dejan tres patrones.
- La IA ayudó más donde la tarea estaba acotada o quien la hacía tenía menos experiencia. Los novatos de atención, una tarea nueva de programación, textos que no pedían datos exactos.
- Ayudó menos, o estorbó, donde la tarea pedía mucho contexto. Proyectos con años de historia y tareas elegidas para quedar fuera del alcance de la IA.
- En los cinco, una persona revisaba o decidía. Ninguno midió a una IA trabajando sola.
La frontera irregular
Dell’Acqua y sus coautores le pusieron nombre a un patrón que se ve en los cinco estudios juntos. «We suggest that the capabilities of AI create a «jagged technological frontier»». Traducción nuestra: proponemos que las capacidades de la IA crean una frontera tecnológica irregular. Y la describen así: «some tasks are easily done by AI, while others, though seemingly similar in difficulty level, are outside the current capability of AI». Traducción nuestra: algunas tareas la IA las hace con facilidad, mientras que otras, aunque parezcan de dificultad parecida, quedan fuera de lo que puede hacer hoy.
La palabra que importa es «seemingly». Dos tareas que parecen igual de difíciles pueden caer en lados distintos de la frontera. Y desde fuera no hay una regla a simple vista para saber de qué lado cae cada una.
Dentro de la frontera
Dentro están las cifras que se citan en las presentaciones. En el estudio de los consultores, 12.2 % más tareas, 25.1 % más rápido y más de 40 % más calidad que el grupo de control. Si tu tarea está de ese lado, el estudio sugiere que la IA te ayuda a hacer más y mejor en menos tiempo.
El problema es el «si». El estudio sabía de qué lado quedaba la tarea que eligió para quedar fuera. En tu negocio, eso no viene escrito de antemano.
Fuera de la frontera
Fuera, quienes usaron IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a una solución correcta que quienes trabajaron sin ella. Ahí la IA no solo dejó de ayudar. Restó.
Para un negocio, esa es la cifra que más conviene recordar del tema. Una tarea donde la IA no ayuda te cuesta tiempo. Una tarea fuera de la frontera te cuesta errores. El estudio de METR suma la otra mitad del problema: quien trabaja con IA puede sentirse más rápido mientras va más lento.
Cómo saber de qué lado está tu tarea
No hay una lista oficial de tareas dentro y fuera, y la frontera puede moverse cuando cambian los modelos. Lo que sí hay es una prueba barata.
Mi criterio, y va como criterio: antes de automatizar una tarea con IA, dale diez casos de los que ya sepas la respuesta correcta y cuenta cuántos acierta. Si falla en dos o más, no la pondría a trabajar sin revisión. Y si no sabes cuál es la respuesta correcta de esos diez casos, tampoco podrás revisar los siguientes.
Esa última frase es la regla de fondo. Una tarea que no puedes verificar queda fuera de la frontera para ti, aunque la IA la haga bien. Porque cuando la haga mal, no te vas a enterar.
Diez casos no son un estudio. Son la forma más barata de saber, antes de pagar una suscripción, si la tarea que tienes en mente cae del lado bueno.
Lo que pasa fuera del laboratorio
Un experimento mide una tarea elegida, con gente que sabe que la están midiendo. Una jornada real es otra cosa. Tiene correos, juntas, llamadas y tareas que la IA no toca. Encontré cuatro mediciones de ese segundo tipo, en tres países, y las cuatro dan cifras más chicas que las del laboratorio.
Dinamarca: 2.8 % de las horas
Anders Humlum y Emilie Vestergaard cruzaron dos encuestas grandes sobre el uso de chatbots, de finales de 2023 y de 2024, con los registros administrativos que ligan a cada trabajador con su empleador en Dinamarca. Cubren «11 exposed occupations (25,000 workers, 7,000 workplaces)». Traducción nuestra: 11 ocupaciones expuestas a la IA, con 25,000 trabajadores en 7,000 centros de trabajo. El documento de trabajo es de mayo de 2025, del Instituto Becker Friedman de la Universidad de Chicago.
La cifra de tiempo: «average time savings amount to 2.8% of the total work hours of users». Traducción nuestra: el ahorro promedio de tiempo equivale al 2.8 % del total de horas de trabajo de quienes los usan. En el resumen del mismo documento la cifra aparece redondeada a 3 %.
La cifra de dinero es la que más me sorprendió. Los autores escriben: «we estimate precise zeros: AI chatbots have had no significant impact on earnings or recorded hours in any occupation, with confidence intervals ruling out effects larger than 1%». Traducción nuestra: estimamos ceros precisos. Los chatbots de IA no han tenido un impacto significativo en los ingresos ni en las horas registradas en ninguna ocupación, y los intervalos de confianza descartan efectos mayores a 1 %. Es decir, nada que pase de 1 %.
Su explicación: «Modest productivity gains (average time savings of 3%), combined with weak wage pass-through, help explain these limited labor market effects». Traducción nuestra: ganancias de productividad modestas, con un ahorro promedio de tiempo de 3 %, y un traspaso débil a los salarios ayudan a explicar estos efectos limitados en el mercado laboral.
Estados Unidos: 5.4 %, según quienes la usan
Alexander Bick, Adam Blandin y David Deming publicaron en febrero de 2025, en el blog del Banco de la Reserva Federal de San Luis, los resultados de una encuesta nacional sobre IA generativa. «Workers using generative AI reported they saved 5.4% of their work hours in the previous week». Traducción nuestra: quienes usan IA generativa reportaron que ahorraron el 5.4 % de sus horas de trabajo en la semana anterior.
Contando a todos, a quienes la usan y a quienes no, la cifra baja: «When we factor in all workers, including nonusers, workers saved 1.4% of total hours because of generative AI». Traducción nuestra: al incluir a todos los trabajadores, también a quienes no la usan, se ahorró el 1.4 % del total de horas gracias a la IA generativa.
Y con un modelo propio lo llevan a productividad: «Together, the model and data imply that the self-reported time savings from generative AI translate to a 1.1% increase in aggregate productivity». Traducción nuestra: juntos, el modelo y los datos implican que el ahorro de tiempo autorreportado se traduce en un aumento de 1.1 % en la productividad agregada.
Fíjate en la palabra «self-reported». Es lo que la gente dice que ahorró, no lo que se cronometró. Y el estudio de METR muestra por qué eso pesa: ahí, quienes creían ir 20 % más rápido iban 19 % más lento.
Reino Unido: 26 minutos al día, según los propios usuarios
El gobierno británico anunció el 2 de junio de 2025 los resultados de una prueba con herramientas de IA generativa, como Microsoft 365 Copilot. «Over 20,000 civil servants were given the latest AI (artificial intelligence) tech for 3 months». Traducción nuestra: más de 20,000 servidores públicos recibieron la tecnología de IA más reciente durante tres meses.
El resultado: usar IA generativa en tareas como «drafting documents, summarising lengthy emails, updating records, and preparing reports» «saved users an average of 26 minutes per day». Traducción nuestra: redactar documentos, resumir correos largos, actualizar registros y preparar reportes; ahorró a sus usuarios un promedio de 26 minutos al día.
La letra chica está en el mismo comunicado: «Figures are derived from self-reported daily time savings provided by participants». Traducción nuestra: las cifras salen del ahorro diario de tiempo que reportaron los propios participantes. Son minutos reportados, no cronometrados.
El ministerio que no encontró productividad
Del mismo gobierno, el Departamento de Negocios y Comercio publicó en agosto de 2025 la evaluación de su propio piloto con Microsoft 365 Copilot: mil licencias, de octubre a diciembre de 2024. Es la medición fuera del laboratorio más honesta que encontré. Dice lo que no encontró.
«The evaluation did not find evidence that time savings have led to improved productivity». Traducción nuestra: la evaluación no encontró evidencia de que el ahorro de tiempo haya llevado a una mejora de la productividad.
Sí encontró ahorros, chicos y desiguales: «Small time savings were observed across most use cases, with written tasks presenting the largest time savings». Traducción nuestra: se observaron ahorros de tiempo pequeños en la mayoría de los usos, y los mayores fueron en tareas de escritura. Y encontró lo contrario en otras: «However, some tasks, like scheduling and generating images, incurred additional time». Traducción nuestra: sin embargo, algunas tareas, como agendar y generar imágenes, tomaron tiempo adicional.
Dos cosas más del mismo documento. «Respondents reported observing hallucinations presented by M365 Copilot throughout the pilot». Traducción nuestra: quienes respondieron reportaron haber visto alucinaciones de la herramienta durante todo el piloto. Y aun así, el «72% of respondents reporting being satisfied or very satisfied». Traducción nuestra: el 72 % de quienes respondieron se dijo satisfecho o muy satisfecho.
Satisfacción alta, ahorro chico y ninguna evidencia de mejora en la productividad. Las tres cosas, en el mismo piloto.
Cómo pueden ser ciertas las dos cosas
Un 40 % en el laboratorio y un 2.8 % en la vida real parecen contradecirse. No se contradicen, y la aritmética lo muestra.
Si la IA te ahorra el 40 % del tiempo en una tarea, y esa tarea ocupa el 7 % de tus horas, tu ahorro total es el 2.8 % de tu jornada. Cuarenta por ciento de siete por ciento. Con el 12.28 % de la atención a clientes, la tarea tendría que ocupar el 22.8 % de tus horas para dar el mismo 2.8 %.
No digo que eso sea lo que pasó en Dinamarca. Son estudios distintos, en países distintos, y no se pueden cruzar en una sola cuenta. Lo que muestra la resta es otra cosa: un ahorro grande en una parte chica de la jornada da un ahorro chico de la jornada. Para tu negocio, la pregunta útil no es cuánto ahorra la IA en una tarea, sino cuántas de tus horas se van en tareas del lado bueno de la frontera.
Mi criterio, y va como criterio: cuando una cifra de ahorro venga de una encuesta, trátala como lo que la gente cree que ahorró. Y cuando venga de un experimento, como lo que ahorró en una tarea elegida. Para decidir, ninguna sustituye medir tu propio caso.
| Medición | País | Quiénes | Resultado | Cómo se midió |
|---|---|---|---|---|
| Humlum y Vestergaard, 2025 | Dinamarca | 25,000 trabajadores de 11 ocupaciones | Ahorro de 2.8 % de las horas; ningún efecto significativo en ingresos ni horas registradas | Encuestas cruzadas con registros administrativos |
| Bick, Blandin y Deming, 2025 | Estados Unidos | Encuesta nacional | 5.4 % de las horas de quienes la usan; 1.4 % contando a todos | Lo que reportan los encuestados |
| Gobierno británico, 2025 | Reino Unido | Más de 20,000 servidores públicos | 26 minutos al día | Lo que reportan los participantes |
| Departamento de Negocios y Comercio, 2025 | Reino Unido | Un piloto de mil licencias | Ahorros pequeños; sin evidencia de mejora en la productividad; más tiempo al agendar y generar imágenes | Evaluación del propio departamento |
Los agentes que trabajan solos
Un agente de IA es un sistema que no solo contesta: actúa. Abre páginas, escribe código, manda mensajes, llena formularios, encadena pasos hasta terminar una tarea. Es la promesa de un trabajo que se hace sin ti. Encontré dos pruebas que lo miden con tareas de oficina y un caso que llegó a un tribunal.
Una empresa simulada: 30 % de las tareas
Frank F. Xu y veinte coautores armaron TheAgentCompany: una empresa de software simulada, con sitios internos, datos y compañeros de trabajo, para ver cuánto del trabajo de oficina puede hacer un agente por su cuenta. La versión que leí es la tercera, del 10 de septiembre de 2025.
El resultado: «the most competitive agent can complete 30% of tasks autonomously». Traducción nuestra: el agente más competitivo puede completar el 30 % de las tareas de forma autónoma. Con crédito parcial por lo que dejó a medias, el mismo agente llega a «achieve a score of 39.3% on our metric that provides extra credit for partially completed tasks». Traducción nuestra: obtiene una calificación de 39.3 % en nuestra métrica, que da crédito extra por tareas completadas a medias.
Los autores lo resumen sin exagerar: «a good portion of simpler tasks could be solved autonomously, but more difficult long-horizon tasks are still beyond the reach of current systems». Traducción nuestra: una buena parte de las tareas más sencillas se pudo resolver de forma autónoma, pero las tareas difíciles y de muchos pasos siguen fuera del alcance de los sistemas actuales.
Leído al revés se entiende mejor. En una oficina simulada, el mejor agente dejó sin terminar siete de cada diez tareas.
Ventas y servicio: 58 % en una vuelta, 35 % en varias
CRMArena-Pro es una prueba de un equipo de investigación de Salesforce, montada sobre su propia plataforma de gestión de clientes, con tareas de ventas y de servicio. Su resumen, de mayo de 2025, da dos cifras. Los mejores agentes resolvieron alrededor del 58 % de las tareas que se contestan en una sola vuelta. Cuando la tarea pedía una conversación de varias vueltas, bajaron al 35 %.
Son 23 puntos menos justo en el formato que más se parece a atender a un cliente.
Hay un tercer hallazgo. Lo retomo en la sección de datos. Los agentes mostraron «near-zero inherent confidentiality awareness». Traducción nuestra: una conciencia de la confidencialidad casi nula de origen. El mismo resumen dice que se puede mejorar con instrucciones, a menudo a costa de su desempeño en la tarea.
El chatbot que dio una regla equivocada
El 11 de noviembre de 2022 murió en Ontario la abuela de Jake Moffatt. Ese mismo día, él entró al sitio de Air Canada para comprar un vuelo de Vancouver a Toronto con la tarifa por duelo que ofrece la aerolínea.
El chatbot del sitio le dio una regla que la política escrita no tenía. Le dijo que podía pedir la tarifa reducida después de viajar: «kindly do so within 90 days of the date your ticket was issued». Traducción nuestra: por favor hágalo dentro de los 90 días siguientes a la fecha de emisión de su boleto. La página de la política decía lo contrario: que la tarifa por duelo no aplica a solicitudes hechas después de terminar el viaje. Moffatt reclamó. El caso llegó a un tribunal.
Lo que resolvió el tribunal
Lo resolvió el Tribunal de Resolución Civil de la Columbia Británica, en Canadá, el 14 de febrero de 2024. La defensa de la aerolínea fue la que el miembro del tribunal resumió así: «In effect, Air Canada suggests the chatbot is a separate legal entity that is responsible for its own actions». Traducción nuestra: en los hechos, Air Canada sugiere que el chatbot es una entidad legal separada, responsable de sus propios actos.
La respuesta empieza con una frase seca: «This is a remarkable submission». Traducción nuestra: este es un argumento notable. Y sigue: «While a chatbot has an interactive component, it is still just a part of Air Canada’s website». Traducción nuestra: aunque un chatbot tiene un componente interactivo, sigue siendo solo una parte del sitio de Air Canada.
Las dos frases que más le sirven a un negocio vienen después. «It should be obvious to Air Canada that it is responsible for all the information on its website». Traducción nuestra: para Air Canada debería ser obvio que es responsable de toda la información de su sitio. «It makes no difference whether the information comes from a static page or a chatbot». Traducción nuestra: no hace ninguna diferencia si la información viene de una página fija o de un chatbot.
La conclusión: «I find Air Canada did not take reasonable care to ensure its chatbot was accurate». Traducción nuestra: concluyo que Air Canada no tuvo un cuidado razonable para asegurarse de que su chatbot fuera exacto. La aerolínea tuvo que pagar 650.88 dólares canadienses de daños, 36.14 de intereses y 125 de costas del tribunal: 812.02 en total.
Es poco dinero para una aerolínea. Lo que pesa es el razonamiento. El caso es de Canadá y no obliga a ningún juez mexicano, pero la lógica es la que yo aplicaría a mi negocio: lo que dice tu chatbot lo dices tú. Información general, no asesoría legal.
Mi criterio, y va como criterio: no dejaría que una IA prometa nada en nombre de un negocio sin que una persona lo revise antes de que llegue al cliente. Precios, plazos, reembolsos, garantías y excepciones a la política, sobre todo.
El semáforo: qué automatizar con IA hoy
Con lo anterior armé un semáforo. No es una lista de herramientas, es una lista de tareas, ordenadas por lo que hay medido sobre ellas. Verde quiere decir que hay un ahorro medido con grupo de comparación, o al menos reportado por miles de usuarios, con una persona revisando. Amarillo, que hay estudios en las dos direcciones o que el resultado depende de cómo se monte. Rojo, que lo medido o lo documentado sale mal.
Es criterio mío. Lo armé con las fuentes de este artículo. Otra persona con las mismas fuentes podría mover alguna tarea de color, y en la última parte de esta sección digo dónde dudé.
Verde: borradores de texto que alguien revisa
Es la tarea con más evidencia a favor entre las que reviso aquí. En el experimento de redacción, el tiempo bajó 40 % y la calidad subió 18 %. En el piloto del ministerio británico, que no encontró mejora de productividad, los mayores ahorros fueron justo en tareas de escritura. Y redactar documentos está en la lista de tareas de la prueba con más de 20,000 servidores públicos.
En un negocio chico, cabe aquí la primera versión de lo que se escribe a diario: correos de seguimiento, respuestas a preguntas que se repiten, descripciones de producto, el texto de un boletín. Si mandas boletines, el artículo sobre cada cuánto enviar correos cubre la otra mitad del asunto, la frecuencia.
La condición es la del estudio. Una persona revisa. Y el límite es el que puso la nota del MIT: esas tareas no pedían datos exactos.
Mi criterio, y va como criterio: en un borrador, la IA pone la estructura y tú pones los datos. Si el texto lleva un precio, una fecha, un nombre o una condición, la escribes o la copias tú de tu propia fuente.
Verde: sugerencias para quien atiende clientes
El estudio de los 5,179 agentes midió algo muy concreto: una IA que sugiere respuestas y una persona que decide si las usa. Con eso, 14 % más casos resueltos por hora en promedio y 34 % más en quienes eran nuevos o menos calificados.
En un negocio chico, el equivalente es quien empezó hace poco a contestar los mensajes de clientes. La IA le propone la respuesta y esa persona la envía, la cambia o la tira. No es un bot. El cliente habla con alguien.
Que el efecto sea mayor en los novatos tiene una lectura práctica. Si la persona que contesta ya lleva años en el puesto, el estudio midió un impacto mínimo en gente así.
Verde con matiz: resúmenes de correos y documentos
Resumir correos largos está en la lista de tareas de la prueba británica de 26 minutos al día. El matiz es doble. Esa cifra es autorreportada. Y en el piloto del ministerio, quienes respondieron vieron alucinaciones de la herramienta a lo largo de todo el piloto.
Un resumen que omite algo no avisa que lo omitió. Por eso lo pongo en verde con matiz: sirve para decidir qué leer completo, y no para decidir algo con dinero o con efectos legales sin leer el original.
Amarillo: código
Aquí hay dos cifras que apuntan en direcciones opuestas: 55.8 % más rápido en una tarea nueva y acotada, y 19 % más lento para programadores expertos en proyectos grandes que conocían de años.
Para un negocio chico, la lectura es útil. Un guion corto para limpiar una hoja de cálculo, una fórmula, una automatización pequeña: se parece más a la tarea del primer estudio. Cambiar el código de tu tienda en línea, que alguien escribió hace años y nadie documentó: se parece más al segundo. En el primer caso, prueba. En el segundo, mide antes de creerle a tu sensación.
Amarillo: análisis y recomendaciones
Es el terreno del estudio de los consultores, con sus dos lados. Dentro de la frontera, más tareas, más rápido y con más calidad. Fuera, 19 puntos menos de soluciones correctas.
En un negocio, cabe aquí ordenar comentarios de clientes por tema, comparar las ventas de dos meses o proponer qué producto reponer. Son tareas que se pueden probar con la regla de los diez casos de la sección anterior. Y en todo lo que lleve números, la suma la verificas tú: el piloto británico reportó alucinaciones en todo su curso.
Amarillo: bots que contestan con información acotada
Un bot que le contesta directo al cliente, sin una persona en medio, está en amarillo por tres razones. La primera es el tribunal de Air Canada: lo que diga el bot lo dice tu negocio. La segunda es la prueba de agentes de ventas y servicio, que bajó al 35 % en conversaciones de varias vueltas. La tercera es el costo: Meta anunció que desde el 1 de octubre de 2026 cobraría los mensajes de servicio de WhatsApp, incluidos los que contesta una IA, y lo explico más abajo.
Mi criterio, y va como criterio: un bot puede contestar lo que ya está escrito en tu sitio, como horarios, dirección, formas de pago o el estado de un pedido, y nada más. Todo lo que no esté escrito pasa a una persona, con la conversación completa.
Antes de dejar a un bot solo con tus clientes, haz otra cuenta: cuánto vale un cliente que se va molesto. El artículo sobre cuánto vale un cliente explica cómo calcularlo.
Rojo: agentes autónomos en tareas de varios pasos
En la empresa simulada, el mejor agente terminó por su cuenta el 30 % de las tareas. En ventas y servicio, el 35 % de las de varias vueltas. Y la conciencia de la confidencialidad salió casi nula.
Rojo no quiere decir que no sirvan nunca. Quiere decir que hoy, en las pruebas que leí, fallan más de lo que aciertan en tareas largas. Si quieres probar uno, que sea con aprobación humana en cada paso y lejos del dinero, de las cuentas y de tus clientes.
Rojo: lo que habla en nombre de tu negocio sin revisión
Precios, plazos, reembolsos, garantías, excepciones a la política. Cualquier cosa que un cliente pueda tomar como una promesa. Es la lección de Air Canada, y no depende de qué tan buena sea la IA. Depende de quién responde cuando se equivoca.
Lo que el semáforo no dice
Cuatro cosas, para leerlo bien.
- Hay tareas que en una prueba tomaron más tiempo con IA. En el piloto del ministerio británico, agendar y generar imágenes tomaron tiempo adicional. Es un resultado de una herramienta en una organización, y no lo generalizo a todas las herramientas. Por eso esas dos tareas no tienen color propio.
- La evidencia viene de otros países. No encontré una medición de este tipo en negocios mexicanos, y la encuesta del Banco de México solo cubre empresas de más de 100 trabajadores.
- Los colores pueden cambiar. Los modelos cambian, y una prueba de agentes de 2025 puede quedar vieja en un año.
- Una tarea verde puede ser roja para ti. Si no puedes revisar lo que hace la IA, el verde no te aplica.
| Tarea | Color | Lo que hay medido | Condición |
|---|---|---|---|
| Borradores de texto | Verde | 40 % menos tiempo y 18 % más calidad en redacción; los mayores ahorros del piloto británico | Una persona revisa; los datos los pones tú |
| Sugerencias para quien atiende clientes | Verde | 14 % más casos por hora; 34 % más en novatos | La persona decide qué se envía |
| Resúmenes de correos y documentos | Verde con matiz | Parte de los 26 minutos al día autorreportados; alucinaciones reportadas en un piloto | No decidir nada con dinero sin leer el original |
| Código | Amarillo | 55.8 % más rápido en una tarea acotada; 19 % más lento en proyectos grandes | Mide antes de creerle a tu sensación |
| Análisis y recomendaciones | Amarillo | Mejor dentro de la frontera; 19 puntos menos de aciertos fuera | La prueba de los diez casos |
| Bots con información acotada | Amarillo | 35 % en conversaciones de varias vueltas; el caso Air Canada | Solo lo que está escrito; lo demás, a una persona |
| Agentes autónomos de varios pasos | Rojo | 30 % de tareas terminadas en una empresa simulada | Aprobación humana en cada paso |
| Promesas sin revisión | Rojo | El tribunal de Air Canada | Una persona revisa antes de que llegue al cliente |
La cuenta: cuánto ahorra y cuánto cuesta
Hasta aquí, porcentajes medidos en otros lugares. Ahora la pregunta de tu negocio: si automatizo esta tarea con IA, ¿me ahorra más de lo que me cuesta? La cuenta cabe en una fórmula. La hago con un negocio inventado para que puedas cambiar cada cifra por la tuya.
La fórmula
Son cuatro líneas. Cada una usa la anterior.
- Ahorro neto por tarea = minutos sin IA × porcentaje de ahorro − minutos de revisión.
- Ahorro del mes, en pesos = tareas al mes × ahorro neto por tarea ÷ 60 × costo de tu hora.
- Saldo del mes = ahorro del mes − precio mensual de la herramienta.
- Meses para recuperar la configuración = horas de configuración × costo de tu hora ÷ saldo del mes.
La línea importante es la primera, con su resta. Sin la revisión, la fórmula siempre da positivo.
El ejemplo: 400 respuestas al mes
Una tienda en línea inventada contesta 400 mensajes de clientes al mes. Cada respuesta, sin IA, toma 5 minutos: son 2,000 minutos, 33.33 horas al mes. La hora de quien contesta cuesta 100 pesos, también inventado, así que el mes de respuestas vale 3,333.33 pesos. La herramienta cuesta 400 pesos al mes y montarla toma 6 horas.
Para el porcentaje de ahorro uso dos escenarios, de los dos estudios que más se parecen a contestarle a un cliente. El bajo, 12.28 % menos tiempo por respuesta, es la conversión del 14 % de los agentes de atención. El alto, 40 %, es el del experimento de redacción, cuyas tareas no pedían datos exactos. No son promesas. Son dos referencias medidas en otros lugares, una de cada lado.
Este es el saldo del mes, ya descontada la herramienta, según cuánto tarde la revisión de cada respuesta.
| Revisión por respuesta | Escenario bajo, 12.28 % | Escenario alto, 40 % |
|---|---|---|
| Ninguna | 9.36 pesos | 933.33 pesos |
| Medio minuto | −323.98 pesos | 600.00 pesos |
| Un minuto | −657.31 pesos | 266.67 pesos |
| Dos minutos | −1,323.98 pesos | −400.00 pesos |
Con el escenario alto y un minuto de revisión, la tienda gana 266.67 pesos al mes después de pagar la herramienta. Con el bajo, aun sin revisar nada, apenas la cubre: 9.36 pesos al mes. Y en cuanto revisa medio minuto cada respuesta, pierde.
La variable que decide: el tiempo de revisión
Lee la tabla por columnas. En el escenario alto, la IA ahorra 2 minutos brutos por respuesta; en el bajo, 0.61. Ese es el tiempo de revisión de empate. Si revisar cada respuesta toma más que eso, la automatización hace perder tiempo, pase lo que pase con lo demás. En el escenario bajo son 37 segundos.
Esa cifra tiene una propiedad que la vuelve útil: no depende del precio de la herramienta, ni de cuánto vale tu hora, ni de cuántas respuestas contestes. Es el tiempo de la tarea por el porcentaje de ahorro, y nada más. Con una tarea de 5 minutos y un ahorro de 12.28 %, son 37 segundos aquí y en cualquier negocio.
Por eso la discusión de qué herramienta es más barata llega tarde. Si la revisión se come el ahorro, ningún precio lo arregla.
Hay un segundo empate, el de la herramienta pagada. Para cubrir los 400 pesos, el ahorro neto tiene que dejar 4 horas al mes. En el escenario alto, eso aguanta hasta 1.4 minutos de revisión por respuesta. En el bajo, menos de un segundo: en la práctica, nada.
Mi criterio, y va como criterio: antes de pagar nada, cronometra cuánto te toma revisar diez respuestas hechas con IA y compáralo con el tiempo de la tarea por el porcentaje que esperas ahorrar. Si la revisión pasa el empate, no automatizaría esa tarea.
Cuántas horas tiene que ahorrar una suscripción
La segunda cuenta va al revés: cuánto tiene que ahorrarte una herramienta solo para pagarse. Es su precio entre el costo de tu hora. Con 400 pesos al mes y una hora de 100, son 4 horas al mes. Con 22 días hábiles, otro supuesto inventado, son 10.91 minutos de ahorro neto cada día.
Así cambia con el precio y con el costo de la hora. Las celdas son minutos netos al día que la herramienta tiene que ahorrarte para pagarse.
| Tu hora cuesta | Herramienta de 200 pesos al mes | De 400 pesos | De 800 pesos |
|---|---|---|---|
| 50 pesos | 10.9 min | 21.8 min | 43.6 min |
| 100 pesos | 5.5 min | 10.9 min | 21.8 min |
| 200 pesos | 2.7 min | 5.5 min | 10.9 min |
Para ponerla junto a lo medido: el 2.8 % de Dinamarca, en una jornada inventada de 8 horas, son 13.4 minutos al día, y el 5.4 % que reportan los usuarios en Estados Unidos, 25.9. Con 13.4 minutos se pagan seis de las nueve celdas; con 25.9, ocho. Pero son promedios de otros países y de jornadas completas, y no sé si tu caso queda arriba o abajo. La tabla no te dice si te conviene. Te dice qué tendrías que medir.
El volumen mínimo
La tercera cuenta dice desde qué volumen sale. Es el número de tareas al mes que hacen falta para juntar las 4 horas que pide la herramienta: 240 entre el ahorro neto por tarea, en minutos.
- Escenario alto, sin revisión: 2 minutos netos, 120 respuestas al mes.
- Escenario alto, medio minuto de revisión: 1.5 minutos netos, 160 respuestas.
- Escenario alto, un minuto de revisión: 1 minuto neto, 240 respuestas.
- Escenario bajo, sin revisión: 0.61 minutos netos, 391 respuestas.
- Escenario bajo, medio minuto de revisión: más de 2,100 respuestas al mes.
La tienda del ejemplo contesta 400. En el escenario alto le sobra margen. En el bajo, apenas llega sin revisar, y con medio minuto de revisión necesitaría más de cinco veces las respuestas que contesta.
Cuándo se recupera la configuración
Montar una automatización también cuesta: 6 horas a 100 pesos son 600. Con el escenario alto y un minuto de revisión, el saldo de 266.67 pesos al mes la recupera en 2.25 meses; con medio minuto, en uno. Con el escenario bajo y sin revisión, en 64.12 meses, más de cinco años.
Un ejemplo más chico, el que me gusta usar para explicar esto. Una automatización que toma 6 horas montar y ahorra 3 minutos al día. Con 22 días hábiles son 66 minutos al mes, 1.1 horas, 110 pesos. Si la herramienta ya la pagas por otra cosa, la configuración se recupera en 5.45 meses, y al año son 1,320 pesos ahorrados. Si tienes que contratar una de 400 pesos al mes solo para esto, no se recupera nunca: pierdes 290 pesos cada mes. Tendría que ahorrarte 10.91 minutos al día solo para pagarse.
El escenario en el que pierdes tiempo
Falta un escenario, el que no aparece en las páginas que revisé. Si la tarea tardara 19 % más con IA, como en el estudio de METR, cada respuesta tomaría 0.95 minutos más: 6.33 horas más al mes, 633.33 pesos de tiempo perdido, y encima la suscripción.
No digo que vaya a pasarte. Los programadores de METR trabajaban en proyectos grandes que conocían de años, y contestar a un cliente es otra cosa. Lo pongo porque muestra que el signo de la cuenta puede voltearse. Y porque esos programadores, con la pantalla grabada, creían ir 20 % más rápido. Si no mides, no te enteras.
Lo que cobran las plataformas por la IA
La herramienta del ejemplo costaba 400 pesos inventados. Las de verdad cobran de formas distintas, y el paso que usa IA puede costar más que los demás. Revisé el 6 de octubre de 2026 las páginas de tres plataformas de automatización. Los precios van como los publican, en dólares o en euros. No los convierto a pesos porque no encontré un tipo de cambio que pudiera citar para esa fecha.
Una advertencia antes de la tabla. Una tarea de Zapier, un crédito de Make y una ejecución de n8n no son la misma unidad, así que no comparo una plataforma contra otra por precio. Lo que sí se puede comparar es cómo cobra cada una el paso de IA.
Zapier: el paso de IA cuenta por tres
El plan gratuito de Zapier da «100 tasks per month». Traducción nuestra: 100 tareas al mes. El plan Professional aparece desde 19.99 dólares al mes, y en el texto que pude leer la página no dice cuántas tareas incluye ese precio ni si es con pago anual.
Lo nuevo está en su ayuda, actualizada el 12 de agosto de 2026: «Starting June 15, 2026, AI by Zapier steps are priced by model tier». Traducción nuestra: desde el 15 de junio de 2026, los pasos de IA de Zapier se cobran según el nivel del modelo. Y la regla: «Your model tier sets the base cost per run (Standard 1x, Advanced 3x, Premium 5x)». Traducción nuestra: el nivel del modelo fija el costo base por ejecución, de una, tres o cinco veces.
El detalle que pesa es el valor por defecto: «New steps default to the Advanced tier (3x)». Traducción nuestra: los pasos nuevos quedan, por defecto, en el nivel avanzado, que cuesta el triple. Y el paso está «Available on Professional, Team, and Enterprise plans». Traducción nuestra: disponible en los planes Professional, Team y Enterprise. En el gratuito, no.
Con las 400 respuestas del ejemplo, un flujo con un paso de IA en el nivel por defecto consume 1,200 tareas al mes solo en ese paso. En el nivel más caro, 2,000. Son 12 y 20 veces las tareas del plan gratuito, que además no trae el paso.
Make: créditos, y la IA puede gastar más
Make cambió de unidad: «As of August 27, credits are the billing unit in Make». Traducción nuestra: desde el 27 de agosto, los créditos son la unidad de cobro de Make. La página no dice de qué año, y no lo supongo.
El plan gratuito da hasta 1,000 créditos al mes. El plan Core cuesta 12 dólares al mes por 10,000 créditos, con pago mensual. La regla de la IA está en la misma página. «Each action your scenario performs consumes a certain number of credits – most actions consume 1 credit, while some advanced features leveraging Make’s AI Provider may use more». Traducción nuestra: cada acción consume cierto número de créditos; la mayoría consume uno, pero algunas funciones avanzadas que usan el proveedor de IA de Make pueden consumir más.
En el texto que leí no aparece cuántos créditos gasta un paso de IA. Si vas a usar Make con IA, esa es la primera pregunta para su soporte.
n8n: por ejecución
n8n cobra por ejecución de un flujo completo. Su plan Starter cuesta 20 euros al mes con pago anual, por 2,500 ejecuciones; el Pro, 50 euros al mes, por 10,000. En la página de precios que leí no aparece una regla aparte para los pasos de IA.
Lo que no verifiqué es cuánto cuesta el modelo de IA que conectes dentro del flujo. Revísalo con el proveedor del modelo, porque esa cuenta va aparte de la de n8n.
| Plataforma | Unidad de cobro | Plan gratuito | Primer plan de pago que leí | Regla para la IA |
|---|---|---|---|---|
| Zapier | Tareas | 100 tareas al mes | Desde 19.99 dólares al mes | El paso de IA cuesta 1, 3 o 5 tareas por ejecución; 3 por defecto; no está en el plan gratuito |
| Make | Créditos | Hasta 1,000 créditos al mes | 12 dólares al mes por 10,000 créditos, con pago mensual | Algunas funciones con su IA pueden gastar más de un crédito |
| n8n | Ejecuciones de un flujo | Sin dato verificado | 20 euros al mes por 2,500 ejecuciones, con pago anual | Sin regla aparte en la página que leí |
Los asistentes de IA: por qué no publico sus precios
Faltan los asistentes de chat. Revisé dos páginas de precios: una entregó sus cifras en texto y la otra no mostró ninguna en lo que pude leer. Una tabla de una sola fila parecería una recomendación, así que no la publico.
Lo que sí puedes hacer es usar la tabla de umbrales de la cuenta. Pon el precio que veas el día que contrates, divide entre el costo de tu hora y sabrás cuántos minutos al día tiene que ahorrarte. Si buscas opciones sin costo para empezar, el artículo sobre herramientas gratis para emprendedores revisa planes gratuitos.
El costo que no viene en la tarifa
Tres costos que no vienen en las páginas de precios que leí.
- La revisión. En la cuenta de este artículo es la que decide.
- El mantenimiento. Una automatización conecta aplicaciones que cambian, y cuando una cambia, el flujo se rompe. Alguien tiene que notarlo y arreglarlo. Es el mismo problema que el de los complementos de un sitio web, y el artículo sobre qué plugins sí valen lo explica para ese caso.
- El consumo que se multiplica. Un paso de IA que cuesta el triple, o un crédito que se vuelve varios, convierte un plan que alcanzaba en uno que no.
Mi criterio, y va como criterio: antes de elegir plan, cuenta los pasos de IA de cada flujo y multiplícalos por el nivel que vas a usar y por tus ejecuciones del mes. Con ese número, y no con el del plan, se elige.
WhatsApp en 2026: dos cambios que ya entraron
Si tu negocio atiende por WhatsApp y piensas poner ahí una IA, 2026 trajo dos cambios con fecha. Los dos ya pasaron, y ninguna de las cuatro páginas en español que revisé para este artículo los menciona.
Todo lo de esta sección es de la plataforma para empresas de WhatsApp, la que se conecta a chatbots y a sistemas de atención a través de un proveedor. Las páginas de Meta que cito son de esa plataforma.
Desde el 15 de enero: fuera los asistentes de propósito general
Meta cambió los términos de WhatsApp para negocios. No pude leerlos en su página, que bloquea la consulta automatizada, así que los cito a través de la nota de TechCrunch del 18 de octubre de 2025. «The terms, which will go into effect on January 15, 2026, say that Meta won’t allow AI model providers to distribute their AI assistants on WhatsApp». Traducción nuestra: los términos, que entran en vigor el 15 de enero de 2026, dicen que Meta no permitirá a los proveedores de modelos de IA distribuir sus asistentes en WhatsApp.
La línea la pone una frase de los términos que cita la nota: la prohibición aplica cuando la IA es la función «primary (rather than incidental or ancillary)». Traducción nuestra: principal, y no incidental ni accesoria. Un diario de los Emiratos Árabes Unidos reportó la misma fecha.
Y la nota trae la aclaración que le importa a un negocio: «Meta confirmed this move to TechCrunch and specified that this move doesn’t affect businesses that are using AI to serve customers on WhatsApp». Traducción nuestra: Meta confirmó el cambio a TechCrunch y precisó que no afecta a los negocios que usan IA para atender a sus clientes en WhatsApp. Con la frase de un vocero: «The purpose of the WhatsApp Business API is to help businesses provide customer support and send relevant updates». Traducción nuestra: el propósito de la API de WhatsApp para negocios es ayudar a las empresas a dar atención a sus clientes y enviar avisos relevantes.
En corto: un bot que contesta sobre tu negocio, sí. Un asistente general, de esos a los que se les pregunta cualquier cosa, metido en WhatsApp como producto, no. Información general, no asesoría legal: si tu caso está en la orilla, revísalo con quien te da el servicio.
Desde el 1 de octubre: los mensajes de servicio, con cobro anunciado
Este es el cambio que más le puede mover la cuenta a un negocio chico. Y pasó hace unos días. Hasta ahora, WhatsApp cobraba solo las plantillas, un tipo de mensaje con formato fijo que manda el negocio. «Effective July 1, 2025, Meta charges on a per-message basis». Traducción nuestra: desde el 1 de julio de 2025, Meta cobra por mensaje. Las respuestas dentro de la ventana de atención de 24 horas que abre el cliente al escribir, no.
La documentación para desarrolladores de Meta tiene una página dedicada a los cambios, y ahí dice: «Effective October 1, 2026, Meta will charge for service messages, which have not been charged since November 2024». Traducción nuestra: a partir del 1 de octubre de 2026, Meta cobrará los mensajes de servicio, que no se cobran desde noviembre de 2024. Y cómo: por mensaje, igual que las plantillas.
Qué es un mensaje de servicio, según la misma página: «Any non-template message that is not powered by Meta Business Agent is a service message». Traducción nuestra: cualquier mensaje que no es plantilla y que no genera el agente de Meta es un mensaje de servicio. Y quién lo escribe da igual: «As today, these can be powered by a person, like a customer service representative, or by a 3rd-party AI solution». Traducción nuestra: como hoy, los puede escribir una persona, como un agente de atención, o una solución de IA de terceros.
Ahora el matiz, que importa. Esa página empieza con un aviso: «Warning: This page explains upcoming pricing updates for the Meta Business Platform». Traducción nuestra: esta página explica cambios de precio próximos. Y la página principal de precios, que leí el mismo 6 de octubre, todavía decía: «All non-template messages are free». Traducción nuestra: todos los mensajes que no son plantilla son gratis.
Las dos páginas no coinciden. No pude confirmar cuál aplica hoy. Tampoco pude leer la tarifa por mensaje para México: está en las tablas de tarifas de Meta, que no se leen como texto.
Mi criterio, y va como criterio: revisa la factura de octubre de tu proveedor de WhatsApp, renglón por renglón, antes de que llegue la de noviembre. Si aparece un cargo por mensajes de servicio, súmalo a la cuenta de la sección anterior como un costo por respuesta.
El agente de Meta se cobra por tokens
Meta tiene además su propio agente de IA para negocios, y su cobro también tiene fecha. «Effective August 1, 2026, Meta will charge all businesses for Meta Business Agent messages, with monthly invoices issued at the end of the billing period». Traducción nuestra: desde el 1 de agosto de 2026, Meta cobrará a todos los negocios los mensajes de su agente, con factura mensual al cierre del periodo.
Se cobra por tokens, las unidades de texto con que un modelo lee y escribe. La tarifa: «One global rate of $2.00 USD per 1M tokens». Traducción nuestra: una tarifa global de 2 dólares por cada millón de tokens. Y la propia página la traduce a mensajes: «One message typically consumes about 20,000–25,000 tokens, which translates to approximately 4–5 cents (USD) per message». Traducción nuestra: un mensaje consume de forma típica entre 20,000 y 25,000 tokens, alrededor de 4 a 5 centavos de dólar por mensaje.
Con las 400 respuestas al mes de la tienda inventada, son de 16 a 20 dólares al mes. Si en cambio usas una IA de otra empresa, la misma documentación advierte que lo normal es pagar dos cuentas. Una por el uso de la IA, a su proveedor, y otra por el envío de mensajes, al proveedor de mensajería.
Lo que cambia para un negocio que contesta por WhatsApp
Tres cosas, en orden.
- Un bot que habla de tu negocio sigue permitido. Un asistente general, no.
- Cada respuesta puede tener precio. Con el cobro anunciado para los mensajes de servicio, el saldo del mes de la cuenta pierde un renglón: mensajes al mes por tarifa por mensaje. Y si usas el agente de Meta, de 4 a 5 centavos de dólar por mensaje, según su página.
- Depender de un solo canal tiene un costo. Si todo tu contacto con clientes pasa por WhatsApp, cada cambio de Meta te pega completo. Un canal propio reparte ese riesgo, y el artículo sobre cómo empezar una lista de correo explica cómo armar uno.
| Fecha | Qué cambió | Dónde lo leí |
|---|---|---|
| 1 de julio de 2025 | Cobro por mensaje para las plantillas | Página principal de precios de Meta |
| 15 de enero de 2026 | Términos: no a los asistentes de IA de propósito general; sí a la IA que atiende clientes | TechCrunch, 18 de octubre de 2025 |
| 1 de agosto de 2026 | Cobro de los mensajes del agente de Meta, por tokens: 2 dólares por millón | Página de cambios de precio de Meta |
| 1 de octubre de 2026 | Cobro anunciado de los mensajes de servicio, por mensaje | Página de cambios de precio de Meta; la principal seguía diciendo que son gratis |
México: cuántas empresas usan IA y qué notan
El Banco de México pregunta a las empresas, en una encuesta propia, qué hacen con la inteligencia artificial. El recuadro más reciente que encontré es del Reporte sobre las Economías Regionales de abril a junio de 2026, con datos levantados en junio. Cubre empresas de más de 100 trabajadores, y eso hay que tenerlo presente en cada cifra.
48.5 % de las empresas de más de 100 personas
La cifra principal: «El 48.5% de las empresas de más de 100 trabajadores en el nivel nacional reportó utilizar al menos una de estas tecnologías». Casi la mitad.
El recuadro la compara con otra anterior: «Esta cifra es superior al 24.3% registrado en septiembre de 2025». Pero no es la misma pregunta. En septiembre de 2025, el 24.3 % era de empresas que reportaron que «utiliza o planea utilizar inteligencia artificial». Y el propio banco lo advierte: «Si bien las preguntas utilizadas en ambos levantamientos presentan ciertas diferencias», concluye que la adopción se extendió. Yo no calcularía el crecimiento.
La distancia por tamaño es grande: «Por tamaño, la adopción alcanzó 69.9% entre las empresas con más de 1,000 trabajadores, frente a 43.7% entre aquellas con 101 a 250 trabajadores». Son 26.2 puntos entre las más grandes y las más chicas de la encuesta.
Para qué la usan
Según el recuadro, «las tecnologías más empleadas fueron las relacionadas con la creación de contenido visual, el procesamiento de datos y la generación de texto mediante modelos de lenguaje de gran escala».
Y cambia según el sector: «En el manufacturero, el procesamiento de datos es la tecnología más utilizada (50.1%), en tanto que en el no manufacturero predomina la creación de contenido visual (64.2%)».
Anoto un detalle que no puedo cruzar. En el sector que no es manufactura, lo más usado es crear contenido visual. Y en el piloto del ministerio británico, generar imágenes fue uno de los ejemplos de tareas que tomaron más tiempo con IA. Son países, herramientas y medidas distintas, y no saco ninguna conclusión de juntarlas. Lo que sí dejo es una pregunta para tu negocio: ¿cuánto tarda tu equipo en corregir una imagen generada antes de publicarla?
Lo que no notan
La parte que la competencia no cita está en la misma página. Sobre productividad: «57.3% de las empresas reportó no haber percibido impactos significativos durante los últimos tres años, en tanto que 39.1% señaló impactos positivos».
Sobre empleo: «la mayoría de las empresas (67.5%) reportó no haber percibido efectos significativos en los últimos tres años».
Y sobre el futuro: en los «próximos tres años 64.8% de las empresas anticipa emplear inteligencia artificial, lo que apunta a que su adopción continuará en ascenso».
Son percepciones de las empresas, no mediciones. Pero apuntan en la misma dirección que las mediciones de Dinamarca y del Reino Unido: efectos chicos, o todavía no notados.
El dato que falta: los negocios chicos
La encuesta empieza arriba de 100 trabajadores. No encontré una cifra oficial de adopción de IA para negocios más chicos, que son para los que escribo este artículo.
La diferencia por tamaño que sí da la encuesta va en una dirección: las empresas de 101 a 250 trabajadores la adoptan menos que las de más de 1,000, 43.7 % contra 69.9 %. No sé si eso sigue igual por debajo de 100 trabajadores. Lo que sí sé es que una empresa de 101 personas no es la tienda del ejemplo. Si tu negocio es chico, las cifras de esta sección describen a empresas mucho más grandes que la tuya.
| Indicador, empresas de más de 100 trabajadores | Cifra |
|---|---|
| Usa al menos una tecnología de IA, junio de 2026 | 48.5 % |
| Usa o planea usar IA, septiembre de 2025, con otra pregunta | 24.3 % |
| Adopción en empresas de más de 1,000 trabajadores | 69.9 % |
| Adopción en empresas de 101 a 250 trabajadores | 43.7 % |
| Manufactura: usa procesamiento de datos | 50.1 % |
| No manufactura: usa creación de contenido visual | 64.2 % |
| No ha percibido impactos significativos en productividad en tres años | 57.3 % |
| Señaló impactos positivos en productividad | 39.1 % |
| No ha percibido efectos significativos en el empleo en tres años | 67.5 % |
| Anticipa emplear IA en los próximos tres años | 64.8 % |
Lo que no automatizaría con IA
Hasta aquí, lo que sí. Esta sección es el reverso. Para mí pesa lo mismo. Son cuatro tipos de tarea que dejaría fuera aunque la herramienta pueda hacerlas, cada una por una razón distinta.
Lo que compromete a tu negocio frente a un cliente
Precios, plazos de entrega, garantías, reembolsos, descuentos, excepciones a la política. Todo lo que un cliente pueda tomar como una promesa. El tribunal canadiense lo dijo sin rodeos: no hay diferencia entre lo que dice una página fija y lo que dice un chatbot.
Aquí la IA puede preparar el borrador. Lo que no haría es dejar que lo mande sola.
Lo que no puedes revisar
Si no sabes cuál es la respuesta correcta, no puedes notar cuando la IA se equivoca. Y en el estudio de los consultores, fuera de la frontera, con IA llegaron 19 puntos menos a la solución correcta.
Una cláusula de un contrato que no entiendes, un cálculo fiscal que no sabrías rehacer, una traducción a un idioma que no lees. En esos casos, la IA no te ahorra el trabajo de un especialista: te ahorra la parte de darte cuenta de que lo necesitabas.
Lo que pasa pocas veces
La cuenta castiga a lo que se repite poco. Piensa en una tarea inventada de 30 minutos que haces una vez al mes. Con el 40 % de ahorro del escenario alto, te ahorra 12 minutos al mes: 0.2 horas, 20 pesos con una hora de 100. Si montarla te tomó 6 horas, recuperas esos 600 pesos en 30 meses, dos años y medio. Y eso sin pagar herramienta ni contar la revisión.
Para lo que pasa una vez al mes, una lista de pasos escrita puede rendir más que una automatización. Te deja el control y no se rompe cuando cambia una aplicación.
Lo que decide sobre una persona
A quién contratar, a quién darle crédito, a quién cobrarle más, a quién negarle un cambio. Son decisiones con datos personales y con consecuencias para alguien que no puede discutir con una máquina.
Mi criterio, y va como criterio: cuando lo que sale de la IA decide algo sobre una persona, la IA puede ordenar la información, y la decisión la toma alguien con nombre, que pueda explicarla.
Los datos que no le daría a una IA
Cuando pegas algo en un chat de IA en línea, o lo mandas por una automatización, se lo entregas a un servicio de otra empresa. Con datos de tu negocio, es una decisión comercial. Con datos de tus clientes, la ley mexicana tiene algo que decir.
Qué dice la ley mexicana
Información general, no asesoría legal. La Ley Federal de Protección de Datos Personales en Posesión de los Particulares vigente se publicó en el Diario Oficial el 20 de marzo de 2025. Define el dato personal como «Cualquier información concerniente a una persona identificada o identificable». Un nombre con un teléfono ya lo es.
La ley distingue dos figuras que importan aquí. Una es la persona encargada: «Persona física o jurídica que sola o conjuntamente con otras trate datos personales por cuenta del responsable». La otra es la transferencia: «Toda comunicación de datos personales dentro o fuera del territorio mexicano, realizada a persona distinta de la titular, del responsable o de la persona encargada del tratamiento».
Y para la segunda pide algo concreto. Su artículo 35 dice: «Cuando el responsable pretenda transferir los datos personales a terceros nacionales o extranjeros, distintos de la persona encargada deberá comunicar a éstos el aviso de privacidad».
Mi lectura, que no sustituye a la de un abogado: la ley separa a quien trata los datos por cuenta tuya de un tercero al que se los pasas. En qué lado cae tu proveedor de IA depende de lo que diga su contrato sobre qué hace con lo que le mandas. Eso es lo que hay que leer antes de pegar datos de clientes. El artículo sobre herramientas de IA para emprendedores trata también la otra pregunta legal del tema: de quién es lo que genera una máquina.
Lo que revisaría en los términos del proveedor
No son requisitos de la ley. Son las cinco preguntas que yo le haría a cualquier servicio de IA antes de darle datos de clientes.
- ¿Usa lo que le mando para entrenar sus modelos? Y si lo hace, ¿lo puedo apagar?
- ¿Dónde guarda los datos y por cuánto tiempo?
- ¿Puedo borrar el historial, y qué pasa con los datos si cancelo?
- ¿El plan para empresas tiene condiciones distintas del plan individual?
- ¿Quién más los ve? Subcontratistas, revisiones humanas, otros servicios conectados.
Si las respuestas no están por escrito, para mí la respuesta es no.
La confidencialidad que los agentes no traen de fábrica
La prueba de agentes de ventas y servicio midió algo que no vi en las otras pruebas: si el agente sabe qué no debe decir. El resultado fue una conciencia de la confidencialidad casi nula de origen, mejorable con instrucciones y a menudo a costa del desempeño.
Para un negocio, eso quiere decir algo práctico. Un agente con acceso a tu sistema de clientes puede entregar un dato que no debía si alguien se lo pide bien. La defensa no es una instrucción más. Es darle acceso solo a lo que necesita para su tarea.
Lo que nunca pegaría en un chat de IA
Mi criterio, y va como criterio: hay cosas que no pegaría en ningún chat de IA, con ningún proveedor y en ningún plan.
- Contraseñas, claves de acceso y códigos de verificación.
- Números de tarjeta y de cuentas bancarias, tuyos o de tus clientes.
- Datos de salud de clientes o de tu equipo.
- Listas completas de clientes con nombres, teléfonos y correos.
- Documentos con cláusula de confidencialidad, como contratos con proveedores o con clientes.
Si una tarea necesita alguno de estos datos para funcionar, esa tarea no es para un chat de IA. Es para una persona, o para un sistema con un contrato que diga qué hace con ellos.
Cómo empezar sin perder tiempo
Seis pasos para probar una automatización con IA antes de pagarla en serio. Son criterio mío, armado con lo que miden los estudios de este artículo. No es un método probado en un ensayo, y si tu negocio tiene una forma de medir que ya te funciona, úsala.
Paso 1: elige una tarea que se repita y se pueda revisar
Tres condiciones, y las tres a la vez. Que la tarea se repita lo suficiente para pasar el volumen mínimo de la cuenta. Que se pueda revisar, porque sabes cuál es la respuesta correcta. Y que esté en verde o amarillo en el semáforo.
Un ejemplo inventado: las respuestas a la pregunta de dónde está mi pedido, que llegan decenas de veces a la semana y cuya respuesta correcta está en tu sistema de envíos. Un mal ejemplo: el reporte trimestral para tu contador, que pasa cuatro veces al año.
Paso 2: mide dos semanas antes
Antes de tocar ninguna herramienta, anota durante dos semanas cuántas veces haces la tarea y cuánto tardas cada vez. Una hoja con la fecha, la hora de inicio y la de fin basta.
Sin ese dato no hay cuenta. Y la sensación no lo sustituye. En el estudio de METR, programadores con años de experiencia creían ir 20 % más rápido mientras iban 19 % más lento. Y no es solo con IA: calcular mal lo que tardan las cosas es un error viejo y medido, como cuenta el artículo sobre cómo organizar tu día.
Mi criterio, y va como criterio: si no tienes dos semanas de registro de una tarea, no la automatizaría todavía. No sabrías si lo que hiciste ayudó.
Paso 3: prueba con la mitad
Durante otras dos semanas, haz la mitad de los casos con IA y la otra mitad sin ella, alternando. Es lo más parecido que un negocio chico puede hacer a los estudios de este artículo, que comparan con un grupo sin IA.
Si alternas por día, cuida que los dos grupos tengan días parecidos. Un lunes de mucho trabajo contra un viernes tranquilo te dirá más del día que de la herramienta.
Paso 4: mide la revisión aparte
En los casos con IA, anota dos tiempos: lo que tardó en salir el borrador y lo que tardaste en revisarlo y corregirlo. El segundo es el que decide la cuenta.
Compara la revisión promedio con el tiempo de revisión de empate: el tiempo de la tarea por el porcentaje que ahorra. Si la pasa, ya tienes la respuesta, aunque la herramienta se sienta útil.
Anota también los errores que encontraste al revisar. Uno de cada diez es una cosa; uno de cada tres es otra.
Paso 5: decide con la fórmula
Con tus cifras, haz las cuatro líneas de la cuenta: ahorro neto por tarea, ahorro del mes, saldo del mes y meses para recuperar la configuración. Si usas WhatsApp para empresas, suma el costo por mensaje. Si la plataforma cobra el paso de IA aparte, súmalo también.
Si el saldo sale positivo con el escenario bajo, adelante. Si solo sale con el alto, prueba otro mes antes de pagar un plan anual.
Paso 6: escribe quién responde
Una automatización que nadie entiende es una dependencia. Antes de dejarla corriendo, escribe en una página qué hace, qué herramientas conecta, qué datos toca, cuánto cuesta al mes y quién la revisa cuando falla.
Y escribe una línea más: qué no debe hacer nunca. Prometer un reembolso, cambiar un precio, mandar un dato de un cliente a otro. Esa línea es la que te protege el día que la IA haga algo que nadie previó.
Siete mitos sobre automatizar con IA
Siete frases que se oyen sobre la IA en el trabajo, cada una con lo que dicen las fuentes de este artículo.
«La IA ahorra tiempo en todo»
Tres fuentes de este artículo encontraron lo contrario en tareas concretas. En el estudio de los consultores, fuera de la frontera, la IA bajó en 19 puntos la probabilidad de llegar a una solución correcta. En el de METR, programadores expertos tardaron 19 % más. Y en el piloto del ministerio británico, agendar y generar imágenes tomaron tiempo adicional.
La IA ahorra tiempo en unas tareas, lo quita en otras, y desde fuera no siempre se ve cuál es cuál.
«Si se siente más rápido, es más rápido»
Un solo estudio lo desmonta. Los programadores de METR esperaban ir 24 % más rápido, terminaron 19 % más lentos y, después, seguían creyendo que habían ido 20 % más rápido.
Por eso las cifras de ahorro de las encuestas se leen como lo que son: lo que la gente reporta. Pasa con los 26 minutos al día del Reino Unido y con el 5.4 % de Estados Unidos. Y no es un problema solo de la IA. Calcular mal cuánto tardamos es un error viejo, y el artículo sobre bloques de tiempo explica cómo corregirlo con un registro.
«Un agente de IA ya puede atender solo a tus clientes»
En la prueba de agentes de ventas y servicio, los mejores resolvieron alrededor del 58 % de las tareas de una sola vuelta y el 35 % de las que pedían varias. En la empresa simulada, el mejor terminó el 30 % de las tareas por su cuenta.
Un cliente no siempre pregunta en una sola vuelta. Y cuando el agente se equivoca, el tribunal de Air Canada ya dijo de quién es el error.
«Si el chatbot se equivoca, el negocio no responde»
Air Canada lo intentó, y el tribunal le contestó que es responsable de toda la información de su sitio, venga de una página fija o de un chatbot. Pagó 812.02 dólares canadienses en total.
Es un caso de Canadá y no obliga a nadie en México. Información general, no asesoría legal. Pero no conozco una buena razón para suponer que un cliente mexicano aceptaría la defensa que un tribunal canadiense llamó notable.
«Las empresas que usan IA ya son más productivas»
En México, el 57.3 % de las empresas de más de 100 trabajadores no ha percibido impactos significativos en su productividad en los últimos tres años, según el Banco de México. El 39.1 % sí ha percibido impactos positivos, y eso también cuenta.
Fuera de México, el ministerio británico no encontró evidencia de que el ahorro de tiempo se tradujera en productividad, y en Dinamarca no hubo efecto significativo en ingresos ni en horas registradas. Usar IA y ser más productivo no son la misma cosa, por ahora.
«En WhatsApp puedes conectar cualquier asistente de IA»
Desde el 15 de enero de 2026, los términos de WhatsApp para negocios no permiten que los proveedores de modelos de IA distribuyan ahí sus asistentes de propósito general. Lo que sigue permitido es usar IA para atender a tus clientes. La diferencia la pone si la IA es la función principal o una parte del servicio.
«La IA ayuda más a quien más sabe»
En tres estudios de este artículo pasó lo contrario. Con el asistente de atención, los novatos mejoraron 34 % y los más experimentados casi nada. En el experimento de redacción, la distancia entre los mejores y los peores se achicó. Y los programadores más expertos, en proyectos que conocían de años, fueron más lentos con IA.
No digo que siempre sea así. Digo que, en lo que leí, la ayuda fue mayor donde había menos experiencia.
Cuatro creencias sin resolver
Cuatro ideas que no pude confirmar ni descartar con lo que leí. Las dejo abiertas, con lo que encontré y lo que falta.
«Los agentes van a funcionar bien el año que entra»
Lo que sé: la versión de TheAgentCompany que leí es de septiembre de 2025, con el 30 % de tareas terminadas por el mejor agente. Lo que no sé es cómo se movió esa cifra entre versiones, porque no comparé las anteriores, ni cuánto cambiará con los modelos que vengan.
Tampoco sé si el 30 % de una oficina de software simulada dice algo de tu negocio. Una prueba nueva lo diría mejor que mi predicción.
«Lo que funciona en una empresa grande funciona en una chica»
La encuesta del Banco de México empieza arriba de 100 trabajadores, y los estudios de este artículo son de otros países. No encontré una medición en negocios mexicanos chicos.
Hay argumentos para los dos lados. Una empresa chica tiene menos procesos que cambiar, y también menos gente para revisar. No sé cuál pesa más.
«La IA convierte a los novatos en expertos»
El estudio de atención a clientes encontró que la asistencia puede llevar a que los trabajadores aprendan. La palabra del texto es «may»: puede. Que los novatos rindan más con la IA al lado está medido. Que aprendan lo suficiente para rendir igual sin ella, en lo que leí, no.
«El tiempo que ahorra la IA se convierte en dinero»
En Dinamarca, los autores explican la falta de efecto en ingresos con dos cosas: ganancias de productividad modestas y un traspaso débil a los salarios. En el piloto británico, no se encontró evidencia de que el ahorro de tiempo llegara a la productividad.
Para un negocio chico, la pregunta es más simple y no tiene respuesta publicada: qué haces con los minutos que ahorras. Si los usas para atender a más clientes, pueden convertirse en dinero. Si se diluyen en el día, no.
Preguntas frecuentes
¿Qué automatizaciones con IA funcionan hoy?
Las que tienen ahorro medido con una persona revisando: borradores de texto, sugerencias para quien atiende clientes y, con matiz, resúmenes de correos y documentos. En amarillo quedan el código, el análisis y los bots que contestan con información acotada. En rojo, los agentes autónomos en tareas largas y todo lo que promete algo en nombre de tu negocio sin revisión. El semáforo completo está arriba, con la evidencia de cada color.
¿Cuánto tiempo ahorra la IA de verdad?
Depende del nivel. En una tarea elegida, los estudios midieron 14 % más casos por hora en atención, que equivale a 12.28 % menos tiempo por caso. En redacción, 40 % menos tiempo, y en una tarea de programación, 55.8 % más rapidez. En una jornada completa, el ahorro promedio fue el 2.8 % de las horas en Dinamarca y el 5.4 % que reportan los usuarios en Estados Unidos. Y en algunas tareas, como la de los programadores expertos de METR, la IA hizo perder tiempo.
¿La IA le sirve igual a todo el equipo?
En los estudios de este artículo, no. Con el asistente de atención, los novatos resolvieron 34 % más casos por hora y los más experimentados casi lo mismo que antes. Si vas a probar una herramienta, mide por separado a quien acaba de llegar y a quien lleva años en el puesto.
¿Puedo dejar a un chatbot de IA contestando solo a mis clientes?
Puedes. Yo lo limitaría a lo que ya está escrito en tu sitio: horarios, dirección, formas de pago, estado de un pedido. En la prueba de agentes de ventas y servicio, los mejores resolvieron el 35 % de las tareas que pedían una conversación de varias vueltas. Todo lo que no esté escrito debería pasar a una persona, con la conversación completa.
¿Quién responde si el chatbot se equivoca?
En el caso de Air Canada, el tribunal de la Columbia Británica resolvió que la aerolínea era responsable de toda la información de su sitio, viniera de una página fija o de un chatbot. La hizo pagar 812.02 dólares canadienses. Es un caso canadiense que no obliga a ningún juez mexicano. Información general, no asesoría legal. Mi lectura práctica: lo que dice tu chatbot, lo dices tú.
¿Puedo poner ChatGPT u otro asistente dentro de WhatsApp?
No como producto. Desde el 15 de enero de 2026, los términos de WhatsApp para negocios no permiten que los proveedores de modelos de IA distribuyan ahí sus asistentes de propósito general. Sí puedes usar IA para atender a tus clientes, incluida una de terceros. La documentación de precios de Meta lo contempla, y Meta aclaró que el cambio de términos no afecta a los negocios que lo hacen. Información general, no asesoría legal.
¿Cuánto cuesta automatizar con IA?
Tres costos: la herramienta, la configuración y la revisión. El de la herramienta cambia por plataforma. En Zapier, el paso de IA cuesta tres tareas por ejecución con el nivel por defecto. En Make, algunas funciones con IA gastan más de un crédito, y en n8n se cobra por ejecución. En WhatsApp para empresas, Meta anunció el cobro de los mensajes de servicio desde el 1 de octubre de 2026. El de la revisión no aparece en las tarifas que leí, y es el que decide la cuenta.
¿Desde cuántas tareas al mes sale la cuenta?
Divide las horas que pide la herramienta, que son su precio entre el costo de tu hora, entre el ahorro neto por tarea. En el ejemplo inventado, con 400 pesos al mes y una hora de 100, hacen falta 4 horas: 120 respuestas al mes si cada una ahorra 2 minutos netos, y 391 si ahorra 0.61. Con medio minuto de revisión en el escenario bajo, más de 2,100.
¿Qué es un agente de IA y ya puedo usar uno?
Es un sistema que actúa, además de contestar: abre páginas, escribe, manda mensajes y encadena pasos. En una empresa de software simulada, el mejor terminó por su cuenta el 30 % de las tareas. Yo lo usaría solo como prueba, con aprobación humana en cada paso y lejos del dinero, de las cuentas y de los clientes.
¿Cuántas empresas mexicanas usan IA?
Según el Banco de México, en junio de 2026 el 48.5 % de las empresas de más de 100 trabajadores usaba al menos una tecnología de IA. En las de más de 1,000 trabajadores, el 69.9 %; en las de 101 a 250, el 43.7 %. No encontré una cifra oficial para negocios de menos de 100 personas.
¿Qué datos no debo darle a una herramienta de IA?
Yo no le daría contraseñas, números de tarjeta o de cuenta, datos de salud, listas completas de clientes ni documentos con cláusula de confidencialidad. Con datos personales de clientes, la ley mexicana distingue a quien los trata por cuenta tuya de un tercero al que se los transfieres, y para transferirlos pide comunicarle tu aviso de privacidad. Información general, no asesoría legal.
¿Zapier, Make o n8n?
No hay una respuesta sin tus cifras. No cobran con la misma unidad: tareas, créditos y ejecuciones. Cuenta los pasos de IA de cada flujo, multiplícalos por el nivel que vas a usar y por tus ejecuciones del mes, y compara con ese número. Los precios cambian rápido: los de este artículo son del 6 de octubre de 2026.
¿Cómo sé si una automatización me hace perder tiempo?
Midiendo. Dos semanas de registro antes, dos semanas con la mitad de los casos con IA y la otra mitad sin ella, y la revisión anotada aparte. Si la revisión promedio pasa el tiempo de la tarea por el porcentaje de ahorro, pierdes tiempo, aunque se sienta lo contrario.
¿La IA va a sustituir a mi equipo?
Lo que encontré no apunta a eso, por ahora. En Dinamarca, los autores estimaron efectos nulos en ingresos y horas registradas, con intervalos que descartan efectos mayores a 1 %. En México, el 67.5 % de las empresas de más de 100 trabajadores no ha percibido efectos significativos en el empleo en los últimos tres años. Y en los cinco estudios con grupo de comparación de este artículo, la IA propone y una persona decide.
Lo que este artículo no pudo verificar
Esto quedó fuera o a medias, y conviene saberlo antes de usar cualquier cifra de arriba.
- Los términos de WhatsApp para negocios, en su propia página. El sitio bloquea la consulta automatizada, y no busqué otra vía. Los cité a través de TechCrunch, y Gulf News reportó la misma fecha.
- Si el cobro de los mensajes de servicio de WhatsApp ya se aplica, y su tarifa para México. La página de cambios de Meta lo anuncia desde el 1 de octubre de 2026 y la página principal, el mismo día de la consulta, seguía diciendo que esos mensajes son gratis. Las tablas de tarifas por país no se leen como texto.
- Los precios de los asistentes de chat. De dos páginas revisadas, una no mostró ninguna cifra en lo que pude leer. Por eso no publico una tabla.
- Cuántas tareas incluye el plan Professional de Zapier al precio de 19.99 dólares, y si ese precio es con pago anual.
- Cuántos créditos de Make gasta un paso de IA, y de qué año es el cambio a créditos del 27 de agosto.
- Cuánto cuesta el modelo de IA que se conecta a un flujo de n8n.
- El texto completo de varios estudios. Del de redacción leí la nota del MIT, no el artículo de Science. De los de programación, agentes y ventas leí los resúmenes y fragmentos. Del de atención a clientes, la página del NBER y la introducción del documento.
- Tres frases que salieron con dos redacciones en dos lecturas. El resumen de la prueba de ventas y servicio, una frase del MIT sobre la calidad y una de la Reserva Federal de San Luis sobre quiénes ahorraron cuatro horas o más. De las dos primeras uso solo lo que coincidió; la tercera no la uso.
- El artículo de la ley de datos personales que fija las obligaciones de la persona encargada. No lo localicé en el texto que consulté, y no revisé el reglamento.
- La adopción de IA en negocios mexicanos de menos de 100 trabajadores. No encontré una cifra oficial.
- Los valores de la gráfica de empleo del recuadro del Banco de México. Los leí una vez, de una gráfica, y no los uso.
- Cómo cambiaron los resultados de TheAgentCompany entre versiones. Leí la tercera y no comparé las anteriores.
- Quién financió cada estudio. No lo revisé.
Fuentes y metodología
Las traducciones del inglés de este artículo son nuestras, y cada cita está enlazada a su original en esta sección. Las fuentes se consultaron el 6 de octubre de 2026, salvo donde se indica otra fecha.
Fuentes primarias
Estudios con grupo de comparación
- Brynjolfsson E, Li D y Raymond LR, «Generative AI at Work», NBER Working Paper 31161, 2023, en la página del NBER y en el documento completo. Publicado en The Quarterly Journal of Economics, 2025, volumen 140, número 2, páginas 889 a 942. De aquí salen los 5,179 agentes, el 14 % y el 34 %, lo que hacía el asistente y la permanencia del personal.
- Noy S y Zhang W, experimento publicado en Science en 2023, leído a través de la nota de Zach Winn en MIT News, «Study finds ChatGPT boosts worker productivity for some writing tasks», del 14 de julio de 2023, en el sitio del Departamento de Economía del MIT. De aquí salen los 453 profesionales, el 40 %, el 18 % y el límite de las tareas.
- Peng S, Kalliamvakou E, Cihon P y Demirer M, «The Impact of AI on Developer Productivity: Evidence from GitHub Copilot», arXiv 2302.06590, del 13 de febrero de 2023. Resumen.
- Dell’Acqua F, McFowland III E, Mollick E, Lifshitz-Assaf H, Kellogg KC, Rajendran S, Krayer L, Candelon F y Lakhani KR, «Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality», Harvard Business School, documento de trabajo 24-013, del 22 de septiembre de 2023, en la copia del sitio de la Escuela Sloan del MIT.
- METR, «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», del 10 de julio de 2025. El artículo completo está en arXiv con el número 2507.09089, y no lo leí.
Mediciones fuera del laboratorio
- Humlum A y Vestergaard E, «Large Language Models, Small Labor Market Effects», Instituto Becker Friedman de la Universidad de Chicago, documento de trabajo 2025-56, del 9 de mayo de 2025. También circula como documento de trabajo 33777 del NBER.
- Bick A, Blandin A y Deming D, «The Impact of Generative AI on Work Productivity», en el blog On the Economy del Banco de la Reserva Federal de San Luis, del 27 de febrero de 2025.
- Gobierno del Reino Unido, «Landmark government trial shows AI could save civil servants nearly 2 weeks a year», comunicado del 2 de junio de 2025.
- Department for Business and Trade, «The Evaluation of the M365 Copilot Pilot in the Department for Business and Trade», agosto de 2025.
Agentes y un caso judicial
- Xu FF y coautores, «TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks», arXiv 2412.14161, versión 3, del 10 de septiembre de 2025, con fragmentos del documento completo.
- Huang K-H, Prabhakar A, Thorat O y coautores, «CRMArena-Pro: Holistic Assessment of LLM Agents Across Diverse Business Scenarios and Interactions», arXiv 2505.18878, versión 1, del 24 de mayo de 2025, de Salesforce AI Research.
- Civil Resolution Tribunal de la Columbia Británica, Moffatt v. Air Canada, 2024 BCCRT 149, del 14 de febrero de 2024, firmada por el miembro del tribunal Christopher C. Rivers.
México
- Banco de México, Reporte sobre las Economías Regionales de abril a junio de 2026, recuadro 4, «Opinión empresarial sobre la adopción de inteligencia artificial en México y su impacto en el empleo y la productividad». Encuesta de junio de 2026 a empresas de más de 100 trabajadores.
- Banco de México, Reporte sobre las Economías Regionales de julio a septiembre de 2025, recuadro «Opinión empresarial sobre la adopción y el uso de inteligencia artificial y automatización». De aquí sale el 24.3 % de septiembre de 2025 y su pregunta.
- Ley Federal de Protección de Datos Personales en Posesión de los Particulares, publicada en el Diario Oficial el 20 de marzo de 2025, con su última reforma del 14 de noviembre de 2025, en el sitio del Tribunal Electoral del Poder Judicial de la Federación. Uso el artículo 2, fracciones V, XII y XX, y el artículo 35.
Plataformas y WhatsApp
- Zapier, «AI by Zapier: new model-based pricing starting June 15, 2026», en su centro de ayuda, actualizado el 12 de agosto de 2026, y su página de precios.
- Make, página de precios.
- n8n, página de precios.
- Meta for Developers, «Pricing on the WhatsApp Business Platform» y «Pricing for non-template messages», sin fecha visible.
- Ivan Mehta, «WhatsApp changes its terms to bar general-purpose chatbots from its platform», TechCrunch, del 18 de octubre de 2025.
- Gulf News, nota sobre los términos de WhatsApp, actualizada el 21 de octubre de 2025. La uso solo para confirmar la fecha y que la IA de atención a clientes sigue permitida.
Cálculos y supuestos
Todas las cuentas están en una hoja propia, y estos son sus supuestos.
- Conversión de la atención a clientes: 14 % más casos por hora equivale a 1 − 1 ÷ 1.14 = 12.28 % menos tiempo por caso. Con el 34 % de los novatos, 25.37 %.
- Cómo pueden ser ciertas las dos cosas: 2.8 entre 40 da 7 %; 2.8 entre 12.28 da 22.8 %. Es una identidad aritmética, no una estimación de lo que pasó en Dinamarca.
- Jornada inventada de 8 horas: el 2.8 % son 13.4 minutos al día y el 5.4 %, 25.9.
- Ejemplo inventado: 400 respuestas al mes de 5 minutos, 2,000 minutos o 33.33 horas; hora de 100 pesos, 3,333.33 pesos de tiempo al mes; herramienta de 400 pesos al mes; 6 horas de configuración, 600 pesos; 22 días hábiles.
- Ahorro neto por respuesta: 5 minutos por el porcentaje de ahorro, menos la revisión. Saldo del mes: 400 respuestas por el ahorro neto, entre 60, por 100 pesos, menos 400.
- Revisión de empate: 5 minutos por el porcentaje de ahorro: 2 minutos en el escenario alto y 0.61 en el bajo, 37 segundos. Con tareas de 4 y de 6 minutos, el empate del escenario bajo va de 29 a 44 segundos.
- Volumen mínimo: 240 entre el ahorro neto en minutos: 120, 160, 240 y 391 respuestas, y 2,104.6 con medio minuto de revisión en el escenario bajo, 5.26 veces las 400 de la tienda.
- Recuperación de la configuración: 600 pesos entre el saldo del mes: 2.25 meses, 1 mes y 64.12 meses.
- Tabla de umbrales: precio de la herramienta entre el costo de la hora, por 60, entre 22 días.
- Escenario de pérdida: 5 minutos por 19 % son 0.95 minutos más por respuesta; por 400 y entre 60, 6.33 horas al mes; por 100 pesos, 633.33.
- Ejemplo de 3 minutos al día: por 22 días son 66 minutos, 1.1 horas y 110 pesos al mes; 600 entre 110 da 5.45 meses; 1,320 pesos al año; contra una herramienta de 400, una pérdida de 290 al mes.
- Tarea poco frecuente: 30 minutos por 40 % son 12 minutos al mes, 0.2 horas y 20 pesos; 600 entre 20 son 30 meses.
- Zapier: 400 ejecuciones por 3 son 1,200 tareas, y por 5, 2,000; entre las 100 del plan gratuito, 12 y 20 veces.
- Agente de Meta: de 20,000 a 25,000 tokens por 2 dólares el millón son de 0.04 a 0.05 dólares por mensaje; por 400 mensajes, de 16 a 20 dólares al mes.
- Banco de México: 69.9 menos 43.7 son 26.2 puntos.
- Air Canada: 650.88 más 36.14 más 125 son 812.02 dólares canadienses.
- CRMArena-Pro: 58 menos 35 son 23 puntos.
- METR: «22k+» y «1M+» van escritos como más de 22,000 estrellas y más de un millón de líneas.
Comprobaciones cruzadas
- El 2.8 % del cuerpo del documento de Humlum y Vestergaard y el 3 % de su resumen son la misma cifra, redondeada en el resumen.
- Los 4 a 5 centavos por mensaje que da Meta cuadran con su propia tarifa: de 20,000 a 25,000 tokens por 2 dólares el millón.
- Los tres montos de Air Canada suman exactamente el total de la resolución.
- Las dos cifras del Banco de México sobre adopción, 48.5 % y 24.3 %, salen de preguntas distintas, y el propio recuadro lo advierte. No calculo el crecimiento.
- Las dos páginas de precios de WhatsApp no coinciden sobre los mensajes de servicio, y lo digo en el texto en vez de elegir una.
- La descripción del asistente de atención a clientes salió del documento completo del NBER, porque la página del resumen no la trae.
- Las citas se leyeron dos veces en su fuente, con fragmentos cortos, antes de usarse. Cuando dos lecturas dieron dos redacciones, uso solo lo que coincidió, o nada.
Limitaciones
- Los estudios son de otros países, y ninguno mide negocios chicos mexicanos.
- Los dos escenarios de la cuenta vienen de tareas parecidas a contestarle a un cliente, no iguales. El ejemplo es inventado y está hecho para cambiar sus cifras.
- Varias cifras son autorreportadas: los 26 minutos del Reino Unido, el 5.4 % de Estados Unidos y los tiempos de METR, que los programadores reportaron con la pantalla grabada.
- Las pruebas de agentes son simulaciones, y una la hizo una empresa sobre su propia plataforma.
- La encuesta del Banco de México mide percepciones de empresas de más de 100 trabajadores.
- Los precios están en dólares y euros, sin convertir, y en esta categoría caducan en semanas.
- La lectura de la ley de datos personales es información general, no asesoría legal.
- Las páginas de la competencia se revisaron una por una, pero se describen sin nombre.
Declaración de intereses
Este artículo no contiene enlaces de afiliado. Ruta Inteligente no recibe pagos de las empresas, plataformas, universidades ni autores citados, y ninguna fuente revisó el texto antes de su publicación. Entre las fuentes hay empresas que venden lo que se mide: la prueba de agentes de ventas y servicio la hizo un equipo de Salesforce sobre su propia plataforma, y las reglas de cobro salen de las páginas de Zapier, Make, n8n y Meta. Se citan por lo que miden o publican, no como recomendación. Nuria Esquivel escribe para negocios chicos que están por pagar una herramienta, y ese supuesto, declarado, está detrás de cada recomendación.