EDUARDO WASSI Fundador de Dinatech y Trendline Technology
INFORME DE GESTIÓN · EQUIPOS E INTELIGENCIA ARTIFICIAL
Cómo medir productividad cuando el equipo trabaja con IA Qué indicadores pierden validez, con qué reemplazarlos y cómo sostener una conversación de desempeño que siga siendo justa.
Por Eduardo Wassi Fundador de Dinatech y Trendline Technology Ingeniero en Sistemas de Información Edición: 2026 · Documento de distribución libre Más publicaciones del autor: eduardowassi.com
Para quién escribí este informe Lo escribí para gerentes, directores y fundadores que conducen equipos donde la IA ya se usa a diario, y que necesitan evaluar desempeño sin apoyarse en indicadores que dejaron de decir lo que decían. No es un documento técnico. No trata sobre qué herramienta elegir, sino sobre cómo dirigir personas cuando cambió la naturaleza de la tarea que hacen.
eduardowassi.com · Informe de distribución libre · Edición 2026
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
Resumen ejecutivo Cuando una organización incorpora inteligencia artificial al trabajo diario, la primera pregunta que aparece en la conducción es previsible: ¿el equipo está produciendo más? La pregunta es legítima. El problema es que los instrumentos con los que solíamos responderla dejaron de funcionar. La razón es que la mayoría de nuestros indicadores medían volumen de producción bajo un supuesto implícito: que producir cuesta esfuerzo, y que por lo tanto el volumen es una buena aproximación al trabajo realizado. La IA rompió ese supuesto. Generar volumen dejó de ser costoso, y en consecuencia dejó de ser informativo. Los cinco puntos centrales de este informe: ■
Los indicadores de volumen —documentos redactados, líneas producidas, propuestas enviadas, tickets cerrados— pasaron de medir esfuerzo a medir uso de herramienta. Sostenerlos genera incentivos contraproducentes.
■
El costo del trabajo se desplazó de la producción hacia la revisión. Lo escaso hoy no es generar una primera versión, sino tener criterio para evaluarla y hacerse cargo del resultado.
■
Aparece una categoría de desperdicio difícil de ver: el retrabajo que consume el tiempo ahorrado sin dejar rastro en ningún indicador.
■
La medición útil se apoya en cuatro dimensiones: resultado entregado, calidad sostenida, tiempo de ciclo completo y capacidad de criterio.
■
Casi toda la medición individual pierde sentido en este contexto. El nivel correcto de observación pasó a ser el equipo y el proceso.
Una aclaración necesaria Este informe no propone dejar de medir. Propone dejar de medir lo que ya no informa. Una organización que abandona la medición porque sus indicadores quedaron obsoletos termina conduciendo por impresión, que es peor que conducir con indicadores imperfectos.
eduardowassi.com
Página 1
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
1. Qué cambió realmente en el trabajo del equipo Para entender por qué fallan los indicadores conviene mirar primero qué se modificó en la tarea concreta. El cambio no es que la gente trabaje menos: es que la composición del trabajo se reordenó.
La primera versión dejó de ser el cuello de botella En la mayoría de las tareas de conocimiento, una parte sustancial del tiempo se iba en producir el primer borrador: el documento inicial, el análisis preliminar, la estructura de la propuesta, el esqueleto del código. Esa etapa se comprimió de manera drástica. Lo que antes ocupaba la mayor parte de la jornada hoy ocupa una fracción. Y como los indicadores tradicionales medían justamente la salida de esa etapa, empezaron a mostrar mejoras espectaculares que no siempre se corresponden con más valor entregado.
El peso se corrió hacia la revisión y el criterio La contracara es que las etapas siguientes —verificar, corregir, contextualizar, decidir qué sirve y qué no— aumentaron su peso relativo. Son etapas que no producen volumen visible y que ningún indicador tradicional captura. Esto genera una distorsión concreta en la conducción: la parte del trabajo que más determina la calidad del resultado es hoy la menos visible en cualquier tablero.
Cambió también qué distingue a alguien bueno Cuando producir era costoso, la velocidad de producción diferenciaba. Hoy diferencia otra cosa: la capacidad de detectar que una salida es plausible pero incorrecta, de saber qué falta, de identificar cuándo el resultado no aplica al contexto puntual del cliente o del negocio.
«Cuando producir dejó de ser el cuello de botella, el criterio pasó a serlo. Y el criterio no aparece en ningún tablero que mida volumen.» — Eduardo Wassi
eduardowassi.com
Página 2
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
2. Los cinco indicadores que perdieron validez Estos son los que veo con más frecuencia en tableros de gestión y los que conviene revisar primero. Indicador
Qué medía antes
Qué mide ahora
Volumen producido (documentos, informes, líneas, piezas)
Esfuerzo aplicado y capacidad de producción
Frecuencia de uso de la herramienta. Puede crecer sin ninguna mejora en el resultado.
Horas dedicadas a una tarea
Complejidad de la tarea y dedicación de la persona
Casi nada. Dos personas con el mismo resultado pueden diferir enormemente sin que eso indique desempeño.
Tickets o solicitudes cerradas
Capacidad de resolución del equipo
Velocidad de primera respuesta. No distingue el caso resuelto del que va a reabrirse.
Velocidad de entrega individual
Productividad de la persona
Cuánto delega en la herramienta. Premia a quien menos revisa.
Propuestas o borradores generados
Actividad comercial o creativa
Volumen de salida sin filtro. Suele correlacionar negativamente con la conversión.
Por qué sostenerlos es peor que no medir Un indicador desactualizado no es neutro: orienta conducta. Si el equipo percibe que se lo evalúa por volumen, va a producir volumen, y la manera más rápida de producir volumen hoy es revisar menos. El resultado es una organización que muestra métricas en alza mientras la calidad de lo que entrega se deteriora silenciosamente. Esa combinación es especialmente difícil de detectar, porque el tablero confirma que todo va bien.
eduardowassi.com
Página 3
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
3. El retrabajo invisible Hay una categoría de desperdicio que conviene nombrar porque explica buena parte de la distancia entre la mejora que muestran los indicadores y la que percibe la organización. El patrón es reconocible. Una tarea que antes llevaba tres horas ahora produce una primera versión en veinte minutos. Esa versión pasa a la etapa siguiente y ahí aparece el problema: un dato que no correspondía, una conclusión que no aplica al caso, una referencia que no existe. La corrección consume el tiempo que se había ahorrado, y a veces más, porque corregir algo ajeno es más lento que producirlo desde cero. Lo relevante para la gestión es que ese retrabajo casi nunca queda registrado. Ocurre en la etapa siguiente, muchas veces a cargo de otra persona, y se contabiliza como parte normal del proceso.
Cómo hacerlo visible ■
Tasa de devolución entre etapas: qué proporción del trabajo que pasa de una etapa a la siguiente vuelve para corrección. Es el indicador más directo y el más fácil de instrumentar.
■
Iteraciones hasta la aprobación: cuántas vueltas necesita un entregable antes de quedar aprobado. Si el promedio sube, el tiempo ahorrado se está consumiendo aguas abajo.
■
Origen de las correcciones: distinguir las que surgen de un cambio de criterio del cliente de las que surgen de un error en la producción inicial. Solo las segundas son retrabajo.
Una advertencia sobre este capítulo Medir retrabajo puede leerse como búsqueda de culpables, y si se instala esa lectura el indicador se vuelve inútil: las correcciones dejan de reportarse. La forma de evitarlo es explícita y hay que decirla en voz alta: el retrabajo se mide a nivel de proceso, no de persona, y su propósito es ajustar dónde conviene poner los puntos de revisión.
eduardowassi.com
Página 4
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
4. Marco de medición en cuatro dimensiones Lo que sigue no es un tablero cerrado sino una estructura para armar el propio. Cada organización tiene que traducir estas cuatro dimensiones a su operación concreta.
Resultado entregado Qué se completó efectivamente, medido en la unidad que le importa al negocio: propuestas aceptadas, casos resueltos y cerrados, entregables aprobados por el cliente. El criterio es simple: el indicador tiene que medir algo que le sirva a alguien fuera del equipo. Un documento producido no es un resultado; un documento aprobado y utilizado, sí.
Calidad sostenida Qué proporción de lo entregado se sostiene sin correcciones posteriores. Se observa mirando hacia atrás: de lo entregado hace un mes, cuánto requirió intervención adicional. Es la dimensión que compensa la presión hacia el volumen; sin ella, cualquier tablero termina premiando la velocidad por sobre la solidez.
Tiempo de ciclo completo Cuánto pasa desde que una solicitud entra hasta que el resultado está aprobado y en uso. El ciclo completo, no la etapa de producción. Si la producción se aceleró pero el ciclo no se movió, el tiempo se está perdiendo en otro lado, y ese es exactamente el diagnóstico que necesita la conducción.
Capacidad de criterio Es la dimensión más difícil de instrumentar y la más importante a mediano plazo. No se mide con un número: se observa en las revisiones de trabajo. Si las objeciones que plantea el equipo son cada vez más finas, la capacidad crece. Si el equipo aprueba cada vez más rápido y con menos observaciones, conviene mirar más de cerca. Dimensión
Pregunta que responde
Revisión
Resultado entregado
¿Se completó algo que le sirve a alguien?
Mensual
Calidad sostenida
¿Lo entregado se mantuvo sin correcciones?
Trimestral
Tiempo de ciclo completo
¿La mejora llegó al proceso o quedó en una etapa?
Mensual
Capacidad de criterio
¿El equipo evalúa mejor o aprueba más rápido?
Semestral
eduardowassi.com
Página 5
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
5. Individuo o equipo: dónde poner el indicador Esta es la decisión que más impacto tiene sobre el comportamiento del equipo, y donde más veces vi errar. La medición individual de productividad tenía sentido cuando la producción dependía principalmente del esfuerzo de cada persona. Con asistencia de IA, la variación entre individuos en la etapa de producción se achica: la herramienta nivela hacia arriba la primera versión. Lo que queda como diferencia individual es el criterio, y el criterio no se mide bien con indicadores cuantitativos. El resultado es que la medición individual, en este contexto, tiende a capturar intensidad de uso de la herramienta en lugar de aporte real. Y como el equipo entiende rápido qué se está midiendo, el indicador se degrada solo.
La pregunta que ordena esta decisión Antes de instalar un indicador individual, conviene responder una sola cosa: si la persona quisiera mejorar ese número sin mejorar su trabajo, ¿podría? Si la respuesta es sí, el indicador va a producir exactamente eso.
6. Cómo establecer la línea de base antes de medir Un error de secuencia bastante común: la organización incorpora la herramienta, la usa durante meses y después intenta evaluar el impacto sin tener con qué comparar. La línea de base no requiere un estudio: requiere registrar cuatro datos sobre un conjunto acotado de trabajo representativo.
1 2 3 4
Tiempo de ciclo completo de tres tipos de entregable habituales, de punta a punta. Tasa de devolución entre etapas en esos mismos tipos de trabajo. Volumen entregado y aprobado en un período de referencia, no volumen producido. Una muestra cualitativa: tres o cuatro entregables archivados que el equipo considere representativos del estándar de calidad vigente.
El cuarto punto es el que más se omite y el más valioso: cuando seis meses después aparece la discusión sobre si la calidad se mantuvo, tener material concreto para comparar evita que la conversación se resuelva por impresión o por jerarquía.
eduardowassi.com
Página 6
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
7. La conversación de desempeño después de la IA Los sistemas de evaluación construidos sobre objetivos de volumen quedaron desalineados. Mantenerlos sin revisión comunica algo que la conducción no suele querer comunicar: que el estándar sigue siendo producir más. ■
Confiabilidad de lo entregado: cuando esta persona da algo por terminado, ¿se puede avanzar sin revisarlo en detalle? Es hoy el atributo más valioso.
■
Calidad del criterio: qué detecta, qué cuestiona, qué devuelve corregido antes de que llegue a otra instancia.
■
Aporte al equipo: qué prácticas útiles introdujo, qué error sistemático ayudó a corregir.
■
Manejo de la incertidumbre: si distingue lo que sabe de lo que supone, y si lo explicita cuando entrega.
Si la organización venía midiendo volumen y cambia de criterio, hay que decirlo de manera explícita. El silencio se interpreta, y la interpretación por defecto es defensiva: que la evaluación se volvió más discrecional.
8. Seis errores frecuentes 1
Medir uso de la herramienta como si fuera productividad. La cantidad de consultas no indica aporte; enseña al equipo a generar actividad visible.
2
Esperar mejoras uniformes entre áreas. El impacto varía según el tipo de tarea. La misma vara para todos produce conclusiones equivocadas y resentimiento.
3
Reasignar el tiempo ahorrado sin decirlo. Si la eficiencia se traduce silenciosamente en más carga, el equipo lo detecta en semanas y ajusta su comportamiento.
4
Evaluar demasiado pronto. Los primeros dos meses muestran el entusiasmo inicial, no el rendimiento estable. Conviene esperar un trimestre.
5
No medir calidad en paralelo al tiempo. Cualquier indicador de velocidad sin contrapeso de calidad se degrada por sí solo.
6
Delegar la definición de indicadores en el área técnica. Qué se considera un buen resultado es una definición de negocio.
eduardowassi.com
Página 7
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
9. Tablero en una página Una propuesta mínima para llevar a la reunión de gestión. Seis filas, revisión mensual, sin necesidad de herramientas nuevas. Indicador
Cómo se obtiene
Qué señal da
Entregables aprobados
Conteo sobre lo que efectivamente se aceptó
Volumen real de valor entregado
Tiempo de ciclo completo
Fecha de ingreso a fecha de aprobación, por tipo de trabajo
Si la mejora llegó al proceso completo
Tasa de devolución
Entregables devueltos sobre enviados, entre etapas
Retrabajo que consume el tiempo ahorrado
Iteraciones hasta aprobación
Promedio de vueltas por entregable
Solidez de la primera versión
Correcciones posteriores
Intervenciones sobre trabajo ya entregado, a 30 días
Calidad que se sostiene en el tiempo
Observación cualitativa
Nota breve del responsable en la revisión mensual
Evolución del criterio del equipo
Ninguno de los seis requiere instrumentación compleja. Cinco salen de datos que la organización ya genera; el sexto es una nota escrita.
Cómo usarlo en la reunión mensual La lectura correcta no es fila por fila sino cruzada. El tiempo de ciclo bajando junto con la tasa de devolución estable es una mejora real; el tiempo de ciclo bajando con devoluciones en alza es tiempo que se desplazó, no que se ganó. Un solo indicador aislado, en este contexto, casi siempre conduce a la conclusión equivocada.
eduardowassi.com
Página 8
Medir productividad en equipos que trabajan con IA · Eduardo Wassi · 2026
Conclusión La incorporación de inteligencia artificial al trabajo diario no vuelve imposible medir productividad. Vuelve obsoletos los instrumentos con los que veníamos midiéndola, que es un problema distinto y bastante más manejable. Lo que exige es una revisión honesta: qué indicadores seguimos mirando por costumbre, cuáles de ellos hoy premian exactamente lo contrario de lo que queremos, y qué necesitamos observar en su lugar. Esa revisión es responsabilidad de la conducción y no se puede delegar, porque define qué considera valioso la organización. La buena noticia es que el trabajo no es grande. Seis indicadores, una línea de base razonable y una conversación explícita con el equipo alcanzan para no conducir a ciegas durante el período en que más está cambiando la forma en que se trabaja.
«Cuando el instrumento deja de medir lo que importa, el problema no es el instrumento: es seguir tomando decisiones con él.» — Eduardo Wassi Si tuviera que empezar por un solo indicador, empezaría por la tasa de devolución entre etapas: es el más simple de instrumentar y el que más rápido revela si la mejora es real.
Sobre el autor Eduardo Wassi es Fundador de Dinatech y Trendline Technology. Ingeniero en Sistemas de Información, acompaña desde hace más de dos décadas a organizaciones públicas y privadas en procesos de transformación tecnológica. Escribe sobre management, liderazgo ejecutivo y estrategia tecnológica en eduardowassi.com y en medios del sector.
Contenido relacionado Observabilidad empresarial en Argentina 2026 · Adopción de IA en empresas medianas: la resistencia es un problema de gestión · Decisiones ejecutivas con información incompleta. Todo disponible en eduardowassi.com Documento de distribución libre. Se permite su circulación y cita con atribución al autor.
eduardowassi.com
Página 9