El trabajo subraya que la empresa no exigía el uso de estas herramientas, aunque ofrecía suscripciones empresariales a soluciones de IA disponibles en el mercado. La intensificación del trabajo, explican, surgió por iniciativa propia de los empleados, impulsada por la percepción de que la IA hacía que “hacer más” fuera “posible, accesible y, en muchos casos, intrínsecamente gratificante”.
La investigación se realizó entre abril y diciembre del año previo a la publicación del texto. Incluyó observación presencial dos días a la semana, seguimiento de canales internos de comunicación y más de 40 entrevistas en profundidad en áreas como ingeniería, producto, diseño, investigación y operaciones.
A partir de ese material, las autoras identificaron tres formas principales en las que la IA generativa intensificó el trabajo. La primera fue la ampliación de tareas, vinculada a la capacidad de la IA para llenar vacíos de conocimiento y reducir la dependencia de otros perfiles dentro de la organización.
Asumir responsabilidades de otros
Según el estudio, trabajadores comenzaron a asumir responsabilidades que antes correspondían a otros roles. El texto señala que “los gerentes de producto y los diseñadores comenzaron a escribir código”, mientras que “los investigadores asumieron tareas de ingeniería”, entre otros ejemplos.
Las autoras explican que la IA proporcionó un impulso cognitivo percibido como empoderador, con feedback inmediato y correcciones a lo largo del proceso. Esa dinámica alentó a “simplemente probar cosas”, pero esos experimentos se acumularon y ampliaron de forma significativa el alcance del trabajo cotidiano.
Como consecuencia, los empleados absorbieron tareas que antes habrían justificado más apoyo, más tiempo o la incorporación de personal adicional. Esa expansión del trabajo no estuvo mediada por decisiones formales, sino por una suma de iniciativas individuales facilitadas por la tecnología.
La ampliación de tareas tuvo efectos secundarios, en particular sobre los ingenieros. Las investigadoras contaron que estos profesionales dedicaron cada vez más tiempo a revisar, corregir y orientar el trabajo generado o asistido por IA producido por otros compañeros.
Esa supervisión no se limitó a revisiones formales de código. Según las autoras, surgió de manera informal en hilos de Slack o consultas rápidas en la mesa, lo que incrementó la carga laboral de los ingenieros más allá de sus responsabilidades originales.
Menos límites entre trabajo y tiempo libre
La segunda forma de intensificación identificada fue el "desdibujamiento" de los límites entre trabajo y tiempo libre.
Al reducir la fricción para iniciar una tarea, la IA facilitó que pequeñas unidades de trabajo se filtraran en momentos que antes funcionaban como pausas.
El estudio menciona activaciones de herramientas de IA durante el almuerzo, en reuniones o mientras se esperaba que cargara un archivo. Algunos trabajadores describieron que enviaban “un ‘último prompt rápido’” antes de abandonar su escritorio, para que la IA siguiera trabajando en su ausencia.
Estas acciones, explican las autoras, rara vez se percibían como trabajo adicional. Sin embargo, con el tiempo derivaron en jornadas con menos pausas naturales y una implicación más continua con el trabajo.
El estilo conversacional de los prompts también influyó en esta dinámica. Escribir una línea en un sistema de IA podía sentirse más como una charla que como una tarea formal, lo que facilitó que el trabajo se extendiera hacia la noche o la madrugada sin una intención deliberada.
Algunos trabajadores señalaron que tomaron conciencia del cambio de forma retrospectiva. A medida que los prompts durante los descansos se volvieron habituales, el tiempo de inactividad dejó de ofrecer la misma sensación de recuperación.
Aumento de multitarea
La tercera forma de intensificación fue el aumento de la multitarea.
La IA introdujo un ritmo de trabajo en el que los empleados gestionaban múltiples hilos activos en paralelo, con tareas que avanzaban simultáneamente.
El texto describe situaciones como escribir código manual mientras la IA generaba versiones alternativas, ejecutar varios agentes a la vez o reactivar tareas postergadas porque la IA podía “encargarse de ellas” en segundo plano.
Parte de ese impulso estuvo asociado a la sensación de contar con un “compañero” que ayudaba a avanzar. Sin embargo, las autoras describen un efecto acumulativo de cambios continuos de atención, chequeos frecuentes de resultados y una lista creciente de tareas pendientes.
Ese ritmo, sostienen, aumentó las expectativas en cuanto a la velocidad del trabajo. No necesariamente a través de exigencias explícitas, sino mediante lo que se volvió visible y normalizado en la práctica diaria.
Riesgos organizacionales y la “práctica de IA”
Ranganathan y Ye describen un ciclo que se refuerza a sí mismo. La IA acelera ciertas tareas, lo que eleva las expectativas de velocidad; esas expectativas aumentan la dependencia de la IA, y esa dependencia amplía el alcance del trabajo que los empleados intentan realizar.
Según el texto, ese alcance ampliado incrementa la cantidad y la densidad del trabajo. Varios participantes señalaron que, aunque se sentían más productivos, no se sentían menos ocupados y, en algunos casos, más ocupados que antes.
Un ingeniero resumió esa tensión entre expectativa y realidad: “Pensaban que, tal vez, como podían ser más productivos con la IA, ahorrarían tiempo y podrían trabajar menos. Pero, en realidad, no trabajan menos. Simplemente trabajan lo mismo o incluso más”.
Las autoras advierten que esta expansión voluntaria del trabajo puede parecer una ventaja clara para las organizaciones. Sin embargo, sostienen que puede ocultar un aumento silencioso de la carga laboral y una tensión cognitiva creciente.
Con el tiempo, ese exceso de trabajo puede afectar la capacidad de juicio, aumentar la probabilidad de errores y dificultar que las empresas distingan entre mejoras reales de productividad y una intensidad insostenible. Para los trabajadores, el efecto acumulativo es fatiga, agotamiento y una mayor dificultad para desconectarse.
