Por Qué la IA Acelera a los Trabajadores Individuales Pero Deja Rezagadas a las Empresas Completas

Puntos clave

• El Informe State of Teams 2026 de Atlassian encuestó a 12.000 trabajadores y encontró que el 89% de los ejecutivos de las Fortune 1000 dicen que la IA está acelerando a los individuos en sus empresas.
• Solo el 6% de esos mismos ejecutivos podría señalar un ejemplo específico y concreto de retorno financiero de la IA.
• Aproximadamente el 14% de los equipos dentro de esas organizaciones había logrado convertir el uso de IA en valor real y medible.
• Los equipos que tuvieron éxito compartían dos características fundamentales: conocimiento organizacional compartido y flujos de trabajo rediseñados, sostenidos por una cultura que acogía los experimentos fallidos.
• Atlassian probó "acuerdos de trabajo con IA", reglas de equipo escritas sobre cómo y cuándo usar la IA, y encontró que mejoraban la velocidad, la calidad de las decisiones y la producción.

Imagina una carrera de relevos donde cada corredor obtiene zapatos más rápidos, pero nadie se pone de acuerdo sobre la ruta. Eso es más o menos lo que está sucediendo dentro de la mayoría de las empresas que usan IA en este momento, según la Dra. Molly Sands.

Sands dirige el Teamwork Lab en Atlassian, la empresa detrás de herramientas de gestión de proyectos como Jira y Confluence. Su equipo de científicos del comportamiento estudia cómo la IA está cambiando la forma en que las personas trabajan juntas, e ingresa en las organizaciones y realmente cambia las cosas. Compartió los hallazgos del laboratorio en VB Transform 2026, informado primero por VentureBeat.

Entonces, ¿por qué la IA no está dando resultados?

Las empresas están entrenando a individuos, no a equipos. Las herramientas se vuelven más rápidas; la coordinación sigue siendo deficiente.

El Informe State of Teams anual de Atlassian, que encuestó a 12.000 trabajadores en todo el mundo e entrevistó a aproximadamente 200 ejecutivos de empresas Fortune 1000 (las 1.000 empresas más grandes de Estados Unidos por ingresos), encontró una brecha incómoda. Casi nueve de cada diez ejecutivos dijeron que las personas en sus empresas estaban trabajando más rápido con la IA. Solo el 6% pudo nombrar un lugar específico donde esa velocidad se había convertido en un retorno financiero real.

Aproximadamente el 14% de los equipos, sin embargo, lo había logrado. AI2Day cubrió primero este informe el 24 de julio de 2026 cuando Atlassian publicó hallazgos anteriores; la brecha de productividad solo se ha agudizado desde entonces. Lo que diferenciaba a los equipos de alto rendimiento se redujo a tres cosas.

Conocimiento compartido. Los equipos ganadores almacenaban objetivos, decisiones y contexto organizacional en herramientas que todos podían ver, en lugar de mantener todo en cabezas individuales o hilos de chat privados. Atlassian llama a esto un "gráfico de contexto", esencialmente un mapa vivo de quién está haciendo qué y por qué, que las herramientas de IA pueden leer y usar. Sin él, un asistente de IA solo sabe lo que sabe la persona frente a él.

Flujos de trabajo rediseñados. Los equipos de alto rendimiento no solo aceleraron las tareas existentes. Reconstruyeron procesos completos desde cero. Sands fue blunt sobre el riesgo de omitir este paso: hacer que los individuos sean más rápidos sin alinearlos, y "muy rápidamente comenzarán a chocar entre sí".

Una cultura que permite el fracaso. Los equipos más rápidos tenían líderes que hacían que la experimentación fuera segura. Algunos experimentos fallarían. Ese era el punto.

¿Qué hicieron realmente diferente los equipos ganadores?

Impusieron restricciones deliberadas para aprender rápido. Un ejemplo: un equipo se comprometió a escribir cero líneas de código a mano durante una semana, forzando a todos a trabajar a través de herramientas de IA. Insostenible a largo plazo, dijo Sands, pero "una forma realmente, realmente rápida de aprender".

También escribieron reglas antes de comenzar proyectos. Atlassian llama a estos "acuerdos de trabajo con IA", un documento breve donde el equipo decide junto qué usarán la IA para, qué seguirán haciendo ellos mismos, qué agentes de IA compartirán, y qué habilidades básicas todos necesitan. Los equipos que adoptaron esta práctica se movieron más rápido y produjeron mejor trabajo.

La lección más profunda no es una nueva. Los supuestos ocultos y los modelos mentales desalineados han ralentizado a los equipos mucho antes de que existiera la IA. La IA no crea esos problemas. Los hace más costosos de ignorar, y esa es la parte que la mayoría de los programas de cambio todavía están perdiendo.

Preguntas frecuentes

¿Significa esto que las herramientas de IA son una pérdida de dinero si los equipos no están listos?

No exactamente. Los trabajadores individuales se vuelven genuinamente más rápidos, y eso tiene cierto valor. El problema es que la velocidad sin coordinación rara vez se traduce en el tipo de retorno que se refleja en un balance.

¿Qué puede hacer un gerente comenzando esta semana?

Haz una breve reunión antes del próximo proyecto y escribe juntos qué tareas el equipo usará la IA para y cuáles no. Esa única conversación cierra más brechas que horas de entrenamiento individual en IA.