Dominar la IA añade un segundo trabajo invisible y eleva el desgaste

El análisis español de Wellhub, actualizado el 16 de octubre de 2026, recoge que el 27 % de los trabajadores afirma que la IA ha aumentado su carga laboral; entre los pioneros, quienes más la dominan, la proporción llega al 39 %. El desgaste diario declarado alcanza al 23 % de ese grupo, frente al 17 % de los principiantes. Son respuestas de una encuesta: la coincidencia entre mayor dominio, carga y desgaste no demuestra que la IA sea la causa de este último.

La cobertura de RRHHDigital publicada ese mismo día añade que el 71 % de los pioneros españoles ayuda a sus compañeros a utilizar IA, mientras que entre los principiantes el 12 % declara un aumento de carga. Los resultados sitúan la formación informal junto a las tareas habituales de los empleados más avanzados. No indican cuánto tiempo ocupa esa ayuda ni si las empresas han ajustado el resto de sus responsabilidades.

La formación informal se incorpora a la jornada

Ayudar a un compañero puede consistir en explicar una función, resolver una duda sobre un resultado o volver sobre un procedimiento cuando aparece un error. Cada intervención ocupa tiempo de quien enseña y puede interrumpir la tarea que tenía asignada. Cuando las consultas son recurrentes, esa disponibilidad pasa a formar parte del trabajo diario, aunque no siempre aparezca en los objetivos del puesto.

Ahí reside el carácter invisible de la carga: la organización puede beneficiarse de que una persona extienda el uso de la herramienta por el equipo sin reservarle horas para formar a otros. Esa posibilidad es una explicación del mecanismo, no una cantidad medida por la encuesta. Los datos muestran cuántos pioneros dicen ayudar; no permiten convertir esa respuesta en horas añadidas, ni afirmar que todos desempeñen la misma función.

También importa distinguir entre una consulta ocasional y una responsabilidad estable. Si las preguntas recaen repetidamente en las mismas personas, la adopción de IA puede modificar su puesto antes de que cambien sus tareas formales. En tal caso, evaluar únicamente sus entregas individuales dejaría fuera parte de la contribución que permite trabajar al resto del equipo.

La supervisión puede absorber parte del tiempo ganado

El trabajo adicional no se limita a enseñar. Un resultado generado con IA puede requerir que alguien contraste datos, corrija errores y decida si sirve para el uso previsto. Aunque producir una primera versión lleve menos tiempo, la revisión sigue ocupando atención y puede concentrarse en quienes tienen más experiencia con la herramienta.

Ese proceso ofrece una explicación plausible de la carga declarada, pero el estudio español no mide por separado las horas dedicadas a supervisar resultados. Tampoco establece si los pioneros reciben más encargos porque terminan antes ciertas tareas o si ya ocupaban puestos con mayores responsabilidades. La diferencia entre grupos describe una experiencia laboral; por sí sola no identifica qué parte de esa experiencia se debe a cada actividad.

El balance de tiempo depende de lo que ocurra después del ahorro inicial. Si una tarea rutinaria se acorta y el tiempo liberado se destina a validar resultados, responder consultas o aceptar nuevos encargos, la jornada puede sentirse más llena sin que la herramienta funcione peor. Por eso, la pregunta para el reparto del trabajo no es solo cuánto tarda la IA en producir algo, sino quién se responsabiliza de convertirlo en una entrega utilizable.

Qué mide la encuesta y qué aporta México

El comunicado mexicano de Wellhub detalla que QuestionPro encuestó en línea a más de 5.000 empleados a tiempo completo de diez países entre el 12 y el 19 de junio de 2026; en México, el 44 % de los pioneros declaró más carga por la IA y el 81 % afirmó capacitar a compañeros. Son cifras del mismo estudio correspondientes a otro mercado. La similitud del patrón aporta contexto, pero las proporciones mexicanas no describen a la plantilla española.

La clasificación de los encuestados combina uso de IA, comodidad con ella y dependencia de estas herramientas en el trabajo. En el componente de uso, el nivel más alto incluye capacitar a compañeros. Eso exige cautela al interpretar la frecuencia de formación entre pioneros: ayudar a otros forma parte de la manera de identificar a los usuarios más avanzados, además de ser una actividad que se observa en ellos.

Los grupos pueden diferir en aspectos que la comparación publicada no aísla, como el tipo de puesto, la complejidad de sus encargos o el apoyo recibido. Una persona puede usar IA con frecuencia precisamente porque su trabajo exige resolver más problemas. La encuesta relaciona respuestas sobre dominio, carga y desgaste, pero no sigue el tiempo de trabajo de cada participante antes y después de adoptar la tecnología.

El reparto de carga queda fuera de las entregas individuales

Para saber qué parte del trabajo se está desplazando hacia los pioneros harían falta registros de las consultas que atienden, del tiempo reservado a formar y de las validaciones que se les asignan. También sería necesario observar si esas funciones sustituyen otras tareas o se añaden a ellas. Son indicadores posibles para describir el reparto de responsabilidades, no resultados que Wellhub haya medido.

La diferencia afecta a la planificación y a la evaluación. Una persona que ayuda a varios compañeros puede entregar menos trabajo propio durante la misma jornada y, aun así, haber sostenido una parte importante de la adopción del equipo. Si esa aportación no cuenta, la organización puede interpretar como capacidad libre un tiempo que ya está comprometido.

El desgaste declarado convierte esa cuestión de reparto en una consecuencia laboral concreta. Reconocer la formación y la supervisión como tareas permitiría discutir quién debe asumirlas y qué otras obligaciones ocupan, sin atribuir a la IA una causa que la encuesta no ha probado. Mientras esa actividad permanezca fuera de los objetivos y de la carga asignada, los empleados que facilitan la adopción seguirán aportando un trabajo difícil de ver en sus entregas.

Lee también:

• Twitch añade una suscripción por cada cinco regalos, pero solo en formato doble
• YouTube tolera violencia desde el segundo 8, pero limita los anuncios
• OpenAI mantiene en pausa su mayor entrenamiento: Astra eleva el riesgo