La implantación de inteligencia artificial en las empresas ha superado ya la fase de curiosidad tecnológica, pero no ha resuelto una pregunta más incómoda para los comités de dirección: cómo convertir la velocidad individual en valor financiero medible. El informe anual The State of Teams , elaborado por Atlassian a partir de encuestas a más de 12.000 trabajadores del conocimiento y 172 directivos de compañías del Fortune 1000, sitúa el ROI de la IA en el centro de esa brecha.
El dato inicial parece favorable. El 89% de los directivos afirma que la IA ha acelerado el ritmo de trabajo. Sin embargo, solo el 6% asegura contar con ejemplos claros de retorno de la inversión, mientras que el 58% admite no saber cómo medirlo. La distancia entre uso y retorno revela una adopción todavía fragmentada: la tecnología aumenta la capacidad de ejecución, aunque muchas organizaciones no han redefinido los procesos donde esa ejecución debe coordinarse.
El ROI de la IA queda limitado por la falta de métricas
La dificultad no reside únicamente en disponer de herramientas. Según Atlassian, el 46% de los directivos reconoce que los objetivos de su organización en materia de IA no están bien definidos. Esta indefinición complica cualquier intento de medir impacto financiero, especialmente cuando las iniciativas se concentran en tareas individuales y no en flujos de trabajo compartidos.
La tensión aparece con claridad en la comparación entre ejecución y coordinación. La primera mide la velocidad con la que las personas completan tareas. La segunda determina hasta qué punto los equipos comparten contexto, toman decisiones alineadas y evitan duplicidades. La IA ha progresado con rapidez en el primer terreno. En el segundo, el avance parece más irregular.
El informe apunta a una desconexión estructural: el 80% de los flujos de trabajo empresariales ocurre dentro de los equipos, pero solo el 24% de los directivos afirma orientar de forma explícita sus iniciativas de IA a ese nivel. Es una diferencia relevante para compañías que han invertido en asistentes, automatización de tareas o generación de contenido, pero que todavía operan con procesos dispersos entre departamentos.
La consecuencia es que la eficiencia se mide en unidades pequeñas, correos redactados, resúmenes creados, documentos acelerados, mientras que el retorno corporativo exige observar cadenas completas de trabajo. Ventas, producto, soporte, finanzas o tecnología pueden ganar velocidad en puntos concretos y, aun así, mantener cuellos de botella si no comparten información de forma consistente.
La colaboración marca el límite operativo de la IA
El estudio sitúa la colaboración como el espacio donde la inteligencia artificial podría tener mayor impacto empresarial. El 70% de los directivos espera que la IA impulse roles más colaborativos, aunque las estrategias actuales no siempre se diseñan alrededor de los equipos. Esa contradicción pesa en la operativa diaria.
El 87% de los trabajadores del conocimiento afirma que la presión por ejecutar cada vez más rápido les deja sin tiempo ni capacidad para coordinarse entre departamentos. La aceleración, planteada como ventaja, puede generar una nueva carga si cada área produce más información, más entregables y más decisiones parciales sin mecanismos de alineamiento.
También hay una lectura tecnológica. El 62% de los trabajadores señala que, pese a las inversiones realizadas, las herramientas que usan hoy no facilitan una colaboración adecuada entre equipos. La proliferación de aplicaciones, canales y repositorios no garantiza una mejora del trabajo compartido. En ocasiones, amplifica la fragmentación.
Atlassian denomina a este fenómeno «impuesto de fragmentación»: las ineficiencias derivadas de flujos de trabajo desconectados. Según el informe, ese coste alcanza los 161.000 millones de dólares anuales para las empresas del Fortune 500. La cifra no solo alude al tiempo perdido. También incluye errores de coordinación, duplicación de esfuerzos, retrasos en decisiones y trabajo de baja calidad que debe revisarse después.
La doctora Molly Sands, responsable de Teamwork Lab en Atlassian, resume esta tensión al señalar que «la IA ha cumplido su promesa de velocidad, pero la velocidad por sí sola no genera valor para el negocio». Su análisis desplaza el debate desde la productividad individual hacia el rediseño de los flujos de trabajo. La cuestión ya no es cuántas tareas puede acelerar una herramienta, sino cómo se integra en la forma en que los equipos comparten contexto y toman decisiones.
Esa distinción es especialmente relevante para empresas con estructuras complejas. Una organización puede automatizar partes de su actividad sin modificar la arquitectura de colaboración que condiciona el resultado final. La IA, aplicada sobre procesos caóticos, tiende a multiplicar el volumen de trabajo. No siempre mejora el progreso real.
La calidad introduce una segunda fricción
El retorno de la inversión también depende de la calidad de los resultados. Casi la mitad de los trabajadores del conocimiento, el 49%, afirma que los contenidos generados por IA no ofrecen una calidad fiable. El informe utiliza el término «AI workslop» para describir entregables de baja calidad que requieren más tiempo de corrección del que inicialmente ahorran.
Este punto introduce una advertencia para los equipos directivos. La adopción de IA no puede evaluarse únicamente por frecuencia de uso o velocidad de producción. Si los resultados aumentan la carga de revisión, trasladan trabajo a otros compañeros o generan decisiones basadas en información incompleta, el balance operativo se vuelve menos evidente.
La calidad, además, está vinculada al contexto. Los modelos pueden producir respuestas rápidas, pero su utilidad empresarial depende de instrucciones claras, datos fiables y criterios compartidos. Cuando cada empleado experimenta de forma aislada, la organización obtiene aprendizajes dispersos. Cuando los equipos rediseñan procesos completos, la IA puede insertarse en puntos donde reduce fricción, mejora trazabilidad o acelera decisiones con menos riesgo.
El informe también revela una brecha entre uso declarado e integración real. El 85% de los trabajadores afirma utilizar herramientas de IA, pero solo el 29% las ha incorporado de manera efectiva a sus flujos diarios. Esta diferencia separa la adopción superficial de la transformación operativa. Usar IA para tareas puntuales no equivale a integrarla en la gestión de proyectos, la documentación, la atención al cliente o el desarrollo de producto.
Capacitación, la inversión menos atendida
La falta de retorno claro no solo responde a problemas de medición. También aparece una brecha de capacidades. Según Atlassian, los líderes tienen un 84% más de probabilidades de invertir en herramientas que en la capacitación de sus equipos. El resultado es una adopción desigual, dependiente de la iniciativa individual y con criterios poco homogéneos.
El dato sobre percepción laboral matiza el debate habitual sobre automatización. El 90% de los trabajadores del conocimiento está un 90% más preocupado por no saber dominar la IA que por la posibilidad de que sustituya su empleo. La amenaza principal, para muchos profesionales, no se expresa como pérdida inmediata del puesto, sino como pérdida de competencia en un entorno donde la tecnología cambia la forma de trabajar.
Para los directivos, esta señal tiene implicaciones prácticas. Comprar licencias puede ser más rápido que rediseñar procesos o formar equipos, pero el retorno depende de hábitos colectivos. Sin capacitación, la IA queda vinculada a usuarios avanzados, pruebas aisladas y casos de uso difíciles de escalar. Con formación y gobernanza operativa, las empresas pueden empezar a conectar automatización, calidad y coordinación.
El estudio fue realizado por Teamwork Lab de Atlassian mediante encuestas de doble ciego entre enero y febrero de 2026. Participaron 12.035 trabajadores del conocimiento de Estados Unidos, Reino Unido, Australia, India, Alemania y Francia, además de 172 directivos globales de empresas del Fortune 1000 con cargos de vicepresidente o superiores. La muestra permite observar una tendencia amplia, aunque el reto para cada compañía será traducir esos patrones a su propia estructura de equipos, sistemas y procesos.
La IA ya está acelerando partes del trabajo empresarial. El siguiente obstáculo está menos relacionado con la disponibilidad de tecnología que con la capacidad de medir, coordinar y corregir. Para las organizaciones que han iniciado inversiones significativas, el retorno dependerá de una decisión operativa concreta: llevar la IA desde el escritorio individual hasta los flujos compartidos donde se produce buena parte del valor empresarial.
