Por qué la IA no alcanza el 10x de productividad que promete

El artículo «How AI Productivity Fails» de Shrivu Shankar explora por qué la productividad prometida por la IA generativa no está alcanzando los incrementos de 10x que muchos usuarios esperan, y en cambio la mayoría experimenta mejoras de solo 10-20%. El autor argumenta que lograr una transformación real requiere dos cambios simultáneos: práctica individual y rediseño organizacional. En cuanto a los errores personales, el principal es no hacer planificación previa (shift left). La IA elimina la fricción que antes obligaba a pensar antes de actuar, lo que causa que se envíen sistemas difíciles de depurar o extender. La recomendación es estructurar primero: encabeceros, audiencia, objetivos y principios, luego dejar que la IA complete. Otro problema son las tareas pequeñas: la sobrecarga contextual no se reduce con el tamaño del trabajo, así que una corrección de dos líneas cuesta lo mismo que una característica completa. La heurística es pedirle a la IA tareas suficientemente grandes (una solicitud de pulling, una sección, una campaña). También está el problema del paralelismo: hay un límite cognitivo de cuántos agentes puede manejar un humano sin perder contexto, generalmente 3. Además, muchos usuarios permanecen en el bucle cuando podrían cerrar el último 1% mediante infraestructura de verificación automática (pruebas, verificaciones de tipo, consultas). Finalmente, la falta de apalancamiento en la construcción: en lugar de crear habilidades reutilizables, cada sesión es efímera. La Recommendation es codificar reglas (cuando te atrapas editando salida, eso es una regla a guardar). En cuanto a errores organizacionales, el más común es promover uso en lugar de resultados: medir tokens o número de sesiones es fácil pero no produce valor real. También hay proliferación de herramientas y falta de arquitectura compatible con IA en sistemas existentes. El artículo concluye diciendo que la única habilidad que se nivela es «asking Claude», pero la habilidad viene del esfuerzo cognitivo que la IA evita, así que hay que usarla en tareas donde tú eres el propietario del domaine para que las correcciones sean reales.