Productividad paliativa: cuando la IA te hace sentir productivo sin serlo

Hay una imagen que me ronda desde que empecé a pensar en esto. Imagínate a alguien remando con todas sus fuerzas en un bote que está atado al muelle. La cuerda no se ve. Desde fuera, parece que está trabajando muchísimo. Desde dentro, siente el esfuerzo, el sudor, la fatiga real. Pero el bote no se mueve.

1. Las once de la noche y una pestaña abierta

Son las once de la noche. Tienes el portátil sobre las piernas y una pestaña de ChatGPT abierta. No sabes muy bien para qué. Tienes un correo que llevas tres días posponiendo, una propuesta que deberías revisar y la vaga sensación de que “algo” tienes que hacer. Le pides a la IA que te resuma un artículo que no vas a leer. Después le pides que te genere ideas para una reunión que no es hasta el jueves. Después le pides que reescriba un párrafo que ya estaba bien.

Cuando cierras el portátil, una hora más tarde, te sientes mejor. Más ligero. Como si hubieras hecho algo. Al día siguiente, el correo sigue ahí.

¿Te suena?

Lo que te pasó esa noche no es un problema de gestión del tiempo. Tampoco es vagancia. Es algo más sutil, y diría que más interesante: usaste la IA como un calmante. No para ser productivo. Para sentirte productivo. Y esa diferencia, que parece menor, esconde buena parte de lo que está ocurriendo ahora mismo con nuestro vínculo con estas herramientas.

A esa sensación subjetiva de estar produciendo, que calma la ansiedad sin traducirse necesariamente en resultados, voy a llamarle productividad paliativa. Y creo que merece la pena detenernos a mirarla.

2. La paradoja vieja con ropa nueva

Hay una paradoja que los economistas llevan décadas masticando: cuanto más tecnología metemos en el trabajo, menos crece la productividad real. Brynjolfsson, Rock y Syverson (2017) la describieron como “la paradoja moderna de la productividad”. Esperamos que cada nueva herramienta dispare nuestros resultados, y los datos se empeñan en mostrarnos otra cosa: las curvas de productividad agregada apenas se mueven, o se mueven más despacio de lo que la promesa anuncia.

Con la IA generativa ha vuelto a pasar. Hay estudios que muestran ganancias reales en tareas concretas. Y hay otros, como el de Yin y Wang (2026), que documentan algo más incómodo: la IA generativa actúa a veces como un estresor paradójico. Te hace ir más rápido y, al mismo tiempo, te deja con la sensación de ir más lento. Te ahorra tiempo y, al mismo tiempo, te lo llena de más cosas que hacer.

No se trata solo de que la IA no cumpla la promesa. Se trata de algo más interesante: la promesa misma puede estar mal formulada. Damos por hecho que el problema que la IA viene a resolver es la falta de tiempo o la falta de eficiencia. Y puede que el problema real, el que mueve nuestras manos a abrir ChatGPT a las once de la noche, sea otro: la incertidumbre.

Cuando no sabes si tu trabajo seguirá existiendo dentro de cinco años, cuando no sabes si lo que haces sigue siendo valioso, cuando ves a tu alrededor a gente “haciendo cosas con IA” y no sabes muy bien si tú estás haciendo suficiente, el ruido de fondo no es el reloj. Es la ansiedad. Y a la ansiedad, históricamente, no la calmamos con resultados. La calmamos con rituales.

3. Productividad paliativa: cómo funciona el mecanismo

Llamo productividad paliativa a la sensación subjetiva de estar siendo productivo que calma la ansiedad laboral sin traducirse necesariamente en resultados objetivos. Funciona como un analgésico: no cura el dolor, lo amortigua. Y como todo analgésico, tiene su utilidad y tiene su trampa.

La utilidad es obvia: el dolor se vuelve soportable. La trampa también: si el dolor venía a avisarte de algo, lo has silenciado sin atender el aviso.

Hay varios mecanismos psicológicos detrás. Voy a nombrarlos brevemente, sin meternos en honduras técnicas.

El primero es lo que en terapia llamamos “evitar el malestar a corto plazo”. Hayes y colegas (1996) lo describieron con un término más técnico, evitación experiencial, pero la idea es simple: cuando una emoción nos resulta intolerable, hacemos cualquier cosa que la apague aunque sea por un rato. Comer, fumar, scrollear, comprar, trabajar. Y, desde hace poco, abrir ChatGPT. No porque tengas una tarea clara, sino porque la pantalla en blanco te permite hacer algo con las manos mientras tu cabeza se distrae de la pregunta incómoda: “¿y si lo que estoy haciendo no sirve?”.

El segundo es el efecto placebo de la IA. Kosch y colegas (2022) demostraron algo curioso: cuando a la gente le dicen que una herramienta tiene IA dentro, rinde mejor aunque la herramienta sea idéntica a la versión sin IA. La etiqueta de “inteligencia artificial” funciona como un placebo cognitivo: genera la expectativa de hacerlo mejor, y esa expectativa, por sí sola, ya cambia el rendimiento subjetivo. No estoy diciendo que la IA no haga nada. Estoy diciendo que parte de lo que sentimos que hace, lo hacemos nosotros al creerlo.

El tercero es el bucle estrés-uso. Satoto y colegas (2025) lo llaman “la paradoja de la irritación productiva”: cuanto más nos estresa una herramienta, más la usamos, y cuanto más la usamos, más nos estresa. Es como rascarse una picadura. Sabes que rascándote la inflamas, y aun así sigues. El alivio inmediato gana siempre la batalla contra la consecuencia diferida.

El cuarto es la productividad performativa. Aquí entran trabajos como el de Supriadi (2024) sobre el task masking —enmascarar tareas— en empleados jóvenes, o el clásico de Bellezza y colegas (2016) sobre el consumo conspicuo del tiempo: estar ocupado se ha convertido en una señal de estatus. No se trata solo de hacer cosas. Se trata de que se vea que las haces. Y la IA es perfecta para esto: produce outputs visibles, formateados, con apariencia de trabajo cualificado. Aunque después esos outputs no se usen, o no resuelvan nada, ya cumplieron su función social. Como dijo Graeber (2018) hablando de los bullshit jobs, hay mucho trabajo cuya función real no es producir valor, sino producir la apariencia de estar produciéndolo. La IA, sin proponérselo, ha multiplicado por mil esa capacidad.

Hay un último ingrediente que conviene nombrar. Shepherd y colegas (2011) mostraron que cuando las personas sentimos que perdemos el control, nos aferramos con más fuerza a cualquier estructura que nos lo devuelva, aunque sea una estructura simbólica. La IA, con su interfaz de chat, su respuesta instantánea y su disponibilidad permanente, ofrece exactamente eso: una sensación de control en un entorno que cada vez controlamos menos.

Suma todo esto y tienes el cóctel: trabajo cuya función real no está clara, ansiedad de fondo por la incertidumbre, una herramienta que produce la apariencia de competencia con un par de clics, y un placebo que hace que sintamos que rendimos más. La productividad paliativa no es un fallo del sistema. Es lo que el sistema produce cuando lo dejas funcionar.

4. Por qué no nos afecta a todos por igual

Hasta aquí hemos hablado del fenómeno como si fuera universal. Y es donde se pone interesante: no lo es.

Los datos del Pew Research Center (2023) ya apuntaban algo que estudios más recientes han confirmado: hay una brecha de género clara en el uso de la IA generativa. En aquel estudio temprano, alrededor del 29% de los hombres habían usado ChatGPT frente al 14% de las mujeres. Stephany y Duszynski (2026), en un trabajo con un título que vale por mil resúmenes —“Women Worry, Men Adopt”—, muestran que la brecha persiste y se complica: las mujeres reportan más preocupación sobre los riesgos de la IA, y los hombres reportan adopción más temprana y más entusiasta. Zahs y colegas (2026) lo confirman en contextos laborales. Dorta-González y colegas (2024) lo encuentran entre investigadores académicos. Asio y Sardina (2025) lo encuentran en autoeficacia percibida.

Es tentador leer estos datos rápido y sacar la conclusión fácil: “los hombres son más innovadores, las mujeres más cautas”. Esa lectura es perezosa, y diría que equivocada.

Lo que muestran los estudios cuando se afina la mirada es más sutil. No se trata de que las mujeres usen menos la IA por miedo a la tecnología. Se trata de que la usan distinto. Cuando las mujeres usan IA generativa, tienden a hacerlo de forma más táctica: para tareas concretas, con un objetivo claro, y con criterios más exigentes sobre el resultado. Cuando los hombres la usan, hay un componente mayor de adopción performativa: probarla, mostrarla, integrarla en la identidad profesional como “alguien que está al día”.

¿Por qué? Aquí entramos en terreno más resbaladizo, pero creo que merece la pena. La socialización de género, en la mayoría de contextos occidentales, hace cosas distintas con el control, con la competencia y con la incertidumbre.

A los hombres se nos socializa, en términos generales, para mostrar competencia incluso cuando no la tenemos. El “fake it till you make it” tiene un componente de género evidente. La incertidumbre se gestiona hacia fuera: actuando, decidiendo, lanzándose. Una herramienta que te permite producir outputs sofisticados en segundos encaja perfectamente con esa gramática.

A las mujeres se las socializa, también en términos generales, para ser competentes antes de mostrarse competentes. Para evaluarse a sí mismas con más severidad. Para que el coste social de equivocarse en público sea más alto. En ese contexto, una herramienta que produce resultados que tú tendrías que firmar es una herramienta que activa más cautela, no menos interés. No es miedo a la tecnología: es haber aprendido que el margen de error que te dan los demás es más estrecho.

Hay otro factor que no se nombra suficiente. Bernstein (2012) habló de “la paradoja de la transparencia”: cuando se nos observa mucho, rendimos peor. Las mujeres, en muchos entornos laborales, son observadas más. Su rendimiento es escrutado con más detalle. Adoptar entusiastamente una herramienta cuyos resultados aún son irregulares, en un entorno donde tu margen de error es menor, no es timidez. Es lectura realista del campo.

Y todavía hay otro factor, este más doméstico. La productividad paliativa, ese ritual nocturno con ChatGPT, requiere algo que no se reparte por igual: tiempo no estructurado para “jugar” con la herramienta. Cuando vuelves a casa y la segunda jornada empieza —la doméstica, la de cuidados— las horas para abrir una pestaña a las once de la noche “a ver qué pasa” no están ahí. No es que las mujeres no necesiten calmar la ansiedad laboral. Es que tienen menos espacio para hacerlo con esta vía concreta.

Entonces, ¿la brecha es buena o mala? Aquí me resisto a sacar la conclusión moral, porque sería traicionar el resto del artículo. Lo que sí diría es esto: si la productividad paliativa es un mecanismo de alivio que no cura el problema, las personas que tienen más acceso a ese alivio no están necesariamente mejor. Pueden estar simplemente más anestesiadas.

5. ¿Y entonces qué?

Llegados aquí, podría escribir el típico cierre de “siete pasos para usar la IA conscientemente”. No lo voy a hacer, entre otras cosas porque no me lo creo. La productividad paliativa no se desactiva con una checklist. Es un patrón profundo, hecho de incertidumbre real, condiciones laborales precarias y herramientas diseñadas precisamente para enganchar.

Pero sí creo que hay un par de preguntas que merece la pena hacerse. Y que se las podemos hacer sin culpa, porque esto no va de culpa. Estamos todos metidos en el mismo barro.

La primera pregunta es cuál es la necesidad real. Cuando abres ChatGPT a las once de la noche, ¿qué estás intentando calmar? Puede que sea una tarea concreta que tienes pendiente. Pero también puede que sea miedo a quedarte atrás, sensación de que no haces suficiente, ansiedad ante un entorno que cambia más rápido de lo que digieres. Esa pregunta no la responde la IA. La respondes tú, si te paras un momento antes de teclear.

La segunda es qué pasaría si no lo hicieras. No de forma militante. No “voy a hacer un detox digital”. Solo, a veces, observar qué aparece cuando la mano no va a la pestaña. A veces aparece aburrimiento, que es donde nacen las ideas. A veces aparece cansancio, que es una información valiosa. A veces aparece tristeza, o miedo, o la sospecha de que tu trabajo no tiene mucho sentido. Todo eso es información, y si lo tapas demasiado rápido, te quedas sin saber qué hacer con tu vida laboral.

La tercera es para qué estás usando esta herramienta. No “para qué sirve” en abstracto, sino “para qué la estoy usando yo, esta noche, esta semana”. Si la respuesta es “para producir mejor X concreto”, estupendo. Si la respuesta es “para sentirme menos perdido”, entonces lo que tienes entre manos no es un problema de productividad. Es un problema de sentido. Y los problemas de sentido no se resuelven generando más texto.

No se trata de demonizar la IA. Sería ridículo, y no sirve de nada. Se trata de no confundir la herramienta con el calmante. La IA, bien usada, puede ser una herramienta útil. Mal usada, es como tomarse paracetamol para un dolor de muelas que no se va a ir hasta que vayas al dentista.

Quizá ese sea el primer paso: incomodarnos un poco. Reconocer que parte de lo que hacemos con estas herramientas no es trabajo, es ritual. Y los rituales no son malos —de hecho, los necesitamos—, pero conviene saber qué ritual estamos haciendo y para qué.

6. Una pregunta para el final

Hay una imagen que me ronda desde que empecé a pensar en esto. Imagínate a alguien remando con todas sus fuerzas en un bote que está atado al muelle. La cuerda no se ve. Desde fuera, parece que está trabajando muchísimo. Desde dentro, siente el esfuerzo, el sudor, la fatiga real. Pero el bote no se mueve.

La productividad paliativa funciona un poco así. No es que no estés haciendo esfuerzo. Es que parte de ese esfuerzo está atado a una cuerda que no decidiste tú: la de un trabajo cuyo sentido no controlas, la de una incertidumbre que no se calma sintetizando más correos, la de unas expectativas sociales que confunden “hacer mucho” con “hacer algo que importa”.

No te voy a decir que sueltes la cuerda. A veces no se puede. A veces hay que comer, hay que pagar el alquiler, hay que seguir donde estás un tiempo más. Pero saber que la cuerda existe ya cambia algo. Aunque sigas remando, dejas de creerte que el bote se mueve.

Así que la pregunta con la que te dejo no es “¿deberías usar menos la IA?”. Esa pregunta es tramposa y la respuesta depende de mil cosas. La pregunta es esta: la próxima vez que abras la pestaña, ¿qué estás intentando calmar?

Si puedes contestar a eso con honestidad, ya has hecho más trabajo —del que importa— que en muchas noches de teclear.

---

Referencias

Bellezza, S., Paharia, N., & Keinan, A. (2016). Conspicuous Consumption of Time: When Busyness and Lack of Leisure Time Become a Status Symbol. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucw076

Bernstein, E. S. (2012). The Transparency Paradox: A Role for Privacy in Organizational Learning and Operational Control. Administrative Science Quarterly. https://doi.org/10.1177/0001839212453028

Brynjolfsson, E., Rock, D., & Syverson, C. (2017). Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics. NBER Working Paper. https://doi.org/10.3386/w24001

Burke, R. J. (2000). Workaholism in organizations: Psychological and physical well-being consequences. Anxiety, Stress & Coping. https://doi.org/10.1080/10615800008248333

Caporusso, N. (2023). Generative Artificial Intelligence and the Emergence of Creative Displacement Anxiety. Research Directs in Psychology and Behavior. https://doi.org/10.53520/rdpb2023.10795

Dorta-González, P., Dorta-González, M. I., & Suárez-Vega, R. (2024). GenAI usage by researchers: Effects of gender. Telematics and Informatics. https://doi.org/10.1016/j.tele.2024.102187

Asio, J. M. R., & Sardina, D. P. (2025). Gender differences on AI self-efficacy. Journal of Pedagogical Research. https://doi.org/10.33902/jpr.202533231

Fix, B. (2025). The Productivity of Bullshit Jobs. https://doi.org/10.59350/zzsnd-8ez61

Graeber, D. (2018). Bullshit Jobs: A Theory. Simon & Schuster.

Han, B. (2025). Algorithmic Time and the Discipline of Digital Capitalism. https://doi.org/10.2139/ssrn.5734462

Hayes, S. C., Wilson, K. G., Gifford, E. V., Follette, V. M., & Strosahl, K. (1996). Experiential avoidance and behavioral disorders. Journal of Consulting and Clinical Psychology. https://doi.org/10.1037/0022-006X.64.6.1152

Kosch, T., Welsch, R., Chuang, L., & Schmidt, A. (2022). The Placebo Effect of Artificial Intelligence in Human-Computer Interaction. ACM Transactions on Computer-Human Interaction. https://doi.org/10.1145/3529225

Pew Research Center. (2023). Most Americans haven’t used ChatGPT.

Satoto, A., et al. (2025). The Paradox of Productive Irritation. https://doi.org/10.2139/ssrn.5408386

Shepherd, S., Kay, A. C., Landau, M. J., & Keefer, L. A. (2011). Evidence for the specificity of control motivations in worldview defense. Journal of Experimental Social Psychology. https://doi.org/10.1016/j.jesp.2011.03.026

Shin, M., & Kemps, E. (2020). Media multitasking as an avoidance coping strategy. Anxiety, Stress & Coping. https://doi.org/10.1080/10615806.2020.1745194

Stephany, F., & Duszynski, J. (2026). Women Worry, Men Adopt: How Gendered Perceptions Shape the Use of Generative AI. arXiv preprint. https://arxiv.org/abs/2601.03880

Supriadi, S. (2024). Task Masking Among Generation Z Employees. https://doi.org/10.62207/fsaazw60

Thompson, D. (2019). Workism is making Americans miserable. The Atlantic.

Trinh, M. (2025). Redefining Busyness. https://doi.org/10.5465/amproc.2025.18401abstract

Yin, J., & Wang, Y. (2026). Paradoxical Effects of GenAI Stressors. Asia Pacific Journal of Human Resources. https://doi.org/10.1111/1744-7941.70074

Zahs, A., et al. (2026). Mind the Gap: Gender Differences in GenAI Adoption at Work. Proceedings of HICSS. https://doi.org/10.24251/hicss.2026.812