Este tfg analiza la relación entre el uso de la inteligencia artificial generativa y la productividad de los empleados mediante el estudio de un caso empresarial del sector del software. Se examinan las principales aplicaciones de estas herramientas en tareas de atención al cliente y trabajo basado en conocimiento, así como sus efectos sobre el tiempo de ejecución, la calidad del trabajo y el desempeño de los empleados. El estudio se basa en la revision de estudios recientes, informes institucionales y evidencia empírica sobre la incorporación de la inteligencia artificial generativa en el entorno laboral. Los resultados permiten identificar tanto las posibilidades de mejora de la productividad como las limitaciones asociadas a su implantación, entre ellas la necesidad de formación, supervisión humana, calidad de la información y adaptación de los procesos internos. Finalmente, se plantean conclusiones relacionadas con la integración responsable de estas tecnologías en las organizaciones.
Índice general
1. Introducción
2. Problema de investigación
3. Objetivos y pregunta de investigación
3.1. Objetivo general
3.2. Objetivos específicos
3.3. Pregunta de investigación
4. Marco teórico
4.1. Inteligencia artificial generativa y transformación del trabajo
4.1.1. Concepto y capacidades
4.1.2. Automatización, apoyo y tecnología de propósito general
4.1.3. Riesgos y límites de uso
4.2. Productividad laboral y evidencia sobre inteligencia artificial generativa
4.2.1. Concepto y medición de la productividad
4.2.2. Evidencia empírica reciente
4.2.3. Experiencia, aprendizaje y distribución de beneficios
4.3. Integración humano-IA en la empresa
4.3.1. Complementariedad y rediseño del trabajo
4.3.2. Condiciones organizativas para obtener productividad
4.3.3. Situación de adopción en España
5. Metodología
5.1. Diseño de investigación
5.2. Selección y descripción del caso
5.3. Fuentes de información
5.4. Variables e indicadores de análisis
5.5. Procedimiento de análisis
5.6. Limitaciones metodológicas
6. Análisis y estudio de caso
6.1. Contexto de la empresa y del proceso de trabajo
6.2. Implantación del asistente generativo
6.3. Resultado principal: productividad
6.4. Diferencias según experiencia y desempeño inicial
6.5. Calidad del servicio, clientes y experiencia de trabajo
6.6. Aprendizaje y transferencia de conocimiento
6.7. Comparación del caso con otros entornos de trabajo
6.8. Implicaciones para empresas españolas
7. Discusión
7.1. Interpretación de los resultados
7.2. Coincidencias y diferencias con la literatura
7.3. Implicaciones organizativas y límites
8. Conclusiones
Objetivos y temas de la investigación
El objetivo central de la investigación consiste en analizar la relación entre el uso de herramientas de inteligencia artificial generativa y la productividad laboral de los empleados, respondiendo a la pregunta de cómo influye la incorporación de un asistente conversacional en el desempeño de los trabajadores y qué condiciones explican que sus efectos varíen significativamente según el perfil individual y la naturaleza de las tareas asignadas.
- Impacto cuantitativo de la inteligencia artificial generativa en la resolución de incidencias y tiempos de atención.
- Heterogeneidad en la distribución de beneficios según los años de experiencia y el nivel de cualificación inicial del trabajador.
- Mecanismos de transferencia de conocimiento tácito, aprendizaje organizacional y reducción de la curva formativa.
- Complementariedad humano-sistema frente a la automatización sustitutiva, redefiniendo las funciones de supervisión y criterio experto.
- Condiciones organizativas, gobernanza de datos y pautas de adopción aplicables al tejido empresarial en España.
Extracto del libro
4.1.2. Automatización, apoyo y tecnología de propósito general
La discusión sobre IA y empleo suele presentarse como una oposición entre sustitución y complementariedad. Acemoglu y Restrepo (2019) proponen un enfoque basado en tareas: la automatización desplaza trabajo humano en determinadas actividades, pero la tecnología también puede elevar la productividad, crear nuevas tareas y aumentar la demanda de otras capacidades. La IAG encaja especialmente bien en este enfoque porque rara vez automatiza una ocupación completa de una sola vez; lo habitual es que afecte a partes del flujo de trabajo.
Eloundou et al. (2024) estiman la exposición de las ocupaciones a los grandes modelos de lenguaje a partir de las tareas que las componen. Su análisis muestra que la posible incidencia de estas tecnologías se distribuye entre numerosas ocupaciones, incluidas muchas de cualificación media y alta. La Organización Internacional del Trabajo (Gmyrek et al., 2025) llega a una conclusión semejante al señalar que una parte importante del empleo mundial está expuesta a algún grado de IAG, aunque la transformación de tareas resulta más probable que la sustitución completa del puesto.
Esta visión se relaciona con una literatura previa sobre automatización. Autor (2015) señala que la tecnología suele sustituir determinadas tareas a la vez que aumenta el valor de otras, mientras que Agrawal et al. (2019) destacan que la IA reduce especialmente el coste de la predicción y desplaza la importancia hacia el juicio y la decisión. En la práctica empresarial, Davenport y Ronanki (2018) ya identificaban como usos frecuentes de la IA la automatización de procesos, la obtención de conocimiento y la interacción con clientes. La IAG amplía estas posibilidades mediante interfaces de lenguaje natural y generación de contenidos.
Desde la productividad, considerar la IAG como tecnología de propósito general implica reconocer que el efecto no aparece de manera automática. Brynjolfsson et al. (2021) plantean la denominada curva J de productividad: durante la introducción de una tecnología de alcance amplio, las organizaciones realizan inversiones complementarias en capital intangible, aprendizaje y rediseño de procesos; por esta razón, los beneficios pueden tardar en reflejarse.
Resumen de los capítulos
1. Introducción: Presenta la rápida integración de la inteligencia artificial generativa en tareas de conocimiento, el interés corporativo en la productividad y el contexto de adopción tecnológica tanto internacional como en España.
2. Problema de investigación: Expone la brecha entre la celeridad de implantación de herramientas generativas y el conocimiento empírico disponible sobre sus impactos cualitativos, cuantitativos y distributivos en el rendimiento laboral.
3. Objetivos y pregunta de investigación: Establece el objetivo general, los objetivos específicos y la interrogante directriz centrada en dilucidar los efectos y condiciones que modulan el rendimiento laboral tras la implantación de un asistente de lenguaje.
4. Marco teórico: Desarrolla los fundamentos conceptuales de la inteligencia artificial generativa, las métricas de productividad, las teorías sobre tecnologías de propósito general y los modelos de complementariedad y gobernanza humano-sistema.
5. Metodología: Detalla el diseño metodológico de estudio de caso único documental descriptivo y explicativo, justificando la selección de datos secundarios de 5.172 agentes y definiendo las matrices de variables e indicadores de análisis.
6. Análisis y estudio de caso: Analiza pormenorizadamente los datos del caso de soporte técnico, evidenciando un aumento medio del 15% en productividad, mejoras acentuadas en trabajadores noveles y efectos positivos en calidad y retención.
7. Discusión: Interpreta los hallazgos a la luz de la literatura existente, analizando la complementariedad diferenciada, las limitaciones del modelo algorítmico frente al criterio experto y las exigencias de reorganización interna.
8. Conclusiones: Sintetiza las respuestas a los objetivos del trabajo, subrayando que la rentabilidad de la inteligencia artificial generativa exige inversión en capital intangible, rediseño de flujos y formación focalizada en el juicio crítico.
Palabras clave
inteligencia artificial generativa, productividad laboral, estudio de caso, atención al cliente, modelos de lenguaje, curva de aprendizaje, complementariedad, automatización, transferencia de conocimiento, tecnología de propósito general, gobernanza de datos, desempeño laboral.
Preguntas frecuentes
¿De qué trata fundamentalmente este estudio?
La investigación analiza el impacto real de la inteligencia artificial generativa sobre el rendimiento de los trabajadores mediante un estudio de caso documental de una empresa de software que integró un asistente conversacional en su soporte de atención al cliente.
¿Cuáles son las áreas temáticas centrales analizadas?
Las áreas nucleares comprenden la medición de la productividad laboral, la distribución heterogénea de beneficios según la experiencia, la complementariedad humano-máquina, la transferencia de conocimiento tácito y las condiciones organizativas para una implantación efectiva.
¿Cuál es el objetivo principal de la investigación?
Determinar cómo afecta la integración de un asistente basado en modelos de lenguaje a la productividad de los empleados e identificar los factores organizativos e individuales que explican las variaciones de rendimiento entre distintos perfiles laborales.
¿Qué metodología científica se emplea en el trabajo?
Se utiliza un diseño metodológico documental de estudio de caso único con enfoque descriptivo y explicativo, fundamentado en el análisis de datos cuantitativos verificables de 5.172 agentes y contrastado con literatura académica empírica e informes estadísticos oficiales.
¿Qué se expone en el cuerpo principal de análisis?
Se examina el despliegue del asistente tecnológico en un entorno de soporte, constatando un aumento medio del 15% en incidencias resueltas por hora, mejoras sustanciales en personal novel, transferencias estables de buenas prácticas y una reducción en las solicitudes de escalado a supervisores.
¿Cuáles son las palabras clave esenciales que definen la obra?
Inteligencia artificial generativa, productividad laboral, automatización, complementariedad, modelos de lenguaje, curva de aprendizaje y estudio de caso.
¿Por qué los empleados con menor experiencia obtienen mayores ganancias de productividad?
Porque el sistema generativo actúa como un canalizador de conocimiento tácito y buenas prácticas acumuladas por los agentes más destacados, ofreciendo a los trabajadores noveles sugerencias y respuestas contextualizadas que aceleran de forma significativa su curva de aprendizaje.
¿Qué riesgos plantea el uso indiscriminado de la inteligencia artificial en tareas expertas?
Para trabajadores veteranos, las sugerencias algorítmicas pueden resultar redundantes o inferiores a su propio criterio, generando fricción; además, existe el peligro de aceptar respuestas erróneas cuando las tareas sobrepasan la denominada frontera tecnológica del modelo.
¿Qué pautas estratégicas se desprenden para las empresas en España?
Se recomienda trascender la adquisición pasiva de licencias, desarrollando proyectos piloto estructurados con métricas de cantidad y calidad, evaluando resultados segmentados por perfil profesional y acometiendo inversiones complementarias en gobernanza de datos y formación en juicio crítico.
- Citation du texte
- Anónimo (Auteur), 2026, Inteligencia artificial generativa y productividad de los empleados, Munich, GRIN Verlag, https://www.grin.com/document/1771715
