El análisis de OpenAI de 800.000 mensajes de ChatGPT enviados por profesionales estadounidenses muestra que casi uno de cada seis prompts relacionados con el trabajo pide ahora al modelo que se encargue de tareas que tradicionalmente pertenecen a una ocupación diferente. Si se excluye la redacción y el resumen rutinarios, la cifra salta al 43,5 %. Este cambio ya está transformando la forma en que los empleados pasan su día, y es especialmente relevante para las empresas más pequeñas, donde cada habilidad adicional puede ahorrar semanas de espera por un especialista.

Por qué importan las cifras

El estudio reveló que las solicitudes interdepartamentales se concentran en ciertas funciones. Marketing e ingeniería encabezan la lista, con consultas relacionadas con marketing apareciendo en el 8,9 % de los mensajes de otros roles, la tasa más alta del conjunto de datos. Un vendedor podría pedirle a ChatGPT que calcule cifras del valor de vida del cliente que normalmente manejaría un analista de datos, mientras que un profesional de marketing puede solucionar un enlace roto o ajustar el SEO on-page antes de involucrar a un ingeniero.

Para los propietarios de pequeñas empresas, el efecto es más agudo. Los propietarios ahora redactan notas de revisión legal, realizan pronósticos financieros rápidos y ejecutan análisis ad hoc que antes requerían de un abogado o un director financiero (CFO). En equipos de dos a cinco personas, el 18,9 % de las tareas generadas por IA quedan fuera de la función principal del empleado, frente al 16,3 % en empresas con más de cien empleados. La lógica es sencilla: las empresas más grandes pueden derivar la solicitud a un colega dedicado; las empresas diminutas deben resolver el problema por sí mismas.

La ventaja: velocidad y traspasos más precisos

Cuando un empleado genera un análisis preliminar o un borrador legal básico, el traspaso a un especialista se vuelve más rápido y enfocado. El especialista recibe un planteamiento del problema más claro, datos mejor preparados y menos correos electrónicos de "¿podrías explicarme qué necesitas?". Eso reduce los tiempos de espera, disminuye la fricción interna y eleva la calidad de las solicitudes.

Qué está en riesgo

El estudio no afirma que la IA dejará obsoletos a los expertos. Plantea la tecnología como un respondedor de primera línea que acerca el problema a su origen.

Cómo pueden adaptarse las empresas

  • Mapear los puntos de decisión – Identificar dónde se detiene típicamente una solicitud y probar si la IA puede producir un primer borrador utilizable.
  • Definir límites de autoridad – Establecer qué resultados necesitan la aprobación de un profesional cualificado.
  • Capacitar para el nuevo conjunto de habilidades – Ofrecer microaprendizaje sobre el uso de prompts, la interpretación de las sugerencias de la IA y la detección de errores probables.
  • Medir el impacto – Realizar un seguimiento del tiempo ahorrado en los traspasos frente a cualquier aumento en las tasas de error o de retrabajo.

Organizaciones pequeñas frente a grandes: caminos divergentes

La próxima frontera

Los datos de OpenAI capturan una práctica que está evolucionando rápidamente. A medida que los modelos sean más fiables y específicos de cada dominio, es probable que la proporción de tareas interdepartamentales aumente. Las organizaciones que traten la IA como una mera herramienta de productividad, en lugar de un catalizador para el rediseño del flujo de trabajo, corren el riesgo de quedarse atrás. Aquellas que rediseñen sus procesos ahora —decidiendo qué decisiones siguen siendo humanas y cuáles pueden ser aumentadas por la IA— obtendrán ciclos más rápidos y equipos más ágiles.

Conclusión: La IA ya está trasladando la primera respuesta al origen del problema, especialmente en las pequeñas empresas donde cada capacidad adicional reduce la demora. La verdadera ventaja no proviene de renombrar puestos de trabajo, sino de repensar quién hace qué y dónde puede intervenir una máquina de forma segura.