Vivimos un momento fascinante: la era de las habilidades en donde la inteligencia artificial promete liberar todo nuestro potencial creativo, optimizar procesos y exponenciar nuestra productividad. Pero, en medio de todo ese entusiasmo, muchas organizaciones y profesionales están cayendo en una trampa silenciosa: producir más contenido, pero con menos valor. Desde POLARH Podcast venimos investigando, debatiendo y tratando de visibilizar este preocupante fenómeno denominado “workslop”, esa oleada de textos, reportes y entregables generados con IA que parecen impecables a primera vista —es decir, bien escritos, con formato profesional y tono corporativo—, pero que, al analizarlos, revelan un vacío de contenido y una falta de sustancia que obliga a los equipos humanos a reprocesar, corregir o pulir lo que supuestamente ya estaba “terminado”.

El workslop es el nuevo rostro del ruido digital: documentos que lucen bien pero no dicen nada. Es la nueva superficialidad disfrazada de eficiencia. En lugar de aprovechar la IA para tener más tiempo para analizar y pensar, hemos terminado multiplicando el trabajo invisible y generando reprocesos. Lo que se ahorra en velocidad se paga en horas de revisión y frustración. La paradoja es clara: producimos más y más rápido, pero revisamos menos.

El workslop se define como “contenido de trabajo generado por IA que aparenta ser buen trabajo, pero carece de la profundidad necesaria para impulsar la tarea” (Niederhoffer et al., 2025). A diferencia del error o la simple ineficiencia, el workslop posee una verosimilitud engañosa: adopta tono, formato y estructura correctos, pero presenta vacíos de razonamiento, evidencia o relevancia.

Los estudios de BetterUp Labs y el Stanford Social Media Lab (2025) establecen que un 40 % de trabajadores de oficina recibió entregables de este tipo en el último mes, implicando pérdidas de productividad y erosión de confianza entre equipos. Esta problemática se enmarca en un debate más amplio sobre el “AI slop”, o contenido basura generado por inteligencia artificial en espacios digitales (TechCrunch, 2025).

Detrás de este fenómeno se esconden causas muy humanas. En la carrera por adoptar la IA, muchas empresas a través de sus áreas de innovación han lanzado proyectos sin definir estándares de calidad, políticas de uso de IA, ni procesos de revisión. Los indicadores internos siguen premiando la cantidad y la rapidez, más no la profundidad ni el impacto. Es así que, tras nuestro análisis, llegamos a la conclusión que gran parte de los usuarios aún desconocen los límites reales de la IA: sus sesgos, sus “alucinaciones” o cierta desconexión con el contexto. El resultado es una avalancha de entregables que saturan los canales de comunicación internos y externos y diluyen lo importante. Y mientras tanto, los líderes de Recursos Humanos —quienes deberían guiar este proceso con criterio, gestión del talento y ética— muchas veces observan desde la barrera, cuando deberían levantar la mano y convertirse en los protagonistas del cambio.

Un estudio reciente de Google Cloud, realizado junto con National Research Group, ofrece una perspectiva reveladora sobre el estado actual de la adopción de IA. En una encuesta a 3,466 ejecutivos de 24 países, más de la mitad (52 %) afirmó que sus organizaciones ya usan agentes de IA con cierto grado de autonomía, y 39 % dijo tener más de diez agentes en producción. Un grupo élite, los llamados early adopters agénticos (13 % de la muestra), destina al menos la mitad de su presupuesto futuro a agentes de IA y 88 % de ellos reporta retorno sobre la inversión en al menos un caso de uso, frente al promedio global del 74 %.

Los sectores donde más se percibe este impacto son servicio al cliente (43 %), marketing (41 %), ciberseguridad (40 %) y desarrollo de software (37 %). Más allá de las cifras emitidas en este estudio, lo que destaca es el cambio de foco: ya no se trata de adoptar IA por moda o temor, sino de generar valor tangible. Sin embargo, los desafíos persisten: 37 % de los líderes menciona la privacidad y seguridad de los datos como su principal preocupación, además de la integración con sistemas heredados y la falta de gobernanza sobre los grandes modelos de lenguaje.

En América Latina, este debate debe ponerse sobre la mesa y visibilizarse ya que adquiere un matiz especial. Aún convivimos con el estigma del error, con estructuras empresariales conservadoras, culturas laborales enfocadas en la reducción del coste y no en la generación de valor y una brecha digital que nos resta competitvidad. Pero precisamente por eso, tenemos la gran oportunidad de hacerlo distinto: de impulsar nuestras capacidades usando adecuadamente la IA, no para acelerar el ruido, sino para acercarnos un poco más al futuro del trabajo que todos anhelamos y por qué no, acelerar nuestro desarrollo como economías emergentes.

En resumen, el workslop es una externalidad negativa de la acelerada adopción tecnológica. A corto plazo puede parecer un efecto colateral tolerable, pero a mediano plazo erosiona la productividad, diluye estándares de calidad y puede desacreditar el uso profesional de la IA.

Para prevenirlo, se requieren estrategias integrales que combinen gobernanza, cultura organizacional y educación digital. La IA debe ser vista como amplificadora de criterio humano, no como reemplazo de la reflexión profesional.

Entre las prácticas más efectivas destacamos las siguientes:

• Implementar políticas de human-in-the-loop (revisión humana obligatoria).

•  Exigir trazabilidad y transparencia de fuentes.

•  Evaluar la calidad de los outputs con métricas de impacto y no solo de velocidad.

• Crear programas de alfabetización en IA que desarrollen juicio crítico.

La clave está en volver al oficio. En recordar que la IA no piensa: propone. Que su fuerza no está en reemplazarnos, sino en amplificar lo mejor del criterio humano. Que cada texto generado por un MML debe ser tratado como un borrador que requiere nuestra inteligencia, sensibilidad y ética para transformarse en algo valioso.

Dado el carácter emergente del concepto, este estudio ha adoptado un enfoque exploratorio y documental, revisando literatura científica, artículos especializados y reportes corporativos entre septiembre y octubre de 2025 de fuentes reconocidas a nivel global: Harvard Business Review, Axios, TechCrunch, Business Insider y la investigación de Google Cloud (2025) sobre adopción de IA.

Por eso, nuestro llamado a los CEOs no es a detener la adopción, sino a hacerlo con propósito, consciencia y estrategia. A darle la oportunidad a los CHRO a que lideren la adopción de la IA y gestionen el cambio en las personas y organizaciones, a establecer políticas claras sobre cómo usar la IA, a medir el verdadero costo del slop —ese tiempo oculto que se pierde limpiando entregables defectuosos—, a formar a las personas en pensamiento crítico y prompting robusto, y a priorizar casos de uso donde la tecnología realmente mejore la experiencia y los resultados.

La promesa de la IA es inmensa, pero solo se cumplirá si recordamos lo esencial: La inteligencia artificial puede sugerir caminos, pero solo el humano puede decidir hacia dónde ir, es decir, darle sentido.

Hoy más que nunca, necesitamos líderes valientes —CEOs, CHROs, Board Members— que experimenten con audacia y prudencia, que midan resultados con rigor y que compitan y compartan aprendizajes con generosidad. La IA puede ser el mayor amplificador del talento latinoamericano o la fuente más sofisticada de mediocridad digital. La diferencia no la marcará el algoritmo, sino nuestra conciencia.

¿Queremos más entregables de corto plazo o más impacto y visión de largo plazo? La respuesta no se escribe con código. Se escribe con criterio, con propósito, ética y, sobre todo, con humanidad.