Desmitificando las herramientas de colaboración de IA: ¿la organización de informes y la verificación de tablas son los escenarios más frecuentes?

Cuando vemos los avances de las herramientas de colaboración de IA en las noticias, a menudo la imagen es la de un programador tecleando en un terminal de fondo negro, generando instantáneamente cientos de líneas de código o corrigiendo automáticamente un bug complejo. Esta narrativa geek ha moldeado el estereotipo del público sobre las herramientas de IA: parecen ser generadores de código diseñados para servir a la comunidad técnica, muy alejadas de los escritorios de las personas comunes.

Fuente de datos: Blog oficial de Anthropic "Cómo la gente está usando Claude Cowork"

Sin embargo, un conjunto de datos recientemente revelado por Anthropic ha destrozado este filtro.

Según los datos de muestreo publicados en el blog oficial de Anthropic, basados en 1.2 millones de muestras de conversaciones anónimas recopiladas entre el 11 y el 31 de mayo de 2026, el escenario de uso más frecuente de Claude Cowork no es el desarrollo de software, que representa solo el 8.7%. En la cima se encuentra el proceso de negocios y operaciones, con un 33.4%, donde las tareas típicas incluyen la organización de informes y la verificación de tablas; la creación de contenido y redacción sigue de cerca con un 16.4%, abarcando la redacción de documentos y la creación de presentaciones.

Esto significa que, en más del 90% de los escenarios de uso, las personas no están escribiendo código. Por el contrario, están utilizando herramientas de colaboración de IA de vanguardia para manejar esas tareas diarias más antiguas y tediosas. ¿Por qué lo que la gente hace con IA más a menudo no es escribir código, sino organizar informes y verificar tablas? Estos datos revelan qué papel juega realmente la IA en el lugar de trabajo.

El filtro "IA = escribir código" ha sido roto

Para entender estos datos contrastantes, primero debemos comprender por qué el público tiene la ilusión de que "la IA se utiliza principalmente para escribir código".

En los últimos dos años, los asistentes de programación de IA han sido una de las primeras formas de aplicación de IA que han madurado y se han implementado a gran escala. Tanto GitHub Copilot como varios modelos de generación de código han causado un gran revuelo en la comunidad de desarrolladores. Escribir código en sí mismo tiene una alta lógica y estándares claros de acierto y error, lo que lo hace muy adecuado para que los modelos de lenguaje grandes aprovechen sus ventajas. Por lo tanto, los medios a menudo utilizan la generación de código como el caso más convincente al informar sobre los avances de la IA.

Sin embargo, los programadores representan solo una pequeña proporción de la población laboral global. El verdadero grupo laboral masivo está compuesto por personal de finanzas, administración, recursos humanos, legal, ventas y diversas operaciones. El trabajo diario de estas personas rara vez involucra código, pero la cantidad de trabajo que generan y su deseo de mejorar la eficiencia superan con creces al grupo técnico.

El 33.4% de participación en procesos de negocios y operaciones es un reflejo de las verdaderas necesidades de este gran grupo. Cuando la barrera de entrada para las herramientas de IA se reduce a un nivel donde no se necesita saber programar para usarlas, los puestos no técnicos se convierten rápidamente en la fuerza principal. No necesitan que la IA reestructure la arquitectura del sistema; necesitan que la IA les ayude a compilar las actualizaciones de progreso dispersas en cinco grupos de chat en un informe semanal, o a verificar las diferencias entre tres tablas de Excel en diferentes formatos.

El desarrollo de software representa solo el 8.7%, no porque los programadores no usen IA, sino porque la base de los puestos no técnicos es demasiado grande y su trabajo diario está lleno de tareas repetitivas que pueden ser asumidas por la IA. Las herramientas de colaboración de IA están despojándose de la apariencia de juguetes geek y convirtiéndose en "pasantes digitales" para la población de oficina común.

¿Qué está ocupando el 33.4% de los "procesos de negocios"?

En la clasificación oficial, los procesos de negocios y operaciones ocupan un tercio de la participación. Este término, que puede sonar un poco abstracto, se traduce en imágenes extremadamente concretas y agotadoras en el lugar de trabajo real.

La organización de informes es una de las tareas más típicas. En cualquier organización de tamaño considerable, los informes son la sangre que mantiene el funcionamiento. Informes semanales, mensuales, informes de progreso de proyectos, análisis de competidores, hay una gran variedad. Pero el proceso de redacción de informes suele ser extremadamente doloroso. Un gerente de proyecto que necesita escribir un informe semanal debe primero ir a Jira para obtener el estado de las tareas, luego preguntar en los grupos de cada departamento sobre los asuntos pendientes, después abrir su correo electrónico para revisar los comentarios más recientes de los clientes, y finalmente mezclar toda esta información fragmentada en un documento de Word, ajustar el formato y agregar gráficos. Este proceso puede llevarle medio día de trabajo, pero el contenido producido no crea un nuevo valor comercial, solo sirve para la sincronización de información. Lo que es aún más agotador es que si algún líder solicita cambiar la dimensión de la estadística, todo ese medio día de trabajo debe repetirse.

La verificación de tablas también es una pesadilla para los trabajadores. El personal de finanzas, al final del mes, debe enfrentarse a tres tablas: extractos bancarios, cuentas internas y recibos de reembolso. Incluso una diferencia de un centavo requiere una revisión línea por línea. En medio de tantas celdas, la vista se cansa, pero hay que seguir mirando, porque si hay un error, la conciliación no se puede completar y todo el proceso de cierre del departamento se detendrá. El personal administrativo, al verificar las hojas de asistencia, debe buscar relaciones entre diversas solicitudes de licencia, solicitudes de horas extra y registros de entrada y salida. Alguien olvidó marcar la entrada y presentó una nota, alguien estuvo de viaje y el sistema no lo registró, estas excepciones deben ser organizadas manualmente una por una. Este tipo de trabajo es una gran prueba para la vista, la paciencia y la concentración, pero si hay un error, las consecuencias pueden ser graves.

Cuando estas tareas son delegadas a herramientas de colaboración de IA, el proceso experimenta un cambio fundamental. Los usuarios solo necesitan exportar los registros de cinco grupos de chat y entregárselos a la IA, diciéndole "extrae el progreso de cada persona y clasifícalo por departamento, genera un esquema de informe semanal", y en segundos, aparece un borrador estructurado. Si el líder quiere cambiar la dimensión, solo necesita enviar un nuevo comando, y la IA reorganiza de inmediato. El personal de finanzas puede subir las tres tablas y pedir a la IA "encuentra los elementos con montos inconsistentes en estas tres tablas y enumera los detalles". La IA no se aburre ni se equivoca con los decimales; puede identificar rápidamente esas pocas líneas de valores anómalos en grandes volúmenes de datos.

Detrás de este 33.4% de datos, hay innumerables trabajadores liberándose de trabajos mecánicos sin sentido. No necesitan que la IA resuelva problemas científicos complejos, solo necesitan que la IA se encargue de esas tareas "sucias y pesadas" que consumen su vida.

16.4% de "creación de contenido" y superación del miedo a los documentos en blanco

Justo detrás de los procesos de negocios está la creación de contenido y redacción, que representa el 16.4%. Este escenario también está lleno de puntos críticos en el lugar de trabajo.

Muchos piensan erróneamente que la creación de contenido es solo cosa de escritores o de medios de comunicación, pero en las empresas modernas, casi todos los puestos requieren escribir algo. Los vendedores deben redactar propuestas, los gerentes de producto deben escribir documentos de requisitos, los recursos humanos deben redactar anuncios de empleo, e incluso los ingenieros deben escribir descripciones de soluciones técnicas. Para quienes no son profesionales de la escritura, enfrentarse a un documento de Word o una diapositiva de PPT en blanco a menudo provoca una especie de "fobia al documento en blanco". No saben cómo escribir la primera frase, no saben cómo estructurarlo, y después de media hora mirando el cursor parpadeante, la pantalla sigue vacía.

La creación de diapositivas es especialmente agotadora. Meter un montón de texto en un espacio limitado, ajustar el tamaño de la fuente, alinear gráficos, elegir colores, todo este trabajo de maquetación a menudo consume varias veces más tiempo que redactar el contenido en sí. Muchas personas pasan la noche anterior a la presentación ajustando el formato de la PPT, solo para mover un cuadro de texto dos píxeles a la izquierda o alinear dos imágenes. Después de la presentación, estas diapositivas cuidadosamente maquetadas a menudo quedan en una carpeta y nunca más se vuelven a abrir.

En este escenario, las herramientas de colaboración de IA desempeñan el papel de "rompedor de hielo". Los usuarios no necesitan comenzar a pensar desde cero, solo necesitan ingresar algunos puntos clave, y la IA puede generar un borrador inicial. Para las diapositivas, los usuarios pueden proporcionar un tema y contenido general, y la IA genera directamente una presentación con maquetación y colores. Aunque el borrador inicial a menudo no es perfecto, proporciona una base que se puede modificar. El trabajo humano pasa de "crear de la nada" a "modificar y perfeccionar", reduciendo significativamente la presión psicológica y la carga de trabajo real. Solo necesitas decirle a la IA "cambia el fondo de esta página a azul, resalta lo importante", y puede completarlo al instante, ahorrándote el tiempo de buscar botones en la barra de menú.

Esta popularización de la creación de contenido indica que la IA está nivelando las diferencias en la capacidad de expresión de los trabajadores. Aquellos que son lógicos pero no son buenos en maquetación y redacción, con la ayuda de la IA, también pueden producir documentos y materiales de presentación de nivel profesional.

El trabajo de "conexión" subestimado

Anthropic, al interpretar estos datos, define los dos escenarios de uso más frecuentes como "trabajo de conexión". Este es un concepto extremadamente preciso y perspicaz.

¿Qué es el trabajo de conexión? Se refiere a aquellas tareas que impulsan el avance de un proyecto, pero que rara vez aparecen en las descripciones de puestos clave. Un abogado tiene como responsabilidad principal proporcionar asesoría legal y defensa, pero puede pasar mucho tiempo cada día en la estandarización de formatos de documentos y archivo. Un gerente de contratación tiene como responsabilidad principal identificar talento, pero puede gastar mucho tiempo organizando reuniones y resumiendo comentarios de múltiples entrevistas.

Estas tareas no generan valor comercial directo, no se escribirán en la columna de rendimiento de los resúmenes anuales, pero si nadie las realiza, el proyecto se detendrá y el equipo se desorganizará. Son el lubricante del funcionamiento del lugar de trabajo y también un agujero negro invisible que consume la energía de los trabajadores.

En la narrativa laboral tradicional, siempre nos enfocamos en la mejora de habilidades clave, pero rara vez nos ocupamos de cómo optimizar este trabajo de conexión. Muchos trabajadores se sienten agotados, no porque su trabajo principal sea demasiado difícil, sino porque están agotados por estas tareas triviales de conexión. Escribir código puede requerir una alta concentración, pero verificar tablas solo requiere repetición mecánica; esta repetición mecánica a menudo consume más la mente de las personas. Por eso, cuando las herramientas de colaboración de IA intervienen, los usuarios tienden a externalizar este tipo de trabajo.

La IA no ha reemplazado el juicio legal de los abogados, ni ha reemplazado la intuición de los recursos humanos para identificar personas. Lo que asume son las tareas mecánicas de "ensamblar y estructurar información". Llena los vacíos de información en la colaboración entre equipos, permitiendo que los abogados se concentren en el análisis de casos y que los recursos humanos se enfoquen en la evaluación de candidatos. La IA se convierte en el adhesivo que llena los huecos del equipo, permitiendo que cada uno conserve su energía para las partes del trabajo que realmente requieren la sabiduría y experiencia humanas.

Documentos de abogados y retroalimentación de recursos humanos: una representación realista de los escenarios

Para entender mejor este modo de colaboración, podemos observar dos escenarios típicos de conexión interdepartamental que se enumeran oficialmente.

El primer escenario es el manejo de documentos por parte de abogados. En la industria legal, el formato y la normativa de los documentos tienen requisitos extremadamente altos. Diferentes tribunales tienen regulaciones específicas sobre el formato, la fuente e incluso el interlineado de las demandas. Un abogado, después de completar un dictamen legal, puede necesitar pasar una o dos horas verificando si el formato cumple con las normas, si las citas están correctamente referenciadas y si los encabezados y pies de página son uniformes. Este trabajo no requiere lógica legal, solo paciencia y atención al detalle, pero para un abogado que acaba de terminar un juicio, esta verificación trivial es un tormento mental.

Ahora, los abogados pueden entregar el documento a una herramienta de colaboración de IA y ordenarle "verifica y ajusta este documento según el formato estándar de cierto tribunal". La IA identificará automáticamente los formatos que no cumplen con las normas y los corregirá, e incluso podrá detectar errores en el formato de las citas legales. Los abogados conservan su juicio legal más crítico y su estrategia de defensa, delegando el trabajo mecánico de verificación de formatos a un pasante digital. Esto no solo ahorra tiempo, sino que también reduce el riesgo de que errores de formato causen que el tribunal devuelva el documento por negligencia humana.

El segundo escenario es el resumen de comentarios de múltiples entrevistas por parte de un gerente de contratación. En un proceso de contratación típico, un candidato puede pasar por entrevistas iniciales, técnicas, de negocio y finales. Cada entrevistador deja un comentario en forma de texto libre en el sistema. Algunos entrevistadores escriben en detalle, otros solo unas pocas frases, algunos se centran en habilidades técnicas, otros en el estilo de comunicación. Antes de tomar una decisión final, el gerente de contratación necesita leer todos estos comentarios dispersos y de estilos diversos, extraer información clave, como las fortalezas técnicas del candidato y los riesgos de ajuste cultural, y luego resumirlo en un informe para los ejecutivos. Si hay muchos candidatos, solo leer los comentarios puede ser abrumador y es fácil pasar por alto detalles clave.

Ahora, el gerente de contratación puede importar todos los comentarios de las entrevistas a la IA y pedirle que "extraiga las evaluaciones de los entrevistadores sobre las habilidades técnicas del candidato y resuma consensos y discrepancias". La IA puede proporcionar un resumen estructurado en segundos, como "los tres entrevistadores reconocen su capacidad en bases de datos, pero hay discrepancias en su estilo de gestión de equipos". El gerente de contratación conserva el juicio final sobre la identificación de personas y la decisión de contratación, pero el proceso de manejo de información se ha comprimido enormemente. Ya no necesita leer palabra por palabra esos comentarios largos, sino que puede basar su juicio directamente en los puntos extraídos por la IA.

Estos dos escenarios revelan una regla común: la implementación de IA en puestos no técnicos no busca quitarles el trabajo, sino ayudarles a despejar obstáculos en su flujo de trabajo, permitiéndoles llegar más rápido a las partes centrales que requieren la sabiduría y experiencia humanas.

De "mirar la pantalla esperando respuestas" a "correr en la nube toda la noche"

Este cambio en la tendencia de uso también plantea nuevas exigencias para la forma de los productos de IA. Si la IA solo se utiliza para tareas altamente interactivas como escribir código, un cuadro de diálogo es suficiente. Pero si la IA debe manejar tareas como organizar informes y verificar tablas, que son que consumen tiempo y no requieren atención constante, el modo tradicional de cuadro de diálogo se vuelve torpe.

Los usuarios no técnicos no necesitan estar mirando la pantalla esperando que la IA produzca palabra por palabra. Lo que necesitan es un flujo de trabajo asíncrono donde "asignan tareas y luego se ocupan de otras cosas, regresando a ver los resultados". Es como si le dijeras a un pasante que organice información; no estarías de pie detrás de él mirando cómo teclea, sino que le dirías que lo haga y que te lo traiga cuando termine.

Los usuarios pueden asignar una tarea a la IA antes de salir del trabajo, como "extrae datos clave de diez informes de la industria recopilados esta semana y genera una tabla resumen". Luego, pueden cerrar la computadora e ir a cenar. La IA ejecutará esta tarea en la nube, sin necesidad de que el dispositivo esté en línea.

Cuando se encuentra con un punto que requiere juicio humano, la IA se detendrá y enviará una solicitud de confirmación al teléfono del usuario. Por ejemplo, si la IA encuentra un conflicto entre dos fuentes de datos al procesar tablas, enviará un mensaje preguntando cuál debe ser la referencia. A la mañana siguiente, el usuario puede aprobarlo desde su teléfono en el metro, y una tabla perfecta ya estará lista. Esta evolución de "cuadro de diálogo" a "agente de fondo" permite que la IA se integre verdaderamente en el ritmo diario de los trabajadores. Ya no es una herramienta que requiere tiempo específico para ser utilizada, sino un asistente que puede trabajar en silencio en segundo plano.

Este mecanismo asíncrono es especialmente importante para los puestos no técnicos. Su trabajo a menudo está lleno de interrupciones y reuniones, y es difícil encontrar bloques de tiempo para interactuar frecuentemente con la IA. La ejecución en segundo plano y la aprobación móvil reducen la carga mental de usar la IA, haciendo que pedir ayuda a la IA sea tan fácil como enviar un mensaje de WeChat.

Un imperfecto atlas de datos y las lecciones para las personas comunes

Por supuesto, estos 1.2 millones de datos de conversación no son un panorama perfecto del lugar de trabajo. La oficialidad también ha reconocido algunas limitaciones de los datos.

Primero, los datos están clasificados por tipo de tarea, no por título de puesto del usuario. Esto significa que no podemos saber con certeza cuántos de los procesos de negocios del 33.4% son realizados por recursos humanos y cuántos por finanzas. Al etiquetar, el sistema automatizado puede haber agrupado funciones como marketing, recursos humanos y finanzas bajo "procesos de negocios" de manera uniforme.

En segundo lugar, el método de muestreo es un límite fijo por hora, no una proporción fija por volumen. Esto significa que la tasa de uso en horas pico puede estar ligeramente subestimada. Además, aproximadamente el 5% de las conversaciones son de uso personal no laboral, como asistentes personales, pasatiempos o incluso charlas de compañía, y no son un retrato puramente laboral.

Pero incluso con estos puntos ciegos, estos datos aún ofrecen valiosas lecciones sobre la realidad.

Para la población de oficina común, la mayor lección es revisar su flujo de trabajo. No preguntes si la IA puede reemplazar tus habilidades clave, pregúntate cuántas de tus tareas son trabajos de conexión que nadie quiere hacer pero que deben hacerse.

Si pasas más del 20% de tu tiempo diario en mover información, ajustar formatos y verificar tablas, entonces eres el público más preciso para las herramientas de colaboración de IA. No necesitas aprender ingeniería de prompts compleja, solo necesitas describir esa tarea repetitiva que más odias hacer a la IA y ver si puede ayudarte a completar un borrador.

La desmitificación de las herramientas de colaboración de IA radica en que han bajado de su pedestal a los escritorios. No están destinadas a resolver problemas científicos que requieren una inteligencia extremadamente alta; están destinadas a resolver esas tareas triviales que requieren una paciencia y esfuerzo extremos. Cuando el 33.4% del uso se dedica a procesos de negocios, significa que la gente ha encontrado la forma más práctica de usar la IA en la actualidad: liberar a las personas del trabajo mecánico para que puedan hacer lo que realmente deben hacer.