La IA ahorró tiempo. ¿Quién recupera las horas?

Un informe que llevaba una hora ahora lleva veinte minutos. El calendario sigue teniendo los otros cuarenta. Llamar a eso una ganancia de productividad describe la tarea. No dice si el servicio mejoró, si alguien aprendió una parte más difícil del puesto, o si la misma persona recibió simplemente más peticiones. Esa elección es una decisión de dirección. El software no la toma.

El 26 de octubre de 2026 Gartner puso una cifra a una versión de esa elección. En una encuesta del segundo trimestre a 1.865 empleados, solo el 21 % del tiempo liberado por la IA se redirigió a un trabajo más innovador. El mismo anuncio dice que apenas el 3 % de las organizaciones superó sus metas de ahorro mediante la productividad. Esas dos cifras no prueban que la IA esté fallando. Muestran que una tarea más rápida y un resultado que la organización puede señalar son mediciones distintas.¹

Para una pequeña empresa, una organización social o un departamento dentro de un empleador mayor, la pregunta práctica ya no es solo quién puede usar una herramienta. Es quién es dueño de las horas que la herramienta parece liberar, para qué trabajo son esas horas y qué competencias siguen necesitando las personas que harán ese trabajo.

Superar una meta de coste no es la frase "ningún beneficio"

El comunicado del 26 de octubre no usa una sola frase para la expectativa del consejo ni para el resultado de ahorro.

El 3 % del titular habla de superar una meta. El 97 % de la apertura habla de ser "incapaz de lograr el ahorro deseado". No es la misma afirmación. Una organización puede ahorrar sin batir su objetivo. También puede ganar calidad o capacidad sin recortar el coste. Este artículo no lee el 97 % como prueba de que el 97 % de las organizaciones no recibió nada de la IA. El comunicado no publica el cuestionario, la muestra detrás del 77 % y del 3 %, ni un relato completo de adónde fue el otro 79 % del tiempo liberado.¹

El 21 % tiene un denominador que las líneas de ahorro no tienen. Es una encuesta a empleados, segundo trimestre de 2026, 1.865 personas. Describe la parte del tiempo liberado que las organizaciones de quienes respondieron redirigieron a un trabajo que la encuesta llama más innovador. No dice que el resto se desperdició, se perdió o se dedicó a tareas de poco valor. Parte pudo ir al trabajo ordinario, a clientes, a la revisión, a la formación, al descanso o a un trabajo que la encuesta no clasificó como innovación. Sin ese desglose, la conclusión honesta es más estrecha: una parte relativamente pequeña del tiempo liberado fue de forma específica a la innovación.¹

Otra encuesta de Gartner está en la misma página y debe quedarse aparte. En julio de 2026 se preguntó a 297 directores de recursos humanos por el alineamiento. El 78 % de los directivos no tenía alineamiento sobre dónde la IA crea valor. Es este panel de directores de RR. HH. No es la encuesta a empleados, ni un recuento de proyectos fallidos.¹

CV Viverito, senior director analyst de la práctica de RR. HH. de Gartner, aparece citado: el 38 % de las empresas supera el presupuesto de IA y el 85 % dice que planea gastar aún más el año que viene, y las organizaciones no generarán ahorro con la IA en este momento. La oportunidad mayor, en esa cita, es usar la IA para cosas que antes no eran posibles, incluido desplazar el tiempo de los empleados hacia nuevas capacidades, resultados y fuentes de crecimiento. El comunicado no da el tamaño de la muestra del 38 % ni del 85 % dentro de la cita. Hay que leerlos como cifras del analista en este anuncio, no como una segunda lectura del 3 %.¹

La misma sección nombra tres conjuntos de competencias que Gartner dice que van juntos en las personas que tienen éxito con la IA: fluidez en IA (saber cuándo confiar en la tecnología, cuándo cuestionarla y cómo responder del resultado); conexión humana (gestión de partes interesadas, comunicación y trabajo en equipo); y ventaja humana (creatividad, adaptabilidad y agilidad de aprendizaje). Es la lista del editor. No es un programa probado para una asociación o un taller.¹

Una cuota nacional de horas no es un beneficio

La serie RPSGENAITSALL del Banco de la Reserva Federal de San Luis, actualizada el 20 de octubre de 2026, es un contrapunto útil porque mide otra cosa. En el tercer trimestre de 2026 la observación es 2,08449. En el segundo es 2,17257. La unidad es un porcentaje, sin ajuste estacional. Las notas la definen como la cuota del total de horas de trabajo ahorradas por adultos ocupados de 18 a 64 años en Estados Unidos gracias a la IA generativa en el trabajo. La cifra del tercer trimestre está ligeramente por debajo de la del segundo. Los trimestres cercanos están en el mismo entorno: 1,98906 en el cuarto trimestre de 2025 y 2,06661 en el primero de 2026.²

El método es una encuesta, no una auditoría de partes de horas. A las personas ocupadas que usaron IA generativa en su trabajo la semana anterior se les pregunta cuántas horas adicionales habrían necesitado para hacer el mismo volumen sin ella, en tramos que van de menos de una hora adicional a más de cuatro. El ahorro de tiempo es cero por construcción para quien no la usó. La Real-Time Population Survey es una encuesta en línea representativa de adultos en edad de trabajar. La serie pide citar a Bick, Blandin y Deming. Nada de eso es un beneficio de empresa, un ahorro de nómina ni un recuento de horas dedicadas a innovar.²

Leer el 2,08 % como unas dos horas de cada cien trabajadas es una traducción del porcentaje. No es el hallazgo de que un equipo concreto recibió un bloque de dos horas. Una media tan pequeña puede importar si cae en un cuello de botella. Una organización sin ánimo de lucro que tramita solicitudes antes puede atender antes a las personas. Un pequeño fabricante que acorta un documento puede liberar a un ingeniero para un problema de calidad. Ninguno de esos resultados se deduce de la media nacional. La serie no dice qué centros de trabajo capturaron las horas.

No sume el porcentaje del proveedor al 21 %

Un anuncio de Workday del 14 de enero de 2026 muestra por qué el tiempo bruto ahorrado es un mal sustituto del valor. El comunicado dice que cerca del 40 % del ahorro de tiempo de la IA se pierde en retrabajo: corregir errores, reescribir contenidos y verificar salidas de herramientas genéricas. También dice que solo el 14 % de los empleados obtiene de forma constante resultados netos claros y positivos con la IA. Workday vende una plataforma de empresa, y el anuncio sostiene que las organizaciones capturan más valor cuando reinvierten el tiempo en las personas. Ese interés comercial es una razón para mantener el marco, no para ignorar la página.³

La muestra no es un empleador pequeño. Hanover Research hizo el estudio para Workday en noviembre de 2025. Cubrió a 3.200 empleados a tiempo completo en América del Norte, Asia-Pacífico y Europa, Oriente Medio y África. Los participantes trabajaban en organizaciones con al menos 100 millones de dólares de ingresos anuales y eran usuarios activos de IA. Las definiciones y las muestras difieren de la encuesta de Gartner a 1.865 personas. Estos porcentajes no deben sumarse al 21 % ni restarse de él.³

La nota de investigación de la Organización Internacional del Trabajo del 1 de junio de 2026, de Rossana Merola, Ekkehard Ernst, Daniel Samaan, Maria del Rio-Chanona y Ole Teutloff, revisa experimentos, datos de empresas, estudios de plataformas y encuestas. La página de la publicación dice que las ganancias de productividad son reales, aunque a menudo no verificadas y desiguales; que el desplazamiento de empleo a gran escala sigue siendo limitado; y que el ahorro de tiempo declarado por los trabajadores, de unos pocos puntos porcentuales de las horas de trabajo, todavía no se ha traducido en una producción, unos ingresos o un empleo medidos más altos. La página cita encuestas de Australia, Dinamarca, Alemania, Corea, Kuwait, el Reino Unido y Estados Unidos. Este artículo usa ese resumen de página. El PDF, de 441 KB, no se releyó página por página.⁴

Otra nota, del 6 de mayo de 2026, se titula The Aggregation Paradox of AI: Why do micro-economic productivity gains from AI disappear at scale, de Cheuk Yu Cheryl Chan y Khatia Shedania. El título hace una pregunta. Las viñetas de la página son la respuesta publicada, y son más cuidadosas que el verbo "desaparecer". Dicen que las ganancias a nivel de tarea suelen ser del 10 al 70 por ciento, más fuertes para trabajadores con menos experiencia y para tareas de texto bien definidas. A nivel de empresa la evidencia es más mixta, la adopción es desigual y las ganancias se concentran en empresas grandes y avanzadas en lo digital, mientras muchas empresas informan de poco impacto medible más allá de los pilotos. A nivel de sector y de economía, todavía no ha aparecido un crecimiento claro de la productividad impulsado por la IA en las estadísticas oficiales. Este artículo no trata "desaparecer" como un hecho medido. Trata la distancia entre una tarea más rápida y un resultado visible de la empresa como el problema de gestión que el título nombra. El PDF, de 629 KB, no se releyó página por página.⁵

Juntas, estas fuentes no dictan un veredicto sobre la IA. Un equipo puede ser más rápido en un paso y seguir frenado por aprobaciones, datos pobres, la demanda de los clientes, el juicio humano o la tarea siguiente. El tiempo ahorrado es útil cuando otra parte del sistema puede usarlo. Para un ahorro medido en una sola parte de un trabajo, vea por qué un tramo más corto de planificación docente no es el mismo problema que una escasez mundial. Para un anuncio de plantilla que no prueba que cada puesto fue sustituido, vea qué no muestran las cifras de Barclays. Para el tiempo de revisión que puede comerse un ahorro bruto, vea por qué la revisión humana se vuelve el cuello de botella cuando los agentes son rápidos.

Un libro mayor ilustrativo, no un caso

Imagine una organización de ocho personas. Cada una ahorra 30 minutos a la semana en los primeros borradores de informes de subvención, después de la revisión y la corrección. Son cuatro horas de trabajo a la semana, o unas 200 horas en 50 semanas laborales. La cuenta es 8 por 0,5 horas, y luego 4 por 50. Es una ilustración. No es un resultado medido en una organización, ni la muestra de Workday.

La dirección todavía tiene que elegir. Las horas pueden ir a conversaciones con las personas beneficiarias, a comprobar la calidad de los datos, a una relación con un donante o a menos horas extra. También pueden desaparecer en una pila mayor de informes internos. La herramienta no elige. Lo hace la dirección, y quienes hacen el trabajo suelen saber qué paso se acortó de verdad.

Un pequeño despacho contable hace concreto el problema de medición. Los resúmenes de cartas de clientes van más rápido. Los socios siguen teniendo que comprobar cifras, contexto y consejo. Si el despacho cuenta documentos por hora, puede premiar el volumen y pasar por alto errores. Si cuenta respuestas exactas, clientes que se quedan y tiempo en los casos que exigen juicio, la misma herramienta puede apoyar el servicio. Esa escena también es hipotética.

Hay un riesgo para la persona si cada minuto ahorrado se llena de inmediato. El día puede volverse más denso, no más amplio para pensar. El 30 de abril de 2026 el servicio de noticias de la OIT informó de que las tecnologías de IA pueden mejorar la eficiencia y la productividad y también pueden crear riesgos para las condiciones psicosociales de trabajo, mediante la vigilancia en el lugar de trabajo, la intensificación del trabajo, una menor autonomía y preocupaciones sobre la privacidad y el uso de datos. El documento de trabajo examina esos riesgos y los límites de las normas de seguridad existentes. No es un efecto medido para cada organización que usa una herramienta de redacción. Un libro de capacidad que vigila a las personas todo el día sería un proyecto distinto de un libro de un solo flujo de trabajo.⁶

Cuente el flujo y diga adónde van las horas

Una respuesta práctica es seguir la capacidad liberada en un proceso repetible, no mediante la vigilancia continua de cada persona. Elija el proceso. Escriba los pasos actuales, el estándar de calidad y dónde espera. Registre una línea de base antes de cambiar la herramienta. Luego anote el tiempo ahorrado, el tiempo de corrección o revisión, los errores que importan y qué ocurrió para el cliente o la persona beneficiaria.

Acuerde el destino de cualquier capacidad neta real antes de tratarla como un ahorro. El crecimiento, la calidad del servicio, la resiliencia, el aprendizaje y una carga más ligera pueden ser válidos si encajan con el propósito de la organización. El error es dejar el destino en blanco y luego anunciar un resultado financiero.

Un departamento podría decidir que una cuarta parte de la capacidad neta verificada va al desarrollo de competencias, otra parte a un retraso conocido y el resto a la calidad. Esas partes son una política hipotética. No son una recomendación. Un equipo con una demanda urgente puede elegir de otro modo que un equipo cuya prioridad es la retención o la exactitud regulatoria.

Revise el libro con las personas que hacen el trabajo. A menudo saben qué paso fue de verdad más corto y qué tarea oculta apareció. Si el tiempo de revisión sube, el ahorro bruto está exagerado. Si el trabajo es más valioso y el total de horas no cambia, la ganancia puede ser calidad, no una nómina más baja. Si ningún resultado se mueve, cambie el experimento o deténgalo.

Este artículo no es asesoramiento jurídico. Para las organizaciones de la Unión Europea, unas disposiciones trazan una línea entre un recuento compartido de un flujo y un sistema que vigila a las personas.

El artículo 4 del Reglamento europeo de IA, en el texto que el servicio de la Comisión muestra como modificado, dice que los proveedores y los responsables del despliegue adoptarán medidas para apoyar la alfabetización en IA de su personal y de otras personas que operen sistemas de IA por su cuenta. Tendrán en cuenta los conocimientos técnicos, la experiencia, la educación y la formación, el contexto de uso y las personas o grupos sobre los que se usan los sistemas. El mismo texto dice que esta obligación no exige garantizar un nivel concreto de alfabetización en IA de ningún individuo. La Comisión y los Estados miembros apoyarán esos esfuerzos, en particular para las pymes. El servicio indica que la redacción refleja el texto consolidado de EUR-Lex a 27 de julio de 2026, incluidas las modificaciones del paquete ómnibus digital. El resumen de esa página no es jurídicamente vinculante.⁷

El anexo III, punto 4, letra b, enumera los sistemas de IA destinados a tomar decisiones que afecten a las condiciones de una relación laboral, al ascenso o a la terminación, a asignar tareas según el comportamiento individual o rasgos personales, o a vigilar y evaluar el rendimiento y el comportamiento de personas en esas relaciones. Un registro de un solo proceso no es, por esa sola descripción, uno de esos sistemas. Una herramienta cuyo fin es vigilar y evaluar el rendimiento de una persona puede serlo. La clasificación depende de la finalidad prevista. El servicio indica que las normas del anexo III se aplican a partir del 2 de diciembre de 2027. Las prácticas prohibidas, algunos deberes de transparencia y las normas para los modelos de IA de uso general son exigibles a partir del 2 de agosto de 2026.⁸⁹

Cuando un sistema es de alto riesgo, el artículo 26, apartado 2, dice que el responsable del despliegue asignará la supervisión humana a personas físicas que tengan la competencia, la formación y la autoridad necesarias, así como el apoyo necesario. El artículo 26, apartado 7, dice que, antes de poner en servicio o usar un sistema de alto riesgo en el lugar de trabajo, los empleadores informarán a los representantes de los trabajadores y a los trabajadores afectados. Esos deberes se unen al sistema y al momento de uso. No se cumplen con una hoja de horas ahorradas.¹⁰

El artículo 5, apartado 1, letra f, prohíbe introducir en el mercado, poner en servicio con este fin o usar sistemas de IA para inferir emociones de una persona física en el lugar de trabajo y en instituciones educativas, salvo cuando el uso esté previsto por razones médicas o de seguridad. Un libro de capacidad no es una puntuación de emoción.¹¹

El artículo 22, apartado 1, del RGPD reconoce a una persona el derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado, incluida la elaboración de perfiles, que produzca efectos jurídicos o le afecte de modo similar de forma significativa. El apartado 2 prevé excepciones, entre ellas un contrato, una ley que lo permita y el consentimiento explícito. Para el contrato y el consentimiento, el apartado 3 exige garantías, al menos el derecho a obtener intervención humana, a expresar su punto de vista y a impugnar la decisión. Un recuento de un flujo que nadie usa para contratar, despedir o asignar tareas no está automáticamente dentro de esa disposición. Una puntuación que nadie puede revocar, y que cambia el trabajo de alguien, puede estarlo. EUR-Lex devolvió un error 403 al cliente usado para este artículo el 4 de noviembre de 2026, así que este párrafo sigue el texto del reglamento y no una descarga nueva de la página. No es asesoramiento jurídico.¹²

Las horas solo sirven si alguien puede hacer la tarea siguiente

Reasignar tiempo no es un cambio de calendario. Quien ahorra una hora en informes puede necesitar práctica para leer las cifras antes de asumir el análisis. Quien automatiza respuestas rutinarias puede necesitar una competencia de escalado más sólida. Quien usa una herramienta para preparar materiales puede necesitar un modo de probar una hipótesis y registrar una corrección. Un curso genérico de prompts no aporta conocimiento del oficio, juicio ni práctica supervisada.

Por eso la línea de Gartner sobre tratar la capacidad ganada como un activo es más que una llamada a otro curso de IA. La organización tiene que decir qué exige el trabajo de mayor valor, si las personas pueden hacerlo y si se les da tiempo para aprender. Los tres conjuntos de arriba son la agrupación del editor. Abren esa conversación; no son un certificado.¹

La página de publicación de la OIT del 13 de agosto de 2026, de un informe conjunto con la Fundación Europea de Formación, Cedefop, Eurofound, la Comisión Europea y la UNESCO, dice que la adopción de la IA a menudo aumenta la necesidad de competencias cognitivas de orden superior y socioemocionales, y de competencias digitales generales y de ciencia de datos. Describe los empleos que desarrollan y mantienen sistemas de IA como actualmente pequeños y de nicho, y en crecimiento rápido. También dice que la alfabetización en IA, la capacidad de entender y usar herramientas de IA de forma segura y ética, se trata cada vez más como una competencia de base. La página no dice que todo el mundo deba ser ingeniero. El PDF completo, de 10,78 MB, no se releyó página por página.¹³

Tres preguntas deben seguir siendo distintas. ¿La persona sabe manejar la herramienta? ¿Puede juzgar la salida? ¿Puede hacer la tarea más difícil que el tiempo ahorrado se supone que financia? Son competencias diferentes. Asistir a un curso es una prueba débil de cualquiera de ellas. Para ver quién recibió práctica de verdad, consulte por qué la formación en IA llega antes a los jefes que a quienes empiezan. Para contratar el juicio que una prueba de código no muestra, consulte por qué las competencias humanas son una comparación, no un excedente de programadores.

Una prueba de 30 días es una sugerencia, no un protocolo

La secuencia siguiente es una propuesta editorial. Gartner, la serie de la Fed de San Luis, Workday y la OIT no la probaron.

En la primera semana, elija un proceso con volumen visible y un coste de error manejable. Pida a quienes lo hacen que describan los pasos, el estándar de calidad y las esperas. Registre una línea de base antes de cambiar la herramienta.

En la segunda semana, pruebe la herramienta en una muestra limitada. Compare el camino completo, incluida la corrección, la revisión y los traspasos, no solo la velocidad del borrador. Lleve un registro sencillo de errores. No introduzca datos confidenciales o sensibles en una herramienta que no tenga las garantías que el trabajo exige.

En la tercera semana, elija un destino para cualquier capacidad neta verificada: una respuesta más corta, un control de calidad, más contacto con las personas atendidas o tiempo de aprendizaje protegido. Nombre a quien responde, y nombre la competencia que al equipo todavía le falta.

En la cuarta semana, mire el resultado con el equipo. ¿Se movió el servicio? ¿Bajaron los errores graves? ¿Se repartió el trabajo con equidad? ¿Las personas ganaron una capacidad, o solo una lista más larga de tareas? Continúe solo si la evidencia apoya la elección. Poder parar forma parte de la decisión.

Una organización pequeña no necesita una oficina de transformación para eso. Necesita una línea de base, un destino con nombre, una preferencia por el tiempo neto frente al tiempo bruto y una conversación con las personas cuyo trabajo cambia.

Preguntas que las direcciones sí hacen

¿El 21 % significa que el otro 79 % se desperdició?

No. La frase de Gartner dice que solo el 21 % del tiempo liberado por la IA se redirigió a un trabajo más innovador, en una encuesta del segundo trimestre a 1.865 empleados. El comunicado no publica adónde fue el resto. Un trabajo que no se etiqueta como innovación puede seguir siendo servicio, revisión, formación o recuperación. Tratar el 79 % como desperdicio es un eslogan que la página no sostiene.¹

¿El 3 % significa que el 97 % de las organizaciones no recibió nada de la IA?

No. El titular dice que solo el 3 % de las organizaciones supera las metas de ahorro mediante la productividad. La apertura dice que el 97 % no logra el ahorro deseado solo con la productividad. Superar una meta es un listón más estricto que recibir algún beneficio, y "ahorro deseado" es la redacción del comunicado, no un cero publicado. La calidad y la capacidad pueden subir sin un recorte de coste.¹

¿El 2,08 % de las horas de trabajo en EE. UU. es un beneficio de empresa?

No. La observación de FRED del tercer trimestre de 2026 es 2,08449, la cuota del total de horas de trabajo que se estima que ahorraron los adultos ocupados de 18 a 64 años. Procede de autodeclaraciones por tramos, con ahorro cero asignado a quien no usa la herramienta. No es un beneficio auditado ni un plan para un equipo.²

Cómo puede ayudar hilighter

hilighter no mide el ahorro nacional de tiempo, no certifica que un flujo se volvió más valioso y no decide quién debe recibir las horas. La pregunta práctica que esta evidencia deja abierta es más estrecha: qué tareas se volvieron más rápidas, qué competencias exige la tarea siguiente y quién ha mostrado que puede hacer ese trabajo.

hilighter ayuda a los equipos a mapear competencias por puesto, a comparar a las personas con esos requisitos en Competencias y talento, a registrar una prueba de capacidad en Reconocimiento de logros y a definir planes de desarrollo. Su vista de impacto de la IA en los empleos es indicativa. No es una predicción de que un puesto desaparezca, ni un pronóstico de horas ahorradas. Un plan gratuito cubre hasta tres puestos, con empleados ilimitados.

Sources

1. Gartner, el 77 % de los miembros del consejo espera productividad y ahorro, pero solo el 3 % de las organizaciones supera las metas, comunicado, Orlando, 26 de octubre de 2026. Titular del 77 % y del 3 %; apertura de "tres cuartas partes" y del "97 % incapaz de lograr el ahorro deseado solo con la productividad"; encuesta del segundo trimestre de 2026 a 1.865 empleados y el 21 % del tiempo liberado redirigido a trabajo más innovador; encuesta de julio de 2026 a 297 directores de RR. HH. y el 78 % sin alineamiento; cita de Viverito sobre el 38 % por encima del presupuesto, el 85 % que planea gastar más y el ahorro "en este momento"; tres conjuntos de competencias. Los cuestionarios y la muestra del 77 %, el 3 %, el 38 % y el 85 % no están publicados en la página.
2. Banco de la Reserva Federal de San Luis, Generative Artificial Intelligence, Time Savings: Employed Adults (RPSGENAITSALL), actualizado el 20 de octubre de 2026. Observaciones usadas: T3 2026 en 2,08449, T2 2026 en 2,17257, T1 2026 en 2,06661, T4 2025 en 1,98906. Unidad: porcentaje del total de horas de trabajo ahorradas, sin ajuste estacional, adultos ocupados de 18 a 64 años en Estados Unidos. Método: Real-Time Population Survey; autodeclaración por tramos; cero por construcción para quien no usa la herramienta. Cita sugerida: Bick, Blandin y Deming.
3. Workday, New Workday Research: Companies Are Leaving AI Gains on the Table, 14 de enero de 2026. Cerca del 40 % del ahorro de tiempo de la IA perdido en retrabajo; el 14 % de los empleados obtiene de forma constante resultados netos claros y positivos. Estudio Beyond Productivity, realizado por Hanover Research en noviembre de 2025: 3.200 empleados a tiempo completo, organizaciones con al menos 100 millones de dólares de ingresos, usuarios activos de IA. Workday vende una plataforma de empresa.
4. Organización Internacional del Trabajo, Rossana Merola, Ekkehard Ernst, Daniel Samaan, Maria del Rio-Chanona y Ole Teutloff, The impact of GenAI on jobs, productivity and work organization, página del 1 de junio de 2026, DOI 10.54394/00034628. Este artículo usa el resumen de la página. El PDF no se releyó página por página.
5. Organización Internacional del Trabajo, Cheuk Yu Cheryl Chan y Khatia Shedania, The Aggregation Paradox of AI, página del 6 de mayo de 2026, DOI 10.54394/00034342. Pregunta del título y viñetas de la página. El PDF no se releyó página por página. Este artículo no trata el "desaparecer" del título como un hecho medido.
6. Organización Internacional del Trabajo, AI-driven intrusive surveillance and loss of autonomy at work, noticia del 30 de abril de 2026, sobre el documento AI systems @ work (página de la publicación, DOI 10.54394/00034098). Redacción usada: la eficiencia puede mejorar, y los riesgos pueden venir de la vigilancia, la intensificación, una menor autonomía y la privacidad. No es una tasa medida para cada organización.
7. Comisión Europea, AI Act Service Desk, artículo 4: alfabetización en IA. La página dice que el texto refleja la versión consolidada de EUR-Lex a 27 de julio de 2026, con las modificaciones del paquete ómnibus, y que el resumen no es vinculante.
8. Comisión Europea, AI Act Service Desk, anexo III, punto 4, letra b.
9. Comisión Europea, AI Act Service Desk, cuándo empieza la aplicación (normas del anexo III desde el 2 de diciembre de 2027; prácticas prohibidas, ciertos deberes de transparencia y normas de modelos de uso general desde el 2 de agosto de 2026).
10. Comisión Europea, AI Act Service Desk, artículo 26, apartados 2 y 7.
11. Comisión Europea, AI Act Service Desk, artículo 5, apartado 1, letra f.
12. Reglamento (UE) 2016/679, artículo 22. EUR-Lex devolvió HTTP 403 el 4 de noviembre de 2026. La redacción sigue el reglamento.
13. Organización Internacional del Trabajo y socios, Changing landscape of skills in the age of AI, página del 13 de agosto de 2026. Resumen de la página. El PDF completo no se releyó página por página.

Fuentes revisadas el 4 de noviembre de 2026. El 21 % de Gartner, el 3 % del titular y la frase de apertura del 97 % no son un solo experimento. El 78 % de alineamiento es una encuesta distinta a directores de RR. HH. La serie de la Fed de San Luis es una cuota de horas de una encuesta, no un beneficio. Las cifras de Workday están patrocinadas por el proveedor y se limitan a grandes empleadores. Los PDF de la OIT no se releyeron página por página. EUR-Lex devolvió 403 el día de esta revisión. Las fechas de la UE siguen el servicio de la Comisión y no son asesoramiento jurídico. Ni una puntuación de detector de IA ni la ausencia de penalizaciones de Google pueden garantizarse. La traducción debe revisarla una persona nativa.