La noticia trata de directivos que, al ver prototipos de modelos de IA, creen que el trabajo está terminado y toman decisiones drásticas como despidos. Aaron Levie lo llamó “psicosis de la IA” (Aaron Levie, 30/05/2026), y el fenómeno ya tiene ejemplos con números concretos que merece examinar con lupa.
¿Qué es la “psicosis de la IA” y por qué importa?
La psicosis de la IA es la desconexión entre lo que muestra un demo y lo que realmente exige entregar un producto con calidad y responsabilidad. Lo que un CEO ve —un contrato generado o una función de código— no es el trabajo final: falta validación, pruebas legales y control de sesgos. Un repaso de la literatura lo resume: un estudio de la Universidad de California, Berkeley encontró que no existe una relación robusta entre la adopción de IA y las ganancias de productividad agregada (estudio UC Berkeley, 2026). El National Bureau of Economic Research documentó además una paradoja: las ganancias percibidas de productividad suelen ser mayores que las medidas (NBER, 2026). Y el MIT concluye que muchos agentes no alcanzan calidad humana plena hoy; estiman que ciertas tareas podrían alcanzar 80–95% de éxito en 2029, es decir, un progreso pero aún con brechas temporales (MIT, 2026). Estas cifras muestran que la adopción masiva sin control es una apuesta de alto riesgo.
El caso ClickUp: ¿ahorro real o traslado del cuello de botella?
ClickUp, según declaraciones públicas de su CEO Zeb Evans, despidió cerca del 25% de su plantilla tras desplegar 3.000 agentes de IA para automatizar tareas (Zeb Evans, X, mayo 2026). Ese tipo de anuncios suenan bien en un titular, pero hay que preguntarse qué se ahorra y qué se traslada. Cuando la IA produce más contenido o código, la revisión, garantía de calidad y cumplimiento legal aumentan. Harvard Business Review lo identificó como un nuevo cuello de botella: más producción automática exige más supervisión humana (HBR, 2026). Si la supervisión crece en tiempo o en costo, la ecuación de ahorro se revierte. Además, la probabilidad de errores inventados por modelos de lenguaje —las llamadas alucinaciones— implica riesgos legales y reputacionales que no se miden en un demo. Antes de despedir personal, una regla simple: exigir evidencia de productividad medible por proyecto y auditorías independientes que confirmen la calidad.
¿Cómo impacta esto en el mercado argentino?
En Argentina la discusión no es teórica: muchas pymes y startups usan WhatsApp y MercadoLibre como infraestructura para vender y atender clientes, por lo que cualquier automatización de atención o gestión debe integrarse con esos ecosistemas. WhatsApp supera los 2.000 millones de usuarios a nivel global, lo que lo hace crítico para LATAM (Meta report, 2023). Si las empresas locales sustituyen personal por agentes sin medir, pueden perder control sobre la atención al cliente y la gestión de cobros locales. Además, en mercados sensibles al precio y con logística compleja, los errores automatizados cuestan más. No hay cifras oficiales públicas sobre la adopción masiva de agentes en empresas argentinas al nivel de ClickUp, por lo que es crucial que quienes tomen decisiones informen métricas internas: tiempo ahorrado, tasa de errores, impacto en churn y costo de supervisión. Sin esos números cualquier ajuste de plantilla es una apuesta.
Qué hacer en la práctica: cuatro reglas para no equivocarse
Primero: medir antes de despedir. Exigir pruebas A/B con métricas claras —tiempo por tarea, tasa de errores, coste de supervisión— y compararlas respecto al periodo anterior. Segundo: aplicar la regla del costo versus beneficio: si una herramienta tiene un costo fijo, debe demostrar ahorro o ingreso mayor que ese costo en un horizonte concreto. Tercero: exigir auditorías independientes y transparencia sobre telemetría y sesgos; no confiar en demos cerrados. Cuarto: empezar con pilotos en tareas de bajo riesgo y documentar resultados; si la mejora es consistente, escalar. En Latinoamérica, y en Argentina en particular, la adopción efectiva de IA pasa por integrar con WhatsApp, medios de cobro locales y logística real. La IA es un empleado barato y valioso, pero no reemplaza el criterio humano: reemplaza trabajo repetitivo, no responsabilidad ni juicio.
Cierre: la lección es simple y práctica. Ver un prototipo impresionable no es suficiente para reestructurar una empresa. Las decisiones deben basarse en datos verificables, auditorías independientes y pruebas controladas. Quien no lo haga está apostando la continuidad del negocio al rumor de una demo.
