En 1865, el economista británico William Stanley Jevons publica The Coal Question y plantea una constatación que molesta a todo el mundo: las nuevas máquinas de vapor de James Watt son mucho más eficientes que las antiguas. Consumen menos carbón por unidad de energía producida. Lógicamente, la demanda total de carbón debería bajar. Lo que ocurre es lo contrario. El consumo británico de carbón se multiplica por diez entre 1830 y 1865.
¿Por qué? Porque cuando un recurso resulta más barato de usar, se inventan nuevas maneras de usarlo. La máquina de vapor eficiente no sustituye a la antigua a volumen constante. Hace viables usos que no existían. Nuevos trayectos ferroviarios, nuevas fábricas, nuevas industrias. La ganancia unitaria queda absorbida, y luego superada, por la explosión de los usos.
📌 La paradoja de Jevons aplicada a la IA: los economistas lo llaman el efecto rebote. Y se está produciendo ahora mismo con la IA generativa. Solo que el recurso en juego no es el carbón. Es el tiempo de trabajo de los profesionales cualificados.
El tiempo liberado nunca queda libre
El estudio de Harvard/BCG de 2023 (Navigating the Jagged Technological Frontier), realizado con 758 consultores del Boston Consulting Group, mide ganancias de entre el 12 % y el 25 % en rapidez y de hasta el 40 % en calidad en tareas creativas y analíticas. Un estudio del MIT sobre redactores profesionales muestra una ganancia del 37 % en velocidad en tareas de escritura. Para los desarrolladores, GitHub reporta un 55 % más de rapidez en la finalización de código con Copilot.
Estas ganancias son reales. Lo que plantea un problema es lo que se hace con ellas.
El Microsoft Work Trend Index 2025 muestra que la introducción de la IA ha aumentado las tareas administrativas en más de un 90 % al tiempo que ha reducido el trabajo profundo en casi un 10 %. Los usuarios no aprovechan el tiempo ganado para hacer menos. Hacen más. Más reuniones, más correos, más documentos, más microdecisiones. El volumen de trabajo se expande para llenar la capacidad liberada. Y para superarla.
Cal Newport, autor de Deep Work y Slow Productivity, ha documentado esta trampa. Su análisis es directo: acelerar las tareas tiene la propiedad de atraer otras nuevas tras de sí. El resultado no es una utopía productiva, sino un frenesí más intenso. No se trabaja menos. Se trabaja de otra forma, sobre un mayor número de cosas, con la sensación permanente de ir deprisa sin avanzar en lo esencial.
Tres mecanismos del efecto rebote
El efecto rebote de la IA no funciona de manera uniforme. Pasa por tres canales distintos.
La inflación de los entregables. Cuando producir un documento lleva cuatro horas en lugar de dos días, no se produce uno en cuatro horas. Se producen cinco en dos días. La propuesta comercial que nunca se habría redactado porque el cliente potencial parecía tibio se vuelve viable. La variante de presentación que no habría dado tiempo a probar se vuelve obligatoria. El estándar de calidad que espera el cliente sube mecánicamente, porque el cliente sabe que la IA existe y que sus proveedores la usan. El tiempo unitario baja, el volumen total sube, el tiempo global se mantiene constante o aumenta.
La expansión de los perímetros. La IA hace accesibles tareas que estaban fuera del alcance de una sola persona. Un autónomo puede ahora producir una estrategia SEO completa, un plan editorial, maquetas de landing pages y una auditoría técnica en una semana. Antes de la IA, habría externalizado tres de esas cuatro tareas. Resultado: trabaja en más frentes simultáneamente, gestiona más complejidad, y el tiempo que ahorra en cada tarea lo reinvierte en abrir otras nuevas. Es el equivalente exacto de las nuevas líneas ferroviarias que la máquina de Watt hizo posibles.
La compresión de los plazos de los clientes. Este mecanismo es el más perverso porque viene de fuera. Cuando un mercado entero acelera, los plazos esperados se comprimen. ¿Una auditoría que llevaba tres semanas puede entregarse ahora en cinco días? El cliente espera cinco días. Luego tres. Luego un avance intermedio en 48 horas. La ganancia de productividad la captura progresivamente el mercado, no el productor. Los economistas hablan de disipación de la renta: la ventaja competitiva de una innovación se redistribuye a los compradores a medida que los competidores la adoptan.
La paradoja a escala macro: el 89 % de las empresas no ve nada
El efecto rebote individual se acompaña de un problema macro que debería hacer reflexionar a todos los evangelistas de la IA. Yo soy uno de ellos, así que también me lo digo a mí mismo.
McKinsey lo confirma desde otro ángulo: del 88 % de organizaciones que usan la IA, solo el 6 % obtiene un impacto financiero significativo (más de un 5 % de EBIT atribuible). BCG sitúa la cifra en el 5 %.
Ya hemos visto esta película. Robert Solow, premio Nobel de Economía, escribía en 1987 que se veía la era informática por todas partes excepto en las estadísticas de productividad. Hubo que esperar hasta finales de los años noventa, es decir, entre 15 y 20 años después de las primeras inversiones masivas en informática, para que las ganancias aparecieran en las cifras macro. Paul David había mostrado un precedente similar con la electricidad: 40 años de desfase.
Erik Brynjolfsson (Stanford) explica este desfase mediante la curva en J: las tecnologías de uso general requieren inversiones complementarias masivas (rediseño de procesos, formación, nueva organización del trabajo) que no aparecen en los indicadores tradicionales. Durante esta fase, la productividad medida puede incluso bajar. Un estudio del Census Bureau muestra que las empresas manufactureras que adoptaron la IA ven caer su productividad 1,33 puntos en un primer momento, antes de superar la media en un horizonte de cuatro años.
A nivel individual, las ganancias son reales pero las absorbe el efecto rebote. A nivel organizativo, existen en potencia pero quedan bloqueadas por la ausencia de transformación estructural. Mucha agitación, pocos resultados medibles.
Lo que esto cambia para los profesionales del derecho
Thomson Reuters reporta que los profesionales equipados ahorran alrededor de 5 horas por semana, y los grandes despachos constatan reducciones del 30 % en el tiempo de revisión contractual.
Ninguna de estas cifras dice que los abogados trabajen menos o ganen más.
Lo que se observa en la práctica: los despachos que usan la IA tramitan más expedientes, producen escritos más largos, cubren más jurisprudencia en sus análisis. El estándar de diligencia sube. Un abogado que presenta una investigación que cubre 15 sentencias donde su competidor cita 50 gracias a la IA pierde credibilidad, aunque las 15 bastaran. La carrera es por el volumen y la exhaustividad aparente, no por la ganancia de tiempo.
El fenómeno también se aprecia en la tarificación. Los clientes corporativos, que saben que la IA existe, empiezan a cuestionar los honorarios por tiempo dedicado. ¿Un contrato que llevaba 8 horas de redacción ya solo lleva 3? El cliente espera pagar por 3 horas. La ganancia de eficiencia se transfiere al cliente. El abogado tiene que aceptar más expedientes para mantener su facturación. Jevons, otra vez.
Salir de la trampa: tres principios operativos
Identificar la paradoja no basta. Hace falta, además, responder a ella de forma concreta.
Distinguir producción de progresión. Producir más entregables no es lo mismo que avanzar hacia un objetivo estratégico. El reflejo ante el tiempo que libera la IA es producir: un documento más, un correo más, una propuesta más. La disciplina consiste en plantearse la pregunta antes de lanzar una tarea: ¿este entregable hace avanzar un objetivo a 6 meses, o lo produzco porque se ha vuelto fácil? Si la respuesta es la segunda, ese tiempo estaría mejor invertido en otra parte.
Facturar el valor, no el tiempo. Es la única defensa estructural contra la compresión de los plazos. Mientras un profesional facture por tiempo dedicado, toda ganancia de productividad la captura mecánicamente el cliente. La migración hacia la facturación a tanto alzado, por valor o por resultado se convierte en una necesidad económica a medida que la IA acelera la producción. Una auditoría SEO que genera un 40 % más de tráfico orgánico vale el mismo precio tanto si ha llevado dos semanas como dos días producirla. La discusión sobre el precio debe centrarse en el resultado, no en el esfuerzo.
Proteger tiempo no productivo. El consejo más contraintuitivo y, probablemente, el más útil. El tiempo ganado gracias a la IA no debería reinvertirse íntegramente en producción. Una parte debería destinarse a la reflexión estratégica sin herramienta, sin prompt, sin entregable esperado. Paul Graham lo llama el Maker’s Schedule: bloques largos e ininterrumpidos para el trabajo creativo profundo. Ethan Mollick (Wharton) llega a la misma conclusión por otro camino: la verdadera palanca de la IA no es el prompting, sino la capacidad de delegar y dirigir. Y esa capacidad se desarrolla en los momentos de distancia, no en los sprints de producción.
La verdadera cuestión es organizativa
La máquina de vapor no hizo más rentables a las empresas victorianas haciendo funcionar más rápido las antiguas fábricas. Hizo posible un nuevo tipo de organización industrial. Las fábricas cambiaron de forma, de tamaño, de ubicación. Paul David muestra que ese proceso llevó décadas, y que las empresas que se limitaron a enchufar la nueva máquina a la antigua organización son las que menos provecho le sacaron.
McKinsey y BCG convergen en este punto: lo que distingue al 5 o 6 % de empresas que crean valor con la IA no es ni la sofisticación de las herramientas ni la calidad de los prompts. Es el rediseño de sus procesos. Los líderes tienen tres veces más probabilidades de haber rediseñado sus flujos de trabajo que los rezagados (McKinsey, 2025).
⚠️ Enchufar ChatGPT a un despacho de abogados organizado como en 2019 es enchufar la máquina de Watt a una mina de carbón excavada a mano. Va un poco más rápido, pero la ganancia estructural es nula. La verdadera transformación supone repensar qué se produce, cómo se produce, cómo se factura y cómo se reparte el tiempo de los profesionales entre producción, dirección y reflexión.
Jevons no es una fatalidad
La paradoja de Jevons no es una ley física. Es una tendencia conductual. El efecto rebote se produce cuando no se ve, cuando se deja que el tiempo liberado se llene por defecto.
Los profesionales que más valor sacarán de la IA en los próximos dos años no serán los más rápidos. Serán quienes hayan entendido que la velocidad de producción es un medio, no un fin, y que hayan reinvertido su tiempo en aquello que la IA no sabe hacer: ver lejos, decidir bajo incertidumbre, construir sistemas que crean valor sin su presencia permanente.
Fuentes
- W.S. Jevons, The Coal Question (1865)
- Harvard Business School / BCG, Navigating the Jagged Technological Frontier (2023)
- Microsoft Work Trend Index 2025
- NBER Working Paper 34836, Firm Data on AI (febrero de 2026)
- McKinsey Global Survey, The State of AI in 2025 (marzo de 2025)
- BCG, Are You Generating Value from AI? The Widening Gap (septiembre de 2025)
- Lamy Liaisons / OpinionWay, Impact de l’IA sur les avocats et juristes en 2025
- ABA, 2024 Artificial Intelligence TechReport
- Thomson Reuters, Generative AI in Professional Services Survey (2025)
- Erik Brynjolfsson, The Productivity J-Curve (AEJ, 2021)
- Ethan Mollick, Management as AI Superpower, One Useful Thing (2025)
- Cal Newport, Slow Productivity (2024)
- Paul Graham, Maker’s Schedule, Manager’s Schedule (2009)