JPMorgan rastrea el uso de IA de sus empleados: así mide una gran empresa la adopción real
JPMorgan Chase ha convertido el uso de la inteligencia artificial en un indicador de rendimiento. El banco más grande de Estados Unidos por activos ha comenzado a rastrear con qué frecuencia sus aproximadamente 65.000 ingenieros y tecnólogos utilizan herramientas de IA en su día a día. El dato no es anecdótico: los gestores lo consultan, lo tienen en cuenta en las evaluaciones de cada empleado y lo usan para clasificarlos en dos categorías: usuarios ligeros y usuarios intensivos.
La iniciativa la recoge Artificial Intelligence News y forma parte de una estrategia más amplia de JPMorgan para convertir la IA en una competencia básica dentro de la organización, no en una herramienta opcional que cada equipo adopta a su ritmo.
Qué está midiendo exactamente JPMorgan
La mecánica es sencilla en concepto, compleja en ejecución. Los gestores tienen acceso a métricas de uso de las plataformas de IA corporativas que JPMorgan ha desplegado internamente. A partir de esas métricas, pueden ver si un ingeniero utiliza estas herramientas con regularidad o si las ignora. No hay un umbral público definido entre "ligero" e "intensivo", pero la clasificación existe y está vinculada a cómo se evalúa el trabajo de cada persona.
El objetivo declarado es claro: promover una adopción uniforme. JPMorgan no quiere que la IA sea territorio exclusivo de los perfiles más técnicos o de los equipos que se autoseleccionaron para experimentar. Quiere que todos sus tecnólogos la integren como parte del flujo de trabajo habitual, de la misma manera que se integró el correo electrónico o los sistemas de control de versiones en su momento.
El argumento de productividad y sus complicaciones
La lógica detrás de esta medición es que el uso frecuente de herramientas de IA debería traducirse en mayor productividad: menos tiempo en tareas repetitivas, más capacidad para resolver problemas complejos, código revisado más rápido, documentación generada con menos fricción. La teoría es sólida. La práctica tiene sus matices.
El propio sector bancario plantea un desafío específico que otras industrias no tienen en el mismo grado: el entorno está altamente regulado. Un ingeniero en JPMorgan no puede simplemente aceptar el output de un modelo de lenguaje y enviarlo a producción. Cada resultado generado por IA necesita verificación, porque los errores en un entorno financiero tienen consecuencias que van más allá del software. Esto significa que la correlación entre "uso intensivo de IA" y "mayor productividad" no es lineal. Depende de cómo se usa la herramienta, no solo de con qué frecuencia.
Hay un riesgo adicional que los expertos en adopción organizacional señalan: medir el uso puede incentivar el uso por el uso mismo. Si un empleado sabe que su gestor ve cuántas veces abre la herramienta de IA, puede empezar a usarla en contextos donde no añade valor real, simplemente para aparecer como "usuario intensivo" en el panel de métricas. Es el equivalente moderno de tener muchas pestañas abiertas en la pantalla para parecer ocupado.
La señal estratégica detrás del movimiento
Más allá de los detalles operativos, lo que hace relevante esta noticia es lo que señala sobre la dirección que están tomando las grandes corporaciones con la adopción de IA. JPMorgan no está esperando a que sus empleados adopten las herramientas de forma orgánica. Está creando presión institucional para que eso ocurra a un ritmo determinado.
Esto tiene precedentes en la historia de la tecnología empresarial. Cuando los grandes bancos y aseguradoras migraron a plataformas cloud, también hubo mandatos internos, objetivos de adopción y métricas de seguimiento. La diferencia con la IA es que la curva de aprendizaje es más corta pero los riesgos de uso incorrecto son más difusos. Con el cloud, o usas el servidor o no lo usas. Con la IA, puedes usarla de formas muy distintas con resultados muy distintos.
Jamie Dimon, consejero delegado de JPMorgan, lleva años haciendo declaraciones contundentes sobre el potencial transformador de la IA para el sector financiero. La entidad ha invertido más de 2.000 millones de dólares en tecnología de IA en los últimos años y cuenta con varios miles de científicos de datos e ingenieros especializados en esta área. El seguimiento del uso entre sus tecnólogos es, en este contexto, una extensión lógica de esa apuesta: no basta con tener las herramientas disponibles, hace falta asegurarse de que se usan.
Qué pueden aprender otras organizaciones de este modelo
El enfoque de JPMorgan no es necesariamente trasladable a cualquier empresa tal como está, pero sí plantea preguntas válidas para cualquier organización que esté invirtiendo en herramientas de IA y no vea el retorno esperado.
La primera pregunta es si el problema es de disponibilidad o de adopción. Muchas empresas han comprado licencias de Copilot, ChatGPT Enterprise u otras plataformas y las tienen disponibles para sus equipos. Pero tener acceso no equivale a usar. Si nadie mide el uso, es difícil saber si la inversión está generando valor o simplemente está ocupando una línea en el presupuesto de software.
La segunda es cómo incentivar la adopción sin crear los efectos perversos que mencionábamos antes. JPMorgan ha elegido el camino de la presión por evaluación de rendimiento. Hay enfoques alternativos: formación estructurada, casos de uso demostrativos, equipos campeones que muestren resultados reales, o simplemente eliminar las barreras técnicas y de acceso que hacen que la herramienta sea incómoda de usar.
La tercera, quizás la más importante, es qué se considera un "buen uso" de la IA en el contexto específico de cada organización. Sin esa definición, medir la frecuencia de uso no dice gran cosa. Un ingeniero que usa la IA para generar documentación de calidad tres veces a la semana puede estar creando más valor que otro que la abre veinte veces al día para tareas triviales.
JPMorgan está haciendo el experimento a gran escala. Los resultados, cuando se publiquen, serán una referencia útil para cualquier organización que esté navegando la misma transición.
