Futuro del trabajo
· 8 min de lectura

Declarar el uso de IA en el trabajo: lo que dicen los datos

Por Amine Gaaliche · borrador redactado con Claude, revisado y editado a mano

Más de la mitad de los empleados oculta que usa IA en el trabajo, según los estudios de KPMG y de Microsoft. Quien lo declara paga un precio, y está medido: sus compañeros lo juzgan peor. Estas son las cifras, cada una con su fuente, listas para presentar ante un comité.

Ninguna de estas cifras es española. El estudio de KPMG es global y el de Clio, norteamericano. El RGPD, la LOPDGDD y la AEPD no dependen de ninguna encuesta.

Dos estudios llegan al mismo resultado

KPMG y la Universidad de Melbourne hallaron en 2025 que el 57 % oculta su uso.

Un año antes, Microsoft y LinkedIn midieron un 52 % reacio a admitirlo. Cambian los autores, el cuestionario y el año, pero en los dos casos más de la mitad prefiere que no se sepa.

Esa coincidencia es lo más sólido de estos datos. Una encuesta aislada deja dudas sobre la muestra, la pregunta o el año. Dos equipos independientes que llegan al mismo resultado despejan buena parte de esas dudas. Con una encuesta se tiene un indicio, y con dos, un hallazgo.

La cifra que más debería preocupar a una dirección es otra del estudio de KPMG: el 48 % admite haber incumplido la política de su empresa.

Las dos primeras cifras prueban que la ocultación existe, y esta mide su coste. Una norma que casi la mitad reconoce saltarse desplaza el uso adonde nadie mira.

KPMG añade que solo el 47 % ha recibido alguna formación en IA. Las políticas se aplican, por tanto, a una mayoría a la que nadie ha formado. Cómo se llegó aquí lo explicamos en las condiciones que hemos creado para ocultar la IA.

Lo que midió Duke

Hasta aquí cabe una lectura cómoda: si la gente lo oculta, será porque no es de fiar.

El trabajo de Duke, publicado en la revista PNAS, desmonta esa lectura. Quien reconocía usar IA era juzgado más vago y menos competente, sin importar la edad, el género ni la antigüedad.

Los experimentos miden el efecto. A nuestro juicio, mientras se evalúe el esfuerzo visible, lo que aporta un modelo se resta del mérito de quien firma. Con ese dato, el 57 % de KPMG se entiende de otra forma. Ocultar es una respuesta razonable a un incentivo que la organización ha creado sin escribirlo.

Hoy, declarar el uso de IA funciona como admitir una falta. El gesto que debería generar confianza genera sospecha. Quien declara paga, y quien calla, de momento, no. Mientras sea así, la tasa de ocultación habla más del incentivo que de la integridad de las personas.

Con el uso se ocultan también los datos

Los estudios miden personas, pero la AEPD miraría además los datos personales de los documentos. Si alguien pega en un asistente personal el contrato de un cliente, con su DNI, su número de la Seguridad Social y su IBAN, la organización pierde el rastro de esos datos.

El RGPD llama encargado del tratamiento a quien trata datos personales por cuenta de otro. Su artículo 28 exige un contrato que fije el objeto, la duración, la finalidad, el tipo de datos y las obligaciones de cada parte. Es la prueba que pediría la AEPD, y nadie la ha firmado si el expediente se pega desde una cuenta personal.

El artículo 5 de la LOPDGDD añade un deber de confidencialidad, y en los despachos se suma el secreto profesional del artículo 542.3 de la Ley Orgánica del Poder Judicial. Estas normas suponen que la organización sabe por dónde pasan los datos, y la ocultación lo impide. Que su caso cumpla o no depende de contratos y configuraciones que no vemos, y no nos pronunciamos sobre ello.

Pedir que se declare no basta

La respuesta más común es un régimen de declaración: quien use IA, que lo diga. La intención es buena, pero deja intacto lo que midió Duke. Mientras se evalúe solo el contenido, declarar es exponerse a una penalización. Por eso más de la mitad prefiere callar, según KPMG y según Microsoft y LinkedIn.

La solución está en cambiar lo que se evalúa. Si de un informe se valora quién lo revisó, qué datos salieron y quién responde de cada cifra, mencionar un modelo es una línea más del expediente. Cuando el modelo es de un tercero, esa línea incluye el contrato del artículo 28 del RGPD. El cambio se escribe primero en la política, como muestra este ejemplo para un despacho pequeño.

Lo que puede aportar una herramienta

Una herramienta puede abaratar la declaración, porque convierte el uso en un procedimiento que se puede enseñar y explicar. promptShield funciona en el ordenador del usuario.

Detectar analiza el documento por capas. Primero aplica patrones de alta precisión a valores con forma fija, como un DNI o un IBAN. Después, un modelo de entidades, configurable según la instalación, para nombres, empresas y domicilios. Por último, una capa opcional con un modelo de lenguaje, desactivada por defecto.

Los resultados se fusionan, se eliminan duplicados y se extienden a todo el documento: un nombre hallado en la primera página queda marcado en la cuarta. Al final se filtra el ruido. Ningún modelo local encuentra todos los identificadores, así que, por defecto, un archivo protegido no se descarga hasta que una persona revisa los hallazgos en Revisar.

Tachar elimina cada hallazgo de forma permanente. Codificar lo sustituye por un código reversible, guardado en el Registro de códigos del propio equipo. Los códigos valen dentro de su carpeta, y otra carpeta tiene los suyos. Solo los códigos fijados a mano son comunes a todas.

Decodificar restituye los valores con un componente local, sin servicio externo. El escritorio funciona sin conexión, y el plan Pro añade un modo aislado sin comprobación de licencia ni informes de fallos. La versión gratuita del navegador envía una señal anónima al arrancar. En las dos, el documento no sale del equipo.

Así, el empleado puede explicar qué detectó la aplicación, qué revisó, qué codificó o tachó y quién responde del resultado. Esa declaración no le cuesta nada si la organización valora esos elementos.

Preguntas frecuentes

¿Cuántos empleados ocultan su uso de IA?

El 57 %, según el estudio global de KPMG y la Universidad de Melbourne de 2025. El Work Trend Index 2024 de Microsoft y LinkedIn da una cifra parecida, del 52 %.

¿Por qué se penaliza declarar el uso de IA?

Porque los compañeros juzgan más vago y menos competente a quien lo declara, según cuatro experimentos de la Universidad de Duke. El efecto no depende de la edad, el género ni la antigüedad.

¿Cómo se consigue que declarar no perjudique?

Evaluar la responsabilidad en lugar del esfuerzo aparente: quién revisó, qué datos salieron y quién responde. Con eso, mencionar un modelo deja de ser una admisión.

Quién paga hoy

Pedir que se declare el uso de IA es razonable. Hoy el precio lo paga quien obedece, con una sospecha que su compañero se ahorra callando. El segundo coste lo paga el cliente cuyo DNI viaja hacia un servicio con el que nadie firmó nada. Los dos dependen de lo que se pregunta al recibir un trabajo: quién responde, qué datos salieron y quién lo revisó.

¿Le ha resultado útil? Háganoslo saber.

Compartir