Por qué su equipo sigue pegando cosas en ChatGPT en lugar de usar sus herramientas oficiales
El volumen de copiar y pegar en ChatGPT no es, sobre todo, un fallo de cumplimiento que haya que vigilar. Es investigación de mercado gratuita y honesta sobre el punto exacto en el que sus herramientas oficiales son demasiado lentas — si está dispuesto a leerlo así.
Pregúntele a una responsable de operaciones de una agencia de cincuenta personas dónde se hace de verdad la investigación de clientes, y señalará una herramienta de gestión de proyectos con una factura mensual y un cuadro de permisos. Pregúntele dónde ocurre en la práctica, y la respuesta honesta, cada vez más, es una pestaña del navegador con ChatGPT.
No es un hábito marginal, limitado a unas pocas personas del equipo de diseño que se saltan las normas. Está cerca de la mediana. El Work Trend Index 2024 de Microsoft y LinkedIn, basado en una encuesta a 31.000 trabajadores de 31 países, encontró que el 78 % de los empleados que usan IA generativa en el trabajo traen sus propias herramientas de IA en lugar de las que les entregó su empleador — una práctica que el informe llama BYOAI. En las pequeñas y medianas empresas, esa cifra sube al 80 %. Un informe anual de 2025 aparte, de 1Password, elaborado con 5.000 trabajadores, encontró una cifra más conservadora: el 27 % admitió haber usado herramientas de IA que su empresa no había autorizado, mientras que una encuesta de Cybernews a más de 1.000 empleados de Estados Unidos en septiembre de 2025 situó la cifra en el 59 %. La dispersión es amplia porque cada encuesta hace una pregunta ligeramente distinta — «¿ha recurrido alguna vez a la IA fuera de los canales oficiales?» frente a «¿depende a sabiendas de una IA no autorizada para su trabajo más importante?» — pero todas estas cifras están muy por encima de lo que la mayoría de responsables de TI y de operaciones adivinarían si se les preguntara en frío.
La mayoría de las conversaciones sobre este hecho empiezan con la palabra «shadow» y terminan con una nota sobre la política de uso aceptable. Ese instinto es comprensible. También es, en su mayor parte, el primer movimiento equivocado.
Lo que el número mide de verdad
Empiece por lo que estas encuestas no están encontrando. No están encontrando que los empleados sean perezosos, imprudentes o que intenten esquivar a la dirección. El informe de 1Password preguntó directamente por qué la gente recurre a herramientas de IA no aprobadas, y las dos respuestas principales fueron la comodidad (45 %) y la sensación de ser más productivos (43 %) — no «mi responsable no revisa» ni «la política me da igual». La gente no se esconde en ChatGPT porque esté prohibido. Se esconde en ChatGPT porque es más rápido que aquello que se suponía que debía usar en su lugar.
Esa distinción importa, porque significa que el comportamiento de copiar y pegar no es, ante todo, un problema de disciplina que vigilar. Se parece más a un cliente que elige el producto de un competidor en lugar del suyo. Si un cliente empieza a rodear su flujo de pago porque el de un competidor tiene tres clics menos, no responde haciendo más difícil abandonar el suyo: va a averiguar qué lo hace lento. La misma lógica se aplica dentro de una empresa. Cada vez que alguien abre ChatGPT en lugar de su herramienta de tareas, su app de mensajería o su wiki interna, está emitiendo un voto honesto y espontáneo sobre dónde sus herramientas oficiales son demasiado lentas, están a demasiados clics de profundidad o les falta algo que esa persona necesita ahora mismo. Nadie rellena una encuesta para decírselo. Simplemente lo hace, una y otra vez, a escala — y eso es exactamente lo que lo hace más fiable que la mayor parte del feedback que obtendrá a propósito.
Copiar y pegar en ChatGPT no es una prueba de que su equipo no respete las herramientas que le dio. Es una medición en vivo del punto exacto en el que esas herramientas se quedan cortas — registrada de forma automática, en volumen, sin fatiga de encuesta.
Dónde encaja: la deuda de proceso hecha visible
La filosofía de producto de FabricLoop tiene un nombre para la condición de fondo que produce este comportamiento: la deuda de proceso — el coste acumulado y oculto de coser herramientas que no comparten contexto, pagado en la moneda de personas que vuelven a teclear, vuelven a explicar y reconcilian a mano información que debería haberse movido sola. La deuda de proceso no aparece en un balance. Aparece como los diez minutos que alguien dedica a copiar un hilo de cliente desde el correo a un documento y luego resumirlo a mano, porque los sistemas implicados no se hablan entre sí.
La IA generativa no creó la deuda de proceso. Solo le dio a todo el mundo una forma mucho más rápida de atenderla. Antes de ChatGPT, un empleado frente a un proceso interno fragmentado y lento tenía dos opciones: atravesarlo a base de esfuerzo, o encontrar un atajo informal — una hoja de cálculo personal, un mensaje aparte en Slack, una nota adhesiva. Ahora hay una tercera opción que tarda nueve segundos y produce un resultado realmente útil: pegar el desorden en un chatbot y dejar que haga la reconciliación. El volumen de personas que eligen esa tercera opción es una lectura directa y en tiempo real de cuánta deuda de proceso arrastra su organización, expresada flujo de trabajo a flujo de trabajo. Un equipo que pega constantemente en ChatGPT no es indisciplinado. Es un equipo que paga los intereses de la deuda de proceso lo bastante rápido como para que todo el mundo lo note.
Por eso prohibir el atajo, por sí solo, rara vez funciona. Un sitio bloqueado o una nota de política severa no salda la deuda: solo elimina la forma más rápida de atenderla, lo que empuja a la gente hacia atajos más lentos o hacia un teléfono personal donde nadie puede ver lo que está haciendo. Si la brecha de fondo que llevó a alguien a ChatGPT sigue ahí, la prohibición ha hecho el problema menos visible, no más pequeño.
Nada de esto significa que el riesgo sea imaginario. Cuando alguien pega un contrato de cliente, unas notas de evaluación de desempeño o los datos de cuenta de un cliente en una cuenta personal de ChatGPT, Claude o Gemini, esos datos salen del control de su empresa y aterrizan en la infraestructura de otra empresa, bajo las condiciones de servicio de otra empresa — a menudo el plan gratuito, que suele traer las garantías de tratamiento de datos más débiles de cualquier plan disponible. Es una exposición real, y merece una advertencia real, enunciada con claridad, y no una nota al pie. El error es encabezar la historia con este riesgo como si fuera todo el relato, porque el miedo es un mal motivador del cambio de conducta y un instrumento de diagnóstico todavía peor. Enuncie el riesgo una vez, tómeselo en serio y luego averigüe qué está impulsando de verdad el comportamiento — porque esa es la parte que puede corregir.
Léalo como datos de abandono, no como un registro de vigilancia
La respuesta adecuada se parece a cómo un equipo de producto estudia el abandono, no a cómo un equipo de cumplimiento hace una auditoría. No necesita leer el historial de ChatGPT de ningún empleado en particular, y no debería intentarlo: eso es vigilancia, erosionará la confianza más rápido de lo que producirá insight, y en la mayoría de las jurisdicciones genera su propia exposición legal. Lo que busca es el patrón agregado: qué flujos de trabajo, roles y momentos de un proceso producen de forma fiable un desvío hacia una herramienta de IA externa. Es una pregunta que puede responder con una encuesta breve y anónima, unas cuantas conversaciones francas con responsables de equipo o — si sus herramientas oficiales tienen alguna analítica de uso — mirando dónde la gente abandona una tarea a medias y dónde se agrupan los tickets de soporte en torno a «esto está tardando demasiado».
En las encuestas, un número pequeño de categorías de flujo de trabajo concentra la mayor parte del tráfico. Los datos de 1Password lo desglosan de forma concreta: el 22 % de los encuestados dijo que usa herramientas de IA externas para transcribir y resumir notas de llamadas con clientes, el 21 % las usa para analizar datos de clientes, y el 16 % las usa tanto para el análisis de datos de la empresa como para redactar material relacionado con la contratación y las evaluaciones de desempeño. Ninguno de esos casos es exótico. Son el tejido conectivo ordinario de dirigir un equipo en crecimiento o una cuenta de agencia — el momento justo después de que termina una llamada y antes de que las notas lleguen a algún sitio útil, el momento en que un responsable necesita una lectura rápida de una hoja de cálculo para la que nadie construyó un informe, el momento en que alguien tiene que convertir un montón de feedback disperso en una evaluación coherente. En casi todos los casos, el trabajo de fondo es realmente sencillo. Lo lento es el número de herramientas que hay que abrir, y el número de veces que hay que volver a explicar un contexto que ya existe en algún lugar de la empresa, para hacerlo por la vía autorizada.
Haga más rápido el camino autorizado, no más difícil el atajo
Cuando ya conoce los dos o tres flujos de trabajo concretos que generan la mayor parte del tráfico, la corrección casi nunca es una política nueva. Es cerrar la brecha real. En concreto, para quien dirige un equipo en crecimiento o una agencia, eso significa tres cosas, más o menos en este orden.
Primero, nombre los flujos de trabajo con precisión, no de forma genérica. «La gente usa ChatGPT para temas de clientes» no es lo bastante específico para actuar. «Los account managers resumen las notas de llamada en ChatGPT porque nuestra herramienta de tareas no tiene una captura rápida desde una llamada, así que de otro modo tendrían que abrir tres pantallas distintas» sí es lo bastante específico para corregirlo — y suelen ser uno o dos de estos casos los que concentran la mayor parte del volumen, no una docena.
Segundo, mida el atajo frente al camino autorizado en las unidades que de verdad importan a la persona que hace el trabajo: número de clics, número de cambios de aplicación y número de veces que tiene que volver a teclear algo que ya existe en otro sitio. Si la herramienta externa gana por un margen amplio en las tres, esa es su brecha, y por lo general se puede cerrar — un atajo de captura rápida, una plantilla, una integración que traiga el hilo relevante a la herramienta de forma automática en lugar de pedirle a alguien que vaya a buscarlo.
Tercero, cuando la IA en sí es de verdad la parte útil — no solo la velocidad, sino el resumen o la redacción en sí — lleve una capacidad de IA a la superficie autorizada en lugar de fingir que la gente va a dejar de quererla. Ese es el argumento real para incorporar la IA a las herramientas en las que su equipo ya vive, en lugar de dejarla varada en una app de consumo aparte, sin su contexto y sin sus controles.
La respuesta de FabricLoop a esta brecha es Loop Agent, construido sobre el Model Context Protocol para que pueda actuar dentro de los mismos Groups donde ya viven su mensajería, sus tareas y sus notas — resumir un hilo, redactar una tarea a partir de una conversación o recuperar una nota sin que nadie salga de la app ni vuelva a explicar un contexto que ya está ahí. El objetivo no es superar a ChatGPT en funciones. Es hacer que el camino autorizado sea al menos tan rápido como el atajo, con el registro de auditoría intacto, para que la comodidad que hoy envía el trabajo a una cuenta externa tenga un lugar al que ir dentro de sus propias paredes.
Cómo se ve esto el próximo lunes
Nada de esto exige un grupo de trabajo. Exige una hora de mirada honesta, una conversación breve con los dos o tres roles que más copian y pegan, y la disposición a tratar lo que encuentre como información útil y no como un asunto disciplinario. Pregunte directamente a la gente qué intentaba terminar justo antes de abrir ChatGPT — la mayoría se lo dirá con claridad, porque no intentaba ocultar nada, intentaba terminar una tarea. Luego compare esa tarea, paso a paso, con el tiempo que tarda a través de sus herramientas oficiales. La brecha que encuentre es su hoja de ruta de producto real para el próximo trimestre, entregada gratis por las personas que usan sus sistemas cada día.
Los equipos que se equivocan tratan el copiar y pegar como un problema de integridad y se pasan un trimestre escribiendo una política que nadie lee. Los equipos que aciertan lo tratan como investigación de mercado que nadie tuvo que pagar, y se pasan ese mismo trimestre cerrando las dos o tres brechas que estaban enviando a todo el mundo a rodear las herramientas que ya tenían.