La interacción entre humanos e inteligencia artificial se ha convertido en un canal crítico para el intercambio de información, sin embargo, no existe un marco cuantitativo y teóricamente fundamentado para medir la eficiencia de la información en la comunicación humano-IA. Este estudio validó empíricamente un marco de info-métricas que operacionaliza la eficiencia de la información a través de tres dimensiones: densidad de información (D), relevancia (R) y redundancia (Q), sintetizadas en una métrica de eficiencia de la información (IEM). Analizamos 60 respuestas de IA de ChatGPT 5.2 y Claude Opus 4.5 en tipos de preguntas fácticas, analíticas y creativas utilizando codificación combinada, medidas estructurales automatizadas y evaluación humana de unidades informativas. Los resultados mostraron que la densidad de información y la relevancia contribuyeron positivamente a la IEM, mientras que la redundancia tuvo una contribución negativa. La eficiencia varió según el tipo de tarea, con los prompts fácticos mostrando la mayor variabilidad entre modelos y la mayor eficiencia. Contrario a las expectativas, las respuestas creativas no mostraron mayor redundancia, lo que sugiere que la diversidad expresiva no constituye necesariamente ruido informativo. El marco ofrece un enfoque sensible a la tarea y teóricamente fundamentado para evaluar el intercambio de información humano-IA más allá de la corrección o el juicio de calidad subjetivo, apoyando la optimización orientada a sistemas de los protocolos de IA conversacional.