10 minutos con IA bastan para erosionar tu criterio

Un experimento con 1.222 participantes midió cuánto aguanta el criterio propio

Diez minutos de uso de una herramienta de IA generativa bastan para que una persona resuelva peor los problemas cuando esa herramienta desaparece. Lo midió un equipo de investigadores con 1.222 participantes en tres experimentos independientes, y el resultado más duro es este: en la fase sin asistencia, el grupo que había dependido de ChatGPT resolvió correctamente el 57% de los problemas, frente al 73% del grupo que trabajó solo desde el principio. Una brecha de 16 puntos porcentuales.

Para un founder, el dato no es una curiosidad académica. Tu equipo ya usa IA a diario para redactar, analizar y decidir. La pregunta que deja este estudio no es si conviene usarla, sino qué pasa con el criterio de las personas cuando el copiloto se apaga.

¿Qué encontró exactamente el estudio?

Los tres experimentos apuntaron al mismo patrón, según el detalle publicado por UC Berkeley News.

• Experimento 1 (354 participantes, fracciones): el grupo con acceso a ChatGPT fue más preciso mientras tuvo la herramienta. Al retirarla, su rendimiento cayó por debajo del grupo que nunca la usó.
• Experimento 2 (667 participantes): replicó el efecto con más fuerza. El grupo dependiente de la IA acertó el 57% en la fase sin asistencia, contra el 73% del grupo de control.
• Experimento 3 (201 participantes, comprensión lectora tipo SAT): mismo resultado. Sin la herramienta, la persistencia y la precisión bajaron.

El paper, ya revisado por pares, se presentó en la Conference on Language Modeling. El equipo reunió a investigadores de UC Berkeley, Carnegie Mellon, MIT, Oxford y UCLA. Entre los coautores está Brian Christian, research fellow del UC Berkeley Center for Human-Compatible AI y autor de The Alignment Problem (2020). Los hallazgos preliminares circularon desde la primavera y medios como WIRED y Psychology Today los cubrieron antes de la versión final.

¿Por qué 10 minutos alcanzan para notar el deterioro?

El mecanismo que describen los investigadores es la sustitución cognitiva: cuando una herramienta externa entrega respuestas rápidas, el cerebro reduce su actividad reflexiva. La sensación de esfuerzo productivo, clave para aprender y consolidar habilidades, se debilita con cada interacción delegada.

El efecto no es un daño permanente, pero sí inmediato y cuantificable tras sesiones breves. Y hay un detalle que agrava el cuadro: no se trata solo de responder mal. Según Rachit Dubey, coautor del estudio, en declaraciones recogidas por NewsNation, "una vez que la IA se les quita, no es que las personas den respuestas equivocadas; tampoco están dispuestas a intentarlo sin IA".

The New York Post reportó dos números que ilustran esa falta de disposición: la tasa de solución del grupo que había usado IA fue 20% menor, y esos participantes fueron el doble de propensos a saltarse preguntas que quienes nunca tuvieron asistencia.

Brian Christian resumió la paradoja: "Creamos estos sistemas para que sean útiles, pero ¿realmente nos están ayudando? A menudo, sus beneficios resultan contraproducentes".

La IA no es el problema: cómo la usas sí

Aquí está el dato más accionable de todo el estudio. En el experimento de comprensión lectora, el 61% de los participantes con acceso a IA le pidió directamente la respuesta. Ese subgrupo fue el que mostró el deterioro. Quienes usaron la herramienta para pedir pistas o aclaraciones no registraron la misma caída.

La distinción es enorme para cualquier equipo: la IA como oráculo erosiona; la IA como contrapunto entrena.

Investigación recogida por Greater Good Magazine, de UC Berkeley, va en la misma dirección. En un estudio con 45 knowledge workers de una universidad pública estadounidense, quienes usaban la IA deliberadamente para generar fricción, pidiéndole que contradijera sus ideas o que buscara perspectivas incómodas, mejoraron su desempeño. Un profesional de marketing, por ejemplo, le pidió a la IA que creara clientes virtuales predispuestos a rechazar su producto; el ejercicio reveló preferencias que no había considerado.

El contraste con el uso pasivo es claro. Un estudio de Microsoft Research y Carnegie Mellon de 2024, citado por EdSurge, encontró que los trabajadores que dependían más de la IA generativa reportaban menos evaluación crítica y razonamiento independiente.

¿Qué significa esto para tu startup?

Primero, el riesgo se concentra donde más duele. En decisiones bajo incertidumbre, como análisis estratégico, evaluación de riesgos, negociación o due diligence, un equipo que solo sabe operar con el copiloto encendido queda expuesto cuando el sistema falla, los datos son ambiguos o la situación exige criterio propio. No es un problema de productividad: es un problema de resiliencia.

Segundo, el costo se paga en el talento junior. El analista que nunca hizo el trabajo lento no desarrolla el músculo que después le permite detectar cuándo la IA está equivocada. La velocidad de hoy se financia con la capacidad de mañana.

Tercero, casi nadie lo está midiendo. Las políticas de adopción corporativa suelen medir horas ahorradas y tareas completadas. Casi ninguna mide si el equipo sigue pudiendo resolver sin asistencia. Esa distinción, en qué tareas la IA amplifica y en cuáles sustituye, es una decisión de gobernanza, no de herramientas.

Cómo integrar IA sin apagar el criterio del equipo

• Hipótesis antes de prompt. En tareas de criterio, exige que la persona escriba su hipótesis y su razonamiento antes de abrir el chat. La IA entra a tensionar esa hipótesis, no a reemplazarla.
• Prohibido pedir la respuesta final. Instruye al equipo a usar la IA para pistas, contraargumentos y perspectivas ausentes, no para el output definitivo. El estudio muestra que ese cambio de uso es la diferencia entre aprender y depender.
• Sesiones sin copiloto. Reserva bloques de decisión, escritura y análisis donde la IA esté apagada. Sirven como test de capacidad real y como entrenamiento.
• Mide el criterio, no solo la velocidad. Además de tus KPIs de productividad, evalúa periódicamente al equipo en tareas sin asistencia. Si el rendimiento sin IA cae mientras el rendimiento con IA sube, tienes una alerta temprana.

Conclusión

El estudio no pide prohibir la IA. Pide algo más incómodo: que las empresas decidan con datos en qué tareas la IA amplifica a su equipo y en cuáles lo reemplaza. Diez minutos bastan para notar la diferencia, y esa es justamente la mala noticia: el deterioro es rápido, silencioso y no aparece en ningún dashboard de productividad.

La buena noticia es que el mismo estudio señala la salida. La IA que te contradice, te da pistas y te obliga a pensar entrena. La que te entrega la respuesta, atrofia. Elegir cuál de las dos construyes dentro de tu startup es una decisión de diseño organizacional que puedes tomar esta semana.

Fuentes

• Noticias Neo (fuente original)
• UC Berkeley News
• NewsNation / Yahoo
• New York Post
• Greater Good Magazine
• EdSurge