AI psychosis: cuando producir más esconde producir peor

La trampa de producir más sin producir mejor

El término "AI psychosis" ("psicosis de IA") se está colando en conversaciones técnicas y de producto, pero se usa para describir situaciones muy distintas. En una serie de análisis en su blog, el Dr. Jeffrey R. Bohn —conocido en línea como Jeff, analista con pasado en salud mental clínica y dirección de producto— propuso dividirlo en tres categorías: psicosis verdadera (un cuadro clínico vinculado al uso de LLMs, generalmente sobre psicosis previa), psicosis prolífica (hipercompromiso con herramientas de IA acompañado de desconexión con la realidad) y psicosia parasocial (relaciones maladaptativas con chatbots que imitan conexión humana). El primer artículo de la serie abordó la primera categoría; este segundo entrega, en sus palabras, una "definición operativa" de la segunda, la que más impacta directamente al trabajo de cualquier founder que hoy programa, escribe o produce con IA.

La idea central es incómoda: producir mucho no es producir valor. Un desarrollador con esta "psicosis prolífica" puede generar miles de líneas de código al día que apenas sirven. Un escritor puede producir textos interminables que nadie termina leyendo. La métrica engañosa es el volumen; el daño real está en la imposibilidad de evaluar la calidad del propio trabajo.

Qué es realmente la "psicosis prolífica de IA"

Bohn la define de forma operativa: ocurre cuando una persona genera una cantidad muy grande de output con IA sin aumentar de forma significativa el valor real de su trabajo. En algunos casos, ese nuevo flujo de trabajo con IA directamente destruye valor.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Lo aclara con un ejemplo que cualquier fundador entiende. Un autor admirado que escribe 1.000 palabras cuidadas al día preocupa si de repente escribe 100.000: el cuidado que requiere elegir bien esas 1.000 palabras no sobrevive al cambio de escala. Con el software pasa lo mismo: las líneas de código se correlacionan muy débilmente con la productividad. Algunos días el trabajo útil es añadir miles de líneas; otros, borrar lo que sobra; y a veces, un fix crítico se resuelve cambiando un solo carácter.

El autor insiste en un punto que suele perderse: el problema no es el output en sí. Más código y más texto pueden ser más productivos. El problema está en la percepción del sujeto sobre su propio trabajo: no logra evaluar la calidad de lo que produce. Esa desconexión leve con la realidad —un defecto del pensamiento crítico— es lo que le hace poner el apellido "psicosis".

Por qué las herramientas "agénticas" elevan el riesgo

Bohn subraya que el riesgo no es igual para todas las herramientas. Una conversación con ChatGPT o un resumen de Gemini rara vez dispara el cuadro. El salto lo dan las herramientas agénticas de última generación, aquellas envueltas en lo que la industria llama "agent harness" (literalmente, un arnés de agente): un programa que orquesta al modelo para ejecutar tareas complejas, tomando decisiones, abriendo aplicaciones, accediendo a internet y escribiendo software hasta llegar a una solución.

El ejemplo que pone es el de crear una app para iPhone. Hace una década hacía falta invertir docenas de horas leyendo y escribiendo código. Hoy, con Claude Code, se puede describir en pocas frases, responder algunas preguntas del agente y obtener una app funcional minutos después. "No será genial, pero puede resolver tu problema", escribe. Multiplicado por bucles de agentes que iteran sobre una lista de pendientes de desarrollo, el output puede volverse "asombroso con disciplina".

La otra cara es la que describen los reportes de la industria en 2026. Según la encuesta de JetBrains a más de 15.000 desarrolladores profesionales (mayo-julio 2026), el 90% usa agentes de IA de código al menos una vez por semana y el 68% los usa a diario, con herramientas como Codex, Claude Agent, GitHub Copilot, Cursor, OpenCode y Google Antigravity como las más mencionadas. Un estudio de Info-Tech Research Group publicado el 20 de julio de 2026 sobre 578 líderes de aplicaciones, ingeniería y producto encontró que el 94% reporta mejoras de productividad y el 83% reporta reducción de defectos, pero también que el 67% coincide en que el código generado por IA requiere más testing que el humano. Es decir: la velocidad sube, la supervisión necesaria también.

El propio Bohn resume la sensación con una metáfora potente: "AI software development feels like playing the world's most favorable slot machine" ("el desarrollo con IA se siente como jugar a la máquina tragamonedas más favorable del mundo"). La mayoría de tiradas son grandes premios. Las pérdidas suelen ser obvias y pequeñas. Pero, ocasionalmente, una pérdida se disfraza de premio —y sin la habilidad de rechazar premios falsos, el desorden aparece tarde o temprano.

La cadena que lleva a la "psicosis prolífica"

Para mostrar cómo se entra en este estado, Bohn construye un perfil incremental que cualquier CTO reconocer:

Encanto inicial. Una herramienta de IA permite hacer en minutos lo que antes costaba horas. El desarrollador motivado lanza varios proyectos a la vez.
Escalada. Se montan múltiples agentes en paralelo. Se crean redes de bots que se supervisan entre sí. Las instrucciones se refinan. El código no para de salir.
Ambulancia de la ambición. Ya no se trata sólo de software: aparece la fantasía de ser "el primer desarrollador que dirige una empresa de mil millones de dólares". El sueño quita el sueño. Las horas con personas se reemplazan por horas con pantallas.
Aislamiento defensivo. Quien cuestiona el esfuerzo "no entiende". Las críticas se descartan como cortoplacistas. Los modelos mejorarán en la próxima versión, "ya lo verás".
Colapso silencioso. El software es impresionante en muchos sentidos, pero ¿es útil? ¿Es bueno? ¿Lo quiere alguien? No hay tiempo para esas preguntas.

El autor confiesa haber pasado por episodios breves en esa dirección. Lo que rompió la ilusión en su caso fue un momento concreto: "no podía entender mi propio proyecto". Había escrito docenas de archivos a medida sin la menor idea de cómo funcionaban juntos, y añadir una nueva funcionalidad implicaba empezar de cero.

Qué la dispara: refuerzo intermitente, hype y cultura

Sobre las causas, Bohn admite que sólo puede especular, pero identifica cuatro vectores:

Refuerzo intermitente. Los premios impredecibles de las herramientas de IA —a veces brillante, a veces basura— son uno de los motores más poderosos del comportamiento humano, y una característica intrínseca de los LLMs que no se puede eliminar del todo.
Factores individuales. Personas con TDAH y problemas de control de impulsos probablemente están en mayor riesgo. Rasgos de personalidad como alta apertura y baja responsabilidad también pueden correlacionar.
Experiencia. No está claro si los programadores nuevos o los senior son más vulnerables. Bohn sospecha que los nuevos, pero admite que hay casos visibles de desarrolladores senior cayendo en el patrón.
Cultura e hype. Cada revolución tecnológica viene con narrativas infladas y esquemas de致富 rápida. La historia de que "la IA reemplazará todos los trabajos" suavizó en los últimos meses, pero el miedo persiste, sobre todo entre developers, un colectivo que suele sufrir para reubicarse después de un layoff.

El término clave que introduce es "craft" (oficio, artesanía): un acuerdo entre humanos sobre si algo es útil, bueno, deseable o delightful. Ese juicio estético y de producto no vive dentro del LLM. Vivir sin ese juicio externo es la antesala de la psicosis prolífica.

Qué significa esto para tu startup

Si tu equipo técnico o de producto depende de herramientas agénticas, el mensaje es directo: mide valor entregado, no líneas producidas. Los datos de 2026 lo respaldan: el estudio de DORA recogido por Analytics Insight muestra que el 90% de profesionales tech usa IA y más del 80% reporta mayor productividad, pero el mismo informe detecta mayor inestabilidad en entregas a mayor uso de IA. La velocidad sin governance se paga con bugs, retrabajos y rotación.

Tres acciones concretas para implementar esta semana

Redefine las métricas del equipo. Si hoy premias PRs合并ados o commits, estás incentivando exactamente el comportamiento que Bohn describe. Cambia a métricas orientadas a outcomes: tiempo a producción, defectos post-release, NPS del usuario,ARR incremental por feature. Lo que se mide se gestiona.
Establece "rituales de craft". Antes de dar por bueno un entregable generado con IA, fuerza una revisión humana con tres preguntas en voz alta: ¿es útil? ¿es bueno? ¿es algo que la gente realmente quiere? Sin esta conversación, el equipo perderá contacto con la calidad real.
Pone límites de horario explícitos. El cuadro que describe Bohn se acelera con falta de sueño e hiperfoco. En startups distribuidas hispanohablantes, donde muchos founders cruzan la noche por diferencia horaria con EEUU o Europa, este riesgo es estructural. Apoya con políticas, no con buenas intenciones.

Lo que un founder debe llevarse

La "psicosis prolífica de IA" no es una etiqueta psiquiátrica para patologizar a tus developers: es una descripción útil de un fallo de governance. Cuando el equipo empieza a hablar más de lo que la IA puede hacer que de lo que el cliente necesita, estás viendo el primer síntoma. Si además las horas de sueño bajan y las relaciones con usuarios suben al backlog, es momento de pisar el freno. La IA es una herramienta de oficio, no un reemplazo del oficio.