El efecto Waymo: cómo la IA hace a la investigación menos colaborativa

El taxi sin conductor y la investigación sin compañero: por qué la IA nos está haciendo trabajar solos

En un artículo reciente en Research Agenda News, Daniel Hook, Chief Scientific Officer del Holtzbrinck Group, propone una idea incómoda: igual que un Waymo elimina la obligación de hablar con un conductor, los grandes modelos de lenguaje (LLM) están eliminando la obligación de pensar con un colega. Y aunque el viaje es suave, lo que se pierde en el camino es la colaboración que sostiene a la ciencia.

El autor, que se declara introvertido, reconoce lo agradable que resulta subirse a un coche autónomo y no tener que sostener una conversación. El problema no es la comodidad, sino el diseño institucional que hace que cada vez más investigadores prefieran ese asiento trasero digital. Hook lo llama el "efecto Waymo" y lo define así: pasa cuando una tecnología elimina la fricción de tratar con otro ser humano, y nosotros vivimos esa eliminación como pura ganancia, porque los costes de la fricción siempre fueron visibles y sus beneficios, invisibles.

De la comodidad de no hablar al riesgo de dejar de pensar juntos

La analogía con los Waymo no es decorativa. Hook compara uno a uno lo que ofrece un colaborador humano y lo que ofrece un LLM:

🤖 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

El colaborador está disponible "entre teaching, grants y zonas horarias"; el LLM está disponible a las 2 de la madrugada de un domingo, "que es cuando ocurre una cantidad preocupante del pensamiento de investigación".
El colaborador llega con agenda propia; el LLM llega sin agenda más allá de ser útil.
El colaborador hay que persuadirlo; el LLM solo hay que prompt-earlo.
El colaborador te cuestiona de formas que no pediste; el LLM cuestiona "exactamente tan robusto como lo solicitas, ni un grado más".

Esa última línea es la que más pesa. Un LLM no te dirá, sin que se lo pidas, que estás resolviendo el problema equivocado, que un grupo rival intentó esto en 2019 y lo abandonó, o que tu marco teórico se derrumba al contacto con los datos de otro campo. La "inconveniencia" del colaborador humano no es un bug: es la colaboración. Para respaldarlo, Hook apela a la literatura de team science: los equipos pequeños tienden a disrumpir, los grandes a desarrollar, y las combinaciones atípicas entre campos e instituciones producen de forma desproporcionada el trabajo más original.

Lo que Hook advierte es que la evidencia temprana sobre IA generativa apunta a un patrón conocido: la productividad individual sube mientras la diversidad de ideas se estrecha, con todos moviéndose más rápido por senderos cada vez más parecidos. "Estamos corriendo un experimento global no controlado en el que intercambiamos serendipia por throughput", escribe.

La trampa de incentivos que hace que la descolaboración sea racional

Si esto fuera solo tentación individual, sería un problema de fuerza de voluntad. Pero no lo es. Hook describe tres fuerzas que están convirtiendo la "descolaboración" (su término para el fenómeno) en la opción racional para cualquier investigador que quiera sobrevivir en el sistema académico actual:

Presión de financiación. Cuando se aprietan los presupuestos, las primeras víctimas son las partidas de valor real pero no medible: viajes, workshops, sabáticos, posiciones de visita. Es decir, la infraestructura física de la serendipia. "Desfinanciamos el pasillo y luego nos preguntamos adónde se fueron las conversaciones de pasillo".
Culto a la velocidad. Los sistemas de evaluación —por muchas declaraciones tipo DORA que adornen las webs— siguen premiando el output y la velocidad del output. Y los LLM prometen velocidad por encima de todo.
El arbitraje del crédito. El LLM nunca discute el orden de autoría. No tiene ego, ni agenda, ni reclamo sobre el crédito. En un sistema donde el crédito es la moneda de supervivencia, "un interlocutor brillante que no exige parte del crédito no es meramente conveniente, es arbitraje".

Escribir no es teclear: por qué la fluidez de la IA es una trampa

Hay un coste aún más profundo, y concierne a la actividad en la que los LLM resultan más impresionantes: escribir. Hook recuerda que escribir lleva tiempo porque pensar lleva tiempo; las dos cosas no son separables. El valor de escribir un paper nunca fue realmente el artefacto, sino el forcing function: es donde descubres que tu argumento tiene un agujero en la sección tres, o que una intuición vaga se convierte en una afirmación precisa o se disuelve.

Apela al concepto del psicólogo cognitivo Robert Bjork de "desirable difficulties" (dificultades deseables): ciertas fricciones en el aprendizaje y el pensamiento (recuperación esforzada, feedback demorado, el esfuerzo de poner una idea en tus propias palabras) no son obstáculos para la comprensión duradera, son el mecanismo de la comprensión. Quita la dificultad en nombre de la comodidad y no obtienes la misma comprensión más rápido: obtienes menos, entregada más suave.

Como físico, Hook recurre a una imagen potente: los sistemas cuánticos PT-simétricos se comportan de forma totalmente normal hasta que una simetría oculta se rompe, y entonces todo cambia a la vez. Una cultura de investigación puede parecer sana por toda métrica visible (outputs arriba, turnaround abajo, prosa inmaculada) mientras la cosa invisible que la sostenía cae silenciosamente por debajo del umbral.

Ciencia con piloto al mando, o cómo evitar ir de pasajero

Hook no pide prohibir los LLM. Reconoce que la promesa es genuina. Y aquí cita un comentario publicado en Nature en marzo de 2026 por Dashun Wang, quien recupera la famosa descripción de Steve Jobs del ordenador como "bicicleta para la mente" y propone que los agentes de IA son "aviones para la mente": más rápidos y poderosos que la bicicleta, más difíciles de controlar, más costosos cuando se estrellan. La receta de Wang se llama pilot-in-command science: el investigador como capitán, los agentes como tripulación, con el humano reteniendo la autoridad sobre la pregunta, el camino y las conclusiones.

Incluso los arquitectos más entusiastas de la IA en el descubrimiento insisten en que tiene que haber alguien en el asiento delantero. Wang llega a la misma preocupación que Hook desde el otro lado: la IA puede subir el rendimiento individual, pero reduce la diversidad colectiva, con outputs que convergen si no lo contrarrestamos deliberadamente. Su remedio: diseñar para el disenso y cultivar muchos modelos que piensen diferente. Es decir, tras quitar la fricción, hay que volver a ingenierizarla.

La preocupación no es nueva. En 1983, la psicóloga Lisanne Bainbridge describió las ironías de la automatización: cuanto más fiablemente corre un sistema por sí solo, menos práctica tiene el humano en exactamente la habilidad para la que se le mantiene en el loop en una emergencia. Cambia "piloto" por "investigador" y "autopilot" por "agente", y el mecanismo que Wang quiere evitar es el mismo que Bainbridge nombró hace cuatro décadas.

El plaginio de ideas: un riesgo añadido que las universidades ya están abordando

El artículo de Hook aparece en un momento en que la comunidad académica está definiendo sobre la marcha cómo se mide la integridad en este nuevo entorno. Un comentario publicado en Nature Machine Intelligence por investigadores de la Northwestern University y los National Institutes of Health (NIH), titulado "Plagiarism of ideas in the age of generative artificial intelligence", advierte que los LLM pueden plagiar ideas subyacentes sin dar crédito apropiado. Según Mohammad Hosseini, profesor asistente de medicina preventiva en Northwestern, "está bien y de hecho es útil usar GenAI para aumentar la legibilidad del escrito e intercambiar ideas, pero sabemos que estas herramientas cometen errores de hecho y precisión y tienen enormes impactos sociales y ambientales". El comentario recomienda revisar las definiciones de mala conducta científica para incluir que la mala conducta puede ser cometida por una persona que usa herramientas GenAI, una señal clara de que las instituciones están reaccionando — pero con normas, no con inversiones en el trabajo colaborativo.

Qué significa esto para tu startup

La tesis de Hook no es solo académica. En el mundo de las startups los mismos incentivos se reproducen con esteroides: se premia el output, la velocidad y el crédito individual, y se penaliza el tiempo dedicado a conversar, alinear y disentir con un cofundador, un socio o un cliente. La pregunta que deja abierta el artículo es operativa: ¿quién está en el asiento delantero de tu investigación — o de tu producto?

Diseña para el disenso, no solo para la velocidad. Antes de cada sprint, documenta qué asunción central tuya no ha sido cuestionada. Pide a un cofundador, a un cliente o a un agente deliberadamente "disidente" que la rompa. Si la única fricción que tolera tu proceso es la de un LLM, estás en el asiento trasero de tu propia compañía.
Presupuesta la fricción humana como infraestructura, no como coste. En tu runway cuenta una partida explícita para investigación, viajes a conferencias, tiempo de oficina compartida y conversaciones no estructuradas. Lo que la Drexel University y la UAB Heersink School of Medicine están haciendo institucionalmente con programas como el Team Science Grant Program (proyectos financiados hasta US$150.000 al año para forzar colaboraciones interdisciplinarias) muestra que se puede poner precio a la colaboración, no solo a la velocidad.
Audita tu gobernanza de IA antes de que el mercado lo haga por ti. Una encuesta de Fractl y Search Engine Land con 1.008 consumidores y 150 marketers, publicada en 2026, encontró que solo el 20% de las marcas siempre disclose el uso de IA a su audiencia, mientras que entre el 84% y el 91% de los consumidores exige etiqueta de IA en cada formato. Casi la mitad de los equipos de marketing no tienen procesos de gobierno para revisar lo que sus LLM publican. Si tu startup publica investigación, contenido técnico o materiales para clientes con asistencia de IA, no esperes a que un competidor o un regulador te exija trazabilidad: impleméntala ya.

Conclusión

El artículo de Hook no es un lamento por los viejos tiempos. Es una llamada a notar que la conversación con otro humano es ahora la opción cara, y la conversación con la máquina es la opción gratis, y no debería sorprendernos lo que la gente, respondiendo racionalmente, termina eligiendo. La salida no es desenchufar los LLM, sino devolverle a la colaboración el precio, el tiempo y el reconocimiento que el sistema actual le ha quitado. Quien construya ese tipo de organización, académica o startup, será la rareza de la próxima década — y por eso mismo, la que producirá el trabajo que todos los demás todavía están intentando replicar con un prompt.