Cuando la IA decide antes que tú
Marta tiene que responder a un cliente molesto. Sabe que la cuenta es sensible, que el retraso viene de varios fallos internos y que una disculpa estándar puede empeorar la relación. Antes de escribir una línea, abre el chat y pega el correo. En segundos recibe tres versiones: una firme, otra conciliadora y otra «estratégica». Elige la segunda, cambia dos palabras y pulsa enviar.
Tú quizá haces algo parecido. Pides a la Inteligencia Artificial que priorice tareas, resuma una reunión, compare ofertas, redacte un mensaje delicado o sugiera la siguiente decisión. Son ayudas razonables. El cambio aparece cuando el primer impulso deja de ser pensar unos minutos y pasa a preguntar.
Llamo a esto «delegación cognitiva silenciosa»: el traslado gradual de pequeñas operaciones mentales, como recordar, comparar, formular hipótesis o tolerar una duda, hacia una herramienta que responde al instante. No suele sentirse como dependencia. Se siente como eficiencia.
La frecuencia ayuda a entender por qué esta costumbre se instala rápido. En una encuesta estadounidense de agosto de 2024, el 28% de las personas empleadas ya usaba IA generativa para su trabajo; el 10,6% lo hacía cada día laboral. Entre líderes empresariales, el uso semanal alcanzaba el 82% en 2025 y el diario, el 46%.
Estas cifras no prueban que la IA debilite tu toma de decisiones o tu pensamiento crítico. Sí describen un entorno donde cada vez es más fácil evitar la fricción mental que antes acompañaba a decidir. Con el tiempo, esa evitación puede hacer que tu intuición parezca oxidada: no porque hayas perdido criterio de golpe, sino porque has practicado menos el acto de usarlo.
Cuando delegar pequeñas tareas cambia quién decide
La delegación cognitiva consiste en sacar parte del trabajo mental fuera de la cabeza: apuntar una cita, usar una alarma o guardar un dato en la nube. Puede aliviar la memoria de trabajo y mejorar el rendimiento cuando la tarea exige atender a demasiadas cosas a la vez.
La delegación cognitiva silenciosa aparece cuando la Inteligencia Artificial asume, además, microdecisiones que antes resolvías tú: qué idea priorizar, cómo resumir un texto, qué tono usar o qué argumento parece más convincente. Cada encargo aislado parece menor. La repetición modifica el hábito.
Betsy Sparrow y sus colegas describieron en 2011 el llamado efecto Google. En sus experimentos, quienes creían que una información quedaría guardada en un ordenador recordaban menos datos que quienes pensaban que se borrarían. En cambio, recordaban mejor dónde encontrarla. La mente aprendía la ruta de acceso y reducía el esfuerzo de almacenar el contenido.
Con la IA ocurre algo parecido, aunque más amplio. Ya no externalizas solo un dato o un recordatorio. Puedes externalizar una primera interpretación, una comparación o una formulación que habría requerido detenerte y construir un criterio propio.
¿Qué pasa cuando siempre existe una respuesta preparada antes de que empieces a pensar? Tu toma de decisiones puede ganar velocidad, pero pierdes ocasiones para ensayar el juicio que sostiene el pensamiento crítico. La agencia mental se erosiona por acumulación: consultas antes de recordar, aceptas antes de contrastar y eliges antes de formular tu propia alternativa.
Por qué tendemos a obedecer una recomendación automática
El sesgo de automatización aparece cuando la respuesta de un sistema sustituye nuestra búsqueda y evaluación activa de información. Raja Parasuraman y sus colegas, referentes de los factores humanos, explicaron que las máquinas pueden asumir partes distintas de una tarea: recoger datos, analizarlos, recomendar una decisión o ejecutar una acción. El problema empieza cuando la persona deja de vigilar aquello que la herramienta propone.
La investigación de Linda Skitka, Kathleen Mosier y Mark Burdick sobre decisiones de pilotos describió dos fallos habituales. El error de comisión ocurre cuando alguien sigue una indicación automatizada equivocada. El de omisión aparece cuando no detecta un riesgo porque el sistema no lo marcó. También puede surgir complacencia: tras muchas recomendaciones acertadas, baja la vigilancia y una salida plausible pasa por verdadera sin examen.
Cuanto más fiable parece una herramienta, menos probable resulta que revisemos con cuidado el momento concreto en que se equivoca.
Este patrón se ha observado en aviación y también en contextos clínicos. Una revisión sobre apoyo automatizado a la decisión médica recoge casos en interpretación de mamografías, electrocardiogramas y recomendaciones terapéuticas. La pantalla no elimina la responsabilidad profesional, pero su formato preciso y seguro puede rebajar la alerta.
Los asistentes de programación ofrecen un ejemplo reciente y cercano. Un análisis de repositorios reales con código generado por IA halló problemas detectables en más del 15% de los commits analizados; el 22,7% seguía presente en la versión más reciente. En estudiantes que usaban Copilot, investigadores de la Universidad Estatal de Oregón llamaron «straying» al proceso de aceptar código incorrecto y perseguirlo durante depuraciones largas, cada vez más lejos de la solución.
La evidencia sobre asistentes generativos todavía es más reciente que la literatura clásica de aviación. Aun así, el mecanismo psicológico encaja: una respuesta fluida reduce la sospecha. En una decisión relevante, aceptar la primera propuesta de la Inteligencia Artificial sin buscar pruebas, límites o alternativas convierte el pensamiento crítico en una firma al pie.
Cuando la facilidad reduce el aprendizaje activo
La Inteligencia Artificial ahorra tiempo, y a veces también evita trabajo inútil. Pero conviene distinguir entre la fricción que estorba y la que enseña. La teoría de la carga cognitiva parte de un límite básico: la memoria de trabajo solo puede manejar una cantidad reducida de información a la vez, mientras que el conocimiento duradero se organiza en esquemas almacenados en la memoria a largo plazo.
Parte de esa carga viene de la dificultad propia de la tarea. Otra surge de instrucciones confusas, formatos caóticos o datos irrelevantes. Reducir esta última ayuda. Sin embargo, existe un esfuerzo mental dirigido a relacionar ideas, explicar pasos y construir esquemas. Ese esfuerzo favorece un aprendizaje más estable cuando la tarea no nos desborda, como explica la teoría de la carga cognitiva.
Un asistente puede resumir un informe, resolver una fórmula o redactar una respuesta antes de que hayas formulado una hipótesis. Ganas velocidad, pero pierdes una ocasión para practicar el proceso: decidir qué importa, detectar una laguna y comprobar si entiendes de verdad.
Ahí entra la metacognición, que es la capacidad de observar tu propio pensamiento. Incluye preguntas concretas: «¿Sé explicar esto sin mirar?», «¿Qué supuesto estoy dando por válido?», «¿En qué parte me estoy apoyando solo en una frase convincente?». Si la herramienta completa cada hueco de inmediato, estas comprobaciones aparecen con menos frecuencia.
La evidencia disponible demuestra que el esfuerzo mental relevante sostiene el aprendizaje; todavía faltan estudios longitudinales que midan cuánto altera la IA la metacognición o la transferencia a problemas nuevos. Aun así, la aplicación es razonable: usar una respuesta generada como ejemplo puede ayudar, mientras que copiarla como sustituto de la elaboración propia deja menos material mental que revisar.
La comodidad reduce carga innecesaria; pensar bien exige conservar la carga que construye comprensión.
También lee: [cómo detectar cuándo una recomendación automática está sustituyendo tu juicio](#por-que-tendemos-a-obedecer-una-recomendacion-automatica).
La duda también entrena el juicio
La tolerancia a la incertidumbre es la capacidad de permanecer ante información incompleta sin exigir una respuesta inmediata. Cuando falta, buscamos certeza, cerramos pronto una decisión y evitamos opciones ambiguas, un patrón ligado a la ansiedad y a interpretaciones más amenazantes de lo incierto. Los materiales clínicos lo describen como la tendencia a «exigir certeza».
Una IA que responde al instante puede aliviar esa incomodidad. Esa ayuda tiene valor cuando ahorra una búsqueda mecánica. Como implicación psicológica, también puede convertirse en un sustituto de la certeza: menos tiempo formulando hipótesis, dudando entre alternativas y esperando datos que cambien el juicio. Aún no hay evidencia directa de que usar IA reduzca por sí mismo esta tolerancia, pero el mecanismo merece atención.
Daniel Kahneman advirtió, junto con Gary Klein, que la intuición experta solo se vuelve fiable en entornos con señales reconocibles y retroalimentación sobre los aciertos y errores. La intuición oxidada aparece cuando delegas antes de atravesar ese ciclo: eliges la respuesta plausible, pero practicas menos el contraste entre tu primera impresión y lo que después ocurrió.
Cinco hábitos para pensar antes de pedir ayuda a la IA
- Haz una pausa breve. Antes de abrir el chat, respira tres veces y escribe qué necesitas resolver. La atención al presente ayuda a interrumpir respuestas automáticas y elegir con más intención.
- Nombra la urgencia. Di: «Estoy teniendo el pensamiento de que necesito una respuesta ya». La defusión cognitiva trata los pensamientos como eventos mentales, no como órdenes.
- Formula tu borrador. Escribe una hipótesis, un correo o una solución inicial. Puede ser incompleta. Después pide a la IA que señale fallos, alternativas y supuestos ocultos.
- Reserva tareas sin asistente. Elige una actividad diaria que importe para tu trabajo o estudio y hazla primero por tu cuenta: resumir, planificar, diagnosticar un problema o argumentar una decisión.
- Pon reglas ligadas a tus valores. Si valoras aprender, decide que la IA revisará tu razonamiento, pero no lo sustituirá. ACT propone actuar según valores elegidos incluso cuando aparece incomodidad.
No hace falta renunciar a la Inteligencia Artificial. Empieza por una decisión al día en la que recuperes el primer intento.
Referencias
- The Rapid Adoption of Generative AI — NBER
- Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips — PubMed
- Automation bias in clinical decision support — PMC
- Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code in the Wild — Singapore Management University; Huazhong University of Science and Technology
- Cognitive Load Theory and Its Application in Learning and Instruction — PubMed Central
- Accepting Uncertainty – CCI — Centre for Clinical Interventions
- Acceptance and Commitment Therapy for Anxiety Disorders: Three Case Studies Exemplifying a Unified Treatment Protocol — Elsevier
