Usar inteligencia artificial para trabajar conlleva una gran responsabilidad y esa es no dejar de hacer el esfuerzo de pensar.
Hoy podemos delegar en la IA aquellas tareas que requieren mucho más tiempo y esfuerzo de nuestra parte. Pero delegar aquellas tareas no significa precisamente que nuestra participación termine ahí. Una vez que recibimos el resultado, todavía queda evaluarlo.
Muchas veces sucede que cuando nos da la impresión que una respuesta parece correcta, seguimos adelante sin cuestionarla. Pero luego de incorporarla en ese informe final que pidió el jefe, nos damos cuenta que algo de esa respuesta no estaba bien.
Por eso vale la pena comenzar a preguntarnos cuánto evaluamos realmente una respuesta antes de aceptarla. Porque entre delegar una tarea y delegar nuestro criterio existe una diferencia importante.
Mucho antes de la IA ya delegábamos parte de nuestro esfuerzo mental
Hay un concepto en psicología cognitiva llamado cognitive offloading, o descarga cognitiva. Y aunque el nombre pueda sonar complejo, es algo que hacemos constantemente en nuestro día a día.
La descarga cognitiva es cuando trasladamos parte de una tarea mental hacia algo externo para reducir el esfuerzo que necesitamos realizar internamente. En lugar de recordar, calcular o resolver todo por nuestra cuenta, utilizamos algún recurso que se hace cargo de una parte de ese proceso.
Por ejemplo, anotamos una reunión en el calendario para no tener que recordarla. Usamos una calculadora en lugar de resolver una operación mentalmente o seguimos las indicaciones del GPS para llegar a un lugar que desconocemos.
En todos estos casos ocurre algo parecido. La tarea sigue siendo nuestra, pero una parte del esfuerzo necesario para realizarla queda en manos de una herramienta externa.
Ya que nuestra capacidad de atención y memoria es limitada, facilitar ciertas tareas nos permite dedicar tiempo y recursos a otras cosas.
Con la IA ahora podemos delegar tareas que hasta hace poco requerían una participación intelectual mucho mayor, como sintetizar, comparar, explicar, interpretar información o simplemente escribir.
Pero, ¿qué ocurre cuando además de delegar el trabajo comenzamos a delegar la evaluación de ese trabajo?
Cuando dejamos de comprobar
En 2026, los investigadores Steven D. Shaw y Gideon Nave propusieron el concepto cognitive surrender, que podríamos traducir como rendición cognitiva, para describir lo que pasa cuando comenzamos a aceptar las respuestas de una IA con poco o ningún cuestionamiento.
Podemos pedirle a una IA, por ejemplo, que compare dos alternativas para ahorrarnos tiempo. Hasta ahí, estamos trasladando parte del trabajo hacia una herramienta externa, tal como ocurre con la descarga cognitiva. El problema aparece cuando damos por correcta esa comparación sin revisar sus argumentos, comprobar las fuentes o evaluar si sus conclusiones tienen sentido.
En ese momento, además de delegar parte del trabajo, también estamos cediendo parte de nuestro juicio sobre el resultado.
Los modelos pueden sonar muy convincentes, pero...
Un modelo de lenguaje genera sus respuestas en base a predicciones; qué palabras tienen mayor probabilidad de aparecer a continuación según el contexto disponible. Esto le permite producir explicaciones y textos muy bien armados, aunque aquello que esté diciendo contenga errores.
Y ahí está parte del problema, porque una respuesta puede parecer correcta sin necesariamente serlo.
"Si parece correcto, ¿por qué seguir pensando?"
Shaw y Nave estudiaron qué ocurre cuando las personas pueden consultar una inteligencia artificial para resolver determinados problemas.
Encontraron que, una vez que los participantes recurrían a la IA, mostraban una fuerte tendencia a adoptar sus respuestas. Incluso cuando la respuesta proporcionada era incorrecta, la adopción podía superar el 80%.
Sabemos que una inteligencia artificial puede equivocarse, pero lo realmente importante es cuestionar qué hacemos nosotros cuando se equivoca.
Si una respuesta llega rápidamente, está bien redactada, parece razonable y además nos permite terminar una tarea, puede entregarnos una falsa sensación de seguridad.
Pensar también necesita algo de fricción
Hay tareas intelectuales que son tediosas o aburridas.
Hacer cosas como buscar una respuesta, comparar argumentos, detectar una contradicción, decidir qué información es relevante o descubrir por qué una idea no termina de funcionar requiere esfuerzo mental.
La tecnología lleva décadas ayudándonos a reducir parte de ese trabajo y la inteligencia artificial puede llevar esa reducción mucho más lejos. Esto nos introduce en una paradoja, porque ahora podemos obtener mejores resultados pensando menos.
Un estudio publicado en 2026 comparó a personas que resolvían una tarea utilizando inteligencia artificial con otras que lo hacían manualmente. Quienes utilizaron IA consiguieron más respuestas correctas y reportaron un menor esfuerzo mental.
Los investigadores también encontraron comportamientos distintos dentro del grupo que utilizó IA. Algunas personas delegaban prácticamente todo el razonamiento. Otras utilizaban la respuesta como un punto de partida, la comprobaban y continuaban razonando a partir de ella. La herramienta era la misma, pero la relación con ella era diferente.
Esto obliga a separar dos cosas. Primero, la calidad del resultado y segundo, la calidad del proceso que nos llevó hasta él.
Podemos obtener una buena respuesta sin comprender completamente por qué es correcta. Mientras el resultado funcione, esa diferencia puede pasar inadvertida. Hasta que llega el momento de explicar por qué tomamos esa decisión.
En la escritura ocurre constantemente
Esta discusión es especialmente importante cuando usamos inteligencia artificial para escribir.
Hoy podemos pedirle a un modelo que escriba muchas cosas por nosotros y cada una de esas acciones puede ahorrarnos tiempo. Pero cada una también representa una decisión que antes formaba parte de nuestro proceso de escritura.
Si exploramos diez alternativas de textos y después analizamos cuál funciona mejor, seguimos ejerciendo criterio. Si le pedimos una estructura y luego modificamos su orden porque conocemos mejor al lector, seguimos tomando decisiones.
Entonces, ¿deberíamos delegar menos?
Delegar forma parte del valor de estas herramientas. Tiene poco sentido incorporar la inteligencia artificial a nuestro trabajo y después evitar que haga aquello que puede resolver más rápido.
La pregunta para mí es ¿qué podemos delegar sin dejar de comprender lo que estamos haciendo?
Podemos delegar la generación de alternativas y tomar una decisión. Podemos delegar un primer borrador y evaluarlo. Incluso podemos pedirle a la propia IA que cuestione nuestras ideas, siempre y cuando la respuesta vuelva a pasar por nuestro juicio.
Trabajar de esta manera requiere un tipo de participación diferente. Ya no necesitamos ejecutar personalmente cada pequeña parte del proceso, pero seguimos necesitando comprenderlo, dirigirlo y tomar decisiones sobre los resultados.
Cuanto más trabajo podamos delegar en la IA, más importante será conservar nuestra capacidad para evaluar aquello que recibimos de ella.
Fuentes
-
Cognitive Offloading — Evan F. Risko & Sam J. Gilbert (2016), Trends in Cognitive Sciences.
-
Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender — Steven D. Shaw & Gideon Nave (2026), The Wharton School Research Paper.
-
Cognitive offloading, critical thinking and attitudes towards artificial intelligence in the era of ChatGPT: a comparative study of artificial intelligence-assisted and manual task performance in young adults — Jain et al. (2026), Cognitive Processing.