Piensa en la última vez que usaste IA para redactar algo. ¿Recuerdas lo que escribió? ¿Podrías explicarlo con tus propias palabras ahora mismo?
Si la respuesta es «más o menos» o directamente «no», es más normal de lo que crees actualmente.
El 88% de las organizaciones ya usa IA en alguna función. Hace dos años ese número era 16%. Y aun así, el 80% no ve un impacto real en sus resultados financieros. Esa brecha no es un problema técnico. Es una señal de que algo más está pasando —algo que tiene que ver con cómo pensamos, no con cómo programamos.
1. Hay tareas donde la IA te ayuda, y tareas donde te engaña
Harvard Business School y Boston Consulting Group encontraron algo que nombraron la Frontera Tecnológica Dentada: las capacidades de la IA no son uniformes. El mismo modelo que resume un informe de 40 páginas en tres párrafos precisos puede fallar en un razonamiento lógico de cuatro pasos —y hacerlo con total seguridad.
Cuando la tarea cae dentro de sus capacidades —sintetizar, generar código, estructurar ideas—, trabajar con IA mejora resultados de forma notable. Cuando cae fuera, el problema no es que falle. Es que falla convencido.
En un experimento con radiólogos con años de experiencia, su tasa de aciertos cayó del 80% al 20% cuando la IA les sugirió un diagnóstico incorrecto con suficiente seguridad. No se equivocaron por distracción. Se equivocaron porque la herramienta parecía saber más que ellos.
El riesgo no es que la IA cometa errores. Es que tú dejes de cuestionarla.
2. Produces más, pero recuerdas menos
En 2025, el MIT Media Lab hizo algo que no se había hecho antes: puso electrodos en la cabeza de personas mientras escribían con y sin IA, y midió qué pasaba en su cerebro.
Los que escribieron con IA mostraron hasta un 55% menos de actividad cerebral que los que trabajaron solos. Pero el dato que más llama la atención es otro: el 83% no pudo citar fragmentos del texto que acababa de producir. Habían firmado algo que no reconocían como suyo.
A esto los investigadores lo llaman Deuda Cognitiva. La lógica es la misma que la deuda financiera: ahorras esfuerzo hoy y lo pagas después. Cuando en el experimento se retiró el acceso a la IA, quienes habían dependido de ella escribían peor que antes de haberla usado. La práctica no los había hecho mejores —los había dejado más débiles.
En América Latina esto tiene un peso particular. En mercados donde la formación continua no siempre está al alcance y donde el criterio construido con años de trabajo en campo vale mucho, delegar demasiado pronto puede estar formando profesionales que saben usar la herramienta, pero que han dejado de desarrollar el juicio que la hace realmente útil.
3. Cuanto menos sabes, más te ayuda. Y eso complica todo.
La IA es un gran igualador: los que parten de menos son los que más ganan.
Los perfiles junior reportan ganancias de entre 28% y 35% en velocidad y calidad. Los consultores senior, alrededor del 8%. Eso acorta la distancia entre novatos y expertos —y de paso, empieza a erosionar el valor económico de la experiencia acumulada.
Los investigadores lo llaman el Efecto GPS: la navegación satelital hizo innecesario memorizar rutas, y con eso desvalorizó décadas de oficio. La IA está haciendo algo similar con el conocimiento procedimental: si la herramienta siempre tiene la respuesta, ¿para qué internalizar el camino?
Lo más incómodo del estudio de Fernandes et al. (2026) es esto: los peor calibrados no eran los menos hábiles. Eran los más fluidos con la herramienta. Habían confundido saber usarla con entender el tema de fondo. Para quien dirige un equipo, esto cambia algo concreto: que el entregable se vea bien ya no garantiza que la persona detrás pueda sostenerlo.
Daron Acemoglu del MIT le pone nombre al escenario de fondo: Knowledge Collapse. Si dejamos de hacer el esfuerzo de pensar porque la IA lo hace por nosotros, el flujo de ideas originales que alimenta el conocimiento colectivo se va perdiendo. No de golpe, poco a poco que ni nos damos cuenta.
La solución que proponen los investigadores no es alejarse de la IA. Es ser más intencional con ella: reservar espacios de trabajo autónomo, explicar el propio razonamiento antes de pedirle una respuesta, mantener activo el músculo que la herramienta tiende a reemplazar. En medicina ya existe el «entrenamiento sin IA» para que los médicos no pierdan el criterio clínico. En marketing, esa conversación todavía no ha empezado.
¿Cuáles son las decisiones de tu trabajo que vale la pena proteger, no por desconfianza, sino para seguir siendo capaz de tomarlas cuando la herramienta no esté?
Fuentes:
- MIT Digital Economy Lab / BIG.AI@MIT 2026: ide.mit.edu/insights/business-implications-of-ai-big-ai-mit-2026
- Stanford HAI AI Index 2026: hai.stanford.edu/ai-index/2026-ai-index-report
- HBS / BCG — Jagged Technological Frontier: pubsonline.informs.org/doi/10.1287/orsc.2025.21838
- MIT Media Lab — Your Brain on ChatGPT (Kosmyna et al., 2025): media.mit.edu/projects/your-brain-on-chatgpt/overview
- NBER — Knowledge Collapse (Acemoglu & Ozdaglar, 2026): nber.org/papers/w34910
