Confieso algo que, a estas alturas, no debería sorprender a nadie: utilizo inteligencia artificial para trabajar. Me ayuda a ordenar información, contrastar ideas y resolver tareas que antes me llevaban bastante más tiempo. No pienso fingir que redacto a la luz de una vela mientras maldigo el progreso tecnológico. Bastantes horas pasamos delante del ordenador como para despreciar una herramienta útil.
Pero hay una pregunta que me ronda cada vez que termino algo especialmente rápido: ¿he aprendido a hacerlo o simplemente he conseguido que se haga?
No es una diferencia menor. Y sospecho que nuestra obsesión por la productividad está consiguiendo que dejemos de verla.
Un experimento incómodo con 487 consultores
El 26 de octubre de 2026, Nature Human Behaviour publicó una investigación sobre inteligencia artificial y adquisición de competencias que debería interesar a cualquiera que dirija un equipo, forme profesionales o utilice ChatGPT para trabajar.
El equipo de Emma Wiles y sus colaboradores realizó un ensayo aleatorizado con 487 consultores de gestión. A una parte les facilitaron acceso y formación en ChatGPT para afrontar tres tareas de ciencia de datos que quedaban fuera de sus habilidades habituales. No eran ejercicios que la IA pudiera resolver por sí sola: exigían colaboración humana.
Los consultores asistidos obtuvieron resultados mejores que el grupo sin esa ayuda. Hasta aquí, el titular que entusiasmaría a cualquier departamento de transformación digital.
Después llegó la pregunta interesante. ¿Qué sabían hacer aquellos profesionales cuando ya no podían recurrir a ChatGPT? En una prueba posterior de conocimientos técnicos, los investigadores no encontraron evidencia de que el grupo asistido hubiera aprendido más que el grupo de comparación.
Atención al matiz: no demostrar una mejora no equivale a demostrar que nadie aprendió absolutamente nada. El estudio tampoco permite pronosticar qué ocurriría tras meses de formación. Examina unas tareas concretas y unos profesionales determinados. Además, entre sus autores hay personas vinculadas a Boston Consulting Group y OpenAI, circunstancia declarada en la publicación y que conviene conocer al valorar el trabajo.
Aun con esos límites, el resultado invita a una pregunta bastante desagradable: ¿estamos formando profesionales o alquilando competencias por suscripción?
Porque ser capaz de producir algo con ayuda no demuestra que se haya adquirido la competencia necesaria para producirlo sin ella.
Platón ya discutía con una tecnología revolucionaria: la escritura
En el Fedro (274c-275b), Platón pone en boca de Sócrates una historia sobre Theuth, inventor de la escritura, y el rey Thamus. Theuth presenta su creación como una herramienta que hará a las personas más sabias y mejorará su memoria. Thamus replica que podría producir justamente lo contrario: acostumbrarlas a apoyarse en signos externos y confundir la información disponible con la sabiduría propia.
La escena resulta sorprendentemente actual. Cambiemos «escritura» por «ChatGPT» y casi podemos imaginar el debate en LinkedIn, con su correspondiente carrusel de diez diapositivas.
¿Tenía razón Thamus? Sería absurdo concluir que escribir nos volvió menos inteligentes. Gracias a la escritura conservamos conocimientos, discutimos ideas a través de los siglos y conocemos, entre otras cosas, la propia advertencia de Platón. Ahí está la ironía.
Lo valioso del relato no es su rechazo a una herramienta, sino su sospecha: podemos confundir tener una respuesta delante con haberla comprendido.
Sócrates no nos preguntaría cuántas tareas hemos automatizado. Probablemente empezaría por algo bastante más molesto: «Explícame por qué esa respuesta es correcta».
La diferencia entre entregar un resultado y tener criterio
Pensemos en algo de mi terreno. Puedo pedirle a una IA que analice los datos de una campaña publicitaria y redacte un informe impecable. Puede organizar tablas, señalar tendencias y proponer explicaciones con una seguridad envidiable.
Ahora bien, si confundo compras reales con conversiones atribuidas, si no sé qué mide cada plataforma o si interpreto correlaciones como causas, tendré un documento muy presentable y un diagnóstico posiblemente equivocado.
Lo preocupante no es que la máquina se equivoque. Los humanos llevamos siglos haciéndolo sin necesidad de suscripción. Lo preocupante es no disponer del criterio necesario para detectar el error.
Conviene separar tres cosas que solemos mezclar:
| Lo que consigo | Lo que indica | Lo que no garantiza |
|---|---|---|
| Termino un informe en menos tiempo | Mayor productividad | Mayor comprensión |
| Resuelvo una tarea difícil con IA | Capacidad de trabajo asistido | Dominio autónomo de esa tarea |
| Puedo explicar y cuestionar el resultado | Criterio sobre lo producido | Que nunca vaya a equivocarme |
La tercera fila me importa especialmente. No necesitamos saber hacerlo todo sin herramientas. Pero sí conservar capacidad para preguntar, comprobar y decidir cuándo una recomendación merece nuestra confianza.
La objeción que no podemos despachar: con IA también se aprende
Aquí toca discutir conmigo misma, porque el argumento contrario es bueno.
Nadie le exige a una arquitecta calcularlo todo sin software, ni a un profesional de marketing analizar millones de registros a mano. Las herramientas amplían nuestras posibilidades. Y aprender a utilizarlas también es una competencia. ¿Por qué despreciarla?
De hecho, existe evidencia de que la asistencia tecnológica puede favorecer el aprendizaje. En un estudio publicado en The Quarterly Journal of Economics, Erik Brynjolfsson, Danielle Li y Lindsey Raymond analizaron el despliegue progresivo de un asistente de IA entre 5.172 agentes de atención al cliente.
La productividad aumentó un 15 % de media, medida en incidencias resueltas por hora. Los mayores beneficios aparecieron entre trabajadores con menos experiencia. Además, los investigadores encontraron indicios de aprendizaje que persistían cuando las sugerencias del sistema dejaban de estar disponibles temporalmente.
¿En qué quedamos? En algo menos cómodo que un titular: el efecto sobre el aprendizaje depende de la tarea, la persona, el diseño de la herramienta y la forma de utilizarla. Los estudios no se contradicen necesariamente; observan contextos y resultados distintos.
No hay que elegir entre «la IA nos vuelve idiotas» y «la IA nos hace genios». Ambas afirmaciones son demasiado cómodas para merecer nuestra confianza.
Cuando la ayuda sustituye al esfuerzo de comprender
Otro experimento publicado en PNAS en 2025 estudió a cerca de un millar de estudiantes de secundaria que practicaban matemáticas con distintas versiones de un tutor basado en GPT-4.
Quienes disponían de una versión similar a un chat generalista resolvían mejor los ejercicios mientras podían usarla. Pero en una prueba posterior sin asistencia obtuvieron resultados un 17 % inferiores a los del grupo que no había contado con IA. En cambio, cuando el tutor estaba diseñado para ofrecer pistas y no regalar directamente las respuestas, ese perjuicio prácticamente desaparecía.
Un instituto no es una empresa, ni resolver problemas de matemáticas equivale a gestionar campañas. Pero la comparación resulta iluminadora: no es lo mismo una herramienta que te acompaña a pensar que otra que piensa en tu lugar mientras tú firmas la entrega.
En Matrix, Neo podía aprender kung-fu mediante una descarga. Fuera del cine, por desgracia, seguimos necesitando algo de fricción para aprender. Qué poca consideración por nuestras agendas.
¿Quién gana cuando confundimos productividad con conocimiento?
Esta pregunta tiene también una dimensión económica. Si una empresa mide el éxito de la IA únicamente por las horas ahorradas, puede dejar de invertir en formar a quienes trabajan en ella. A corto plazo, quizá produzca más. A largo plazo, corre el riesgo de tener excelentes operadores de herramientas que no saben cuestionarlas.
No afirmo que esto esté ocurriendo en todas las organizaciones. Es un riesgo razonable, no una conclusión universal de los estudios citados. Pero merece vigilancia, especialmente cuando las decisiones importantes siguen teniendo consecuencias humanas.
Pienso también en las pequeñas empresas y en el comercio local. Que una tienda de barrio pueda generar fichas de producto o preparar comunicaciones con ayuda de IA es una oportunidad real. El problema empezaría si, por ahorrar tiempo, terminara delegando también aquello que la distingue: conocer a sus clientes, entender qué vende y decidir cómo quiere relacionarse con ellos.
La tecnología puede liberar tiempo para ejercer mejor nuestro criterio. También puede convertirse en la excusa perfecta para dejar de ejercerlo.
La pregunta que me hago antes de cerrar el ordenador
No voy a recomendar abandonar ChatGPT y regresar a las cavernas. Yo misma lo utilizo y seguiré haciéndolo. Pero quiero ser capaz de reconocer qué parte del trabajo he hecho yo, cuál ha hecho la herramienta y, sobre todo, qué he comprendido durante el proceso.
A veces le pediré una respuesta completa porque lo importante será resolver una tarea. Otras, si quiero aprender, preferiré que me discuta una idea, me señale errores o me obligue a justificar una conclusión. No es una receta científica ni una garantía de aprendizaje: es una forma deliberada de no confundir comodidad con conocimiento.
Quizá la pregunta decisiva no sea cuánto trabajo podemos hacer con inteligencia artificial, sino cuánto juicio propio conservamos mientras lo hacemos.
Así que aquí va mi pequeña impertinencia socrática: la próxima vez que una IA te entregue un resultado brillante, no te preguntes únicamente cuánto tiempo has ganado.
Pregúntate también: si mañana desapareciera la herramienta, ¿qué sabrías explicar, defender o decidir por tu cuenta?
Porque entregar un trabajo excelente está muy bien. Saber por qué lo es, todavía mejor.
Fuentes y referencias
- Wiles y colaboradores (2026), Nature Human Behaviour. Generative AI and the temporary upskilling of knowledge workers.
- Platón, Fedro, 274c–275b.
- Brynjolfsson, Li y Raymond (2025), The Quarterly Journal of Economics. Generative AI at Work.
- Bastani y colaboradores (2025), Proceedings of the National Academy of Sciences (PNAS). Generative AI without guardrails can harm learning: Evidence from high school mathematics.