¿Y si las herramientas pensadas para hacernos más productivos acabaran, a la larga, mermando nuestro valor profesional? Esa es la advertencia de un estudio del MIT titulado The Augmentation Trap, firmado por los investigadores Michael Caosun y Sinan Aral, de la escuela de negocios MIT Sloan. Su tesis tiene nombre propio: la trampa de la aumentación.
Se trata de un modelo económico, no de un experimento de campo, y su razonamiento es el siguiente. Usar inteligencia artificial dispara la productividad de inmediato, pero cada tarea que delegamos es también una tarea que dejamos de practicar. Los autores lo resumen con una regla tan simple como incómoda: un analista que pasa la mitad de su tiempo apoyándose en la IA tiende a estabilizarse en la mitad de su potencial. La destreza, como un músculo, se atrofia si no se ejercita.
La clave, insisten, no está en la herramienta, sino en cómo se usa. Imaginemos a dos programadores con el mismo asistente. El primero delega la generación de código y acepta lo que aparece: su pericia no entra en juego y se oxida. El segundo revisa cada sugerencia, caza errores y reescribe la salida, de modo que su criterio sigue moldeando el resultado y su habilidad se mantiene viva. Misma tecnología, destinos opuestos. El estudio lo formula sin anestesia: usar la IA para saltarse el razonamiento no aumenta la inteligencia del trabajador, automatiza su declive.
No todas las tareas caen en la trampa
Por eso el modelo distingue zonas. Hay usos que erosionan y usos que apenas rozan. Un analista financiero junior que deja que el modelo redacte sus informes, o un agente de atención al cliente que solo sigue guiones generados por IA, tienden a perder pie. En cambio, un médico experimentado que usa la IA como apoyo diagnóstico, o quien introduce datos rutinarios, casi no se resienten. La diferencia no es la profesión, sino cuánto juicio humano conserva el flujo de trabajo.
Una trampa de incentivos, no de tecnología
El corazón del problema no es la máquina, sino a quién le sale a cuenta. El estudio apunta al cortoplacismo gerencial. Un directivo evaluado por resultados trimestrales tiene todos los incentivos para exprimir la IA al máximo, porque cosecha las ganancias rápidas. Como resumen los autores, el jefe ve llegar el subidón de productividad durante su mandato y la erosión de la habilidad cuando ya se ha marchado.
La factura, mientras tanto, la paga el empleado, cuya carrera se resiente a medida que se vuelve menos capaz de trabajar por su cuenta. Ahí está la trampa: la empresa gana hoy y el trabajador pierde valor de mercado mañana. Es la misma tensión que asoma cuando se mide el impacto de la IA en el mercado laboral, donde el efecto sobre quien ejecuta la tarea rara vez coincide con el de quien la ordena.
El propio contexto influye. Un ingeniero en una ciudad llena de empresas defenderá su habilidad con uñas y dientes, porque es su pasaporte para cambiar de trabajo. El mismo ingeniero en un pueblo con un único empleador tiene mucho menos que ganar resistiéndose. La destreza vale más cuando hay a quién vendérsela.
El agujero en los mandos intermedios
Hay una consecuencia que trasciende al individuo. La residencia médica, la carrera de un asociado en un bufete o el aprendizaje de un ingeniero se sostienen sobre años de práctica sin muletas. Si la IA entra antes de que esos novatos hayan cruzado el umbral de pericia, advierte el estudio, su desarrollo puede quedar cegado para siempre.
Y el problema se traslada a la organización entera. Si los juniors que debían convertirse en los expertos de mañana se desmontan por el camino, la empresa se queda con un hueco en sus mandos intermedios que no podrá rellenar desde dentro. Se produce más a corto plazo a cambio de vaciar la cantera.
No es solo teoría
El modelo del MIT no habla en el vacío. El propio trabajo recopila evidencia que apunta en la misma dirección: un seguimiento de un año a oncólogos que usaban apoyo diagnóstico detectó un embotamiento gradual del criterio experto, que sus autores bautizaron como oxidación de la intuición, y otro estudio observó que los estudiantes que aprendían con ChatGPT retenían bastante menos material semanas después.
Encaja, además, con lo que documentan otros equipos. Un estudio de Microsoft Research y Carnegie Mellon halló que, cuanto más confía un profesional en la IA, menos pensamiento crítico aplica. Y un experimento del MIT Media Lab que midió la actividad cerebral de quienes escribían con y sin ChatGPT describió una deuda cognitiva, con menor conectividad neuronal. Nosotros ya contamos cómo el uso de IA afecta al rendimiento cognitivo y cómo el pensamiento crítico se resiente en las aulas.
Cómo no caer en la trampa
La receta no es rechazar la herramienta, sino cambiar cómo se mide y cómo se usa. El estudio avisa de que la productividad ya no sirve de termómetro, porque la IA permite producir más entendiendo menos, así que un buen resultado puede esconder una habilidad en caída libre. La alternativa que proponen es evaluar la pericia de verdad, con pruebas puntuales sin IA y pidiendo a la gente que explique su razonamiento, no solo que entregue el resultado.
En el plano del oficio, la idea es mantener el juicio dentro del bucle: redactar el propio borrador antes de ver el de la máquina, revisar y reformular sus propuestas, y reservar la atención humana para los casos ambiguos. Los autores recurren a una imagen aeronáutica, la de los pilotos que siguen practicando el vuelo manual entre trayectos asistidos. Y para alinear a jefes y empleados sugieren algo tomado del mundo financiero: atar los incentivos a la trayectoria de habilidad de los equipos, no solo a lo producido durante el mandato del gerente.
El paralelismo cotidiano ayuda a entenderlo. Igual que fiarlo todo al navegador del móvil nos ha atrofiado el sentido de la orientación, delegar sin criterio erosiona nuestra capacidad de resolver problemas nuevos. Ya vimos que delegar en la IA hasta para detectar bulos se paga perdiendo la destreza de hacerlo uno mismo. La buena noticia es que el daño no parece irreversible: según el modelo, la habilidad se recupera al retomar la práctica sin ayuda, con una especie de vida media de un par de años.
Lo que viene, sugiere el estudio, es una etapa de reajuste. Las empresas más lúcidas empezarán a valorar no solo a quien produce más gracias a la IA, sino a quien conserva su talento intacto para cuando la máquina falle o el problema sea completamente nuevo. En un mercado que premia la eficiencia inmediata, mantener afiladas las propias capacidades puede acabar siendo la habilidad más rentable.
