El lastre de la IA: revisar sus fallos genera carga mental y reduce la productividad

La inteligencia artificial promete acelerar el trabajo, elaborar documentos en menos tiempo y facilitar tareas que antes exigían horas de dedicación. Sin embargo, sus respuestas no siempre son correctas, pueden omitir información relevante o incluir datos desactualizados. Por eso, quienes utilizan estas herramientas necesitan reservar una parte de su jornada para revisar los resultados. Este esfuerzo adicional recibe el nombre de carga de verificación, un coste operativo capaz de mermar las mejoras de productividad vinculadas a la automatización.

El problema va más allá del tiempo empleado en corregir una respuesta. Cuando una persona delega parte de su trabajo en un sistema de inteligencia artificial, mantiene la responsabilidad sobre el resultado, aunque ya no controle por completo cómo se ha elaborado. El ingeniero cognitivo David Woods describió esta contradicción en 1985 como el “doble vínculo entre responsabilidad y autoridad”: la automatización ejerce una parte importante de la autoridad efectiva, pero las consecuencias siguen recayendo en el trabajador.

En lugar de concentrarse exclusivamente en producir y organizar información, los empleados deben actuar como supervisores de sistemas capaces de generar contenidos con rapidez y una apariencia convincente. La dificultad es que la IA puede presentar sus aciertos y errores con el mismo tono de seguridad, sin indicar claramente qué afirmaciones necesitan una comprobación más exhaustiva.

Verificar también consume tiempo y esfuerzo

Los estudios sobre el aprendizaje ayudan a comprender por qué esta labor de control no resulta sencilla. Una revisión que agrupó 86 investigaciones concluyó que las personas retienen mejor y asimilan con mayor profundidad los datos que elaboran por sí mismas que aquellos que se limitan a leer. Además, los contenidos fáciles de procesar suelen parecer más creíbles, incluso cuando contienen errores. Una respuesta bien redactada puede transmitir una sensación de fiabilidad que no siempre se corresponde con su exactitud.

Tampoco basta con explicar al usuario cómo ha llegado la inteligencia artificial a una conclusión para garantizar que compruebe el resultado. Las personas suelen valorar si merece la pena invertir tiempo y energía en revisar cada respuesta y, en ocasiones, terminan confiando demasiado en la herramienta. El riesgo aumenta cuando utilizan estos sistemas en ámbitos que no dominan, porque pueden carecer de los conocimientos necesarios para identificar una inexactitud.

Un ensayo aleatorizado con desarrolladores de software experimentados observó que la incorporación de herramientas de IA aumentó un 19% el tiempo necesario para completar determinadas tareas. Pese a ese resultado, los participantes creían haber trabajado más rápido. De forma similar, un análisis sobre equipos de consultoría constató que emplear esta tecnología fuera del ámbito de especialidad de los profesionales elevaba el riesgo de alcanzar conclusiones erróneas.

Tres barreras para una supervisión humana eficaz

La carga de verificación tiene tres dimensiones. La primera es cognitiva: el trabajador debe decidir qué comprobar, dónde puede estar el error y cuándo ha revisado suficiente. A diferencia de la creación, que suele tener objetivos y resultados más visibles, verificar no ofrece un punto de finalización tan claro. Esta dificultad aumenta cuando la herramienta produce contenidos que superan los conocimientos de quien debe evaluarlos.

La segunda dimensión es temporal. Detectar un fallo no termina el trabajo, sino que abre un nuevo proceso de corrección y comprobación. Cuanto más esfuerzo exige reparar una respuesta, menos probable es que el usuario complete esa tarea, según las investigaciones sobre la evaluación de sugerencias generadas por IA. La tercera vertiente es motivacional: crear aporta logros visibles, mientras que revisar suele limitarse a confirmar la ausencia de fallos. Cuando una herramienta funciona con acierto de manera habitual, la atención del supervisor tiende a relajarse.

Por ello, las empresas no deberían tratar la supervisión como una fase automática que no requiere recursos. Si los empleados siguen siendo responsables de los resultados elaborados con inteligencia artificial, necesitan tiempo, formación y autoridad para comprobarlos.