{"id":21147,"date":"2026-09-28T16:45:08","date_gmt":"2026-09-28T16:45:08","guid":{"rendered":"https:\/\/www.fkeilers.com\/?p=21147"},"modified":"2026-10-04T20:14:04","modified_gmt":"2026-10-04T20:14:04","slug":"pensar-cuando-la-maquina-puede-hacer-mas","status":"publish","type":"post","link":"https:\/\/www.fkeilers.com\/es\/pensar-cuando-la-maquina-puede-hacer-mas\/","title":{"rendered":"Pensar cuando la m\u00e1quina puede hacer m\u00e1s"},"content":{"rendered":"<h2>Sobre inteligencia artificial, aprendizaje, criterio y responsabilidad<\/h2>\n<p>Hace poco vi un v\u00eddeo sobre inteligencia artificial, escritura y pensamiento que me dej\u00f3 inc\u00f3modo. No porque dijera que deber\u00edamos dejar de utilizar estas herramientas, sino porque toc\u00f3 una pregunta que, en mi caso, ya no pod\u00eda tratar como algo abstracto. Utilizo IA para investigar, ordenar ideas, revisar argumentos, desarrollar sistemas y trabajar sobre textos y soluciones que, sin esa ayuda, exigir\u00edan mucho m\u00e1s tiempo, dinero o personas. Y por un momento la pregunta fue inevitable: \u00bfcu\u00e1nto de todo esto estoy haciendo realmente yo?<\/p>\n<p>&nbsp;<\/p>\n<p><iframe loading=\"lazy\" title=\"Escribir con AI va a arruinar tu carrera\" width=\"1161\" height=\"653\" src=\"https:\/\/www.youtube.com\/embed\/ByfXEiD8em8?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<p>&nbsp;<\/p>\n<p>Pregunt\u00e1ndome por estas cosas, y pensando en lo que todo esto significaba, record\u00e9 que algo parecido me hab\u00eda sucedido muchos a\u00f1os atr\u00e1s, cuando empec\u00e9 a estudiar fotograf\u00eda y la transici\u00f3n de lo anal\u00f3gico a lo digital todav\u00eda despertaba bastante recelo. Yo mismo miraba con cierta desconfianza aquellas nuevas herramientas. Una c\u00e1mara que resolv\u00eda autom\u00e1ticamente parte de la toma, o una imagen trabajada despu\u00e9s en Photoshop, parec\u00edan restarle m\u00e9rito al fot\u00f3grafo; casi como si la tecnolog\u00eda estuviera haciendo demasiado por \u00e9l. Exist\u00eda la sospecha de que quien se apoyaba demasiado en esas herramientas era, de alguna manera, menos fot\u00f3grafo. Hoy reconozco un eco de aquella sensaci\u00f3n en algunas conversaciones sobre inteligencia artificial: si una herramienta hace una parte importante del trabajo, es f\u00e1cil preguntarse cu\u00e1nto de la capacidad pertenece realmente a quien la utiliza.<\/p>\n<p>Por eso, cuando alguien me preguntaba qu\u00e9 c\u00e1mara deb\u00eda comprar si quer\u00eda aprender fotograf\u00eda, yo sol\u00eda responder: \u00ab\u00bfQuieres hacer t\u00fa la fotograf\u00eda o quieres que la c\u00e1mara haga la foto?\u00bb. La intenci\u00f3n era sencilla. Si quer\u00edas aprender, no bastaba con dejar todo en autom\u00e1tico; hab\u00eda que comprender qu\u00e9 estaba ocurriendo, por qu\u00e9 una decisi\u00f3n produc\u00eda determinado resultado y qu\u00e9 pod\u00eda hacerse de otra manera. Durante mucho tiempo me pareci\u00f3 una buena distinci\u00f3n. Con los a\u00f1os entend\u00ed que tambi\u00e9n era incompleta.<\/p>\n<p>Por otro lado, siguiendo con ideas alrededor de la fotograf\u00eda, la fotograf\u00eda de calle termin\u00f3 ense\u00f1\u00e1ndome otra cosa. All\u00ed uno nunca controla completamente la escena: no decide qui\u00e9n doblar\u00e1 la esquina, qu\u00e9 gesto aparecer\u00e1 durante medio segundo ni c\u00f3mo cambiar\u00e1 la luz. Algunas fotograf\u00edas contienen suerte, pero la experiencia cambia la forma en que ese azar nos encuentra. Con el tiempo aprendemos a leer mejor el espacio, anticipar, esperar y reaccionar. El buen fot\u00f3grafo no controla todo lo que ocurre; desarrolla una manera m\u00e1s afinada de reconocer cu\u00e1ndo algo est\u00e1 sucediendo y decidir qu\u00e9 hacer con ello. Esa correcci\u00f3n termin\u00f3 siendo importante para mi reflexi\u00f3n sobre IA: competencia no significa ejecutar o controlar personalmente cada operaci\u00f3n.<\/p>\n<p>&nbsp;<\/p>\n<h2>Producir mejor no significa comprender mejor<\/h2>\n<p>Sin embargo, tampoco basta con obtener un buen resultado. Una fotograf\u00eda afortunada no convierte autom\u00e1ticamente a alguien en buen fot\u00f3grafo, del mismo modo que una respuesta brillante generada por una IA no demuestra por s\u00ed sola que quien la recibi\u00f3 comprenda el problema. Al investigar esta diferencia encontr\u00e9 un estudio de Hamsa Bastani y sus colegas con estudiantes de matem\u00e1ticas. Los alumnos pod\u00edan rendir considerablemente mejor mientras utilizaban GPT, pero una de las configuraciones produjo despu\u00e9s peores resultados cuando tuvieron que enfrentarse a una prueba sin la herramienta; otra, dise\u00f1ada como tutor con m\u00e1s salvaguardas, evit\u00f3 esa penalizaci\u00f3n.<\/p>\n<p>No creo que eso permita concluir que la IA perjudica necesariamente el aprendizaje. El contexto era educativo y concreto. Lo que s\u00ed me ayud\u00f3 a ver con mayor claridad es que rendimiento asistido y capacidad independiente no son necesariamente la misma cosa. Podemos producir algo mejor mientras una herramienta est\u00e1 disponible sin haber desarrollado una comprensi\u00f3n equivalente. Y eso tocaba exactamente mi pregunta inicial: quiz\u00e1 una parte del problema no est\u00e9 en que la IA haga mucho, sino en confundir lo que puedo producir con ella con aquello que realmente s\u00e9 hacer o comprender.<\/p>\n<p>La investigaci\u00f3n tambi\u00e9n corrigi\u00f3 mi intuici\u00f3n en la direcci\u00f3n contraria. Noy y Zhang encontraron que ChatGPT reduc\u00eda alrededor de un 40% el tiempo necesario para determinadas tareas profesionales de escritura y aumentaba aproximadamente un 18% la calidad evaluada de los resultados. Brynjolfsson, Li y Raymond, trabajando con datos de m\u00e1s de cinco mil agentes de atenci\u00f3n al cliente, encontraron tambi\u00e9n aumentos de productividad, especialmente relevantes entre trabajadores menos experimentados. Eso obliga a abandonar otra idea demasiado sencilla: eliminar esfuerzo no es necesariamente malo. No hay un m\u00e9rito especial en tardar cuatro horas en algo que puede resolverse bien en cuarenta minutos.<\/p>\n<p>&nbsp;<\/p>\n<h2>Cuando el pensamiento cambia de lugar<\/h2>\n<p>La pregunta empez\u00f3 entonces a cambiar. Ya no se trataba de proteger el trabajo manual frente a la automatizaci\u00f3n, sino de distinguir qu\u00e9 parte de ese trabajo sosten\u00eda una comprensi\u00f3n que todav\u00eda necesit\u00e1bamos conservar. Un estudio de Microsoft Research basado en una encuesta a 319 trabajadores del conocimiento y 936 ejemplos de uso reportados por ellos mismos me result\u00f3 especialmente \u00fatil. En el an\u00e1lisis cualitativo, los participantes describ\u00edan un desplazamiento de parte del esfuerzo cognitivo hacia verificar informaci\u00f3n, integrar respuestas y supervisar el proceso. La herramienta pod\u00eda hacer m\u00e1s sin demostrar que el pensamiento desapareciera; pod\u00eda cambiar el lugar en el que parte de ese pensamiento se ejerc\u00eda.<\/p>\n<p>&nbsp;<\/p>\n<h2>El problema de saber cu\u00e1ndo confiar<\/h2>\n<p>Al seguir investigando encontr\u00e9 un experimento de Fabrizio Dell\u2019Acqua y sus colegas con 758 consultores de Boston Consulting Group (BCG), que mostraba especialmente bien la dificultad que aparece entonces. En tareas situadas dentro de las capacidades de GPT-4, quienes utilizaron IA completaron m\u00e1s trabajo, lo hicieron alrededor de un 25% m\u00e1s r\u00e1pido y obtuvieron mejores resultados. Pero en una tarea deliberadamente situada fuera de esa frontera, tuvieron menos probabilidades de llegar a la soluci\u00f3n correcta.<\/p>\n<p>Lo inc\u00f3modo no es descubrir que la IA puede equivocarse; eso ya lo sabemos. Lo dif\u00edcil es reconocer cu\u00e1ndo estamos precisamente ante una de esas situaciones. Si una herramienta funciona extraordinariamente bien nueve veces, \u00bfqu\u00e9 nos permite detectar la d\u00e9cima en la que no deber\u00edamos confiar? Y si en determinadas tareas puede superar nuestra propia capacidad de ejecuci\u00f3n, \u00bfc\u00f3mo evitamos que esa misma superioridad aparente nos vuelva menos capaces de reconocer sus errores?<\/p>\n<p>Ah\u00ed empec\u00e9 a ver el problema de otra manera. Trabajar con IA no consiste solamente en saber pedir algo. Tambi\u00e9n exige saber cu\u00e1ndo confiar, cu\u00e1ndo comprobar, cu\u00e1ndo cuestionar y cu\u00e1ndo admitir que no sabemos suficiente para juzgar lo que tenemos delante. Cuanto m\u00e1s competente parece la herramienta, m\u00e1s importante se vuelve esa capacidad, porque la fluidez puede parecerse demasiado a la fiabilidad. El desaf\u00edo deja de ser demostrar que seguimos siendo capaces de ejecutar personalmente cada parte del trabajo y empieza a convertirse en conservar suficiente comprensi\u00f3n para evaluar aquello que estamos aceptando.<\/p>\n<p>La cuesti\u00f3n de la autor\u00eda queda, para m\u00ed, dentro de ese problema y no por encima de \u00e9l. Detectar qui\u00e9n produjo las frases no equivale a detectar qui\u00e9n produjo el pensamiento; pero haber solicitado esas frases tampoco demuestra que el pensamiento sea nuestro. Entre una idea y un texto publicado pueden existir experiencia, investigaci\u00f3n, cambios de posici\u00f3n, estructura, edici\u00f3n y juicio final, y una IA puede participar intensamente en varias de esas etapas. La pregunta que me interesa m\u00e1s no es cu\u00e1ntas palabras tecle\u00e9 personalmente, sino qu\u00e9 aportaci\u00f3n intelectual hubo detr\u00e1s y qu\u00e9 estoy realmente preparado para defender.<\/p>\n<p>&nbsp;<\/p>\n<h2>Delegar sin dejar de comprender<\/h2>\n<p>Esto me llev\u00f3 a otra idea que aprend\u00ed mucho antes de trabajar con inteligencia artificial y que he intentado aplicar cuando me ha tocado dirigir personas. Siempre he procurado no pedir un trabajo que no entienda al menos lo suficiente como para saber qu\u00e9 estoy pidiendo, qu\u00e9 resultado espero y cu\u00e1ndo algo puede estar mal. Eso no significa saber m\u00e1s que el especialista; precisamente recurro a \u00e9l porque sabe m\u00e1s que yo. Pero delegar no equivale a desentenderse del resultado. Con IA esa tensi\u00f3n se vuelve m\u00e1s visible porque ahora puedo delegar en segundos tareas para las que antes habr\u00eda necesitado varias personas.<\/p>\n<p>Por eso la pregunta que termin\u00f3 acompa\u00f1\u00e1ndome durante toda esta reflexi\u00f3n fue otra: \u00bfqu\u00e9 nivel de comprensi\u00f3n corresponde al nivel de responsabilidad que estoy asumiendo? No ser\u00e1 el mismo para corregir un correo que para aceptar un an\u00e1lisis del que depende una decisi\u00f3n importante. Tampoco creo que exista una regla universal que nos diga exactamente qu\u00e9 debemos conservar y qu\u00e9 podemos externalizar. Pero s\u00ed me parece cada vez m\u00e1s dif\u00edcil separar por completo responsabilidad y comprensi\u00f3n.<\/p>\n<p>La vieja pregunta de la fotograf\u00eda vuelve entonces con otro significado. \u00ab\u00bfQuieres hacer t\u00fa la fotograf\u00eda o quieres que la c\u00e1mara haga la foto?\u00bb. Hoy dir\u00eda que era una pregunta \u00fatil, pero incompleta. No necesito controlar cada mecanismo de la c\u00e1mara para hacer una fotograf\u00eda, ni ejecutar personalmente cada operaci\u00f3n que una IA puede realizar mejor o m\u00e1s r\u00e1pido que yo. Lo que s\u00ed necesito conservar es aquello que me permite reconocer qu\u00e9 estoy mirando, interpretar lo que ocurre, juzgar cu\u00e1ndo algo no encaja y responder por la decisi\u00f3n que tomo.<\/p>\n<p>Quiz\u00e1 la cuesti\u00f3n ya no sea demostrar que sigo pensando. La cuesti\u00f3n es construir una forma de trabajar que me obligue a seguir haci\u00e9ndolo.<\/p>\n<p>&nbsp;<\/p>\n<h2>Bibliograf\u00eda complementaria<\/h2>\n<ul>\n<li>Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakc\u0131, \u00d6., &amp; Mariman, R. (2025). <em>Generative AI without guardrails can harm learning: Evidence from high school mathematics<\/em>. Proceedings of the National Academy of Sciences, 122(26), e2422633122. <a href=\"https:\/\/doi.org\/10.1073\/pnas.2422633122\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.1073\/pnas.2422633122<\/a><\/li>\n<li>Noy, S., &amp; Zhang, W. (2023). <em>Experimental evidence on the productivity effects of generative artificial intelligence<\/em>. Science, 381(6654), 187\u2013192. <a href=\"https:\/\/doi.org\/10.1126\/science.adh2586\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.1126\/science.adh2586<\/a><\/li>\n<li>Brynjolfsson, E., Li, D., &amp; Raymond, L. R. (2025). <em>Generative AI at Work<\/em>. The Quarterly Journal of Economics, 140(2), 889\u2013942. <a href=\"https:\/\/doi.org\/10.1093\/qje\/qjae044\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.1093\/qje\/qjae044<\/a><\/li>\n<li>Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., &amp; Wilson, N. (2025). <em>The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers<\/em>. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121, 1\u201322. <a href=\"https:\/\/doi.org\/10.1145\/3706598.3713778\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.1145\/3706598.3713778<\/a><\/li>\n<li>Dell\u2019Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., &amp; Lakhani, K. R. (2026). <em>Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality<\/em>. Organization Science, 37(2), 403\u2013423. <a href=\"https:\/\/doi.org\/10.1287\/orsc.2025.21838\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.1287\/orsc.2025.21838<\/a><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>La IA puede ayudarnos a producir m\u00e1s, m\u00e1s r\u00e1pido y, a veces, mejor. Pero eso no responde a una pregunta m\u00e1s dif\u00edcil: qu\u00e9 seguimos necesitando comprender cuando delegamos parte del trabajo. Un ensayo sobre aprendizaje, criterio, autor\u00eda y responsabilidad en el trabajo asistido por IA.<\/p>\n","protected":false},"author":1,"featured_media":21184,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"Bibliograf\u00eda complementaria\r\n- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakc\u0131, \u00d6., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https:\/\/doi.org\/10.1073\/pnas.2422633122\r\n- Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187\u2013192. https:\/\/doi.org\/10.1126\/science.adh2586\r\n- Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889\u2013942. https:\/\/doi.org\/10.1093\/qje\/qjae044\r\n- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121, 1\u201322. https:\/\/doi.org\/10.1145\/3706598.3713778\r\n- Dell\u2019Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403\u2013423. https:\/\/doi.org\/10.1287\/orsc.2025.21838"},"categories":[202],"tags":[],"class_list":["post-21147","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sin-categorizar"],"_links":{"self":[{"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/posts\/21147","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/comments?post=21147"}],"version-history":[{"count":8,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/posts\/21147\/revisions"}],"predecessor-version":[{"id":21161,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/posts\/21147\/revisions\/21161"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/media\/21184"}],"wp:attachment":[{"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/media?parent=21147"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/categories?post=21147"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.fkeilers.com\/es\/wp-json\/wp\/v2\/tags?post=21147"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}