La IA puede mejorar la decisión de hoy y debilitar al decisor de mañana.

La asistencia permanente de inteligencia artificial puede mejorar el resultado inmediato y, al mismo tiempo, reducir capacidades que una persona necesita conservar para decidir sin ayuda. Este artículo propone evaluar el pensamiento híbrido no solo por la calidad de las respuestas obtenidas, sino también por la autonomía, el criterio y la capacidad de aprendizaje que permanecen cuando la tecnología se retira.

La inteligencia artificial puede ayudar a una persona a analizar más información, identificar alternativas y llegar con mayor rapidez a una respuesta razonable. Esa capacidad ofrece ventajas concretas, especialmente cuando el tiempo es limitado, los datos están dispersos o la situación exige comparar varios escenarios.

Pero existe una pregunta menos visible: ¿qué sucede con la capacidad humana de decidir cuando esa asistencia deja de ser ocasional y empieza a intervenir en cada etapa del pensamiento? Una tecnología puede mejorar el desempeño de hoy y, al mismo tiempo, reducir la posibilidad de actuar con autonomía mañana.

Ese riesgo no exige rechazar la inteligencia artificial ni volver a formas de trabajo menos eficientes. Exige revisar qué clase de relación estamos construyendo con ella y qué capacidades humanas estamos dejando de ejercitar mientras obtenemos mejores resultados.

Resolver mejor no siempre significa aprender más.

Cuando evaluamos una herramienta de inteligencia artificial, solemos observar el resultado inmediato. Miramos si permitió terminar antes, si detectó una variable que no habíamos considerado, si produjo una respuesta más completa o si ayudó a evitar un error.

Si el desempeño mejora, concluimos que la incorporación fue positiva. Sin embargo, desempeño y aprendizaje no son equivalentes. Una persona puede resolver mejor una tarea mientras recibe asistencia y no haber desarrollado la capacidad necesaria para repetir ese desempeño cuando la ayuda desaparece.

En algunos casos puede suceder lo contrario: cuanto más eficaz es la asistencia, menos oportunidades tiene la persona de practicar las capacidades que necesita conservar. La herramienta mejora la respuesta, pero reduce su participación en el proceso que permitió construirla.

El problema no se percibe mientras la tecnología está disponible. Aparece cuando la situación cambia, la información es insuficiente, los valores entran en tensión o la persona necesita decidir sin contar con una respuesta preparada.

Una IA también debe saber cuándo retirarse.

Un estudio presentado en arXiv el 24 de junio de 2026 examinó cómo un agente de inteligencia artificial podía acompañar el aprendizaje de una habilidad compleja sin convertir la ayuda en dependencia.

Los investigadores desarrollaron un sistema cuyo objetivo no era maximizar de manera permanente el resultado de la tarea. Buscaba fortalecer la competencia independiente de la persona, regulando cuándo asistir, cuándo reducir el apoyo y cuándo permitir errores capaces de contribuir al aprendizaje.

El estudio se realizó con 33 participantes en una tarea de pilotaje de drones en primera persona. El sistema produjo mejores resultados de aprendizaje que otras modalidades de acompañamiento con IA evaluadas por los autores.

Se trata de un preprint y de una habilidad motora específica, por lo que sus conclusiones no deberían trasladarse automáticamente a la toma de decisiones ejecutivas. Sin embargo, el principio que propone resulta relevante: una buena asistencia no se define solamente por cuánto mejora una acción mientras está presente.

También importa si ayuda a desarrollar una capacidad que luego puede sostenerse sin ella. La tecnología no solo debería preguntarse cómo intervenir mejor, sino también cuándo dejar espacio para que la persona vuelva a actuar por sí misma.

El problema de la sobreasistencia.

Ayudar demasiado puede producir una paradoja. La persona obtiene un mejor resultado, pero participa cada vez menos en el proceso que lo hizo posible.

Recibe el problema ya formulado, las variables ordenadas, las alternativas construidas, las objeciones anticipadas y la recomendación redactada. Su intervención queda reducida a elegir, corregir algunos detalles o aprobar.

El proceso parece eficiente. Sin embargo, puede estar reduciendo la práctica necesaria para formular problemas, soportar incertidumbre, construir alternativas propias y explicar por qué una decisión merece ser sostenida.

La pérdida no siempre se percibe mientras la tecnología está disponible. Se vuelve visible cuando la situación no encaja en patrones conocidos, cuando la información no permite una respuesta clara o cuando alguien debe responder por una consecuencia que no estaba prevista.

En esos momentos, la persona necesita algo más que una solución correcta. Necesita haber conservado la capacidad de interpretar, dudar, revisar y decidir sin depender por completo de una respuesta externa.

El criterio también necesita ejercicio.

El criterio no es una cualidad que se obtiene una vez y permanece intacta. Se forma y se actualiza mediante exposición a situaciones, revisión de interpretaciones, contraste de perspectivas, decisiones tomadas y consecuencias observadas.

También necesita práctica. Si una persona deja de formular sus propias preguntas porque la IA las formula primero, esa capacidad empieza a utilizarse menos. Si deja de construir alternativas porque el sistema ofrece inmediatamente cinco opciones razonables, reduce su participación en la búsqueda.

Algo similar ocurre cuando deja de sostener una primera lectura porque espera siempre la validación de una herramienta. Con el tiempo puede perder confianza en su capacidad para interpretar una situación incompleta, incluso cuando posee experiencia suficiente para hacerlo.

Si acepta una recomendación que no puede explicar, conserva formalmente la decisión, pero debilita la relación entre la elección y su criterio propio. El problema no es recibir ayuda, sino dejar de reconocer qué capacidad ya no se está ejercitando.

La IA como prótesis o como andamiaje.

Existen dos formas diferentes de pensar la asistencia. Una prótesis reemplaza de manera permanente una función que la persona ya no realizará por sí misma; un andamiaje ofrece apoyo durante el desarrollo de una capacidad y se retira progresivamente cuando esa capacidad puede sostenerse.

En el trabajo con inteligencia artificial, ambas modalidades pueden ser legítimas. No toda tarea necesita conservarse como competencia humana central. Puede resultar razonable delegar procesos repetitivos, cálculos, clasificación documental o determinadas búsquedas.

Pero otras capacidades no deberían abandonarse sin una decisión consciente. Formular el problema, distinguir hechos de interpretaciones, definir criterios, reconocer consecuencias, cuestionar una recomendación convincente, comunicar una decisión y responder por su ejecución siguen siendo capacidades relevantes.

Cuando la IA interviene sobre ellas, la pregunta no debería ser únicamente cuánto ayuda, también importa qué lugar deja para que la persona siga pensando, practicando y fortaleciendo su autonomía.

La diferencia entre prótesis y andamiaje no depende solamente de la herramienta, depende del modo en que una persona o una organización decide utilizarla.

La gobernanza también debe proteger capacidades.

La discusión sobre gobernanza de inteligencia artificial está avanzando desde los principios generales hacia sistemas de gestión más concretos. Un artículo publicado por Cinco Días el 13 de julio de 2026 describió una jornada dedicada a traducir el Reglamento Europeo de Inteligencia Artificial y la norma ISO/IEC 42001 en mecanismos internos de supervisión, control y responsabilidad.

El análisis señala que gobernar IA empieza a exigir inventarios de sistemas, evaluaciones de riesgos, responsables identificables, trazabilidad, controles sobre proveedores y revisiones periódicas. La responsabilidad deja así de ser una declaración y comienza a expresarse en procedimientos demostrables y auditables.

Ese avance es necesario, pero la gobernanza no debería limitarse a controlar lo que hace el sistema. También debería observar qué está dejando de hacer la persona.

Una organización puede cumplir normas, documentar decisiones y mantener supervisores humanos, pero seguir debilitando capacidades internas si sus integrantes dependen cada vez más de la tecnología para interpretar, evaluar y formular respuestas.

La gobernanza debería proteger no solo la calidad de los sistemas, sino también la calidad de las personas que deberán decidir cuando esos sistemas no alcancen.

Una supervisión humana puede ser solo formal.

Decir que existe una persona responsable no garantiza que esa persona conserve autoridad real. Puede recibir una recomendación final sin comprender qué supuestos la sostienen, validar un análisis sin conocer qué información fue excluida o aprobar una alternativa sin haber participado en la definición de los criterios.

También puede firmar una decisión producida por un sistema que no está en condiciones de cuestionar. En esos casos, la presencia humana existe, pero su intervención se limita a confirmar un proceso que ya ocurrió.

La supervisión con contenido requiere algo más. La persona necesita comprender, interrogar y, cuando corresponde, detener el proceso. También debe ser capaz de reconstruir el razonamiento sin depender completamente de la respuesta generada.

La pregunta relevante no es solo quién aprueba. Es quién puede explicar por qué se llegó a esa decisión, qué supuestos se aceptaron y bajo qué condiciones debería revisarse.

Cuando esa explicación no es posible, la autoridad humana puede seguir figurando en el organigrama, aunque haya perdido gran parte de su capacidad decisional.

La IA personal modifica las conversaciones de asesoramiento.

La asistencia artificial tampoco interviene únicamente dentro de las organizaciones. Cada vez más personas llegan a una conversación de asesoramiento después de haber consultado previamente una IA.

Ya formularon el problema, pidieron escenarios, recibieron recomendaciones, compararon opciones y construyeron una primera interpretación. La conversación humana empieza, entonces, sobre un campo que ya fue organizado por la tecnología.

Un preprint publicado en marzo de 2026 estudia, mediante un modelo teórico, cómo cambia la relación entre una persona, su asesor y una IA personal cuando el asesor sabe que su recomendación será contrastada con la del sistema.

Los autores plantean que el asesor puede responder estratégicamente intentando contrarrestar la recomendación previsible de la IA. También señalan que los resultados dependen de la frecuencia con que se consulta al sistema, del peso otorgado a su respuesta y de la influencia relativa que conservan la tecnología y el asesor humano.

El estudio es teórico y todavía no demuestra cómo se comportarán todas las relaciones reales de consultoría, mentoría o acompañamiento. Sin embargo, permite reconocer un cambio que ya merece atención: la IA puede estar influyendo en la conversación antes de que esa conversación comience.

No se trata de competir con la tecnología.

Ante ese escenario, el valor de un interlocutor no está en producir una respuesta más rápida que la IA. Tampoco en intentar demostrar de manera permanente que el criterio humano es superior.

La tarea es comprender cómo se construyó la interpretación con la que la persona llega. Qué pregunta formuló, qué información aportó, qué supuestos introdujo la herramienta y qué respuesta recibió mayor autoridad.

También importa revisar qué alternativa quedó descartada demasiado pronto, qué parte del análisis expresa realmente el criterio de quien decide y cuál fue aceptada por la seguridad con que estaba redactada.

La conversación humana no debería competir por ofrecer otra respuesta inmediata. Puede crear las condiciones para revisar cómo se produjo la respuesta que ya está sobre la mesa.

Su valor no está solo en aportar contenido nuevo, sino en ayudar a que la persona recupere autoridad sobre el proceso que construyó su interpretación.

Cuatro capacidades que conviene preservar.

Una relación madura con la inteligencia artificial necesita decidir qué capacidades no deberían dejar de ejercitarse. No todas tienen el mismo peso en cada tarea, pero algunas resultan centrales cuando existen consecuencias reales.

Formular problemas antes de consultar.

Quien llega a la herramienta sin una primera lectura propia queda más expuesto a aceptar el marco que la tecnología construya. No hace falta tener una respuesta, pero sí conviene formular con palabras propias qué está ocurriendo, qué decisión está pendiente y qué podría estar confundiéndose con el problema principal.

Esta formulación inicial permite que la IA trabaje sobre una pregunta humana en lugar de sustituirla. También ayuda a comparar, después, cuánto cambió el problema durante la interacción.

Construir al menos una alternativa propia.

Antes de solicitar escenarios, resulta útil formular una o dos opciones sin asistencia. No porque deban ser mejores, sino porque permiten que la IA amplíe una búsqueda ya iniciada en lugar de reemplazarla por completo.

Una alternativa propia funciona como punto de contraste. Permite reconocer qué aportó realmente el sistema y qué parte de la decisión ya estaba presente antes de consultarlo.

Definir criterios antes de comparar.

Una herramienta puede ordenar alternativas según costo, velocidad, probabilidad, impacto o reversibilidad. Pero no debería decidir silenciosamente cuál de esos criterios tendrá mayor peso.

Los criterios necesitan ser explicitados por quienes asumirán las consecuencias. Cuando no se definen antes de comparar, la alternativa mejor presentada puede imponerse sin que nadie haya decidido conscientemente qué significaba que fuera la mejor.

Explicar la decisión sin leer la respuesta de la IA.

Esta puede ser una prueba especialmente útil. ¿La persona puede explicar qué decidió, por qué, qué descartó y bajo qué condición revisaría la elección sin volver a abrir la conversación con el sistema?

Si no puede hacerlo, quizá todavía no incorporó el análisis como criterio propio. Puede haber aceptado una respuesta convincente sin haber transformado esa respuesta en una decisión verdaderamente asumida.

Un protocolo para utilizar IA sin abandonar aprendizaje.

Una forma práctica de proteger capacidades consiste en dividir la interacción en cuatro momentos. El objetivo no es volver más lento cada proceso, sino conservar intervención humana en las etapas que desarrollan criterio.

Antes de consultar.

Conviene escribir una primera formulación del problema, identificar los criterios centrales, reconocer qué información falta y construir una hipótesis o alternativa inicial.

Ese trabajo no necesita ser extenso. Su función es evitar que la persona llegue vacía al sistema y reciba como natural el primer marco que la herramienta produzca.

Durante la consulta.

La IA puede utilizarse para pedir opciones, pero también objeciones. Conviene solicitar supuestos, límites, información no considerada y alternativas que contradigan la recomendación principal.

La calidad de la consulta aumenta cuando no se busca únicamente confirmación. Una herramienta puede aportar más valor cuando se le pide que desafíe la lectura inicial y muestre qué podría estar faltando.

Después de consultar.

Es útil reescribir el problema con palabras propias, definir qué aportó realmente la IA y separar aquello que se acepta de aquello que sigue en revisión.

También conviene explicar la decisión sin reproducir la respuesta generada. Ese ejercicio muestra si el análisis fue incorporado o si todavía depende de la formulación del sistema.

Sin la IA.

En determinadas decisiones de menor impacto, puede ser conveniente practicar deliberadamente sin asistencia. No como rechazo tecnológico, sino como entrenamiento.

La autonomía también necesita espacios donde pueda comprobarse. Una capacidad que nunca se utiliza termina volviéndose difícil de evaluar y, con el tiempo, más difícil de recuperar.

El error productivo no es ineficiencia.

La incorporación de IA suele justificarse por su capacidad para reducir errores. Esa ventaja es importante, especialmente cuando una equivocación puede afectar derechos, seguridad, dinero o personas.

Pero no todos los errores cumplen la misma función. También existen errores de exploración que permiten comprender mejor una tarea, descubrir un supuesto débil o desarrollar una capacidad.

Eliminar cualquier posibilidad de equivocación durante el aprendizaje puede reducir la experiencia necesaria para reconocer problemas futuros. Una asistencia que corrige demasiado pronto puede impedir que la persona advierta por sí misma dónde estaba el límite.

La asistencia responsable no abandona a alguien frente a consecuencias graves. Pero tampoco debería intervenir tan pronto que impida formular una hipótesis, probar una lectura o aprender de una desviación controlada.

Aprender requiere una proporción adecuada entre apoyo, desafío y revisión. La eficiencia inmediata no debería eliminar toda oportunidad de desarrollar criterio.

La calidad del decisor que permanece.

El pensamiento híbrido suele evaluarse por la decisión producida. Podría ampliarse ese criterio y observar también qué ocurre con la persona después del proceso.

¿Comprende mejor el problema? ¿Puede formular mejores preguntas? ¿Reconoce nuevos criterios? ¿Está en condiciones de actuar sin la herramienta? ¿Aumentó su capacidad para cuestionar una recomendación?

También importa si puede transferir lo aprendido a otra situación y si conserva autoridad para decidir cuando la IA no ofrece una respuesta suficiente.

Una tecnología que mejora resultados y, al mismo tiempo, desarrolla capacidad humana produce un valor diferente de aquella que solo vuelve indispensable su propia presencia.

La pregunta no es únicamente si la respuesta fue mejor. También es qué clase de decisor quedó después de haberla producido.

Para revisar.

Elegí una actividad o decisión en la que estés utilizando inteligencia artificial con frecuencia y observá qué parte del proceso ya no realizás sin asistencia.

¿Qué capacidad estás utilizando menos? ¿La tecnología está ampliando una lectura propia o formulando el problema por vos? ¿Podrías llegar a una decisión razonable si mañana no estuviera disponible?

También conviene preguntarte qué error necesitás permitirte para seguir aprendiendo, qué parte del proceso puede delegarse definitivamente y cuál necesitás volver a ejercitar.

No todas las capacidades deben conservarse del mismo modo. Pero su abandono debería ser una decisión consciente y no una consecuencia inadvertida de la comodidad.

Conclusión.

La inteligencia artificial puede elevar el desempeño, ampliar alternativas y ayudar a tomar decisiones con mayor información. Pero una incorporación madura necesita observar algo más que el resultado inmediato.

Necesita preguntarse qué clase de decisor está formando. El pensamiento híbrido no debería medirse solamente por cuánto mejora una decisión cuando interviene la IA.

También debería evaluarse por la calidad de la persona que queda cuando la asistencia se retira. Por su capacidad para formular problemas, sostener incertidumbre, cuestionar recomendaciones y asumir consecuencias.

La mejor tecnología no será necesariamente la que resuelva todo. Puede ser aquella que sepa ayudar sin ocupar el lugar de las capacidades que todavía necesitamos conservar.

Próximo paso.

En una intervención 1:1, el trabajo no consiste en competir con los análisis que una persona ya obtuvo mediante inteligencia artificial. Consiste en revisar cómo se construyó el problema, qué autoridad recibió cada recomendación y qué capacidades necesitan permanecer bajo responsabilidad de quien decide.

El objetivo no es usar menos IA. Es construir una relación con la tecnología que aumente la capacidad de pensar sin volver innecesario al decisor.

Referencias.

• Capa, C. (2026, 13 de julio). La IA se sienta en el consejo: del experimento al gobierno corporativo. Cinco Días.
• Liu, Y., & Park Sinchaisri, W. (2026). Strategic advice in the age of personal AI. arXiv.
• Wang, W., Gu, E., Loquercio, A., Hu, H., & Mangharam, R. (2026). AI coaching for accelerating human skill development with reinforcement learning. arXiv.