La respuesta que no sabemos explicar
La IA nos permite entregar resultados cada vez mejores sin necesidad de comprender todo lo que hay detrás. Pero si dejamos de ejercitar el criterio que necesitamos para supervisarlos, ¿cómo sabremos cuándo están equivocados?
Echo de menos los correos sencillos. Aquellos en los que alguien tenía algo que contar, lo escribía con sus propias palabras y podíamos hablar sobre ello. También las conversaciones por Teams en las que un compañero explicaba un problema y otro aportaba una idea. Los mensajes no necesitaban resolverlo todo porque la conversación seguía abierta.
Ahora me encuentro cada vez más con propuestas extensas, perfectamente estructuradas, llenas de apartados y conclusiones. Documentos que parecen tenerlo todo resuelto hasta que preguntas por qué se ha elegido una solución. A veces, quien los envía no sabe explicarlo. Incluso llego a preguntarme si se ha detenido a leer lo que acaba de enviar.
No me molesta que esos documentos estén escritos con ayuda de la IA. Yo también la utilizo a diario. Lo que me inquieta es que cada vez resulte más fácil producir algo convincente sin haber llegado a comprenderlo.
Y quizá lo más difícil sea reconocer cuándo nos está ocurriendo.
La ilusión de comprender
En 2002, los psicólogos Leonid Rozenblit y Frank Keil realizaron una serie de experimentos sobre algo que llamaron ilusión de profundidad explicativa.
Pidieron a varios participantes que valoraran cuánto comprendían el funcionamiento de objetos cotidianos, como una cremallera o un inodoro. Después les solicitaron que explicaran paso a paso cómo funcionaban.
Fue entonces cuando muchos descubrieron que sabían bastante menos de lo que creían. Al intentar construir sus explicaciones, encontraban huecos que no habían percibido antes. Cuando volvieron a valorar su comprensión, las puntuaciones habían bajado.
Los objetos no habían cambiado. Tampoco habían olvidado cómo utilizarlos. Simplemente habían descubierto que estar familiarizados con algo no significaba comprender su funcionamiento.
Aquellos experimentos no tenían nada que ver con la inteligencia artificial, pero me parecen especialmente relevantes ahora que podemos conseguir explicaciones y soluciones sobre casi cualquier asunto en cuestión de segundos.
Leer una buena explicación puede hacernos sentir que hemos entendido algo. Esa confianza puede durar hasta que alguien nos pide que lo expliquemos con nuestras propias palabras, justifiquemos una decisión o resolvamos un problema que no estaba previsto.
Con la IA podemos ir un paso más allá. Ya no necesitamos limitarnos a recibir explicaciones: podemos pedirle que realice el trabajo completo y entregar el resultado sin haber participado apenas en las decisiones que lo han hecho posible.
La diferencia es importante. Antes podíamos sobreestimar lo que sabíamos. Ahora, además, podemos producir resultados que hagan todavía más difícil reconocer lo que desconocemos.
Lo que aprendíamos por el camino
En enero de 2026, investigadores de Anthropic publicaron un experimento con 52 programadores que debían resolver dos tareas utilizando una librería de Python que desconocían. La mitad podía consultar a un asistente de IA; la otra mitad tenía que trabajar sin él.
Después, todos realizaron una prueba sin ayuda para comprobar qué habían aprendido.
El grupo que utilizó IA terminó unos dos minutos antes, una diferencia que no resultó significativa. Sin embargo, obtuvo una puntuación media del 50 % en el examen, frente al 67 % del grupo que había trabajado sin asistencia.
La mayor diferencia apareció al identificar y explicar errores. Precisamente una de las capacidades que necesitamos para supervisar las soluciones generadas por una IA.
Pero hubo algo más interesante que la diferencia entre los dos grupos.
No todos los participantes utilizaron el asistente de la misma manera. Algunos le delegaron prácticamente todo el trabajo y después fueron de los que peor resultado obtuvieron en la prueba. Otros pidieron explicaciones, plantearon preguntas o siguieron programando mientras consultaban sus dudas. Estos últimos tendieron a obtener mejores resultados.
Los investigadores observaron también que quienes habían trabajado sin IA encontraron más errores y tuvieron que resolverlos por sí mismos. Plantearon que ese esfuerzo pudo contribuir a su aprendizaje.
Atascarse, descubrir que una suposición era equivocada o tener que buscar otra solución son experiencias que solemos considerar obstáculos. Sin embargo, también forman parte de cómo adquirimos conocimiento.
El estudio era pequeño y evaluaba el aprendizaje inmediato, por lo que no demuestra que utilizar IA deteriore nuestras capacidades a largo plazo. Pero muestra que podemos completar una tarea sin haber desarrollado las habilidades que necesitaríamos para resolver otra parecida.
Y eso plantea una cuestión que va más allá de la programación.
El valor de seguir pensando
No creo que debamos renunciar a la IA ni defender que todo el trabajo tenga que seguir haciéndose manualmente. Muchas tareas consumían tiempo sin aportar demasiado, y poder delegarlas nos permite concentrarnos en problemas más importantes.
La dificultad está en distinguir entre el esfuerzo que no aporta valor y aquel que nos ayuda a mejorar.
Cuando escribimos una propuesta, por ejemplo, no solo estamos buscando las palabras adecuadas. También ordenamos nuestras ideas, encontramos contradicciones y descubrimos preguntas que todavía no sabemos responder. A veces no tenemos del todo claro lo que pensamos hasta que intentamos explicarlo.
Si la IA realiza todo ese recorrido por nosotros, podemos recibir un documento mejor del que habríamos escrito. Pero quizá nos hayamos perdido una parte importante del proceso.
Y ahí aparece una contradicción que me preocupa.
Cuanto más trabajo delegamos, más importante resulta nuestro criterio para supervisar los resultados. Confiamos en poder hacerlo porque conocemos nuestro oficio, tenemos experiencia y sabemos reconocer cuándo algo no está bien.
Sin embargo, esas capacidades no son algo que adquiramos una vez y conservemos intacto para siempre. También necesitan práctica. Si dejamos de cuestionar decisiones, resolver problemas o enfrentarnos a situaciones que nos obliguen a pensar, ¿qué nos garantiza que seguiremos siendo igual de capaces de hacerlo cuando sea necesario?
Quizá no lo notemos inmediatamente. Seguiremos entregando documentos, desarrollando programas y resolviendo problemas. Es posible incluso que los resultados mejoren.
La dificultad podría aparecer más adelante, cuando nos encontremos con una situación que la herramienta no sepa resolver, cuando debamos identificar un error que nadie nos ha señalado o cuando alguien nos pida justificar una decisión que nunca llegamos a tomar.
Por eso sigo echando de menos aquellos correos sencillos.
No porque fueran más breves o estuvieran escritos sin ayuda, sino porque detrás había alguien con quien seguir pensando.
Alguien a quien podías preguntar por qué había elegido una solución y que, incluso sin tener todas las respuestas, podía continuar la conversación contigo.