Cuanto más delegas en la IA, menos vale lo que delegas
Hay algo contradictorio en la velocidad con la que estamos incorporando la inteligencia artificial a nuestro trabajo. Redactamos más rápido, procesamos información en segundos, automatizamos tareas repetitivas y resolvemos problemas que antes nos tomaban horas. Todo parece indicar que somos más productivos. Pero hay una pregunta que rara vez nos hacemos: ¿qué ocurre con el valor de nuestro trabajo cuando todos podemos hacer lo mismo, utilizando las mismas herramientas?
Los investigadores llaman descarga cognitiva (cognitive offloading) al acto de delegar parte de nuestro esfuerzo mental en herramientas externas. No es algo nuevo. Lo hicimos con la calculadora, con el GPS y con las agendas digitales. La diferencia es que ahora estamos delegando tareas que antes exigían razonamiento, interpretación, creatividad y redacción. Capacidades que forman parte de nuestra identidad profesional y de aquello por lo que otros están dispuestos a pagarnos.
El primer conflicto: lo que dejas de ejercitar
Una revisión realizada por investigadores de Stanford, publicada en 2026, examinó más de 800 trabajos sobre inteligencia artificial en educación escolar. De ese universo, apenas 20 ofrecían evidencia causal de alta calidad para evaluar sus efectos.
Los resultados plantean una advertencia interesante. Los estudiantes pueden mejorar su desempeño cuando utilizan IA, pero los resultados son dispares cuando deben realizar las mismas actividades sin ella. Algunos mantienen las mejoras, otros no presentan cambios y otros empeoran.
La distinción es fundamental: resolver una tarea no significa necesariamente haber desarrollado la capacidad para resolverla.
Por supuesto, hablamos de educación escolar y no de profesionales adultos. Sería incorrecto extrapolar directamente esos resultados al mundo laboral. Sin embargo, la pregunta que surge es perfectamente razonable.
Si logramos producir informes, analizar información o construir argumentos únicamente mientras tenemos una herramienta disponible, ¿estamos desarrollando nuevas capacidades o simplemente aprendiendo a depender de una tecnología que las ejecuta por nosotros?
Una publicación de Stanford del 4 de noviembre de 2026 profundiza precisamente en esta tensión. Las investigaciones que examina muestran que el uso de IA puede favorecer determinados desempeños, pero también advierten sobre los riesgos de delegar procesos mentales esenciales para aprender y desarrollar autonomía.
Eso no significa que utilizar inteligencia artificial nos vuelva menos inteligentes. Significa que la manera en que la utilizamos importa tanto como los resultados que obtenemos.
Y aquí aparece una contradicción: el criterio profesional se construye mediante la práctica, la equivocación y la corrección. Pero muchas de esas experiencias son precisamente las que estamos comenzando a automatizar.
El segundo conflicto: lo que todos hacen a la vez
El problema no termina en nuestras capacidades cognitivas. Existe otra consecuencia, menos evidente, que comienza a observarse en el mercado laboral.
Xiang Hui, Oren Reshef y Luofeng Zhou estudiaron los efectos iniciales de la inteligencia artificial generativa sobre el trabajo independiente en Upwork. Su investigación, publicada en 2024 en la revista científica Organization Science, encontró que, tras la aparición de estas herramientas, los trabajos mensuales de escritura y edición disminuyeron aproximadamente un 2%, mientras los ingresos mensuales de quienes desarrollaban esas actividades cayeron un 5,2%.
En los trabajos vinculados con diseño e imagen, las reducciones estimadas fueron del 3,7% en encargos y del 9,4% en ingresos.
Es importante establecer los límites: el estudio analiza una plataforma específica durante un período inicial y no demuestra que las tarifas de todos los servicios creativos hayan disminuido. Mide trabajos e ingresos, no directamente los precios cobrados por cada unidad de servicio.
Sin embargo, entrega señales sobre cómo una tecnología puede modificar rápidamente las oportunidades económicas de quienes realizan tareas susceptibles de automatización.
En el empleo juvenil encontramos otra señal.
Erik Brynjolfsson, Bharat Chandar y Ruyu Chen, investigadores vinculados a Stanford, estudiaron registros de nóminas laborales de Estados Unidos. En su investigación original de 2025 identificaron una caída relativa ajustada del 13% en el empleo de trabajadores de entre 22 y 25 años en ocupaciones especialmente expuestas a la IA.
Una actualización publicada en agosto de 2026 elevó al 19% la brecha de empleo frente a jóvenes de ocupaciones menos expuestas, bajo su comparación más reciente.
Los investigadores también observaron que buena parte del ajuste parecía concentrarse en una menor contratación de trabajadores jóvenes, más que en un aumento generalizado de despidos. Sus resultados no demuestran que la IA sea la causa exclusiva de ese fenómeno ni que exista una destrucción general del empleo.
Pero la señal merece atención.
Durante años, el ingreso al mundo profesional estuvo asociado a tareas de menor complejidad. Un diseñador comenzaba ajustando piezas gráficas. Un periodista redactaba notas sencillas. Un analista preparaba planillas e informes. Un programador desarrollaba funciones básicas.
Hoy, una parte creciente de esas actividades puede realizarse con herramientas de inteligencia artificial.
Y entonces surge una pregunta: si automatizamos las tareas que permitían adquirir experiencia, ¿dónde desarrollarán su criterio los profesionales del futuro?
Podríamos terminar exigiendo experiencia mientras eliminamos las oportunidades para conseguirla.
La paradoja del valor
Aquí aparece el conflicto económico que más me interesa.
Cada decisión individual de incorporar inteligencia artificial puede ser perfectamente racional. Si antes demoraba tres horas en desarrollar una propuesta y ahora necesito treinta minutos, mi productividad aumentó.
Pero ¿qué sucede cuando todos mis competidores pueden hacer exactamente lo mismo?
La rapidez deja de ser una ventaja competitiva cuando se convierte en una capacidad disponible para cualquiera.
Si muchos profesionales comenzamos a resolver las mismas tareas utilizando herramientas similares, una parte de nuestra diferenciación puede desaparecer. Esto no significa necesariamente que los precios bajen de inmediato. La automatización también puede permitir mejorar la calidad, ofrecer nuevos servicios y ampliar la demanda.
Sin embargo, obliga a justificar de otra manera el valor de nuestro trabajo.
Durante mucho tiempo, una parte de lo que cobrábamos estaba asociada al conocimiento técnico, al tiempo de ejecución y a la dificultad de producir determinados resultados. Cuando esa dificultad disminuye, también puede debilitarse nuestra capacidad para cobrar por la ejecución de esas tareas.
No porque nuestro trabajo haya dejado de ser importante, sino porque aquello que antes era escaso puede comenzar a ser abundante.
Lo que se vuelve fácil de producir no necesariamente deja de tener valor, pero sí puede dejar de ser una ventaja.
Y esta diferencia importa.
El criterio, la comprensión del contexto, la capacidad de detectar errores, interpretar necesidades, tomar decisiones y asumir responsabilidad por los resultados pueden adquirir todavía más relevancia.
Pero existe una segunda paradoja: esas capacidades no aparecen espontáneamente. Se construyen trabajando, enfrentando problemas reales y tomando decisiones que no siempre resultan correctas.
Justamente las experiencias que corremos el riesgo de delegar.
¿Quién captura la productividad?
Hasta aquí podríamos pensar que todo depende de nuestras decisiones personales: utilizar la IA con moderación, seguir ejercitando nuestras habilidades y aprender a diferenciarnos.
Pero esa explicación es insuficiente.
La transformación también tiene una dimensión económica y colectiva.
Imaginemos una empresa que, gracias a la inteligencia artificial, logra duplicar su producción con los mismos recursos. Esa ganancia de productividad podría traducirse en mejores remuneraciones, menores jornadas laborales, nuevas inversiones, servicios más accesibles o mayores utilidades.
Ninguno de esos resultados está garantizado.
La tecnología permite generar ganancias de productividad, pero no determina cómo se distribuyen.
Y esa es una de las discusiones centrales de la transición justa.
Porque si una empresa aumenta su capacidad de producir mientras disminuyen las oportunidades laborales o los ingresos de quienes ejecutaban determinadas tareas, el problema deja de ser exclusivamente tecnológico.
Se convierte en una pregunta sobre la distribución del valor, las oportunidades de formación y la responsabilidad de las organizaciones frente a quienes participan de esa transformación.
Las empresas también deberían preguntarse qué capacidades necesitan preservar y desarrollar entre sus trabajadores. No basta con identificar qué tareas podemos automatizar; debemos comprender cuáles de ellas cumplen una función importante en la formación de experiencia, autonomía y criterio.
La eficiencia de hoy no debería construirse debilitando las capacidades que necesitaremos mañana.
Lo que queda
No creo que debamos resistirnos a la inteligencia artificial. Sería desconocer las oportunidades extraordinarias que ofrece para ampliar nuestras capacidades, resolver problemas y acceder a conocimientos que antes estaban fuera de nuestro alcance.
Tampoco creo que todo trabajo automatizable esté condenado a perder valor. La tecnología puede crear nuevas necesidades, actividades y mercados que todavía no imaginamos completamente.
Pero sí creo que estamos avanzando demasiado rápido en aprender qué podemos delegar y demasiado lento en comprender qué deberíamos conservar.
Durante años pensamos que el valor profesional estaba principalmente en saber hacer algo. Hoy comienza a desplazarse hacia comprender por qué hacerlo, cuándo hacerlo, cómo evaluar sus consecuencias y quién debe responder cuando las cosas salen mal.
No obstante, sería ingenuo pensar que el criterio, por sí solo, garantizará nuestra estabilidad económica. También necesitamos instituciones, empresas y políticas que permitan distribuir las ganancias de productividad y ofrecer oportunidades reales de adaptación.
De lo contrario, podríamos terminar en una economía donde cada persona produce más, pero no necesariamente vive mejor.
Y esa sería una contradicción difícil de justificar.
La pregunta que dejo es sencilla: de todo lo que hoy delegas en la inteligencia artificial, ¿qué podrías explicar, defender y corregir tú mismo mañana si la herramienta dejara de estar disponible?
Fuentes y referencias
- Risko, E. F. y Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences. https://doi.org/10.1016/j.tics.2016.07.002
- Fesler, L., Martinez Claeys, J. P., Agnew, C. y Loeb, S. (2026). The Evidence Base on AI in K-12: A 2026 Review. Stanford University. Consultar informe.
- Stanford Report (4 de noviembre de 2026). What happens to learning when AI does the thinking for us? Consultar publicación.
- Hui, X., Reshef, O. y Zhou, L. (2024). The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market. Organization Science, 35(6), 1977–1989. https://doi.org/10.1287/orsc.2023.18441
- Brynjolfsson, E., Chandar, B. y Chen, R. (2025; actualizado en agosto de 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. Consultar investigación.
