La fatiga por la IA es real. Pero no es lo que crees

Hay una narrativa que está ganando atención en este momento y que está recibiendo mucha atención: la IA nos está agotando. Los ingenieros están enviando más código que nunca y se sienten peor que nunca. El término “fatiga por la IA” está haciendo el recorrido, y las opiniones están aumentando.

Un ingeniero de software escribe en Business Insider que el último trimestre fue el más productivo y agotador de su vida. Steve Yegge, quien literalmente escribió el libro sobre la codificación de vibraciones, le dice a The Pragmatic Engineer que duerme durante el día y limita el trabajo real con herramientas de IA a tres horas. Los fundadores de startups llegan a un límite a las 2 pm. Uno de los posts más compartidos este mes advierte que la IA tiene un “efecto vampírico” en las personas que la utilizan más.

Aquí hay algo que nadie parece notar: las personas que informan la mayor fatiga no son los escépticos. Son los verdaderos creyentes.

Los ingenieros que están atascados en el nivel uno en la escala de adopción de Yegge, los que ignoran la IA por completo, se sienten bien. Un poco ansiosos, tal vez, pero no agotados. Son los que están en los niveles cinco, seis, siete, los que se han comprometido por completo, ejecutan múltiples agentes, orquestan flujos de trabajo complejos, envían a velocidades que nunca imaginaron, los que llegan a casa exhaustos.

Ese patrón debería decirnos algo. Y creo que lo que nos dice es que la “fatiga por la IA” es el diagnóstico incorrecto por completo.

No tienes un problema de fatiga. Tienes un problema de entrenamiento.

Piensa en la primera vez que hiciste un levantamiento de pesas muertas. No fue un peso particularmente pesado. Solo el movimiento en sí. Te despertaste al día siguiente y todo tu cuerpo se sentía como si hubiera sido desarmado y vuelto a armar mal. Tus piernas estaban doloridas. Tu espalda estaba dolorida. Músculos que no sabías que existían se hicieron conocidos de la manera más desagradable posible.

Si alguien hubiera medido tu producción ese día, habría parecido terrible. Podrías apenas sentarte sin hacer una mueca. Podrías haber razonablemente concluido que el levantamiento de pesas muertas es insostenible, que el cuerpo humano no está diseñado para ello, que el costo supera al beneficio.

Pero, por supuesto, seis meses después estabas levantando el doble de peso y te sentías bien después. Tu cuerpo construyó nuevos caminos. Se adaptó. El movimiento que una vez requirió todo el esfuerzo consciente se volvió automático. El dolor no significaba que estabas roto. Significaba que estabas construyendo algo nuevo.

Esto es exactamente lo que está sucediendo con el trabajo aumentado con IA.

La carga cognitiva que nadie habla

Cuando escribes código de la manera tradicional, tu cerebro está ejecutando un programa muy utilizado. Lo has hecho miles de veces. Conoces las teclas, los patrones, los ritmos de depuración. Es como conducir tu ruta diaria: técnicamente complejo, pero tan practicado que puedes hacerlo mientras piensas en la cena.

El trabajo aumentado con IA es una tarea cognitiva fundamentalmente diferente. No estás escribiendo código más. Estás dirigiendo, evaluando, decidiendo, cambiando entre múltiples agentes, revisando la salida que no escribiste, manteniendo la intención arquitectónica en tu cabeza mientras una IA toma decisiones de implementación que necesitas validar en tiempo real.

Eso no es el mismo trabajo hecho más rápido. Es un trabajo completamente diferente. Y tu cerebro no ha construido los caminos eficientes para ello todavía.

Cada decisión es aún consciente. Cada revisión requiere esfuerzo activo. Estás monitoreando la calidad, manteniendo el contexto a través de flujos de trabajo paralelos, tomando decisiones de juicio sobre la salida de la IA constantemente. Eso es por qué tres horas de este trabajo pueden dejarte más agotado que ocho horas de codificación tradicional. Es el equivalente cognitivo de tu primera semana en el gimnasio.

La curva de adopción es en realidad una curva de agotamiento

El marco de ocho niveles de Yegge para la adopción de IA se superpone casi perfectamente a una curva de agotamiento, aunque no creo que eso fuera su intención.

En los niveles uno y dos, apenas estás utilizando la IA. Autocompletar aquí, una pregunta allá. No hay mucha carga cognitiva. No hay mucha fatiga.

En los niveles tres a seis, estás en el extremo profundo. Le has dado al agente más autonomía, estás revisando menos línea por línea y más holísticamente, estás ejecutando múltiples agentes y constantemente navegando un flujo de trabajo que no existía hace 18 meses. Aquí es donde vive el agotamiento. Este es el levantamiento de pesas muertas pesado.

En los niveles siete y ocho, algo interesante comienza a suceder. Has construido sistemas de orquestación. La IA trabaja más autónomamente. Has aprendido a confiar y a verificar. Describes resultados y te vas. Matt Shumer describe exactamente esto: decirle a la IA qué construir, irse durante cuatro horas y regresar al trabajo terminado. La adaptación está empezando a tomar hold.

El agotamiento no está distribuido uniformemente. Se maximiza en el medio, justo donde la mayoría de los adoptantes tempranos están sentados en este momento. Y es por eso que la fatiga se siente universal: las personas que hablan sobre la IA más son desproporcionadamente las que están en la parte más difícil de la curva de aprendizaje.

Nadie escribió artículos sobre “fatiga al conducir”

Recuerda cuando aprendiste a conducir. La primera vez que te uniste a una autopista, probablemente agarraste el volante como si tu vida dependiera de ello (lo que, para ser justo, era cierto). Llegaste a casa después de un viaje de 30 minutos completamente agotado. Tu cerebro había estado funcionando a máxima capacidad: revisando espejos, gestionando la velocidad, anticipando a otros conductores, procesando señales de tráfico, todo simultáneamente y todo conscientemente.

Ahora conduces durante una hora mientras escuchas un podcast y comes un sándwich. La tarea no ha cambiado. Tú has cambiado. Tu cerebro ha construido caminos neuronales eficientes para conducir, comprimiendo lo que antes requería toda la atención consciente en procesos de fondo.

Nadie escribió artículos sobre “fatiga al conducir” como una crisis existencial. Nadie sugirió que los coches tienen un “efecto vampírico” en sus operadores. Entendimos, intuitivamente, que el agotamiento era temporal. Era el costo de aprender algo nuevo.

Esa es la parte que falta en el discurso actual. La “fatiga por la IA” se está tratando como una condición permanente, una característica fundamental de la tecnología, cuando en realidad es un costo de transición. Es dolor de entrenamiento, no enfermedad crónica.

Por qué esto importa más que la comodidad

Esta distinción no es solo semántica. Cómo diagnosticas el problema determina qué haces al respecto.

Si la fatiga por la IA es una característica permanente de la tecnología, entonces el límite de tres horas de Yegge es el techo para siempre. Las empresas deben planificar para ingenieros que solo pueden ser productivos durante una fracción del día. El “efecto vampírico” es el precio de la admisión, y simplemente debemos vivir con ello.

Pero si es dolor de entrenamiento, entonces el juego es completamente diferente. Manejas la carga. Construyes gradualmente. No te detienes en el gimnasio porque estás dolorido. Y, críticamente, no asumes que el nivel de agotamiento de hoy es el de mañana.

Los ingenieros que superan esta fase, que construyen los caminos cognitivos para el trabajo con herramientas de IA, revisando a la altitud correcta y manteniendo la intención arquitectónica a través de flujos de trabajo paralelos, eventualmente lo harán de manera natural como conducir. El límite de tres horas se moverá a cinco, luego a siete. No porque estén trabajando más duro, sino porque el trabajo deja de ser esfuerzo en la misma manera.

Mientras tanto, los ingenieros que leen sobre “fatiga por la IA” y deciden quedarse en el nivel dos, cómodos, familiares, no agotados, se encontrarán en una posición mucho peor.

No porque hayan fallado en mantenerse al día con una tendencia, sino porque nunca comenzaron el entrenamiento que todos los demás ya han superado.

El riesgo real: confundir el dolor con la lesión

Quiero ser claro sobre algo. Hay una diferencia entre el dolor de entrenamiento y la lesión real, y se aplica aquí también.

Si estás “codificando con vibraciones” durante 14 horas al día, durmiendo cuatro horas y funcionando con adrenalina porque la novedad es intoxicante, eso no es entrenamiento. Eso es sobreentrenamiento. Y, al igual que en el gimnasio, el sobreentrenamiento no construye nada. Te desgasta.

La observación de tres horas de Yegge es valiosa no como un techo permanente, sino como una señal de las necesidades de recuperación actuales. Cuando estás al principio del entrenamiento, necesitas más descanso entre sesiones. A medida que te adaptas, puedes manejar más volumen. Las personas que se queman no son las que hacen tres horas de trabajo con herramientas de IA enfocadas. Son las que no pueden detenerse porque el bucle de retroalimentación es demasiado atractivo, lo que es exactamente la dinámica de la ranura que he escrito antes.

La respuesta no es evitar el gimnasio. Es entrenar de manera inteligente: sesiones intensas, recuperación real, progresión gradual.

Una predicción que nadie más está haciendo

Aquí está lo que creo que sucederá en los próximos 12 a 18 meses.

La narrativa de la “fatiga por la IA” alcanzará su punto máximo en algún momento de este año. Habrá más artículos, más preocupación, probablemente algunos ingenieros de alto perfil que públicamente “se toman un descanso de las herramientas de IA”. Se sentirá como una reacción en contra significativa.

Luego se desvanecerá silenciosamente. No porque la gente dejó de usar la IA, sino porque los adoptantes tempranos terminaron de adaptarse. El límite de tres horas se sentirá como un recuerdo lejano para las personas que han estado haciendo esto durante un año y medio. Dirigirán flujos de trabajo de IA de la misma manera que solían escribir bucles for: sin pensarlo.

Y la brecha entre aquellos que superaron el dolor y aquellos que no será enorme. No porque las habilidades de IA sean raras, sino porque la adaptación en sí, la capacidad de pensar en términos de dirección, evaluación y orquestación en lugar de implementación línea por línea, se habrá vuelto segunda naturaleza para un grupo y completamente ajena al otro.

La peor respuesta al dolor de entrenamiento siempre ha sido la misma: dejar de ir al gimnasio.

Qué significa esto para los líderes

Si estás dirigiendo un equipo de ingenieros en este momento, entiende lo que realmente estás viendo. Tus ingenieros más productivos también son los más cansados. Eso no es una contradicción. Es la señal más clara que tienes de que la adaptación está en marcha.

No respondas reduciendo la adopción de IA. No respondas fingiendo que la fatiga no es real, tampoco. Responde de la manera que un buen entrenador lo haría: maneja la carga de entrenamiento. Espera sesiones intensas y enfocadas de trabajo con herramientas de IA seguidas de una recuperación real. Dale a las personas permiso para operar a lo que se siente como horas reducidas mientras construyen nuevas habilidades cognitivas. La producción aún será múltiplos de lo que era antes.

Las empresas que lo hagan bien tendrán equipos adaptados para fin de año. Las que ignoren la fatiga o se retiren de la IA en respuesta a ella se encontrarán con el peor de los dos resultados: ingenieros agotados que nunca superaron la parte más difícil de la curva.

No estamos experimentando los efectos secundarios de una nueva tecnología. Estamos en las primeras semanas de entrenamiento para una nueva forma de trabajar. El dolor es la prueba de que está funcionando. Inclínate hacia él, maneja el dolor y confía en que tu cerebro, como cualquier otro sistema adaptativo en la naturaleza, hará lo que siempre ha hecho.

Se adaptará.