El uso de la IA puede hacer que las tareas tardan más, según una investigación

Nueva investigación sugiere que la IA puede hacer que las tareas simples tardan más, mientras convence a los usuarios de que están volviéndose más productivos.

Un nuevo estudio de Stanford, NYU y Princeton ha encontrado que frecuentemente usamos la IA incluso cuando es ineficiente; y que para las tareas más pequeñas que compulsivamente delegamos a la IA, a menudo gastaríamos menos esfuerzo mental y ahorraríamos más tiempo si las hiciéramos nosotros mismos.

A lo largo de tres estudios de humanos encargados para la investigación, los autores encontraron que los participantes rutinariamente subestimaron cuánto tiempo la IA les ahorraría en una tarea propuesta, así como notoriamente subestimaron cuánto dependen de la IA y realmente la utilizan*.

‘En [el segundo estudio], buscamos entender por qué la gente podría usar la IA para tareas simples a pesar de que el uso de la IA no proporciona beneficios de eficiencia. Una hipótesis es que la gente está mal calibrada sobre cuánto tiempo y esfuerzo ahorra la asistencia de la IA.

‘Para probar esta hipótesis, comparamos las predicciones de la gente sobre el tiempo y el esfuerzo real versus el tiempo y el esfuerzo reales al completar estas tareas con y sin asistencia de la IA, e identificamos ilusiones de ganancia de eficiencia, donde la gente sobreestimó tanto el tiempo como el esfuerzo que la IA ahorra.

‘En promedio, la gente predijo que la asistencia de la IA ahorraría tiempo por 55,7 segundos cuando en realidad solo ahorró 7,5 segundos. Esta mala calibración es particularmente grave en las variantes simples de las tareas, donde la gente predijo que la asistencia de la IA ahorraría tiempo, pero en realidad hizo que las tareas fueran más lentas para completarlas en la realidad.’

El nuevo documento, titulado La ilusión de ganancia de eficiencia: las personas subestiman la tasa de uso de la IA y sobreestiman sus beneficios en tareas simples, coescrito por siete autores de las tres instituciones, también encuentra que el uso previo de la IA parece reforzar el uso futuro de la IA, incluso cuando la tecnología ofrece poco o ningún beneficio de eficiencia real.

Visión general de los tres experimentos utilizados para probar cómo la gente usa la IA para tareas simples de la vida diaria, revelando que los usuarios subestiman con qué frecuencia confían en la IA, sobreestiman el tiempo que ahorra y se vuelven más propensos a usarla nuevamente después de una exposición previa. Fuente

Los datos de los tres estudios encontraron que la gente se vuelve más propensa a usar la IA después de una exposición previa, incluso de maneras que no son productivas o ahorradoras de tiempo, o incluso ahorradoras de estrés (es decir, gastando menos esfuerzo mental en la tarea)*:

‘Contrariamente a la posibilidad de que la experiencia mejore la calibración [es decir, la capacidad de estimar cuán útil es la IA para una tarea], identificamos un efecto de transferencia a nivel de sesión donde el uso inicial de la IA aumenta el uso posterior de la IA.

‘Los participantes que inicialmente completaron tareas con la IA se volvieron aún más propensos a optar por la asistencia de la IA en variantes de tareas fáciles, incluso cuando hacerlo no ofrecía ahorro de tiempo o esfuerzo en promedio.’

En uno de los estudios de humanos, los autores encontraron que los ahorros obtenidos del uso de la IA fueron completamente ilusorios:

‘La asistencia de la IA puede [fallar]. [Encontramos] que la gente que eligió usar la IA gastó 7,06 segundos más que la gente que completó las tareas [de forma independiente] y reportó un mayor esfuerzo.’

El estudio se limitó a tareas que tomaron cinco minutos o menos, pero puede resonar con los antiguos adictos a los motores de búsqueda que ahora rutinariamente recurren a ChatGPT y otros LLM populares y comercializados, en lugar de hacerlo.

Grupos de estudio

A lo largo de los diversos estudios de usuarios, las tareas se diseñaron según el marco de Taxonomía de necesidades y acciones del usuario (TUNA). Los experimentos cubrieron la búsqueda de información; resumen; aritmética; corrección de ortografía; reescritura; y otras tareas de baja complejidad que generalmente se podían completar en menos de cinco minutos.

El primer estudio comparó la disposición de los participantes a usar la IA contra su comportamiento real durante la realización de la tarea, investigando si la gente entiende con precisión su propia dependencia de la asistencia de la IA.

El segundo se centró en las ganancias de eficiencia percibidas versus reales, comparando las expectativas de los participantes sobre el ahorro de tiempo y la reducción del esfuerzo mental con los tiempos de realización medidos y la carga de trabajo informada, durante la realización de la tarea con y sin asistencia de la IA.

El tercer estudio examinó si la exposición previa a la IA cambió la toma de decisiones posteriores, rastreando si los participantes que habían completado tareas con la IA se volvieron más propensos a confiar en la IA nuevamente durante tareas posteriores.

Pensando demasiado – Uso de la IA en tareas simples

Para entender si la gente estima con precisión su propia dependencia de la IA, a los participantes del estudio se les pidió que completaran cuatro tareas, con la opción de usar asistencia de la IA para cada tarea. El nivel en el que los participantes realmente usaron la IA se comparó con su propia estimación previa de cuánto creían que la usarían, con una disonancia significativa evidente en los resultados:

Los participantes consistentemente subestimaron con qué frecuencia recurrirían a la IA para tareas simples, con la brecha que se amplía en los prompts más fáciles donde el uso real de la IA aumentó a 38% contra una tasa predicha de 20%, lo que sugiere que la delegación habitual a la IA se extiende mucho más allá de la propia conciencia del usuario.

Los autores afirman:

‘Encontramos que [la gente] de hecho usó la IA significativamente más que la tasa promedio predicha. En promedio, los participantes informaron que usarían la IA en el 33% de las tareas, pero la tasa de uso de la IA a nivel de población es del 47% (β = 1,07, p < 0,001).

‘Esta brecha es mayor para las variantes de tareas fáciles (β = 0,69, p < 0,001): los participantes predijeron una tasa de uso de la IA del 20% pero la tasa real de uso de la IA fue del 38% (β = 1,42, p < 0,001), casi el doble de la tasa de preferencia declarada.’

Los experimentos se centraron en tareas ordinarias de bajo esfuerzo que muchas personas ahora rutinariamente delegan a la IA, incluso cuando hacerlo puede ser innecesario. A los participantes se les pidió que realizaran actividades simples que involucraban recuerdo de hechos, aritmética, corrección de ortografía, reescritura de pasajes cortos, resumen de texto y respuesta a preguntas de razonamiento básico, con algunas tareas que requerían solo unas pocas palabras o una sola oración para completarlas.

El estudio también incluyó versiones ligeramente más difíciles de las mismas actividades, lo que permitió a los investigadores comparar si el uso de la IA cambiaba a medida que el trabajo se volvía más exigente.

Los beneficios de ahorro de tiempo de la IA están sobreestimados

En el segundo estudio, a los participantes se les dividió en dos grupos separados, con un grupo que primero estimó cuánto tiempo y esfuerzo mental la IA ahorraría en una serie de tareas, mientras que otro grupo en realidad completó esas mismas tareas con o sin asistencia de la IA. Las tareas se centraron nuevamente en actividades de baja complejidad que involucraban aritmética, reescritura, recuerdo de hechos, resumen, corrección de ortografía y ejercicios de razonamiento cortos.

El objetivo era comparar las expectativas de la gente sobre la productividad de la IA con lo que realmente sucedió cuando se realizó el trabajo. Según el documento, los participantes consistentemente sobreestimaron cuánto les ayudaría la IA, particularmente en tareas más fáciles donde muchos asumieron que la IA reduciría dramáticamente la carga de trabajo y el tiempo de realización.

En cambio, los resultados medidos a menudo mostraron solo ganancias menores, y en algunos casos, como se mencionó anteriormente, el uso de la IA en realidad ralentizó a los participantes. El documento informa que la gente esperaba que la asistencia de la IA les ahorrara casi un minuto en promedio, mientras que el ahorro de tiempo real fue de solo unos pocos segundos.

En algunas tareas más simples, los usuarios de la IA en realidad tardaron más en terminar que las personas que completaron el trabajo de forma independiente:

Predicción versus tiempo y esfuerzo real durante la realización de la tarea con y sin asistencia de la IA, revelando la ‘ilusión de aceleración’ propuesta en el documento, en la que los participantes consistentemente creyeron que la IA ahorraría mucho más tiempo de lo que realmente hizo. Los tiempos de realización con asistencia de la IA fueron sustancialmente más largos de lo predicho, mientras que las estimaciones para la realización de la tarea de forma independiente se mantuvieron mucho más cerca de los resultados observados.

El estudio también examinó el esfuerzo mental percibido. Los participantes comúnmente creyeron que la IA haría que las tareas se sintieran sustancialmente más fáciles; sin embargo, la reducción medida en el esfuerzo cognitivo fue mucho menor de lo esperado. El documento caracteriza esto como una ‘ilusión de ganancia de eficiencia’, en la que la gente sistemáticamente sobreestima tanto la velocidad como la utilidad de la asistencia de la IA durante el trabajo diario simple.

El uso de la IA profundiza la ilusión

El último de los tres estudios se diseñó para probar si incluso una breve exposición a la IA cambia la toma de decisiones posteriores. A los participantes se les dividió en múltiples grupos y primero pasaron por una ‘fase de exposición’, donde algunos completaron tareas fáciles con asistencia de la IA; algunos completaron tareas más difíciles con asistencia de la IA; y otros completaron las mismas categorías de tareas de forma independiente, sin la IA. Un grupo de control separado saltó la fase de la tarea por completo.

Posteriormente, todos los grupos entraron en una segunda ‘fase de prueba’, esta vez con nuevas y más fáciles tareas, y se les permitió decidir por sí mismos si usar o no la IA. Las tareas se centraron nuevamente en tareas de baja complejidad (es decir, reescritura, aritmética, recuerdo, corrección de ortografía, resumen y ejercicios de razonamiento cortos) que cada una podía completarse en solo unos minutos.

El documento informa que los participantes que ya habían utilizado la IA durante la fase de exposición se volvieron sustancialmente más propensos a confiar en ella nuevamente después, incluso cuando el uso previo de la IA no había ahorrado tiempo o reducido el esfuerzo mental.

Los investigadores encontraron que los usuarios previos de la IA seleccionaron la asistencia de la IA con mucha más frecuencia durante la fase de prueba posterior que los participantes que habían completado tareas de forma independiente:

Los participantes que habían utilizado previamente la IA durante la fase de exposición se volvieron sustancialmente más propensos a confiar en ella nuevamente durante tareas posteriores, a pesar de que el uso previo de la IA a menudo no produjo ganancias significativas en velocidad o reducción del esfuerzo mental. El panel izquierdo muestra que los usuarios previos de la IA seleccionaron la asistencia de la IA con mucha más frecuencia durante la fase de prueba posterior que los participantes que inicialmente completaron tareas de forma independiente. El panel derecho ilustra la ‘ilusión de aceleración’ propuesta en el documento, en la que la exposición previa a la IA aumentó la creencia de los participantes de que el trabajo asistido por la IA era más rápido y eficiente, incluso cuando los tiempos de realización medidos a menudo mostraron poco beneficio y, a veces, un rendimiento más lento.

La exposición repetida a la IA se informa que distorsionó el juicio de los participantes sobre si la IA era realmente útil: las personas que ya habían utilizado la IA se volvieron menos propensas a estar de acuerdo con que las tareas en realidad se podían completar más rápido sin ella, a pesar de que los resultados medidos a menudo mostraron poco beneficio y, en algunos casos, tiempos de realización más lentos.

Los investigadores argumentan que esto crea las condiciones para un ‘ciclo de refuerzo’, en el que el uso de la IA aumenta la dependencia futura de la IA, al mismo tiempo que debilita la capacidad de los usuarios para juzgar con precisión si la tecnología está mejorando la productividad en absoluto.

Conclusión

Opinión Muchos lectores que han adoptado la IA para tareas pequeñas pueden, como yo, sentir una sensación de familiaridad con las conclusiones del nuevo documento.

Personalmente, mi obsesión por automatizar tareas repetitivas precede al actual auge de la IA por varias décadas. Entonces, como ahora, la pregunta sigue siendo: ¿El esfuerzo involucrado en configurar y/o mantener la automatización supera el esfuerzo estimado (solo humano) en simplemente hacer la tarea, sin automatización?

Aquellos que aman automatizar pueden terminar automatizando por el sake de hacerlo, incluso si tomaría años o décadas antes de que se evidencie algún retorno (en términos de tiempo ahorrado); y esto cambia el contexto de la actividad de ‘optimización’ a ‘aficionado’.

No hay nada malo en esto, siempre y cuando no te engañes a ti mismo pensando que se están logrando ganancias reales. Sin embargo, este es un mal hábito que he tratado de resistir en los últimos años; y la opción de usar la IA, últimamente, parece propensa a exacerbarlo, ya que incluso los malos o no óptimos resultados se pueden obtener mucho más rápido que, por ejemplo, cuando se escriben macros en JavaScript y otros lenguajes.

Indicadores engañosos

Lo que el documento pasa un poco por alto es la tensión entre serendípicos o afortunados resultados a través de la IA versus la preponderancia de callejones sin salida y intentos frustrados de adaptar chatbots de IA disponibles, como ChatGPT, a las propias necesidades – en un flujo de trabajo que se puede confiar, incluso ante actualizaciones forzadas a nuevas versiones que pueden no funcionar de la misma manera que la versión en la que se basó el flujo de trabajo o la rutina.

Un resultado ‘mágico’, por lo tanto, es esa ocasión en que la IA resuelve el problema de inmediato de una manera fácil y racional.

Por ejemplo, cada vez que reviso un documento, debo imprimirlo y inevitablemente tengo que escribir números de página en negrita en la parte superior, ya que estos suelen estar ausentes o en letra pequeña en la parte inferior. Pedirle a ChatGPT que produjera un script de Python que agregara un número de página grande y en negrita resultó ser increíblemente rápido, ya que ahora puedo arrastrar un PDF de Arxiv a un archivo .BAT y tener una nueva versión con números de página prominentes en 2-3 segundos:

Numeración de página evidente agregada a los PDF mediante un script de Python escrito por la IA.

Aparte de un minuto o dos de discusión sobre si Windows tiene una fuente Arial Black nativa y separada (no la tiene, ya no), esto fue posiblemente la vez que la IA había creado algo persistentemente y regularmente útil para mí.

Argumentablemente, este tipo de ‘avance’ o ‘victoria fácil’ da una impresión falsa de la verdadera capacidad de la IA para ahorrar tiempo y/o esfuerzo mental, porque tendemos a dar a estas instancias una énfasis indebido: nuestra tendencia natural a suprimir recuerdos dolorosos o negativos y a reutilizar o centrarnos en recuerdos más felices significa que los casos exitosos en los que la IA resuelve tareas pequeñas de una manera útil terminarán como un faro que probablemente perseguiremos, incluso contra la tendencia de la evidencia estadística, como se demuestra en el nuevo documento, y incluso contra nuestra propia experiencia de que estos ‘avances fáciles’ son la excepción y no la regla.

Hay una creciente evidencia, además del nuevo documento, de que nos engañamos a nosotros mismos sobre la utilidad de la IA. En 2025, un estudio mostró que los desarrolladores que usaban la IA estaban tardando un 19% más que sin la IA; y otro estudio más reciente confirma el mensaje subyacente del nuevo documento discutido en este artículo – que ahorrar tiempo cuesta tiempo.

Sería útil si investigaciones de este tipo se pudieran traducir en un (inevitablemente impulsado por la IA) estudio de tiempo y movimiento clásico, lo que nos permitiría obtener verdaderas perspectivas sobre la medida en que la IA realmente nos ahorra – o nos cuesta – tiempo.

Finalmente, el estudio es excepcional en otro aspecto importante, ya que al menos intenta cuantificar el ‘gasto mental’ en relación con el uso de la IA en tareas menores. A medida que aumenta la atención sobre la ‘intensidad‘ del trabajo asistido por la IA, necesitamos urgentemente unidades de medición confiables que puedan cuantificar la medida en que las exigencias y excentricidades de la IA agotan o depletan a las personas, a un costo general de calidad del trabajo y aptitud para el trabajo.

* El formato es de los autores, del documento de origen. Cualquier cita en línea convertida en enlaces por mí.

Publicado por primera vez el sábado 23 de mayo de 2026