La semana pasada, en menos de cuarenta y ocho horas, me llegó el mismo tema desde tres fuentes completamente distintas: un artículo de Harvard Business Review, un post técnico de un ingeniero de San Francisco que construye infraestructura de agentes de IA, y un mensaje de un amigo que lleva años en el mundo de la divulgación tecnológica. Los tres hablaban de lo mismo: el agotamiento mental que produce el uso intensivo de inteligencia artificial.

Mi primera reacción fue de curiosidad. La segunda, de entusiasmo.

No porque el tema sea alarmante. Sino porque cuando tres fuentes independientes convergen en el mismo diagnóstico, quiere decir que hay algo que merece entenderse bien. Y entender bien algo es siempre el primer paso para aprovecharlo mejor.

El estudio que más me llamó la atención es el que publicó Harvard Business Review en febrero, firmado por Aruna Ranganathan y Xingqi Maggie Ye. Lo que encontraron es que la IA no reduce la carga de trabajo: la intensifica. Las personas que usan IA y terminan una tarea más rápido no se toman ese tiempo ganado como descanso. Lo llenan con más tareas, amplían su ámbito de responsabilidad, se ofrecen para proyectos nuevos. La capacidad aparente crece y el trabajo se expande para llenarla. Es el viejo Efecto Rebote de Jevons aplicado al trabajo intelectual: cuando algo se vuelve más barato o más eficiente, no consumimos menos de ello; consumimos más.

Hay algo profundamente humano en eso que me parece digno de celebrar, no de temer. Somos ambiciosos. Cuando las herramientas nos dan más margen, lo usamos para hacer más cosas, para explorar más territorios, para asumir más retos. El problema no es esa ambición. Es que no siempre le damos al cerebro el tiempo de recuperación que necesita para sostenerla.

El segundo estudio, publicado en Harvard Business Review en marzo por un equipo de seis investigadores, identifica con precisión los patrones de uso de IA que generan fatiga cognitiva frente a los que la reducen. Y aquí está la noticia realmente interesante: no es el uso de IA lo que agota, sino un tipo específico de uso. La investigación distingue entre usar la IA para crear y usarla para revisar. Cuando la IA produce y nosotros nos limitamos a supervisar su output —corregir, validar, aprobar o rechazar lo que genera—, el desgaste mental es mucho mayor que cuando la usamos como herramienta de apoyo mientras nosotros seguimos siendo los autores del pensamiento.

Hemos pasado, sin darnos cuenta, de ser creadores a ser inspectores de calidad. Y la inspección, aunque parezca más pasiva, es extraordinariamente agotadora. Exige mantener el juicio crítico activado de manera sostenida sobre material que no has generado tú, que puede contener errores invisibles, que requiere una atención que no puedes relajar nunca del todo.

Siddhant Khare, ingeniero que construye infraestructura para agentes de IA y que por tanto está tan dentro de esto como se puede estar, lo describe con una honestidad refrescante en un artículo que publicó en febrero: produjo más código en el último trimestre que en cualquier trimestre de su carrera, y también se sintió más agotado que nunca. Su diagnóstico es preciso: la IA reduce el coste de producción, pero aumenta el coste de coordinación, revisión y toma de decisiones. Y esos costes caen íntegramente sobre el humano.

Lo que me resulta valioso de este diagnóstico no es la advertencia. Es la claridad. Porque si sabemos exactamente qué tipo de uso genera fatiga, también sabemos qué tipo de uso la evita. Y eso nos da algo muy útil: un criterio.

Hace unos meses escribí aquí sobre por qué la IA hace más creativos a unos y a otros no, según Harvard. La respuesta, entonces como ahora, era la metacognición: la capacidad de pensar sobre el propio pensamiento, de planificar, monitorizar y refinar el proceso antes de delegarlo. Las personas que usan la IA con esa conciencia activa no solo son más creativas: también, según los nuevos datos, se agotan menos. No porque trabajen menos, sino porque mantienen el centro de gravedad intelectual en su propio juicio y usan la herramienta desde ese centro, no al revés.

Y hay otro hallazgo que me parece crucial: la productividad con IA alcanza su pico con el uso de unas pocas herramientas bien elegidas. Añadir una herramienta más no suma capacidad: la resta. El coste de coordinación entre plataformas, de mantener el contexto en varios sistemas, de gestionar distintos flujos, acaba superando el beneficio de cada herramienta individual. Más no es más. Más es a veces simplemente demasiado.

Esto conecta directamente con algo que defiendo desde Human-IA y que me parece cada vez más urgente: la diferencia entre usar IA para expandir lo que puedes hacer, y usarla para sustituir lo que antes hacías tú. No es una distinción filosófica abstracta. Es, precisamente, la distinción que separa el uso que genera crecimiento del que genera dependencia y fatiga. Un deportista que entrena con equipamiento de alta tecnología desarrolla más músculo que antes. Un deportista que deja que la máquina haga el movimiento por él, no entrena: se sienta.

Lo que me alegra de toda esta investigación es que valida algo en lo que llevamos tiempo insistiendo: el uso consciente e intencional de la IA no es un lujo filosófico ni una exigencia moralista. Es, literalmente, la condición para que la herramienta funcione bien a largo plazo. Usar la IA sabiendo por qué la usas, para qué la usas, y cuándo deliberadamente no la usas, no es una limitación. Es la diferencia entre tener una herramienta poderosa y ser usado por ella.

En Pensamiento crítico vs. Prompts perfectos argumenté que el pensamiento que entra en el prompt determina la calidad de lo que sale. Ahora añado: el pensamiento que entra en el prompt también determina quién sigue siendo el autor. Y ser el autor —de tu trabajo, de tus ideas, de tus decisiones— no es solo una cuestión de orgullo. Es, según la ciencia, la condición necesaria para no acabar agotado.

Mark Cuban lo formuló de manera directa en un post en X que publicó en febrero y que recorrió el mundo entero: hay dos tipos de personas en la era de la IA, las que la usan para aprenderlo todo, y las que la usan para no tener que aprender nada. Las primeras expanden sus capacidades. Las segundas las erosionan. La diferencia entre ambas posturas no está en cuánto usan la herramienta. Está en para qué.

Cuando hablé con mi amigo, me contó que él había llegado a la misma conclusión por un camino distinto. Llevaba meses con la sensación de que algo no funcionaba en su relación con las herramientas, hasta que un día decidió recuperar una práctica que había abandonado sin darse cuenta: reservar la primera hora de la mañana para pensar sin abrir ningún chatbot, sin consultar nada, solo con papel y lápiz. No como un ejercicio de desintoxicación digital ni como una declaración de principios contra la tecnología. Simplemente para recordar, cada día, que el pensamiento viene primero y la herramienta después. Me dijo que en pocas semanas notó la diferencia. No en lo que producía, sino en cómo se sentía al producirlo. Esa frase me pareció la mejor síntesis posible de todo lo que la investigación está confirmando ahora con datos.

La buena noticia, y es una noticia muy buena, es que esto está completamente en nuestras manos. No depende de los modelos. No depende de las empresas tecnológicas. No depende de ninguna regulación. Depende de la intención con la que nos sentamos cada mañana delante de la pantalla. Y esa intención, a diferencia de casi todo lo demás en este sector, es algo que nadie puede optimizar por nosotros.

¿Y tú? ¿En qué tipo de usuario te reconoces cuando te sientas delante de la pantalla cada mañana? Me gustaría leer tu experiencia en los comentarios, porque creo que en este tema concreto las vivencias personales dicen mucho más que cualquier estudio. Si has notado fatiga, si has encontrado una forma de organizarte que funciona, si tienes dudas sobre si lo que haces es expansión o sustitución, este es el sitio para contarlo.

#AgotamientoPorIA #FatigaCognitiva #UsoCríticoIA #ProductividadIA #InteligenciaArtificial #BienestarDigital #HumanIA