¿Qué significa ser profesional cuando las máquinas participan en la producción de conocimiento?

La frontera irregular de la inteligencia artificial

Documento de profundización académica

Evidencia · Metodología · Discusión · Aplicaciones · Referencias

Philippe Boland

Coordinador General de la Red de Universidades por las Tecnologías de la Información y la Comunicación (UxTIC) y Director del Grupo de Investigación Colmena DAO

Documento redactado con asistencia de inteligencia artificial. La selección de fuentes, las decisiones argumentales y la responsabilidad por el contenido son del autor.

Versión 1.9 · Agosto de 2026

Cómo citar: Boland, P. (2026). ¿Qué significa ser profesional cuando las máquinas participan en la producción de conocimiento? La frontera irregular de la inteligencia artificial. Documento de profundización académica, versión 1.9. Red UxTIC.

Nota sobre este documento

Este documento acompaña a una conferencia de cuarenta minutos y cumple una función distinta de la suya. La conferencia presenta un argumento; el documento permite auditarlo.

Esa división no es una comodidad editorial. La tesis que aquí se sostiene es que la competencia profesional ante la inteligencia artificial consiste, en buena medida, en poder verificar lo que se recibe. Un material complementario que no permitiera verificar sus propias afirmaciones sería incoherente con lo que afirma.

Por eso el documento hace tres cosas que una exposición oral no puede hacer. Presenta cada estudio con su diseño, su muestra y su magnitud de efecto. Declara explícitamente qué no demuestra cada uno. Y separa en todo momento tres niveles distintos de afirmación: lo que la evidencia observó, lo que de ella puede inferirse razonablemente y lo que sigue siendo una pregunta abierta.

Las contribuciones conceptuales propias —la distinción entre frontera de capacidad y frontera de verificación, la tipología del error invisible para quien lo recibe y el principio de verificación proporcional— están señaladas como propuestas y no se presentan como hallazgos experimentales.

Resumen ejecutivo

Los estudios revisados documentan mejoras del desempeño en determinadas tareas profesionales y cognitivas, aunque la magnitud y dirección del efecto varían según la tarea, la población y las condiciones de uso. Esas mejoras no son uniformes: en tareas situadas fuera de la capacidad efectiva del sistema, la asistencia puede deteriorar el resultado. La distribución de esas capacidades no coincide con la intuición humana sobre dificultad, y los usuarios —incluidos profesionales expertos— no siempre pueden inferir correctamente, desde su propia experiencia, de qué lado se encuentran.

De ahí se sigue el problema que este documento examina. Si la capacidad de producir una respuesta puede situarse por delante de la capacidad humana de comprobarla, entonces la delegación de tareas plantea una cuestión profesional antes que técnica: quién puede verificar el resultado y quién responde por sus consecuencias.

El documento sostiene cuatro proposiciones y propone un principio.

Primera (respaldo moderado: un experimento preinscrito y un preprint convergente). En los estudios revisados, el desempeño de los sistemas no se distribuye uniformemente entre tareas: la dificultad percibida por una persona no predice necesariamente el desempeño del sistema en tareas diferentes.

Segunda (respaldo moderado: un ensayo aleatorizado de muestra pequeña y una encuesta amplia). Los usuarios pueden estimar incorrectamente dónde termina la capacidad efectiva del sistema, al menos bajo determinadas condiciones de uso. La evidencia experimental muestra casos en los que profesionales expertos se equivocaron sobre el signo del efecto que la herramienta tuvo en su propio rendimiento.

Tercera (indicio, no demostración). La vigencia de las mediciones de esa frontera puede verse afectada por cambios en los modelos, las herramientas, las tareas y las prácticas de trabajo, por lo que las estimaciones requieren reevaluación cuando esas condiciones cambian.

Cuarta (respaldo moderado: un experimento aleatorizado aún no arbitrado). El desempeño observado con asistencia no constituye, por sí solo, una medida de competencia profesional. La asistencia puede cerrar buena parte de las diferencias de desempeño entre personas con distinto nivel de formación sin que esas diferencias desaparezcan cuando la herramienta se retira.

Las cuatro proposiciones no implican por sí solas ninguna obligación. A partir de ellas, y bajo una premisa ética que la sección 21 hace explícita, este documento propone una regla de gestión: cuanto mayor sea el costo de equivocarse, mayor debe ser la exigencia de verificación, y esa verificación debe recorrer un camino independiente del que produjo el resultado.

La tesis de fondo puede enunciarse en una frase: la inteligencia artificial no elimina la necesidad de conocimiento profesional; cambia el lugar donde ese conocimiento tiene valor. Durante mucho tiempo ese conocimiento valió porque permitía producir. A medida que producir respuestas se abarata, este documento sostiene que aumenta el valor relativo de la capacidad de determinar cuáles merecen convertirse en decisiones.

Cuatro conceptos organizan el documento: frontera de capacidad, frontera de verificación, error invisible para quien lo recibe y principio de verificación proporcional.

PARTE I. INTRODUCCIÓN

1. La pregunta epistemológica

En diversas concepciones históricas de las profesiones modernas, el conocimiento especializado, su aplicación práctica y el juicio profesional han estado estrechamente relacionados. El profesional era quien había acumulado conocimiento especializado, desarrollado procedimientos para aplicarlo y adquirido experiencia suficiente para producir resultados que otros no producían con la misma calidad. El médico diagnosticaba, el abogado interpretaba, el ingeniero calculaba, el investigador construía explicaciones. La profesión combinaba conocimiento, ejecución y juicio en una misma persona.

Los sistemas generativos modifican esta relación al permitir que determinadas operaciones asociadas al trabajo profesional sean realizadas o asistidas por sistemas artificiales. Un modelo puede redactar un texto especializado, generar código, resumir literatura, proponer hipótesis o elaborar alternativas de decisión sin haber recorrido el proceso de formación que asociábamos a esas capacidades. Esto no significa que la máquina posea conocimiento profesional en el sentido en que lo posee una persona. Significa algo más específico y, para las profesiones, más relevante: una parte creciente de las operaciones mediante las cuales los profesionales producen resultados puede ser realizada, asistida o transformada por sistemas artificiales.

La pregunta que organiza este documento surge de ahí:

¿Qué significa ser profesional cuando las máquinas participan en la producción de conocimiento?

No es la pregunta de si la inteligencia artificial es mejor o peor que una persona, ni la de qué empleos sustituirá. Ambas importan, pero ninguna alcanza la cuestión que aquí se examina: qué ocurre con el conocimiento profesional cuando producir una respuesta deja de exigir que quien la produce posea todo el conocimiento necesario para construirla desde cero.

Su dimensión epistemológica es directa. Una persona puede obtener una respuesta correcta sin que ello implique que comprenda las razones que sustentan el resultado. Puede producir un resultado excelente con una herramienta cuyo funcionamiento no domina. Puede apoyar una decisión en información que no sabe comprobar. Y, a la inversa, puede recibir una respuesta incorrecta que, por su estructura y su fluidez, no le entregue señales suficientes de que conviene desconfiar.

El problema profesional deja entonces de ser únicamente ¿puedo producir una buena respuesta? y pasa a incluir una segunda pregunta: ¿puedo determinar si esta respuesta merece ser utilizada?

1.1. De la sustitución de empleos a la transformación del trabajo

Las primeras discusiones sobre automatización formulaban el problema como sustitución: qué trabajos puede hacer una máquina. Los sistemas actuales obligan a una formulación más exigente: qué partes de un trabajo profesional pueden delegarse y qué partes deben seguir siendo comprendidas, verificadas y asumidas por una persona.

Los sistemas generativos introducen una diferencia funcional respecto de herramientas que ejecutan instrucciones más explícitas: además de procesar información, pueden generar contenidos, estructuras o propuestas de acción que el usuario debe evaluar. Una calculadora no elimina la necesidad de saber qué operación corresponde. Un buscador no elimina la necesidad de evaluar una fuente. Un procesador de textos no traslada la responsabilidad sobre lo escrito. Los sistemas generativos ocupan otra posición porque no se limitan a ejecutar una instrucción explícita: proponen contenidos, estructuras y cursos de acción. El profesional ya no solo usa una herramienta para ejecutar su propio conocimiento; en determinadas circunstancias recibe de ella una propuesta sobre qué debería pensar o hacer a continuación.

Ahí aparece el problema. Cuando la máquina produce una respuesta, ¿qué parte de ella es información, qué parte se convierte en conocimiento, quién decide que es suficientemente confiable y quién responde cuando esa respuesta se transforma en una decisión?

1.2. Las dos fronteras

La respuesta que este documento propone se apoya en distinguir dos cosas que suelen tratarse como una sola.

La frontera de capacidad describe hasta dónde puede la máquina producir resultados útiles para una tarea determinada, con un modelo, unos datos y unas condiciones concretas.

La frontera de verificación describe hasta dónde puede una persona, o una organización, comprobar que esos resultados son suficientemente confiables para el uso que tendrán. Conviene precisar esa expresión, porque el resto del documento se apoya en ella: es el límite práctico hasta el cual alguien puede evaluar, con los procedimientos y el tiempo de que dispone y con una exigencia proporcional al riesgo de la decisión, la corrección y la pertinencia de un resultado producido con asistencia. La suficiencia no es, por tanto, un umbral fijo: depende de lo que esté en juego, y esa dependencia es la que la sección 21 convierte en regla.

Las dos fronteras no coinciden necesariamente. Una máquina puede producir una respuesta que su usuario no sabe comprobar. También puede ocurrir lo contrario: que produzca algo fácilmente verificable porque existen fuentes independientes, datos originales o procedimientos reproducibles al alcance.

Esta distinción modifica el significado de delegar. Delegar no es solo entregar una tarea a una herramienta: es aceptar un resultado producido parcialmente fuera del proceso cognitivo de quien lo firma. La pregunta relevante, por tanto, no es solamente qué puedo delegar, sino qué puedo delegar y seguir siendo capaz de responder por el resultado.

La primera frontera describe una propiedad del sistema. La segunda es una propiedad distribuida entre personas, herramientas, fuentes, procedimientos y organizaciones. Y por eso la segunda es la que interesa a una discusión sobre profesiones.

Cabe aquí una distinción que el título del documento presupone: no todo usuario es un profesional. Cualquiera puede usar estas herramientas; en muchos contextos profesionales, una característica central de la práctica es responder por resultados ante terceros y conforme a reglas de una disciplina o institución. Esa responsabilidad es la que eleva la exigencia de verificación, y no la sofisticación de la tarea ni la potencia del sistema.

2. Qué significa aquí “producción de conocimiento”

La expresión exige una aclaración antes de usarse, porque invita a una objeción legítima: una inteligencia artificial no produce conocimiento, produce texto.

En este documento no se afirma que estos sistemas posean conocimiento en el sentido en que lo posee una persona, ni que sean sujetos epistémicos equivalentes a investigadores o comunidades científicas. La expresión se usa en un sentido operacional: la IA participa en procesos mediante los cuales las personas producen, transforman, organizan, interpretan y utilizan información para construir conocimiento y tomar decisiones.

La distinción importa. Un modelo puede generar una explicación; esa explicación puede ayudar a una persona a comprender un fenómeno, incorporarse a un informe, modificar una hipótesis u orientar una decisión. En cada uno de esos pasos participa en la producción del conocimiento humano, sin que ello suponga atribuirle las propiedades epistémicas de una persona.

2.1. Información, conocimiento y comprensión

Información puede entenderse como un conjunto organizado de datos o afirmaciones susceptibles de ser comunicados. El conocimiento exige algo más: comprensión, contextualización, justificación, integración con otros conocimientos y capacidad de usar lo aprendido en situaciones nuevas.

La distinción se vuelve práctica cuando una máquina genera respuestas. Un sistema puede entregar una explicación correcta que el usuario no comprende; producir código funcional cuya arquitectura quien lo usa no entiende; elaborar un análisis financiero cuyos supuestos el responsable desconoce; redactar una revisión bibliográfica sin que el investigador haya evaluado la evidencia primaria. En todos esos casos hay un resultado informacional, pero no necesariamente una transferencia equivalente de conocimiento hacia quien lo recibe.

De ahí una formulación que reaparecerá a lo largo del documento: una respuesta correcta no es todavía conocimiento comprendido.

2.2. La cadena y el punto donde no hay delegación posible

Resulta útil representar el trabajo profesional como una secuencia: generar, sintetizar, proponer, evaluar, decidir, responder. No todas las profesiones la siguen literalmente, pero permite localizar puntos de intervención.

Un sistema puede generar alternativas, sintetizar información, proponer hipótesis, evaluar propiedades de un conjunto de datos e incluso recomendar cursos de acción. Existe, sin embargo, una diferencia entre proponer y responder. Proponer es poner una posibilidad sobre la mesa. Responder es sostener que esa posibilidad es suficientemente confiable como para incorporarla a una decisión que tendrá consecuencias sobre personas, recursos o instituciones.

Ese último paso conserva una dimensión profesional que no desaparece porque una máquina haya intervenido en los anteriores. La automatización de determinadas operaciones de producción no implica, por sí sola, la transferencia o desaparición de las responsabilidades profesionales o institucionales asociadas a la decisión.

2.3. Aprender es otra cosa que producir

El problema se agudiza cuando el objetivo de la actividad es adquirir una capacidad y no solo obtener un resultado.

Considérense dos situaciones externamente idénticas. En la primera, una persona usa la herramienta como apoyo, comprende la solución, identifica sus supuestos, puede modificarla y explicar por qué funciona. En la segunda, obtiene la solución, la entrega y no podría reconstruir el razonamiento si la herramienta desapareciera. El producto es el mismo; epistemológicamente no lo es.

Esta diferencia explica por qué los estudios de productividad no pueden leerse automáticamente como estudios de aprendizaje. Un aumento de productividad responde a la pregunta de cuánto mejor se realizó una tarea. La adquisición de competencia responde a otra: cuánto aumentó la capacidad de la persona para realizar, comprender y evaluar esa clase de tarea en el futuro. Son variables relacionadas y no equivalentes, y la sección 10 muestra que la evidencia disponible ya permite distinguirlas empíricamente.

2.4. Cuando producir se abarata

La cuestión tiene además una dimensión económica sencilla. Si producir un borrador, una síntesis, una traducción o una lista de alternativas se vuelve considerablemente más barato, la escasez relativa se desplaza.

Durante mucho tiempo, buena parte del valor profesional estuvo asociada a la capacidad de producir. Cuando esa capacidad se abarata, adquiere mayor peso la capacidad de distinguir entre una respuesta plausible, una respuesta correcta, una respuesta contextualizada y una respuesta adecuada para una decisión concreta.

No significa que producir deje de valer. Significa que el conocimiento profesional empieza a valer sobre todo por otra cosa.

Nota histórica: no es la primera vez

Sería un error creer que este problema nace con los modelos generativos. La participación de máquinas en la producción de conocimiento tiene una historia, y su episodio más instructivo ocurrió mucho antes de que existiera nada parecido a un asistente conversacional.

En 1976, Kenneth Appel y Wolfgang Haken anunciaron la demostración del teorema de los cuatro colores, un problema abierto desde mediados del siglo XIX. La estrategia consistió en reducirlo a la verificación de un conjunto grande de configuraciones y encargar esa verificación a un computador, que trabajó durante semanas. El resultado se aceptó, pero con una incomodidad que no se ha disuelto: la demostración es demasiado larga para que una persona la recorra paso a paso. Ningún ser humano ha producido después una prueba del teorema que otro ser humano pueda comprobar sin ayuda de una máquina.

En 1979, el filósofo Thomas Tymoczko formuló la objeción con precisión. Sostuvo que una demostración matemática debe cumplir tres condiciones —ser convincente, ser inspeccionable por la comunidad matemática y ser formalizable— y que la prueba de Appel y Haken fallaba la segunda. Aceptarla, argumentó, obligaba a modificar el sentido mismo de la palabra demostración, porque introducía un método experimental en un terreno que se definía por no serlo.

Léase esa discusión con las categorías de este documento y aparece exactamente el mismo problema, casi medio siglo antes. Había una tarea que la máquina podía completar y una comunidad profesional que no podía verificar el resultado por sus propios medios. En ese episodio puede interpretarse que la capacidad de producción asistida excedía las formas de comprobación disponibles para parte de la comunidad. Y la pregunta que se hizo la matemática entonces —¿esto sigue siendo conocimiento nuestro?— es la que este texto le hace hoy a las demás profesiones.

Lo interesante es cómo se resolvió. No se resolvió confiando. En 2003 Thomas Hales, que había demostrado la conjetura de Kepler por un camino igualmente dependiente del computador y cuyos revisores no pudieron certificar por completo, inició un proyecto para producir una demostración formal: una prueba escrita de manera que otra máquina, independiente y construida con otros supuestos, pudiera comprobarla íntegramente. El proyecto Flyspeck se completó en 2014 y su relato oficial se publicó en 2017. La respuesta al problema de verificación no fue aceptar la palabra de la máquina ni renunciar a usarla: fue construir un camino de comprobación distinto del que había producido el resultado.

Esa es, con otro vocabulario, la condición de independencia que la sección 20 propone para el trabajo profesional. El episodio deja tres lecciones que sirven para leer el resto del documento.

Una posible lección transversal es que pueden aparecer desfases entre capacidad de producción y capacidad de comprobación cuando una tecnología incrementa la velocidad o escala de producción más rápidamente que los procedimientos disponibles para evaluarla. La segunda es que las comunidades profesionales sí pueden responder a ese desfase, pero tardan décadas y lo hacen construyendo instituciones y métodos nuevos, no exigiendo más cuidado individual. La tercera es menos cómoda: la matemática pudo hacerlo porque sus objetos admiten verificación formal. La mayoría de las profesiones no tiene esa salida disponible, y en ellas la independencia hay que organizarla deliberadamente: otra fuente, otro método, otra persona con conocimiento del dominio.

Esta sección es marco histórico, no evidencia sobre el desempeño de sistemas actuales. Sus referencias se listan por separado al final.

Qué polémicas abrió, y cuáles está abriendo

La discusión sobre los cuatro colores no se cerró con la objeción de Tymoczko. Sus críticos respondieron que ninguna demostración se verifica realmente sola: el matemático que lee una prueba de doscientas páginas también confía —en el autor, en los revisores, en su propia atención—, de modo que la diferencia con el computador sería de grado y no de naturaleza. Medio siglo después la comunidad matemática convive con las dos posiciones: usa pruebas asistidas, exige cada vez más formalización cuando el resultado es central, y no ha declarado resuelto el problema de fondo. Ese desenlace merece retenerse, porque es un desenlace plausible para las profesiones que hoy discuten lo mismo: no una resolución, sino una convivencia con reglas nuevas. Es una analogía histórica, no un pronóstico.

Las polémicas actuales son siete, y difieren mucho en cuánta evidencia hay detrás de cada bando y en cuánto se ha resuelto ya fuera del debate académico, en tribunales o en políticas de las propias organizaciones.

Quién firma. En diversos contextos editoriales se ha establecido una restricción clara sobre la atribución de autoría a sistemas de IA, aunque persisten diferencias sobre declaración y alcance. Desde 2023, el Comité Internacional de Editores de Revistas Médicas, las revistas del grupo Science y los principales editores científicos establecieron que un sistema de inteligencia artificial no cumple los criterios de autoría y no puede figurar como autor ni coautor, con un argumento que es exactamente el de este documento: la autoría implica responder por el trabajo, y un sistema no puede asumir responsabilidad ni declarar conflictos de interés. Lo que sigue abierto no es el principio sino su umbral: qué usos deben declararse, con qué detalle, y dónde termina la asistencia rutinaria.

Cuánto se usa realmente. Aquí la polémica es metodológica. Un estudio publicado en Science Advances analizó más de quince millones de resúmenes biomédicos y detectó, por el aumento anómalo de ciertas palabras, que al menos el 13,5 % de los publicados en 2024 pasó por un modelo de lenguaje, con subcorpus donde la proporción llega al 40 %. Los propios autores insisten en que es una cota inferior. Estimaciones posteriores, con métodos más sensibles, la sitúan por encima de esa cota, sin que exista una cifra de consenso, y los mismos investigadores han manifestado cautela ante sus propios resultados. La disputa está en si sabemos medirlo, no en si se usa.

Si las ganancias existen. La evidencia experimental de las secciones 4 a 11 es sólida a nivel de tarea. La discusión está en el salto de la tarea a la empresa y de la empresa a la economía: hay economistas que sostienen que las ganancias agregadas medibles siguen siendo escasas, y hay experimentos como los de la sección 11 cuyo intervalo de confianza admite tanto un efecto modesto como uno enorme. Las estimaciones sobre el impacto macroeconómico siguen siendo objeto de debate y no deben presentarse como un consenso establecido.

Qué le pasa al empleo de entrada. La contracción del empleo junior en las ocupaciones más expuestas está documentada; su causa, no. Coexisten al menos tres explicaciones —sustitución por herramientas, ciclo económico del sector y cambios en las prácticas de contratación— y ninguna se ha aislado. Esta es una de las cuestiones con importantes consecuencias políticas y evidencia causal todavía limitada, y por eso la sección 24 la formula como pregunta abierta y no como diagnóstico.

De dónde salió lo que el modelo sabe. Es la polémica con más consecuencias económicas y la que más ha avanzado en tribunales. En junio de 2025, en Bartz contra Anthropic, un juez federal estadounidense resolvió que entrenar un modelo con libros protegidos constituye uso legítimo cuando los ejemplares se obtuvieron lícitamente, pero que descargarlos de repositorios piratas no lo es; la compañía acordó después pagar 1.500 millones de dólares por esa segunda conducta. La distinción que fija esa decisión no es menor: lo que se discute ya no es tanto el entrenamiento como la procedencia del corpus. Otros casos siguen abiertos con lógicas distintas —el del New York Times contra OpenAI alega reproducción casi literal de artículos, y un tribunal de Múnich condenó a OpenAI por memorización de letras de canciones—, y la vía europea es otra: el Reglamento de IA obliga a publicar un resumen de los datos usados en el entrenamiento, obligación que las empresas han cumplido con notoria parquedad. Para un profesional, el efecto práctico es indirecto pero real: el material con el que trabaja puede tener una procedencia que él no puede auditar, y esa es una frontera de verificación más, situada aguas arriba.

Lo que uno entrega al usar la herramienta. El caso que fijó el precedente es de abril de 2023: ingenieros de Samsung pegaron código fuente interno en un asistente para depurarlo y optimizarlo, y en otro episodio subieron la grabación de una reunión para convertirla en notas. Tras tres incidentes en veinte días, la compañía prohibió el uso de IA generativa en sus equipos, y tres años después su política es de integración dentro de un perímetro propio, no de prohibición. Antes ya habían restringido su uso Amazon y JPMorgan Chase. El problema de fondo no es que alguien sea descuidado: es que la operación de pegar un documento en un chat no parece una transferencia de información fuera de la organización, y sin embargo lo es. Para muchas profesiones esto no es una cuestión de política interna sino de deber legal —secreto profesional del abogado y del médico, reserva sumarial, confidencialidad contractual, y en Colombia el régimen de protección de datos personales—, y el deber recae sobre la persona que pega el texto, no sobre el proveedor.

Ese punto merece una regla explícita, porque no se deduce del principio de verificación proporcional: la matriz de la sección 22 decide qué se delega según el costo del error; antes de aplicarla hay que decidir si el material puede salir de la organización. Son dos preguntas distintas y la segunda es previa. Un documento puede ser perfectamente verificable y aun así no poder entregarse.

Qué le pasa a la diversidad del conocimiento. El resultado de la sección 8 —producción individualmente mejor y colectivamente más parecida— alimenta una discusión que apenas empieza: si todos escriben, revisan y argumentan con los mismos modelos, ¿qué ocurre con la variedad de hipótesis, de estilos y de tradiciones intelectuales? Hay quien responde que la homogeneización se corrige con diversidad de herramientas y quien sostiene que el problema es estructural, porque unos pocos sistemas median el acceso a lo que se considera relevante. No hay evidencia suficiente para decidirlo, y su propia importancia futura es todavía una cuestión abierta.

Una última, transversal, atraviesa a todas y es conceptual antes que empírica: si estos sistemas producen conocimiento o solo producen texto que nosotros convertimos en conocimiento. Este documento toma partido de forma deliberadamente modesta —usa la expresión participar en la producción de conocimiento precisamente para no resolver la cuestión, como se explica en la sección 2— porque la respuesta práctica no depende de ella. Sea lo que sea lo que hace la máquina, alguien tiene que responder por lo que se decide con ello.

3. Alcance y advertencia metodológica

3.1. Los estudios no miden producción de conocimiento

Esta es la advertencia más importante del documento, y va sin atenuantes.

Las investigaciones aquí reunidas miden productividad, tiempo de ejecución, calidad evaluada, desempeño en tareas, percepciones de los usuarios, comportamiento de verificación, capacidades de los modelos y exposición ocupacional. Ninguna mide producción de conocimiento. No existe en esta literatura una variable experimental que autorice a afirmar que una máquina produce conocimiento profesional.

La expresión del título funciona, por tanto, como marco conceptual y no como variable medida directamente por los estudios revisados. Lo que la evidencia permite estudiar es cómo estos sistemas intervienen en actividades que forman parte de procesos de producción, transformación y uso del conocimiento. Lo que no permite es resolver, por sí sola, qué significa que una máquina sepa.

3.2. Tres niveles de afirmación

Para impedir que el argumento avance más allá de la evidencia, el documento distingue sistemáticamente tres niveles.

Evidencia es lo que un estudio observó directamente en sus condiciones metodológicas.

Inferencia es una conclusión razonable derivada de uno o varios resultados, pero no medida directamente.

Pregunta abierta es aquello relevante para el argumento sobre lo cual la evidencia disponible no permite todavía una conclusión sólida.

La distinción evita el error más frecuente del debate sobre inteligencia artificial: convertir un resultado experimental específico en una afirmación general sobre el futuro del trabajo.

3.2bis. Regla de redacción

La distinción anterior solo sirve si el texto la respeta en cada frase. Este documento adopta, por eso, una correspondencia fija entre lo que sostiene una afirmación y el verbo con que se enuncia.

El estudio encontró, para un resultado observado en condiciones declaradas. Los resultados sugieren, cuando el respaldo es moderado o proviene de una sola medición. Este documento infiere, cuando la conclusión se deriva de uno o varios resultados sin haber sido medida. Este documento propone, cuando se trata de una regla de gestión y no de un hallazgo. Una hipótesis que requiere investigación es, cuando la afirmación aún no tiene respaldo empírico. Y no está establecido si, cuando la evidencia disponible no permite decidir.

La misma disciplina se aplica al sujeto de cada afirmación. Los resultados empíricos se atribuyen al tipo de sistema efectivamente estudiado —un modelo de lenguaje determinado, una herramienta concreta, una versión— y no a «la inteligencia artificial» en general, salvo cuando varios estudios con sistemas distintos converjan. Cuando el documento emplea la expresión general, lo hace para nombrar el objeto de la discusión, no para extender el alcance de un hallazgo.

De esa regla se sigue una consecuencia editorial que conviene declarar, porque explica decisiones de redacción que de otro modo parecerían descuidos. Cuando un pasaje ya está encabezado por su nivel de respaldo, por una etiqueta de inferencia o de pregunta abierta, o por una ficha que declara qué no demuestra su fuente, la frase no se vuelve a matizar palabra por palabra. Modalizar dos veces el mismo enunciado no lo hace más honesto: lo hace menos legible, y traslada al lector la tarea de averiguar cuál de las dos advertencias gobierna. La cautela se instala una vez, en el lugar donde el lector puede verla, y el enunciado se escribe entonces con la precisión que le corresponde. Las conclusiones de la Parte VII se enuncian con la fuerza propia de una propuesta del autor, porque como tales están declaradas.

3.3. Heterogeneidad y jerarquía de las fuentes

Los estudios reunidos no forman un cuerpo homogéneo. Proceden de consultoría, programación, soporte al cliente, trabajo de oficina y escritura creativa; y son ensayos de campo, experimentos en línea, encuestas, mediciones de capacidad y análisis de mercado laboral.

Cada método responde una pregunta distinta y merece un peso distinto. Este documento usa cinco niveles, que se declaran en cada ficha y en el catálogo de fuentes.

Nivel 1. Evidencia arbitrada. Artículos publicados en revistas o actas con revisión por pares.

Nivel 2. Evidencia experimental o institucional primaria. Experimentos de campo, documentos de trabajo y documentos de organismos internacionales cuyos datos y metodología están disponibles en la fuente original, pero que no han pasado por revisión por pares.

Nivel 3. Preprints. Investigaciones disponibles antes de esa revisión. Sirven para identificar fenómenos emergentes y sus resultados se presentan como evidencia preliminar.

Nivel 4. Informes institucionales y de organizaciones. Útiles para describir adopción, tendencias y contexto, siempre que se tenga en cuenta quién produce la medición, con qué propósito y con qué método. Los informes de proveedores de la tecnología evaluada se sitúan aquí, con la cautela adicional que corresponde.

Nivel 5. Notas de difusión y fuentes secundarias. Sirven para localizar una investigación o contextualizar un resultado, pero no deberían sostener por sí solas una afirmación empírica central.

La jerarquía no dice que una fuente de nivel inferior sea falsa o inútil, ni que una superior sea metodológicamente mejor. Ordena el estatus de la evidencia —arbitraje, disponibilidad del método, independencia de quien la produce—, no la calidad del diseño: un documento de trabajo con un experimento bien construido puede ser metodológicamente superior a un artículo arbitrado débil, y por eso cada ficha declara además el diseño, la muestra y las limitaciones. Lo que la jerarquía sí dice es que la fuerza de la afirmación debe ser proporcional a la naturaleza de la evidencia que la sostiene. La sección 19 muestra un caso en el que dos fuentes del mismo nivel 4 —una publicada por el proveedor de la tecnología evaluada y otra por una institución independiente— difieren en un orden de magnitud, y ese contraste se usa aquí como material de análisis y no como una anomalía a resolver.

3.3bis. Cómo se seleccionaron los estudios

Este documento no es una revisión sistemática. Es una revisión narrativa: los estudios se eligieron por su pertinencia para las preguntas que plantea la conferencia, no mediante una búsqueda exhaustiva con criterios de inclusión y exclusión preestablecidos. Declararlo evita una objeción previsible y describe con exactitud lo que se hizo.

Los criterios aplicados fueron cuatro: que el estudio midiera desempeño humano en tareas profesionales o cognitivas con asistencia de IA generativa; que su diseño permitiera algún grado de atribución causal o, en su defecto, que su método estuviera documentado; que la metodología y la muestra fueran accesibles para poder declarar sus límites; y que el periodo cubierto fuera 2023 a agosto de 2026. Se privilegiaron las publicaciones arbitradas y se incluyeron documentos de trabajo y un preprint cuando aportaban evidencia que no existía en fuentes arbitradas, siempre con el nivel declarado.

Lo que esta selección no garantiza: que no existan estudios relevantes fuera de ella, ni que la muestra sea representativa del conjunto de la literatura. Donde el documento habla de convergencia entre resultados, se refiere a los ocho estudios seleccionados para esta revisión narrativa, no al estado global de la evidencia.

3.4. El problema de la generalización

Un resultado obtenido con desarrolladores experimentados no se traslada automáticamente a médicos, docentes o investigadores. Un estudio con consultores no describe todas las profesiones. Una investigación realizada en economías de ingreso alto no describe a Colombia. Una herramienta de 2025 no representa las capacidades de 2026.

Esta limitación no debilita la pregunta: la vuelve más precisa. Cuando el documento se refiere al contexto colombiano —sección 26— no importa cifras como si fueran mediciones nacionales. La formulación que adopta es que se traslada el método de análisis, no la cifra.

3.5. El objeto cambia mientras se estudia

La inteligencia artificial plantea una dificultad metodológica poco frecuente: el objeto estudiado se modifica con rapidez. Entre el diseño de un experimento y su publicación pueden cambiar el modelo, la interfaz, la integración con otras herramientas, el grado de autonomía del sistema y las prácticas de los propios usuarios.

De ello no se sigue que un estudio de hace dos años deba descartarse. Se sigue algo distinto: que su valor está menos en la cifra que en el mecanismo que documenta. Si un modelo mejora, puede cambiar dónde se sitúa una frontera de capacidad sin que desaparezca el hecho de que existan límites, ni el problema de reconocerlos desde dentro.

3.6. Qué no pretende demostrar este documento

No pretende demostrar que la inteligencia artificial sea en general beneficiosa o perjudicial; que los profesionales sean incapaces de usarla bien; que la automatización destruya el empleo; que las universidades deban restringirla; que la experiencia profesional vaya a desaparecer; ni que las personas sean siempre mejores verificadoras que las máquinas. Tampoco afirma que los profesionales no puedan verificar lo que producen estas herramientas —lo que sostiene es que esa capacidad es desigual y tiene un costo—, ni que la evidencia internacional pueda trasladarse cuantitativamente al caso colombiano, ni que la frontera de verificación haya sido medida: es un marco conceptual que este documento propone para ordenar el problema, no una variable observada. Ninguna de esas afirmaciones es necesaria para el argumento.

El argumento es más limitado y, por eso mismo, más difícil de refutar: la capacidad de producción y la capacidad de verificación pueden dejar de estar en la misma persona, y de esa separación se siguen consecuencias para la práctica profesional, para las organizaciones y para la formación.

3.7. Definiciones operativas

Cinco precisiones de vocabulario, para que el resto del documento se lea sin ambigüedad.

Verificación y comprobación se usan aquí como sinónimos. Validar no lo es: verificar responde a si un resultado es correcto; validar, a si es apropiado para el contexto y el propósito, según la distinción de la sección 20.

Frontera de capacidad es el término técnico. Frontera irregular, en el título, nombra su rasgo característico, y capacidad efectiva designa esa misma frontera referida a una tarea concreta. Son tres nombres de un solo objeto.

Error invisible es la abreviatura de error invisible para quien lo recibe. La forma larga es la correcta: como advierte la sección 17, no se afirma que el error sea objetivamente indetectable.

Desempeño asistido designa el resultado que obtiene una persona utilizando uno de estos sistemas, y es lo que miden los estudios de la Parte II. No equivale a competencia profesional, que supone además comprender, evaluar y justificar el resultado sin la asistencia.

Y, conforme a la regla de atribución de la sección 3.2bis, las afirmaciones empíricas hablan de estos sistemas o del modelo concreto que se estudió. La máquina aparece en el título y en algunos pasajes de discusión: es una expresión retórica, no el sujeto de ningún hallazgo.

PARTE II. EVIDENCIA EMPÍRICA

Desplegar los ocho estudios

Cada ficha sigue la misma estructura: pregunta, diseño, resultado y magnitud, limitaciones, qué no demuestra y relevancia para el argumento.

PARTE III. METODOLOGÍA

12. Cómo comparar experimentos heterogéneos

Los ocho estudios seleccionados para esta revisión narrativa no son réplicas unos de otros y no deben leerse como si conformaran una única medición. Difieren en el objeto —tareas de consultoría, código, soporte, escritura, resolución de problemas—, en la población, en el modelo utilizado, en el año y en la variable dependiente.

De esa heterogeneidad se sigue una regla de lectura: no buscar una cifra común, sino identificar convergencias y tensiones.

Hay tres convergencias sólidas. La primera es que el efecto sobre el desempeño existe, es sustancial y varía por tarea. La segunda es que en varios de los estudios las mayores ganancias relativas se concentran entre quienes tenían menor desempeño o menor experiencia previa —el patrón aparece en soporte al cliente, programación y resolución general de problemas—, sin que ese patrón sea uniforme entre tareas y diseños. La tercera es que el resultado se deteriora cuando la tarea queda fuera de la capacidad efectiva del sistema, y que en el experimento que lo documenta la asistencia no proporcionó señal suficiente para evitar ese deterioro. Que la ausencia de señal sea una propiedad general de estas interfaces es una inferencia de este documento, no un resultado medido.

Hay también una tensión relevante, que la sección 24 desarrolla: la misma literatura que documenta las mayores ganancias entre los trabajadores noveles coexiste con datos de mercado laboral que muestran una contracción del empleo en los tramos de entrada de las ocupaciones más expuestas. Este documento no la resuelve. La deja planteada como pregunta abierta, que es lo que la evidencia permite.

13. Evidencia, inferencia y pregunta abierta

La tabla siguiente aplica los tres niveles de la sección 3.2 a las afirmaciones que sostiene el documento. Su función es permitir al lector distinguir qué parte del argumento es dato y qué parte es construcción conceptual.

14. Del dato a la responsabilidad

Hay un límite en lo que la investigación empírica puede aportar por sí sola a este problema, y vale la pena decirlo.

La secuencia que va del dato a la acción tiene cuatro eslabones: evidencia, inferencia, decisión y responsabilidad . Los estudios revisados aportan principalmente evidencia sobre el desempeño y permiten formular inferencias sobre las condiciones de verificación; no determinan por sí mismos qué decisiones profesionales deberían adoptarse ni cómo debe distribuirse normativamente la responsabilidad.

La investigación puede decirnos qué ocurre en determinadas condiciones. No puede decidir por nosotros cuánto riesgo estamos dispuestos a aceptar.

Esa frontera separa la Parte II de la Parte V. El principio de verificación proporcional que se propone en la sección 21 es una regla de decisión bajo incertidumbre, no una conclusión experimental, y se presenta como tal.

PARTE IV. DISCUSIÓN

15. La frontera de capacidad

La primera proposición del documento afirma que la capacidad de estos sistemas es irregular. Falta precisar qué significa.

No significa que existan tareas fáciles y tareas difíciles para la máquina, con un umbral entre ellas. Significa que la ordenación de tareas según su dificultad para una persona no predice la ordenación según su dificultad para el sistema. Dos tareas que un profesional consideraría equivalentes pueden caer a lados distintos de esa capacidad, y nada en la interacción lo advierte.

Existe además una medición directa del desplazamiento de esa capacidad. METR propuso el horizonte temporal de completación al 50 %: la duración que un profesional humano necesitaría para una tarea que un modelo resuelve la mitad de las veces. Sobre un conjunto de 170 tareas de ingeniería de software, ciberseguridad y razonamiento general, con más de 800 líneas base humanas, esa medida ha venido duplicándose aproximadamente cada siete meses desde 2019, con indicios de aceleración desde 2024.

Dos cautelas acompañan ese dato y ambas son pertinentes para este documento. La primera la señalan los propios autores: la validez externa es limitada, porque las tareas de referencia son más limpias y mejor especificadas que el trabajo real. La segunda es que el horizonte al 80 % de fiabilidad es sustancialmente más corto que el horizonte al 50 %. Este documento sostiene, como criterio de gestión y no como hallazgo, que en aplicaciones profesionales con consecuencias relevantes un umbral de éxito del 50 % es insuficiente para delegar una decisión sin controles adicionales; ningún estudio establece ese umbral. La medición documenta un avance real; no describe la fiabilidad disponible para tomar decisiones.

16. La frontera de verificación

Como quedó definida en la sección 1.2, la segunda frontera no es una propiedad del sistema, sino de la persona y de su entorno de trabajo. Conviene ahora extraer sus consecuencias.

De ahí se sigue una precisión importante. La frontera de verificación condiciona la responsabilidad profesional; no la define. Un profesional responde con frecuencia por resultados que no puede comprobar por completo: así ocurre en cirugía, en ingeniería estructural o en dirección institucional. Lo que la evidencia permite sostener no es que solo deba responderse por lo verificable, sino que conviene dimensionar la verificación de manera consciente, en función de lo que está en juego.

La paradoja central del documento aparece aquí, y se deriva del hallazgo de Lee y colegas sobre el conocimiento del dominio como barrera:

Cuanto menos domino una tarea, más necesito verificar lo que la herramienta produce. Y cuanto menos la domino, menos capaz soy de verificarla.

Es una inferencia de este documento, no un resultado medido, y su magnitud depende del contexto. La evidencia revisada no ofrece para ella una solución general. Tiene, en cambio, una consecuencia de gestión, que es el objeto de la Parte V.

17. El error invisible para quien lo recibe

Los errores de un sistema generativo no son equivalentes entre sí. Este documento propone distinguir tres clases.

El error visible se detecta de inmediato: contradice algo que el usuario sabe.

El error verificable no es evidente, pero puede contrastarse con una fuente, un cálculo o un dato.

El error invisible para quien lo recibe es el que ese receptor no está en condiciones de detectar, porque carece del conocimiento necesario para advertir que algo está mal.

Hay un cuarto caso que no pertenece a la misma taxonomía. Las tres clases anteriores describen una propiedad del error —si puede detectarse—; esta describe una propiedad del proceso de supervisión —si se detectó—. Conviene separarlo: el error detectable que no se detecta, cuando quien recibe el resultado sí tenía capacidad de comprobarlo y no lo comprobó. La distinción importa porque señala hacia soluciones distintas. La falta de capacidad se corrige con formación, acceso a fuentes o incorporación de alguien que sepa; la falta de conducta se corrige con procedimiento, tiempo asignado y responsabilidad asignada. Confundirlas lleva a capacitar a quien lo que necesita es un protocolo, o a escribir protocolos para quien no puede cumplirlos.

El nombre de la tercera categoría es deliberado. No se afirma que el error sea objetivamente indetectable, sino que lo es para ese receptor, en esas condiciones. Sería un error epistemológico grave sostener lo primero.

La tercera clase no es la única peligrosa —un error visible que nadie corrige también lo es—, pero este documento la considera la más difícil de detectar, por una razón precisa: reduce la señal que normalmente activa la verificación. Los estudios revisados no establecen ese mecanismo causalmente; es la interpretación que este documento propone, y la atribuye a la fluidez y a la adecuación superficial de la respuesta antes que a su torpeza. Una respuesta bien estructurada, con el registro adecuado y el vocabulario correcto, puede reducir las pistas superficiales con las que habitualmente se detecta que algo no encaja.

De ahí la formulación que este documento propone para el problema profesional: el riesgo no está en que la máquina se equivoque, sino en que produzca un error que no parezca un error.

18. Desempeño no es competencia

Las secciones 9 y 10 permiten sostener una distinción que la conferencia enuncia y que aquí conviene precisar.

Desempeño es qué tan bien se realizó una tarea, con los medios disponibles.

Competencia es la capacidad de la persona para realizarla, comprenderla, evaluarla, adaptarla, explicarla y defenderla.

La evidencia disponible autoriza esta afirmación, y no una más fuerte: la inteligencia artificial puede elevar el desempeño sin que la competencia subyacente aumente en la misma proporción. No autoriza a decir que la competencia no se transfiera; el estudio de Cruces muestra explícitamente que parte de la mejora persiste sin la herramienta. Autoriza a decir que una porción sustancial del cierre de brecha desaparece cuando la herramienta se retira.

De aquí se sigue una consecuencia social que este documento considera más importante que las cifras de productividad:

La desigualdad relevante podría dejar de ser quién tiene acceso a la herramienta y pasar a ser quién sabe cuándo la herramienta está equivocada.

Dos personas con el mismo modelo, el mismo tiempo y la misma información pueden producir resultados profesionalmente distintos, porque difieren en su capacidad de detectar errores, formular preguntas, reconocer excepciones y contextualizar. El acceso común a la herramienta puede reducir algunas diferencias de desempeño entre usuarios; no garantiza una distribución equivalente de la capacidad para evaluar lo que produce. Es una proposición conceptual de este documento, no un hallazgo de los estudios revisados.

19. El mapa pierde vigencia

La tercera proposición debe enunciarse con cuidado, porque es la más fácil de exagerar.

En febrero de 2026, METR informó que modificaba el diseño de su experimento de productividad. Al repetirlo con herramientas más recientes y una muestra mayor, una proporción elevada de desarrolladores se negó a participar porque no deseaba trabajar sin asistencia, lo que sesga la estimación a la baja. Los autores consideran que sus datos actuales constituyen una señal poco fiable del efecto de productividad, y que probablemente la aceleración en 2026 sea mayor que la medida en 2025, aunque califican de débil la evidencia sobre la magnitud.

Este hecho no demuestra que la frontera se haya desplazado. Demuestra algo distinto y metodológicamente más interesante: que el instrumento dejó de medirla con la misma confiabilidad, porque la práctica de los profesionales cambió antes que la evidencia. En dieciocho meses, conseguir un grupo de comparación que representara el trabajo real se volvió considerablemente más difícil.

Cabe añadir que las versiones periodísticas de esa actualización se contradicen entre sí sobre las cifras del seguimiento. Este documento se atiene a lo que la propia organización afirma sobre su trabajo.

Un segundo caso, de naturaleza distinta, apunta en la misma dirección. En marzo de 2026 Anthropic propuso una medida de exposición observada que combina la capacidad teórica estimada por Eloundou et al. (2023) con datos de uso real de sus propias plataformas. El resultado documenta una distancia amplia entre lo que estos sistemas podrían hacer y lo que se observa que hacen: en las ocupaciones de computación y matemáticas la capacidad teórica alcanza el 94 % de las tareas y la cobertura observada llega al 33 %.

Lo pertinente aquí no es la magnitud de esa distancia, sino la advertencia que los propios autores incorporan: la capa teórica de su medida corresponde a las capacidades disponibles a comienzos de 2023 y debería actualizarse. El instrumento que sirve para situar la frontera envejece con ella. Es el problema de la actualización de METR por otro camino: allí el instrumento perdió confiabilidad porque cambió la práctica de los sujetos medidos; aquí, porque uno de sus insumos quedó fechado.

Dos cautelas acompañan el dato y ninguna es menor. La medición se construye con tráfico de una sola plataforma en un solo mercado nacional, de modo que puede describir la base de usuarios de un proveedor antes que la adopción de la economía. Y entre las causas del rezago los autores enumeran limitaciones del modelo, restricciones legales, requisitos de software y pasos de verificación humana, sin descomponer cuánto aporta cada una. La verificación aparece nombrada como fricción; no está medida como tal. Este documento se atiene a esa distinción.

La consecuencia práctica es que cualquier regla personal del tipo la IA no sirve para esto tiene fecha de caducidad desconocida, y que fundar la gestión profesional en memorizar la posición de la frontera resulta, por eso, poco fiable. Es una consecuencia práctica que este documento propone, no un resultado de los estudios revisados.

20. Verificar no es preguntar otra vez

El principio de la sección 21 tiene una condición que suele omitirse: la comprobación no debería recorrer íntegramente el mismo camino que produjo el resultado.

Solicitar a la misma herramienta que revise su propia respuesta puede constituir una comprobación adicional, pero no una comprobación por un camino independiente. Y la independencia no exige necesariamente otra persona: exige otro camino hacia la comprobación.

Conviene precisar qué no basta. Consultar a otro modelo no constituye por sí solo un camino independiente: dos sistemas pueden haber sido entrenados con corpus solapados, arrastrar las mismas fuentes y producir errores correlacionados. Por eso este documento habla de comprobación por un camino independiente y no de verificación independiente a secas: el adjetivo promete una independencia total que casi nunca puede garantizarse, mientras que la expresión larga describe lo que sí se puede exigir. Una fuente primaria, los datos originales, un cálculo reproducible, un método alternativo, un procedimiento establecido o una persona con conocimiento del dominio son caminos independientes; una segunda consulta al mismo sistema, con el mismo contexto, no lo es.

Conviene además no confundir dos operaciones distintas. Verificar responde a si la afirmación es correcta; validar, a si es apropiada para este contexto y este propósito. Una respuesta puede estar verificada y no validada: una cifra exacta sobre el mercado laboral estadounidense es correcta y a la vez inservible para decidir en Colombia. La independencia protege lo primero; el conocimiento del contexto, lo segundo.

La razón por la que esto importa es que dos procesos pueden compartir el mismo error. En una organización donde todos utilizan el mismo modelo, diez personas que revisan no equivalen necesariamente a diez revisiones independientes.

Evidencia los resultados asistidos por un mismo modelo resultan más similares entre sí que los producidos sin asistencia (sección 8). Inferencia: una organización que emplea el mismo sistema en producción y en revisión puede compartir errores entre ambas etapas. Pregunta abierta: cuánto aumenta ese riesgo específicamente en procesos de verificación profesional. No existe evidencia directa.

PARTE V. APLICACIONES

21. El principio de verificación proporcional

Las cuatro proposiciones muestran que no es posible fundar la gestión profesional de estas herramientas en el conocimiento de la frontera. A partir de ellas, este documento propone fundarla en dos variables que quien decide puede establecer, al menos en buena medida, sin conocer la frontera:

Cuanto mayor sea el costo de equivocarse, mayor debe ser la exigencia de verificación.

Proporcional no quiere decir exhaustiva. La propuesta no exige una comprobación exhaustiva en todos los casos; plantea que el esfuerzo, la profundidad y el grado de independencia de la comprobación se ajusten a las consecuencias previsibles de un error, y que esa comprobación alcance las dos operaciones de la sección 20: si el resultado es correcto y si es apropiado para el contexto en que va a usarse. Una organización que interprete esto como revisión total de cada resultado habrá convertido una regla de proporción en un procedimiento burocrático, que es lo contrario de lo que se propone.

Este principio no es un hallazgo de los estudios revisados. Es una propuesta de gestión derivada de ellos, y su valor está precisamente en que no exige conocer con precisión la frontera de capacidad, aunque ese conocimiento puede mejorar la planificación y la selección de procedimientos de verificación. Requiere, en cambio, saber dos cosas que el profesional sí puede establecer: qué ocurre si el resultado es incorrecto, y por qué camino independiente podría comprobarse.

Conviene nombrar el puente que va de la evidencia a la regla, porque no es lógico sino normativo. Los datos no dicen que deba verificarse proporcionalmente; describen una situación en la que esa regla resulta prudente. Para pasar de la descripción a la obligación hace falta una premisa que la evidencia no contiene y que este documento asume de forma explícita: el costo de un error no verificado no debería recaer sobre quien no participó en la decisión de delegar. Sin esa premisa ética, de los experimentos no se deduce ningún deber. Con ella, la regla se sostiene.

21.1. Una pregunta previa a la matriz

Antes de aplicar el principio hay que responder algo que el principio no cubre: si el material puede salir de la organización. Es una condición de entrada, no un criterio de riesgo. Un documento puede ser perfectamente verificable, tener un costo de error bajo y aun así no poder entregarse, porque contiene datos personales, información sometida a reserva, secretos empresariales o material cubierto por deber de confidencialidad. Si la respuesta es no, la tarea no llega a la matriz.

El orden correcto, por tanto, es: primero si los datos pueden entrar al sistema; después qué se delega y con cuánta verificación. La sección de polémicas de la Parte I documenta por qué esta pregunta se omite con tanta frecuencia: pegar un documento en un chat no parece una transferencia de información fuera de la organización, y lo es.

22. La matriz de delegación

Un ejemplo aclara la lógica. Si una herramienta redacta un informe y el error cuesta diez minutos de corrección, revisar por muestreo es proporcional. Si ese informe sustenta una decisión de inversión, la lógica cambia. Y si además quien lo firma no puede comprobar los supuestos que lo sostienen, el problema ya no es si la máquina sabe redactarlo: es que se ha delegado una decisión que no hay cómo auditar.

La celda inferior derecha representa un riesgo que puede pasar inadvertido: una organización puede delegar sin haber explicitado previamente quién verificará el resultado y con qué medios.

Una precisión que evita usar la matriz de forma mecánica: el costo del error no es una propiedad de la tarea. Depende de quién puede resultar afectado y de qué tan reversible sea la decisión. La misma clase de documento —un informe, un cálculo, un borrador— puede caer en celdas distintas según a quién alcance su error y si hay manera de deshacerlo.

Tres verbos resumen la cadena: delegar, verificar, responder . El riesgo aumenta cuando, además de delegar la producción, se delegan sin criterios explícitos las funciones de verificación y decisión.

23. Organizaciones

Esta sección y las dos siguientes son propuestas derivadas de la evidencia revisada, no hallazgos de los estudios citados. Se presentan como recomendaciones discutibles.

Para una organización, el principio tiene tres implicaciones que no suelen aparecer en los proyectos de adopción.

La verificación tiene un costo que rara vez aparece como partida. Los pilotos miden tiempo ahorrado; no suelen medir el tiempo que exige comprobar lo producido, ni el que exige comprobarlo por un camino independiente. Este documento no dispone de datos sobre la frecuencia de esa omisión: es una observación de práctica, ofrecida como tal. Tampoco puede darse por descontado que el tiempo ahorrado se convierta en valor: en un experimento de campo con 7.137 trabajadores del conocimiento de 66 empresas, quienes usaron la herramienta dedicaron unas dos horas semanales menos al correo y redujeron el trabajo fuera de horario, pero los autores no detectaron cambios en la cantidad ni en la composición de las tareas (Dillon et al., 2025). Ahorrar tiempo no constituye por sí mismo evidencia de valor producido, y solo lo primero se mide con facilidad.

Ninguna de las tres es una idea nueva en el terreno regulatorio, y conviene decirlo para situar bien lo que este documento aporta. El Reglamento europeo de IA ya exige que las medidas de supervisión humana de los sistemas de alto riesgo sean proporcionales a los riesgos, al grado de autonomía del sistema y al contexto de uso. La contribución que aquí se propone no es descubrir la proporcionalidad: es operacionalizarla para el trabajo profesional ordinario, con dos variables que una persona puede establecer sin asesoría jurídica —el costo del error y su capacidad de comprobar— y una condición de independencia.

En Colombia existe además un antecedente judicial directo. En la Sentencia T-323 de 2024, la Corte Constitucional revisó una tutela en la que un juez de Cartagena había empleado ChatGPT para sustanciar parte de una decisión de segunda instancia. La Corte no prohibió el uso de estas herramientas: concluyó que en ese caso no hubo sustitución de la función jurisdiccional, y fijó criterios para su empleo, entre ellos la transparencia frente a las partes y la advertencia de que estos sistemas pueden producir errores y alucinaciones, de modo que su uso exige verificación rigurosa. Exhortó a los jueces a evaluar el uso de la herramienta con criterios éticos y de garantía del debido proceso, y al Consejo Superior de la Judicatura a producir lineamientos.

La sentencia no avala ningún marco ni confirma la propuesta de este documento, y sería un abuso citarla en ese sentido. Lo que muestra es otra cosa, y basta: en Colombia el problema que aquí se examina ya tuvo manifestaciones concretas dentro de un proceso decisorio real, con consecuencias sobre derechos de una persona. La pertinencia del asunto no es solo teórica.

La organización debería asignar autoridad explícita para rechazar o detener un resultado asistido cuando los criterios de verificación no se cumplan. Si nadie está facultado para rechazar un resultado asistido, la verificación es ceremonial. Esta es una cuestión de diseño organizacional, no de tecnología, y en las instituciones que este documento ha podido examinar no suele estar definida.

La capacidad institucional de verificación puede requerir mantenimiento y actualización cuando cambian las herramientas, las tareas y los conocimientos necesarios. Es la implicación de la sección 24, y la menos visible en un horizonte anual.

De ahí que un cuadro de indicadores adecuado no pueda limitarse a tiempo ahorrado y volumen producido. Debería incluir errores detectados, errores no detectados que aparecieron después, dependencia de un proveedor único, capacidad interna de auditar los resultados y formación de nuevos profesionales.

24. El problema de la formación

Aquí es donde el argumento debe ser más prudente, porque la tentación de exagerar es máxima.

Lo que la evidencia muestra es lo siguiente. Los trabajadores con menos experiencia obtienen las mayores ganancias de desempeño, de forma consistente en varios dominios (secciones 9, 10 y 11). Al mismo tiempo, el AI Index 2026 documenta que el empleo de desarrolladores de software estadounidenses de 22 a 25 años cayó cerca de un 20 % desde 2024, mientras la nómina de desarrolladores de mayor edad siguió creciendo.

Ese segundo dato es una correlación temporal, en un sector y un país, que coincide con un ciclo de contracción en la industria tecnológica estadounidense. No establece causalidad.

La formulación defendible es, por tanto, condicional: la automatización puede reducir algunas de las oportunidades mediante las cuales tradicionalmente se adquiría experiencia. Si eso ocurre, aparece un problema que hoy no sabemos resolver, y una hipótesis que requiere investigación es que parte de la capacidad de verificar se adquiera ejerciendo tareas que hoy están entre las primeras en automatizarse: de ser así, la vía por la que esa capacidad se formaba sería también la primera en estrecharse.

La pregunta que este documento deja abierta, y la que más consecuencias tendría para la formación, es quién formará a quienes tendrán que verificar a la máquina.

25. Universidad y evaluación

Para una institución educativa, la consecuencia no es que deba enseñarse menos de lo que la herramienta ya hace. Es que cambia la razón por la que se enseña.

La verificación sustantiva de un contenido especializado exige un nivel de comprensión suficiente para evaluar su corrección y su pertinencia. Si la capacidad de verificación es lo que sostiene la responsabilidad profesional, entonces enseñar a hacer sigue siendo necesario, pero por un motivo distinto del tradicional: no para producir, sino para poder juzgar lo producido.

Esto reformula la discusión sobre evaluación. La pregunta deja de ser quién escribió el trabajo y pasa a ser si el estudiante comprende lo que entregó, puede defenderlo, modificarlo, justificar sus supuestos y detectar sus errores. La secuencia sugerida es de evaluación del producto a evaluación de la comprensión, y de ahí a evaluación del criterio.

Formulado así, el problema deja de ser disciplinario y pasa a ser epistemológico, que es donde corresponde.

Vale la pena situar esta discusión en su escala. El Future of Jobs Report 2025 del Foro Económico Mundial, con datos de más de mil empleadores, estima que un 39 % de las competencias centrales requeridas en el trabajo cambiará o quedará obsoleto hacia 2030, y que 59 de cada 100 trabajadores necesitarán formación, actualización o reconversión. Son proyecciones basadas en expectativas de empleadores, no mediciones, y deben leerse como tales; pero indican que la pregunta por qué y para qué se enseña no es marginal.

26. El contexto colombiano

Casi toda la evidencia revisada proviene de economías de ingreso alto, con la consecuencia que la sección 3.4 ya estableció.

Lo que sabemos El estudio de la Organización Internacional del Trabajo con NASK establece que uno de cada cuatro trabajadores del mundo ocupa un puesto con alguna exposición a la IA generativa, y que el 3,3 % del empleo global se sitúa en la categoría de mayor exposición. Esa exposición es desigual: 4,7 % del empleo femenino frente a 2,4 % del masculino en la categoría más alta, y una diferencia mayor aún por nivel de ingreso del país, que va del 11 % del empleo total en países de ingreso bajo al 34 % en países de ingreso alto. La conclusión del informe es que la transformación de los empleos, y no su desaparición, es el resultado más probable.

Lo que podemos inferir Que la evidencia experimental citada procede de contextos con aproximadamente el triple de exposición ocupacional. Se traslada el método de análisis; no se trasladan las cifras.

Lo que existe en el país Sí hay trabajo nacional sobre exposición ocupacional. El Informe LaboUR 17 del Observatorio Laboral de la Universidad del Rosario, de diciembre de 2025 y con datos de la Gran Encuesta Integrada de Hogares de 2024, distribuye el empleo en cuatro grupos: alta exposición y alta complementariedad, 25,8 % (5.890.545 ocupados), donde predominan profesionales, científicos y directivos; alta exposición y baja complementariedad, 14,7 % (3.360.381), que el informe considera el grupo más vulnerable y en el que destaca el personal de apoyo administrativo; baja exposición y alta complementariedad, 21,5 %; y baja exposición y baja complementariedad, 37,9 %. La informalidad se concentra en los perfiles de baja exposición, donde más del 90 % de los ocupados no tiene educación universitaria. El informe identifica una asociación entre nivel educativo y complementariedad: a mayor nivel educativo, mayor capacidad estimada de aprovechar la herramienta en lugar de ser desplazado por ella. Es una asociación observada en datos de encuesta, no un efecto causal estimado.

Dos precisiones sobre esas cifras. La primera es que el dato de 5,8 millones que circuló en prensa y el de 25,8 % o 5,9 millones son la misma estimación sobre la misma encuesta, y no dos mediciones sucesivas: la atribución periodística a la Gran Encuesta de 2025 no corresponde a lo que dice el informe técnico. La segunda es que el índice empleado no es específico de inteligencia artificial generativa: combina la medida de exposición ocupacional de Felten et al. (2021) con la de complementariedad de Pizzinelli et al. (2023), vinculadas a la encuesta mediante la Clasificación Única de Ocupaciones y con la mediana de cada distribución como punto de corte. No es comparable con la exposición observada de la sección 19 ni con las estimaciones de capacidad teórica que allí se citan.

Un documento de trabajo del mismo equipo estima que alrededor del 33,8 % de los trabajadores colombianos está altamente expuesto y que esa exposición se correlaciona con una prima salarial del 21,8 %. Esa cifra no coincide con el 40,5 % que resulta de sumar los dos cuadrantes de alta exposición del informe; la diferencia no quedó resuelta en esta revisión y probablemente responda a puntos de corte o a datos de distinto período.

Lo que se usa en el país Desde 2024 existe medición oficial de uso. La ENTIC Hogares del DANE —encuesta por muestreo probabilístico, multietápico y estratificado, con 53.570 hogares efectivos— incorporó un módulo sobre herramientas de inteligencia artificial. De las personas de cinco y más años que usaron Internet en 2024, el 18,0 % utilizó herramientas de IA: 20,4 % en cabeceras y 8,1 % en centros poblados y rural disperso, con Bogotá en el extremo alto (25,2 %) y Huila en el bajo (3,4 %). Entre quienes las usaron, el 90,4 % lo hizo para comunicarse o realizar consultas y el 80,7 % para tareas académicas, profesionales o laborales básicas. Preguntadas por la razón principal de uso, el 49,5 % respondió ahorrar tiempo, el 23,8 % reducir errores, el 17,5 % apoyar la toma de decisiones y el 9,3 % automatizar tareas repetitivas. Entre quienes no las usaron, el 46,5 % declaró no saber qué es la inteligencia artificial y el 32,0 % no considerarla necesaria para sus actividades académicas, laborales o profesionales.

Dos de esos porcentajes le importan a este documento más que el resto. Casi una cuarta parte de quienes usan estas herramientas declara hacerlo para reducir errores, y algo más de una sexta parte para apoyar la toma de decisiones. Son, precisamente, los dos usos en los que la capacidad de verificación resulta más exigible. La encuesta registra la finalidad declarada; no registra si esa comprobación ocurre, ni con qué medios. Este documento infiere de ahí que la distancia entre delegar y comprobar no es en Colombia un problema futuro, y deja constancia de que la inferencia no está medida.

La segunda lectura es territorial. La distancia entre el 20,4 % de las cabeceras y el 8,1 % de los centros poblados y rural disperso reproduce dentro del país la misma desigualdad que la figura de esta sección muestra entre países de distinto ingreso. Cualquier instrumento de gestión derivado de este documento que suponga acceso homogéneo a fuentes, herramientas y tiempo de comprobación estará suponiendo el país de las cabeceras.

Léase junto con la sección 18 y aparece un eco incómodo: el hallazgo colombiano —la educación como habilitador— y el hallazgo de Cruces —la asistencia cierra parte de la diferencia de desempeño entre participantes con distinta preparación, pero no toda— apuntan en direcciones opuestas y ninguno de los dos está pensado para el contexto del otro. Es exactamente el tipo de tensión que este documento propone dejar planteada en vez de resolver con una síntesis cómoda.

Es, en todo caso, un análisis de exposición sobre datos de encuesta, no una medición de desempeño ni de capacidad de verificación.

Una fuente no oficial converge en la dirección, aunque no en la magnitud. El Estudio de Apropiación Digital 2025 del Centro Nacional de Consultoría, con 3.500 encuestas presenciales en 63 municipios, estima que el 24 % de los colombianos utiliza herramientas de inteligencia artificial, frente al 9,6 % de 2023, y registra una brecha por sexo: 30 % de los hombres conectados frente al 19 % de las mujeres. Las cifras no son comparables con las del DANE, que se calculan sobre las personas que usaron Internet y corresponden a 2024. Lo que coincide es la dirección: crecimiento rápido y desigual, con una brecha por sexo que la encuesta oficial también registra —19,7 % de los hombres frente a 16,5 % de las mujeres— aunque más estrecha.

Lo que no sabemos No encontramos, en esta revisión, estudios experimentales sobre desempeño profesional asistido por IA realizados en Colombia; la afirmación es sobre lo que esta búsqueda localizó, no sobre lo que existe. Tampoco encontramos una medición de capacidad instalada de verificación por sector, que es lo que la pregunta siguiente requeriría: las fuentes nacionales disponibles miden exposición ocupacional y uso declarado, no comprobación. Queda pendiente, además, consultar los indicadores de inteligencia artificial de la ENTIC Empresas, que cubrirían el lado organizacional.

De ahí la pregunta que este documento propone como agenda:

La pregunta para Colombia no es solamente cuánta inteligencia artificial se usa. Es en qué tareas se está empezando a depender de ella sin haber desarrollado todavía la capacidad para verificar sus resultados.

Es una pregunta de política pública, de formación y de diseño institucional, y admite investigación empírica.

PARTE VI. AGENDA

27. Qué sabemos

Con evidencia experimental publicada: que el efecto sobre el desempeño es sustancial y desigual según la tarea; que en tareas fuera de la capacidad efectiva del sistema el resultado se deteriora; que profesionales expertos pueden equivocarse sobre el signo del efecto en su propio rendimiento; que el esfuerzo cognitivo se desplaza hacia la verificación, la integración y la supervisión; que la asistencia cierra buena parte de las brechas de desempeño asociadas al nivel educativo; y que ese cierre no sobrevive completo al retiro de la herramienta.

28. Qué podemos inferir

Con distinto grado de riesgo: que la falta de conocimiento del dominio limita la capacidad de verificar, y que por tanto la verificación es también una capacidad organizacional y no solo individual; que verificaciones realizadas por el mismo camino pueden compartir errores; que la fluidez de la respuesta reduce las señales que activan la desconfianza; y que la automatización puede reducir oportunidades de adquisición de experiencia.

29. Qué todavía no sabemos

Cuánto se ha desplazado la capacidad efectiva de los modelos actuales en trabajo real, más allá de las mediciones de referencia. Qué ocurre con el aprendizaje profesional en horizontes de cinco o diez años. Cuánto aumenta el riesgo de error compartido en procesos de verificación que emplean el mismo sistema. Si la asistencia sigue ahorrando trabajo una vez incorporado el costo de comprobarla, que es la pregunta que convierte la productividad medida en productividad neta y que ninguno de los estudios revisados responde. Qué formas de organización preservan la capacidad de verificación de una institución. Cuánto de esta evidencia se traslada a contextos de menor exposición como el colombiano. Qué parte de la distancia entre capacidad teórica y uso observado corresponde a la verificación, y cuál a restricciones legales, requisitos técnicos o lentitud de difusión: la medición disponible enumera esas causas sin cuantificar ninguna. Y en qué sectores se está incorporando IA más rápido de lo que se desarrolla capacidad para verificarla.

Seis preguntas para discusión, derivadas de lo anterior:

1. ¿Puede existir responsabilidad profesional sin capacidad de verificación?
2. ¿Qué conocimientos conviene conservar aunque una máquina pueda producirlos?
3. ¿Quién asume el costo de verificar, y por qué rara vez aparece en el presupuesto de un proyecto de adopción?
4. ¿Puede una organización externalizar la producción sin externalizar la responsabilidad?
5. ¿Cómo se mide la competencia cuando la ejecución está parcialmente automatizada?
6. ¿Quién tiene, en cada institución, autoridad para detener una decisión asistida?

PARTE VII. CONCLUSIÓN

30. La responsabilidad profesional en la era de la inteligencia artificial

El recorrido de este documento puede resumirse en una secuencia, con la advertencia de que sus eslabones no tienen la misma clase de respaldo. Los estudios revisados encuentran que estos sistemas mejoran el desempeño en determinadas tareas y bajo determinadas condiciones. Ese desempeño asistido no constituye por sí solo evidencia suficiente de competencia. De ahí este documento infiere que quien no domina un asunto dispone de menos medios para comprobar lo que se le entrega. Y de esa inferencia no se sigue por sí sola ninguna obligación: delegar en proporción al costo del error es una propuesta de gestión, sostenida en la premisa de que quien decide responde por su decisión. Esa premisa es el punto de partida del argumento, no su conclusión.

Lo que cambia es la función del conocimiento profesional, no su existencia. Durante mucho tiempo ese conocimiento tuvo valor porque permitía producir una respuesta que otros no podían producir. A medida que producir respuestas se abarata, este documento sostiene que aumenta el valor relativo de la capacidad de determinar cuáles merecen convertirse en decisiones. Es la tesis interpretativa del documento, no un resultado medido.

La inteligencia artificial no elimina la necesidad de conocimiento profesional. Cambia el lugar donde ese conocimiento tiene valor.

Dicho con la precisión que exige un contexto institucional: usar una salida de estos sistemas no elimina la responsabilidad de quien decide incorporarla a una decisión.

En estas condiciones, la práctica profesional no exige trabajar sin herramientas de IA ni superar al sistema en todas las operaciones. Significa saber qué se delega, qué se verifica, por qué camino independiente se comprueba y qué decisiones siguen siendo propias. Y significa, sobre todo, seguir respondiendo por un resultado en cuya producción participaron otros.

Tres preguntas resumen la propuesta práctica: qué delego, qué puedo verificar, y qué no puedo permitirme creer sin comprobar.

Incorporar una salida generada por inteligencia artificial a una decisión profesional no desplaza las reglas de responsabilidad, supervisión y trazabilidad aplicables al contexto. Dicho en la forma más breve que este documento encuentra:

La máquina puede producir la respuesta. La responsabilidad empieza cuando decidimos creerla.

ESTE MARCO EN APLICACIÓN

Un curso de inteligencia artificial para asociaciones de apicultores

Un marco de este tipo debe poder aplicarse fuera de una sala de conferencias. Mientras se escribía este documento, la Red UxTIC, el Grupo de Investigación Colmena DAO y enREDo desarrollaban un programa formativo sobre inteligencia artificial dirigido a asociaciones, cooperativas y federaciones de apicultores. No es un ejemplo elegido a posteriori: es el lugar donde estas ideas se están poniendo a prueba con personas que no son trabajadores del conocimiento de una consultora global.

El programa tiene 192 horas: 144 de formación, repartidas entre acompañamiento y trabajo independiente, y 48 de piloto, distribuidas en veinticuatro semanas y ocho módulos más un módulo final de aplicación. Los créditos están calculados pero no otorgados, y el reconocimiento se limita a dos figuras, participante y formador, sin escaleras de certificación. Es virtual, con un modelo de nodo presencial en el que la asociación reúne a su gente en un solo lugar con conexión, y con un plan declarado para baja conectividad. Los materiales circulan bajo licencia abierta.

Tres decisiones de ese programa provienen directamente del argumento de este documento.

El instrumento central es un semáforo de delegación, no un catálogo de herramientas. La pregunta que organiza el curso no es qué puede hacer un modelo, sino qué tareas de una asociación apícola pueden delegarse, cuáles exigen comprobación y cuáles no deberían delegarse en ningún caso. Es el principio de verificación proporcional traducido a un gremio con recursos limitados, donde el costo de un error —una recomendación equivocada sobre sanidad de colmenas, una cifra mal calculada en una postulación— recae sobre familias concretas.

Cada cohorte trabaja con ocho a diez pilotos reales, uno por asociación, con veinte participantes cada uno. Un piloto puede terminar en seis estados distintos, y uno de ellos es “no se requiere IA”. Que ese resultado esté previsto desde el diseño, con el mismo rango que los demás, es la aplicación más literal posible de la tesis: el objetivo no es maximizar la delegación, sino desarrollar la capacidad de decidir cuándo delegar y cuándo no.

El garante académico se busca mediante un llamado abierto a universidades, en lugar de elegir una institución y escribirle. Es una decisión sobre independencia de la verificación aplicada a la propia gobernanza del programa.

Queda pendiente lo más difícil, dicho con la misma franqueza que el resto del documento: no sabemos todavía si el semáforo de delegación discrimina bien en manos de personas sin formación técnica, ni si el modelo de nodo presencial resuelve las restricciones reales de conectividad rural en Colombia. Los pilotos existen precisamente para averiguarlo, y el programa se compromete a documentar y publicar los resultados negativos en las mismas condiciones que los positivos.

Quien desee conocer el programa, proponer un piloto o postularse como garante académico puede escribir a coordinacion@uxtic.co.

REFERENCIAS

Nota sobre el formato

Las referencias siguen la séptima edición de las normas APA, en una sola lista alfabética. La clasificación por tipo de fuente que este documento emplea como criterio metodológico —artículo arbitrado, documento de trabajo, informe institucional, informe de proveedor— no forma parte del formato APA y se presenta aparte, en la tabla siguiente, para no alterar la norma.

Lista de referencias

Cada referencia se despliega: al abrirla aparecen debajo qué es esa fuente, qué encontró, qué no demuestra, sus cautelas y en qué secciones se usa. El nivel corresponde a la jerarquía de la sección 3.3 y describe la naturaleza de la evidencia, no la calidad del trabajo.

Desplegar las veintiuna fuentes

Referencias de la nota histórica y del debate

Estas fuentes sustentan la nota histórica y la sección de polémicas de la Parte I. No son evidencia sobre el desempeño de sistemas actuales y por eso se listan aparte. Como las anteriores, cada una se despliega.

Corte Constitucional de Colombia. (2024). Sentencia T-323 de 2024 (M. P. Juan Carlos Cortés González; expediente T-9.301.656). https://www.corteconstitucional.gov.co/relatoria/2024/T-323-24.htm

Unión Europea. (2024). Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial. Diario Oficial de la Unión Europea, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj