El espejismo del junior eficiente: por qué la IA acelera la entrega pero puede atrofiar el criterio
En cualquier mesa de trabajo analítica o financiera, la escena se ha vuelto habitual: un analista junior recibe un requerimiento complejo de modelación o redacción técnica y, en minutos, entrega un borrador impecablemente formateado y con gráficos limpios. En la superficie, la productividad parece haberse multiplicado.
Sin embargo, basta plantear un par de preguntas incómodas sobre los supuestos del modelo o qué ocurriría ante un cambio brusco de mercado para que el castillo empiece a tambalearse. Detrás de la solvencia aparente, asoma un vacío inquietante: el producto fue generado por inteligencia artificial, pero el profesional apenas comprende las piezas del engranaje que acaba de presentar.
¿Nos está haciendo la IA genuinamente más competentes o simplemente nos vuelve dependientes de un copiloto que maquilla nuestras carencias?
El experimento de David Autor y la prueba sin copiloto
Para responder a esta disyuntiva con rigor empírico, David Autor (MIT/NBER) y un equipo de investigadores publicaron los resultados de un ensayo controlado aleatorizado (RCT) de tres meses con 133 abogados de patentes en ejercicio de 11 firmas especializadas en Estados Unidos (NBER Working Paper No. 35720, septiembre de 2026).
El diseño experimental es revelador porque evaluó el juicio profesional autónomo al retirarles por completo el acceso a la IA tras noventa días de uso continuo.
Durante el período asistido, los datos confirmaron lo esperado: el acceso a la IA mejoró la calidad del borrador (+0.34 desviaciones estándar a los 10 días y +0.38 DE a los 90 días), beneficiando con mayor fuerza a los abogados jóvenes. De hecho, la satisfacción personal de los juniors con sus textos se disparó (+1.48 DE). Se sentían más capaces que nunca.
Pero la verdadera lección emergió al apagar el sistema.
La gran divergencia: criterio estructural vs. atrofia cognitiva
Al final del trimestre, todos los abogados debieron realizar una tarea clásica de revisión crítica (redlining) sobre una solicitud de patente defectuosa, estrictamente sin asistencia de IA.
¿Qué reveló la evaluación a doble ciego realizada por examinadores independientes?
- Los seniors consolidaron su ventaja (+0.45 DE): Quienes contaban con experiencia previa utilizaron la IA para liberar tiempo mental, reflexionar sobre la arquitectura del problema y refinar su visión macro. Al volver al trabajo manual, reestructuraron las patentes con mayor profundidad y neutralizaron riesgos legales de fondo.
- Los juniors no mostraron mejora promedio y polarizaron sus resultados: Lejos de acelerar su curva de aprendizaje, el grupo junior mostró una alarmante dispersión. Mientras unos pocos mejoraron, una fracción significativa cayó al quintil más bajo de rendimiento.
- El fenómeno de la delegación cognitiva (cognitive offloading): Muchos abogados jóvenes se limitaron a detectar fallas superficiales de estilo sin corregir los vicios de fondo. Peor aún: el análisis textual descubrió que varios participantes dejaron anotaciones formuladas como prompts dirigidos a un asistente de IA ausente, incapaces de resolver el problema por sí mismos.
Como sentencian los autores del estudio: “The largest gains from AI thus accrued to the lawyers who retained the least”. Los mayores beneficios inmediatos de la IA recaen sobre quienes menos conocimiento duradero retienen.
El costo oculto del atajo mental
El desarrollo de criterio experto siempre ha dependido del aprendizaje práctico (learning-by-doing). Es el esfuerzo deliberado de equivocarse, revisar líneas de código o desarmar un flujo de caja lo que construye los modelos mentales necesarios para detectar anomalías cuando las cosas salen mal.
Cuando un profesional en formación terceriza ese esfuerzo cognitivo temprano a un modelo de lenguaje, no está ganando tiempo: está canjeando criterio de largo plazo por una ilusión efímera de productividad. La experiencia fundacional es el prerrequisito indispensable para poder auditar a la máquina.
Conclusión: El desafío de formar talento en la era de los copilotos
La inteligencia artificial es una palanca extraordinaria de escala, pero una palanca solo multiplica la fuerza que se le aplica. En manos de un profesional con criterio consolidado, eleva la calidad estratégica a niveles inéditos; en manos de quien aún no domina los fundamentos, se convierte en una muleta que atrofia el desarrollo intelectual.
Si lideras equipos o te encuentras construyendo tu propia carrera técnica, la lección de David Autor es imperativa: antes de delegar una tarea al copiloto, asegúrate de que serías capaz de resolverla, defenderla y auditarla con criterio propio si la máquina se apaga.
¿Cómo gestionas el equilibrio entre velocidad y aprendizaje profundo en tu equipo o en tu propio trabajo?
Te invito a compartir tu experiencia en los comentarios de LinkedIn y a explorar más reflexiones sobre economía aplicada, finanzas y ciencia de datos en arturochian.com.
Referencias y lecturas recomendadas
- Autor, D., Rodchenko, T., Martin, J., Iscenko, Z., Strand, S., Pearl, D., & Ferere, M. (2026). Does AI assistance enhance or erode expertise? Evidence from a three-month field experiment in patent drafting. NBER Working Paper No. 35720. National Bureau of Economic Research. https://doi.org/10.3386/w35720
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 693–750.
- Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192.
