Guías prácticas para trabajar con agentes de IA, con un laboratorio al final de cada una
Aceptar una sugerencia sin comprobarla sale barato en el momento y caro más tarde. Dos experimentos de este mes miden cuánto se acepta sin mirar y qué lo corrige, y los dos apuntan a lo mismo: obligar a escribir por qué.
7 min de lectura laboratorio: generador publicado el 25 sept 2026
Revisar lo que escribe un agente tiene una trampa que no tiene revisar lo que escribe una persona: llega terminado, ordenado y con buena cara. Un compañero que te pasa algo a medias te obliga a entenderlo para seguir. Un agente te entrega algo que parece acabado, y aceptarlo cuesta un clic.
El problema no es que se equivoque. Eso ya se sabe, y de eso va media esta web. El problema es qué te pasa a ti después de dos meses aceptando: si la habilidad de revisar se ejercita menos, se revisa peor, y se nota justo el día en que hacía falta revisar bien.
Hasta hace poco esto era una preocupación de sobremesa. Desde este septiembre hay dos experimentos que lo miden: uno de 129 personas que obliga a escribir una justificación antes de aceptar cada sugerencia, y otro preregistrado de 704 que devuelve a cada participante cómo de bien está juzgando lo que sabe. Los dos encuentran efecto, y en la misma dirección.
Delegar trabajo mental en una herramienta se llama descarga cognitiva, y no tiene nada de malo por sí misma. Una calculadora es descarga cognitiva. Una lista de la compra también. El día que dejaste de memorizar números de teléfono no te volviste peor profesional.
Lo que cambia con un agente es qué se delega. Una calculadora se lleva la operación y te deja el juicio: sigues decidiendo qué hay que calcular y si el resultado tiene sentido. Un agente que redacta, programa o decide puede llevarse también el juicio, y eso solo se ve cuando algo sale mal y resulta que nadie lo había mirado.
A lo segundo esta literatura lo llama desaprendizaje. I Es una palabra fuerte y conviene tratarla con pinzas, porque medir de verdad la atrofia de una habilidad profesional exige años y nadie los tiene todavía. Lo que sí se ha medido es algo más modesto y más útil: cuántas veces se acepta una propuesta mala cuando nadie obliga a pararse.
Escribir por qué, antes de aceptar. Yan Tao, Jennifer Meyer y René Kizilcec dieron a 129 personas sugerencias de escritura generadas por un modelo, unas correctas y otras con fallos deliberados. A la mitad se les obligó a escribir una justificación antes de aceptar o rechazar cada una (20 de septiembre de 2026). V
Devolverle a cada uno su propia puntería. Sebastian Maier, Kai Schwabe, Manuel Schneider y Stefan Feuerriegel hicieron un experimento con 704 personas, preregistrado —es decir, publicaron qué iban a medir antes de medirlo, lo que impide quedarse después con el resultado que más favorece— (17 de septiembre de 2026). V
Enseñarle a cada persona cómo de bien estaba juzgando su propio conocimiento hizo dos cosas: dividió casi por dos las probabilidades de delegar la respuesta en el modelo, y multiplicó por una vez y media las de acertar en el examen posterior. V I Esas dos cifras son razones de probabilidades, no porcentajes de gente: dicen que la conducta se mueve mucho, no que se mueva en tres de cada cuatro personas.
Las dos intervenciones son la misma idea vista de dos maneras: hacer que el juicio pase por la cabeza antes de pasar por el botón. Ninguna de las dos consiste en desconfiar más, ni en usar menos el modelo.
La traducción a un equipo que trabaja con agentes es corta, y cabe en cuatro decisiones.
El laboratorio de abajo genera ese protocolo con tus datos: la plantilla de revisión y las líneas para el fichero de normas del proyecto.
Escribir una línea de justificación cuesta alrededor de un minuto. En un equipo que fusiona veinte cambios al día, y aplicándolo solo a la mitad, son unos diez minutos diarios repartidos entre varias personas. I
Lo que compra, según el experimento, es aceptar veinticuatro puntos menos de lo que está mal. Si de cada cien propuestas dudosas antes colaban sesenta y cinco y ahora cuelan cuarenta y una, son veinticuatro fallos menos por cada cien. Compáralo con lo que cuesta un solo despliegue que haya que revertir.
Y hay un coste que no aparece: no frena lo bueno. Eso importa porque la objeción habitual a cualquier control es que ralentiza el trabajo bien hecho, y aquí se midió y no ocurrió.
Tres cautelas, y las tres van por delante porque son parte del resultado.
Los experimentos son con estudiantes. Uno en tareas de escritura y otro en aritmética. Aplicarlo a un profesional revisando código o una consulta a producción es una extrapolación nuestra, no un resultado suyo. I Lo razonable es probarlo en tu equipo y mirar si el número de revertidos baja.
Buena parte de esta literatura no aguanta una lectura completa. Hanjing Shi, Kimberly Wang, Sabrina Doherty y Dominic DiFranzo auditaron 86 textos completos sobre equipos de personas y sistemas automáticos: al leerlos enteros, 36 de 74 trabajos que parecían evidencia central dejaron de serlo. V Casi la mitad. Es la razón por la que aquí solo se citan trabajos cuyo resumen original se ha leído, y por la que estos dos llevan su tamaño de muestra escrito.
Nadie sabe si esto aguanta meses. Sander de Jong lo plantea como pregunta abierta (23 de septiembre de 2026): las intervenciones de este tipo se miden en sesiones cortas, y el problema real es sostenerlas en un equipo durante un año. V O Su sospecha, y la nuestra, es que una medida que dependa de la voluntad se erosiona; por eso conviene que viva en la plantilla y no en la buena intención.
Cuándo no ponerlo: cuando el coste de revisar supera al del fallo. En tareas de bajo riesgo y alto volumen, exigir justificación es gasto puro, y además enseña al equipo a escribir justificaciones vacías, que es peor que no tener ninguna.
Un equipo de Google publicó el 24 de septiembre de 2026 un estudio cualitativo de lo que pasó al desplegar un agente permanente dentro de varios equipos de una empresa tecnológica. V Lo que encontraron no fueron fallos del modelo, sino roces sobre cómo se trabaja: qué normas de convivencia aplican a algo que no es una persona, quién responde de lo que hace, y cómo se reparte la confianza cuando entra un actor nuevo que participa sin que nadie le haya dado un puesto.
I Esto encaja con lo anterior más de lo que parece. Pedir una justificación escrita no es solo una medida cognitiva: es una forma de dejar por escrito quién ha respondido de qué. Y en el momento en que algo salga mal, esa línea es lo único que distingue «lo revisamos» de «lo dimos por bueno».
Hasta dónde llega: reduce la aceptación de lo defectuoso en un experimento con estudiantes; no impide un fallo que nadie sabría detectar, y no sustituye a las pruebas automáticas ni a bloquear por código lo que no puede pasar.
Marca las que se cumplan en tu caso.
Usa el laboratorio de arriba con tu propio caso.
Las piezas que lo completan.
Si algo no encaja con tu caso, o si encuentras un error, escríbeme: se corrige y se anota.
Escríbeme