IA y creatividad: ¿Qué sucede cuando externalizamos el “trabajo aburrido”?

La IA está robando tus ideas brillantes.

Autor del artículo, fuente: Notas Comerciales de Yuan Zhen

En los últimos dos años, casi todas las empresas de IA han contado la misma historia:

Deja que la IA se encargue de las tareas repetitivas y los humanos podrán dedicar tiempo a hacer cosas más creativas.

Esta afirmación suena irrefutable. Dejar que la IA organice información, procese hojas de cálculo y redacte actas de reuniones, mientras las personas se enfocan en la estrategia, el producto y la creatividad, parece un reparto social perfecto.

Pero oculta discretamente una premisa: el trabajo repetitivo y el trabajo creativo son dos cosas que se pueden separar de manera tajante.

Las respuestas históricas no fueron tan contundentes.

Muchas de las creaciones más importantes no ocurren después de terminar el trabajo repetitivo, sino precisamente en las grietas entre la repetición, el fracaso y la distracción. Primero te enredas durante mucho tiempo con un problema, calculando, observando y modificando una y otra vez, hasta que, en un momento ordinario, todo se conecta repentinamente.

Si la IA se lleva todo el trabajo mecánico por nosotros, lo que libera podría ser más que solo tiempo.

También podría llevarse el escenario en el que se basa la inspiración.

La historia de Newton y la manzana es probablemente el mito de innovación más exitoso de la historia humana.

Una manzana se cae del árbol y golpea a Newton. Newton tiene una idea brillante y descubre la gravedad universal.

La versión real no es tan sencilla.

El amigo de Newton, William Stukeley, registró en sus memorias que en 1726, ambos tomaron té bajo un árbol de manzana. Newton recordó que en ese momento estaba en un estado de profunda reflexión cuando vio caer una manzana, y se preguntó: ¿por qué la manzana siempre cae perpendicularmente hacia el suelo, y no hacia arriba o hacia un lado? Posteriormente, extendió "paso a paso" esta fuerza hacia la Tierra, la Luna y otros cuerpos celestes. [1]

Figura 1｜Apple no dio una respuesta; simplemente encendió el material acumulado por Newton a lo largo de su reflexión prolongada.

La manzana no le golpeó a Newton ni salió directamente una ley.

Es más como una cerilla que cae en un almacén ya lleno de materiales.

La experiencia del matemático Poincaré es más típica.

Él había estado estudiando continuamente una clase de funciones, realizando numerosos cálculos y fracasando una y otra vez. Luego dejó temporalmente su trabajo y viajó. En el preciso instante en que subió a un carruaje público, una conexión clave surgió repentinamente en su mente: las transformaciones que había estudiado eran del mismo tipo que las transformaciones en la geometría no euclidiana.

La idea surgió rápidamente, sin siquiera ser derivada en el momento. Después del viaje, Poincaré regresó a su escritorio y dedicó tiempo a verificarla por completo.

Luego dividió el proceso de creación en varias etapas: primero, una preparación consciente y ardua; luego, una aparente inactividad latente; seguida de un destello súbito; y finalmente, un regreso a la verificación rigurosa. [2]

Lo mismo ocurre con la demostración del último teorema de Fermat.

Andrew Wiles trabajó en secreto durante siete años, anunció la demostración exitosa en 1993, pero几个月后被发现存在漏洞。他又算了一年，和学生理查德·泰勒反复寻找出路，直到1994年9月才把缺口补上。[3]

Lo que la gente recuerda es el último momento, pero lo que el matemático experimenta realmente son miles de cálculos infructuosos, caminos fallidos y reintentos.

La inspiración nunca es un premio que cae del cielo. Es un retorno retardado que el cerebro otorga tras acumular esfuerzos humildes hasta un cierto punto.

Hoy nos gusta dividir el trabajo en dos categorías: lo de bajo valor se le asigna a las máquinas, y lo de alto valor se mantiene para las personas.

El problema es que el cerebro humano no funciona según las tablas de los informes de consultoría.

Un periodista que revisa docenas de estados financieros puede descubrir que dos conjuntos de números no coinciden; un product manager que examina reseñas negativas una por una puede darse cuenta de repente que los usuarios no se quejan de la función; un médico que revisa imágenes una y otra vez va desarrollando poco a poco una intuición sobre las anomalías.

Estos trabajos parecen poco sofisticados e incluso aburridos, pero dejan en la mente una gran cantidad de patrones pequeños.

Lo que se llama intuición, muchas veces es simplemente experiencia tan familiar que no se puede explicar paso a paso.

Así fue el descubrimiento de la penicilina.

En 1928, Fleming regresó de vacaciones y descubrió que una placa de cultivo de estafilococos había sido contaminada por un moho, y las bacterias alrededor del moho no habían crecido. La contaminación fue accidental, pero el descubrimiento no lo fue. Una persona sin observación prolongada de bacterias vería solo un plato sucio que debía desecharse.

Lo que a menudo se pasa por alto es que Fleming no desarrolló inmediatamente un medicamento a partir de este descubrimiento. Casi una década después, Florey, Chain y un equipo retomaron la investigación. Cultivaron el moho en cubos de leche, latas de alimentos e incluso bañeras, y buscaron cepas de alto rendimiento en Estados Unidos, hasta convertir finalmente un hallazgo accidental en un producto industrial capaz de salvar vidas. [4]

Figura 2｜La contaminación es fortuita, pero el descubrimiento depende de la observación a largo plazo; los medicamentos provienen más bien de la ingeniería durante los siguientes diez años.

La historia ama contar los "Eureka" (la palabra griega que significa "¡lo encontré!" o "¡lo descubrí!"), pero la industria realmente depende de la larga, repetitiva y poco elegante ingeniería que sigue al Eureka.

Einstein también describió su forma de pensar al matemático Hadamard, diciendo que lo que primero aparecía no era el lenguaje completo, sino imágenes, símbolos y elementos con sensación de movimiento. Él dejaba que estos elementos se combinaran repetidamente, y el lenguaje era algo posterior. [5]

Crear no es generar algo desde la nada, sino más bien reorganizar.

Lo que has visto, lo que has hecho y en qué lugares has fallado determina qué cosas hay en tu mente que pueden volver a conectarse.

Si los datos siempre son resumidos por IA, la primera versión siempre generada por IA y los datos siempre limpiados por IA, ciertamente la vida humana se volverá mucho más fácil. Pero con el tiempo, lo que solo nos quedará es el producto final procesado por máquinas, ya no las materias primas crudas, contradictorias y ruidosas.

La eficiencia ha aumentado, pero la sensibilidad podría haber disminuido.

Walter Isaacson se preguntó en "Los innovadores": ¿quién inventó realmente la computadora e Internet?

Finalmente, descubrió que este problema era difícil de responder con el nombre de una sola persona.

La revolución digital no surgió de repente en el garaje de algún genio. Las primeras computadoras, los transistores, los chips, el software y el internet surgieron de mejoras sucesivas de una generación tras otra. Alguien propuso el concepto, alguien soldó circuitos, alguien escribió programas, y alguien convirtió prototipos costosos en productos accesibles para el público general.

Al mencionar la computadora Harvard Mark I, la narrativa de Grace Hopper enfatiza a Howard Aiken, mientras que la versión de IBM destaca a los ingenieros cuyos nombres no se recordaron: numerosas mejoras incrementales, como contadores, lectores de tarjetas, etc., que juntas conformaron la máquina final. [6]

Figura 3｜《Los innovadores》 recuerda repetidamente: la revolución digital surge de la colaboración incremental de múltiples personas y múltiples rondas.

No se está negando el genio, sino restaurando la estructura real de la innovación.

Un evento innovador generalmente requiere al mismo tiempo la imaginación de unos pocos y el esfuerzo constante de muchos. Los primeros se encargan de cambiar la dirección, mientras que los segundos hacen que esta nueva dirección se vuelva realidad. Entre ambos no existe una relación de sustitución.

Lo más atractivo de la IA es que parece poder desempeñar simultáneamente ambos papeles: generar ideas y ejecutarlas.

Pero aquí también surgió un nuevo problema.

En 2024, Science Advances publicó un experimento sobre IA generativa y escritura. Las personas que recibieron ayuda de ideas de IA produjeron historias en promedio más creativas y con mayor completitud, especialmente notorio en quienes originalmente tenían menor creatividad; sin embargo, al analizar todas las obras juntas, las historias asistidas por IA resultaron más similares entre sí. [7]

La IA ha elevado el límite inferior del individuo y comprimido las diferencias grupales.

Esto es muy parecido a las plataformas de contenido de hoy: todos escriben mejor que antes, con títulos, estructura y frases impactantes sin faltar; pero tras leer diez artículos, parece que solo has leído uno.

Cuando todos solicitan al mismo modelo el "primer pensamiento", omitimos las páginas en blanco y quizás avanzamos juntos hacia la respuesta más fácil de predecir.

Esto no significa que las personas deban rechazar la IA y volver a perder tiempo copiando y pegando o haciendo maquetación mecánica.

La calculadora no destruyó las matemáticas, ni el motor de búsqueda destruyó el conocimiento. Lo que realmente cambian las herramientas es el nivel de habilidad que la persona debe conservar.

La IA puede reemplazarnos en el trabajo pesado, pero no debemos olvidar por qué se construyó este muro aquí.

Esta preocupación ya no es solo un debate filosófico. En 2025, instituciones como Microsoft Research encuestaron a 319 profesionales conocedores y recopilaron 936 casos reales de uso de IA. Los resultados mostraron: cuanto más confía una persona en la IA, menos pensamiento crítico (un modo de razonamiento razonable y reflexivo) dedica a la tarea; cuanto más confía en su propio juicio profesional, más pensamiento crítico ejerce. La IA no hizo desaparecer el pensamiento, sino que lo desplazó de “generar directamente” a “verificar, integrar y supervisar”. El problema es que, si la persona solo ve un producto final fluido, la verificación fácilmente se reduce a asentir. [8]

Señales más directas provienen de la escritura y la programación. Un experimento con 54 participantes del Laboratorio de Medios del MIT sobre escritura con EEG encontró que quienes usaron continuamente grandes modelos para escribir mostraron las conexiones de red cerebral más débiles y una menor capacidad de recordar el contenido del texto y la sensación de “esto es mi obra”; sin embargo, este estudio sigue siendo un preimpreso con muestra pequeña y no permite concluir que la IA haga a las personas permanentemente menos inteligentes. [9] Cuando METR realizó pruebas aleatorias con 16 desarrolladores experimentados en código abierto y 246 tareas reales, descubrió que, tras usar herramientas de IA a principios de 2025, los desarrolladores tardaron un 19% más en completar las tareas. Lo más interesante es que, previamente, esperaban que la IA los hiciera más rápidos. [10] En un seguimiento en 2026, METR evaluó que las nuevas generaciones de herramientas probablemente ya han generado aceleración, pero debido a un sesgo claro en la selección de participantes y tareas, aún no es posible estimar con confiabilidad el grado de mejora. [11] Lo que la IA probablemente debilite primero no es la capacidad en sí, sino la capacidad humana de juzgar si aún está pensando.

Para los individuos, al menos tres cosas no deberían externalizarse fácilmente.

Primero, ¿de dónde proviene el problema?

No empieces preguntándole a la IA: “¿Qué debería escribir?” o “¿Qué debería investigar?”. Ve primero al lugar del cliente, lee primero los materiales originales, y siente primero por ti mismo dónde algo no parece correcto. Una buena pregunta suele surgir de los detalles que otros consideran molestos y omiten.

En segundo lugar, ¿de dónde proviene el primer juicio?

Puedes hacer que la IA amplíe, refute y agregue información, pero es mejor dejar primero una versión cruda sin procesar por el modelo. Incluso si solo son unas pocas frases, es importante saber cómo lo pensaste originalmente. De lo contrario, la colaboración entre humanos e IA很容易 se convierte en que el humano corrige la IA.

Tercero, ¿quién es responsable de los resultados?

Solo después de haber realizado trabajos de bajo nivel uno sabe dónde se equivoca la IA. Una persona que nunca ha escrito código tiene dificultades para determinar si un código simplemente funciona o es apto para producción; igualmente, alguien que nunca ha analizado estados financieros tiene dificultades para identificar errores de criterio ocultos detrás de un análisis aparentemente sólido.

¿Entonces, qué se puede entregar a la IA?

El criterio de evaluación no es “si hay creatividad” ni “si se repite o no”, sino tres cosas: si los criterios de aceptación están claros, si el proceso es rastreable y si se puede revertir en caso de error. La transcripción de documentos, la organización de formatos, la limpieza de datos bajo reglas conocidas, plantillas de código y casos de prueba, así como múltiples versiones de textos y bocetos de diseño sobre el mismo tema, son adecuados para asignarlos a la IA. Las decisiones estratégicas, los criterios de hecho, el gusto de marca, la arquitectura del sistema y la aprobación final no deben entregarse simplemente porque la IA lo haga más rápido.

Después de entregar la tarea, la persona aún debe practicar con el AI en un duelo interno. Antes de actuar, escribe tus propios juicios y criterios de evaluación; durante la generación, pide al AI que proporcione simultáneamente opiniones contrarias, condiciones de fracaso y fuentes de evidencia; después de la generación, regresa a los materiales originales, verifica hechos, recalcula números clave y ejecuta pruebas críticas; después de un tiempo, programa un entrenamiento "a mano" sin usar AI. Los escritores deben conservar entrevistas independientes y borradores iniciales; los programadores deben conservar revisiones de código y diagnóstico de fallos; los diseñadores deben conservar selecciones conceptuales y juicios visuales finales. Solo quienes aún saben verificar, se atreven a rechazar y pueden asumir el control tienen realmente el derecho de delegar su trabajo en el AI.

Para la empresa, lo que realmente debería preocupar no es cuánta IA usan los empleados, sino si la organización aún está generando experiencia de primera mano.

Si los jóvenes dejan de hacer análisis básicos, de negociar requisitos con los clientes y de pasar por las primeras versiones fallidas, la empresa obtendrá entregas más rápidas a corto plazo, pero a largo plazo podría perder la vía para desarrollar juicio.

Antes, un principiante se convertía lentamente en un experto con intuición tras tres años de esfuerzo constante. Ahora, la IA permite que un principiante entregue una respuesta de setenta puntos el primer día.

Pero para pasar de setenta a noventa, aún necesita haber visto personalmente los problemas, haber cometido errores y haber pagado el precio por los resultados.

¿Está la IA aumentando la creatividad o reduciéndola?

The answer depends on where we place it.

Deja que la IA maneje las tareas repetitivas que ya has decidido, es un apalancamiento; si permites que la IA reemplace nuestra interacción con la realidad, forme problemas y tome las primeras decisiones, se convertirá gradualmente en una muleta.

La verdadera creatividad nunca es solo "tener una idea".

Incluye el conocimiento del material, la sensibilidad ante las anomalías, la capacidad de soportar largos períodos sin respuestas, y, tras la aparición de una idea brillante, confirmarla una y otra vez.

Estas secciones son lentas, poco elegantes e incluso difíciles de incluir en los informes de desempeño. Sin embargo, los grandes teoremas históricos, descubrimientos científicos e innovaciones industriales casi siempre nacen aquí.

AI certainly can help us pick apples.

Pero si esa persona bajo el árbol puede pensar en la gravedad universal aún depende de cuánto tiempo había estado pensando antes de que la manzana cayera.

Referencias

[1] William Stukeley, Memoirs of Sir Isaac Newton's Life, Newton Project (Universidad de Oxford).

[2] Henri Poincaré, “L'invention mathématique”, 1908.

[3] Instituto de Matemáticas de la Universidad de Oxford, Universidad de Bristol: información sobre Andrew Wiles y el último teorema de Fermat.

[4] Science Museum Group, “¿Cómo se desarrolló la penicilina?”

[5] Jacques Hadamard, La mente del matemático: La psicología de la invención en el campo matemático.

[6] Walter Isaacson, Los innovadores: Cómo un grupo de hackers, genios y geek crearon la revolución digital.

[7] Anil R. Doshi y Oliver P. Hauser, “La IA generativa mejora la creatividad individual pero reduce la diversidad colectiva del contenido nuevo,” Science Advances, 2024.

[8] Hao-Ping Lee et al., “The Impact of Generative AI on Critical Thinking”, CHI 2025.

[9] Nataliya Kosmyna et al., “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”, preimpresión 2025.

[10] Joel Becker et al., “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, METR, 2025.

[11] Joel Becker et al., “We are Changing our Developer Productivity Experiment Design”, METR, 2026.