Un nuevo estudio de investigadores del MIT y el Laboratorio de IA de Princeton, publicado a través de arXiv, proporciona cifras concretas detrás de algo que muchos de nosotros hemos sospechado en silencio. Las personas no solo subestiman con qué frecuencia dependen de la IA, sino que también sobrestiman dramáticamente lo que obtienen de ella. Los investigadores lo llaman la “ilusión de ganancia de eficiencia” y describe una trampa cognitiva que podría transformar cómo pensamos sobre la contribución real de la IA a la productividad.
Los números detrás de la ilusión
El estudio, titulado “La ilusión de la ganancia de eficiencia: las personas subestiman la tasa de uso de la IA y sobrestiman sus beneficios en tareas simples”, realizó tres experimentos preregistrados con un total de 2.691 participantes. Las tareas fueron deliberadamente básicas: aritmética, corrección ortográfica, el tipo de trabajo que la mayoría de las personas pueden realizar sin esfuerzo.
Los participantes creyeron consistentemente que la IA les ahorraba tiempo y esfuerzo significativos en estas tareas sencillas, incluso cuando las ganancias reales fueron marginales. En un análisis modelado, el uso de una función de copiar y pegar con IA redujo el tiempo promedio de finalización de 102,0 segundos a 66,2 segundos. Los participantes percibieron el beneficio como mucho mayor que esos 35 segundos reales. Su sensación subjetiva de mejora en la eficiencia superó lo que realmente ocurrió, creando una imagen distorsionada de la utilidad de la IA que luego influyó en sus decisiones futuras sobre cuándo implementarla.
El problema del bucle de retroalimentación
Los investigadores identificaron un bucle de retroalimentación en el que la confianza inicial en la IA para tareas sencillas fomentó una dependencia adicional, lo que profundizó los malos juicios sobre la productividad. Cada vez que un participante utilizaba la IA y sentía que lo ayudaba, tenía más probabilidades de recurrir a ella nuevamente. No porque la evidencia respaldara hacerlo, sino porque la sensación de eficiencia se volvía autoreforzante.
Los investigadores también encontraron una subestimación sistemática de las tasas de uso de IA entre los participantes. Las personas no solo sobrestimaron los beneficios; también subestimaron con qué frecuencia recurrían a la IA en primer lugar, lo que hace aún más difícil romper el bucle de retroalimentación.
La paradoja de la productividad, revisitada
Lo que aporta la investigación del MIT y Princeton es una explicación conductual para parte de esta brecha. Si los usuarios individuales sobrestiman sistemáticamente los beneficios de la IA en tareas rutinarias, entonces los datos de productividad colectiva nunca podrán coincidir con el entusiasmo colectivo. Las ganancias se sienten reales a nivel individual, pero no se materializan completamente en los números.