Diez minutos con IA reducen la persistencia ante tareas difíciles, según un estudio de Berkeley

Diez minutos con un asistente de IA bastan, según afirman en la Universidad de California en Berkeley, para que una persona aguante peor las tareas difíciles: se rinde antes, lo intenta menos y busca antes una salida fácil. El material está publicado en el portal de investigación de la universidad y en pocas horas reunió en Hacker News 55 puntos y 65 comentarios. El tema afecta a todo el que escribe código, textos o análisis con ayuda de modelos de lenguaje.

Conviene aclarar primero los límites. En la descripción a la que hemos tenido acceso no constan el tamaño de la muestra, el formato de las tareas, los grupos de control ni la magnitud del efecto. Todo eso solo figura en el texto completo del trabajo, y sin él un titular sigue siendo solo un titular. A continuación se analiza qué se afirma exactamente y por qué resulta verosímil a la luz de los datos ya conocidos.

Qué se midió exactamente

No se habla de una pérdida de conocimientos ni de un empeoramiento en la calidad de las decisiones. Se trata de la persistencia: la disposición a seguir cuando la tarea no cede al primer intento. Es una habilidad distinta. De ella depende que alguien llegue a la solución en una sesión complicada de corrección de bugs, en una demostración o en el borrador de un informe.

El mecanismo en este tipo de trabajos suele ser siempre el mismo. El modelo entrega al instante una respuesta aceptable, y la persona recalcula su expectativa de «cuánto esfuerzo cuesta la tarea». La siguiente dificultad, sin ayuda, parece desproporcionadamente cara. Diez minutos es una ventana muy corta: si el efecto se confirma en ese plazo, no se debe a un hábito acumulado, sino a un reajuste rápido.

Qué se sabe ya sobre el tema

No hay coincidencias directas con el trabajo de Berkeley, pero los datos indirectos se acumulan:

• En 2025, investigadores del MIT Media Lab compararon en el estudio Your Brain on ChatGPT a tres grupos que escribían ensayos: con un LLM, con un buscador y sin herramientas. Según el EEG, el grupo que usó el modelo mostró una conectividad más débil de la actividad cerebral. La muestra era pequeña, de unas 54 personas.
• Una encuesta de Microsoft Research y Carnegie Mellon a 319 trabajadores del conocimiento halló una relación: cuanto más confía una persona en la IA, menos pensamiento crítico dedica a la tarea.
• Los estudios sobre automatización en aviación y medicina describen desde hace décadas un fenómeno parecido: el operador acostumbrado a la ayuda rinde peor cuando esta desaparece.

En este contexto, lo que afirma Berkeley parece la continuación de una línea de investigación, no una sorpresa. La novedad, si la hay, está en la escala temporal: minutos en lugar de semanas.

Parámetros clave del material

• Fuente: portal de investigación de la Universidad de California en Berkeley
• Umbral declarado: 10 minutos de uso de IA
• Habilidad afectada: persistencia en tareas difíciles
• Reacción de la comunidad: 55 puntos y 65 comentarios en Hacker News
• Se desconoce, según la descripción disponible: la muestra, el diseño del experimento y la duración del efecto

Cómo trabajar con esto

Mientras no se haya estudiado la metodología completa, lo razonable es tratar el resultado como una hipótesis de trabajo, pero las medidas de protección son baratas. Si eres desarrollador o analista, dedica primero entre 15 y 20 minutos a un intento propio y solo después abre el asistente. Así conservas el hábito de tolerar la incertidumbre. Ante tareas complejas, pide al modelo no una respuesta ya hecha, sino preguntas orientadoras o una revisión de tu solución. Los equipos deberían separar modos de trabajo: entregar la rutina por completo a la IA y reservar para las personas las tareas formativas y estratégicas, al menos en la primera pasada.

Los directivos que implantan asistentes en toda la empresa harían bien en vigilar no solo la velocidad de ejecución, sino también lo que ocurre con la autonomía de las personas cuando la herramienta no está disponible. Es algo que se puede medir: asignar una tarea difícil sin IA una vez por trimestre y comparar el tiempo hasta la entrega.

La pregunta principal para los autores del estudio es cuánto dura el efecto y si la persistencia vuelve tras una pausa. De la respuesta depende que se trate de una señal de alarma o solo de una peculiaridad de los primeros minutos tras un resultado fácil.