La dependencia de la IA amenaza el criterio profesional y la agilidad de las empresas
La dependencia acrítica de la IA debilita capacidades profesionales y deja a las organizaciones expuestas cuando el servicio falla, cambia o impone sus límites.
Resumen del artículo publicado en agilebusiness.org y recomendado por Digital Skills Institute el 17 de septiembre de 2026.
Durante 19 días de junio, numerosas organizaciones descubrieron hasta qué punto dependían de una herramienta de inteligencia artificial que no controlaban. El 12 de junio, el Gobierno de Estados Unidos emitió una directiva de control de exportaciones sobre dos modelos Claude de Anthropic, Fable 5 y Mythos 5, que impedía el acceso a cualquier ciudadano extranjero en cualquier parte del mundo. Como no era posible verificar la nacionalidad en tiempo real en plataformas como Amazon Web Services, Google Cloud o Microsoft Foundry, Anthropic optó por desactivar el acceso para todos esa misma tarde, sin aviso ni fecha de regreso. El servicio volvió el 1 de julio, cuando se levantaron las restricciones.
Aquella interrupción mostró una vulnerabilidad incómoda. Algunas empresas continuaron trabajando porque conservaban personas capaces de retomar los procesos por vías tradicionales. Otras comprobaron que habían construido actividades enteras alrededor de un sistema externo y que ya no quedaba nadie con soltura para hacer el trabajo “a mano”. La cuestión no se limita a una posible orden gubernamental: también afecta a cambios de precio, condiciones comerciales o retiradas repentinas del servicio.
La dependencia excesiva de la IA no se mide por la cantidad de uso, sino por la falta de revisión crítica. Hay profesionales que utilizan estas herramientas durante toda la jornada y mantienen su criterio porque discuten sus respuestas, las contrastan y las rechazan cuando procede. El problema aparece cuando se acepta lo generado sin escrutinio y se pierde progresivamente la capacidad, o las ganas, de realizar esa tarea por cuenta propia. Desde fuera, un equipo que usa bien la IA y otro que depende demasiado pueden parecer igual de rápidos y eficaces hasta que surge un caso nuevo que el modelo no sabe resolver.
Dos mecanismos explican esa deriva. La descarga cognitiva consiste en delegar tareas en herramientas externas, como ocurre con calculadoras, calendarios o navegadores. Resulta eficiente hasta que el cerebro deja de practicar una habilidad porque interpreta que ya no hace falta activarla. El sesgo de automatización lleva a confiar en la máquina incluso cuando el juicio propio es mejor o existen señales claras de error. Este fenómeno se observó antes en cabinas de avión y hospitales; ahora llega a los escritorios mediante respuestas bien redactadas, cuya fluidez puede confundirse con exactitud.
Una investigación con 1.923 adultos en Estados Unidos y Canadá exploró este patrón mediante diez tareas laborales simuladas: planificación con información incompleta, interpretación de datos ambiguos y explicación del razonamiento tras una decisión estratégica. El 58% afirmó después que la IA había hecho la mayor parte del pensamiento, y esas mismas personas declararon sentirse menos seguras de su razonamiento y menos dueñas de las ideas entregadas. El estudio era correlacional y no demostraba causalidad ni pérdida de inteligencia. Lo más revelador fue la diferencia entre quienes aceptaron pasivamente las respuestas y quienes las discutieron o rechazaron: estos últimos salieron más confiados y con mayor sensación de autoría.
El deterioro puede ser silencioso. Un redactor que deja de escribir primeros borradores pierde oído; un analista que ya no construye modelos pierde intuición para detectar números engañosos. La producción sigue saliendo a tiempo y con apariencia correcta mientras ciertas capacidades se atrofian. También se debilita el pensamiento crítico porque desaparecen las ocasiones para ejercitarlo. En perfiles júnior, automatizar tareas básicas puede impedir adquirir el juicio profesional que antes nacía precisamente del trabajo repetido.
La agilidad empresarial también queda afectada. Las prácticas ágiles buscan abaratar el cuestionamiento del plan vigente: retrospectivas, revisiones, ciclos cortos y prioridades reordenables sirven para detectar errores pronto y cambiar rumbo. Si una recomendación generada por IA llega antes de que nadie forme criterio propio, redactada con seguridad y adoptada sin explicación clara, disminuyen las preguntas y se solidifican supuestos no examinados. Puede mantenerse toda la liturgia ágil mientras desaparece su función principal: cambiar de opinión a tiempo.
Una respuesta responsable pasa por formar primero un juicio propio antes de consultar la herramienta, detectar cuándo se deja de revisar en serio lo producido y conservar alguna habilidad importante en modo manual. En las organizaciones conviene premiar también lo rechazado y explicado, formar en alfabetización sobre IA más allá del entusiasmo tecnológico, mantener capacidades internas alternativas y nombrar personas con tiempo y autoridad para supervisar resultados. Si se reduce plantilla confiando en que la IA cubre esas funciones, también desaparecen quienes habrían detectado los fallos cuando algo saliera mal.
