La inteligencia artificial promete quitarnos trabajo, pero quizá nos esté dejando con la parte mentalmente más fatigosa: decidir. Esa es una de las paradojas menos visibles de esta etapa. Hemos imaginado la automatización como una forma de alivio. La máquina ejecuta, la persona se libera. Pero cuando la IA empieza a redactar, resumir, clasificar, comparar, programar, diseñar alternativas y mover tareas de un sitio a otro, lo que desaparece no siempre es el cansancio. A veces desaparece la ejecución y queda concentrada una masa más densa de pequeñas decisiones.
El cansancio tradicional del trabajo tenía una forma reconocible. Había que hacer cosas: escribir un informe, contestar correos, preparar una presentación, revisar documentos, buscar información, ordenar datos, corregir errores. La IA empieza a ocupar muchas de esas zonas intermedias. Produce primeros borradores, resume reuniones, propone estructuras, revisa textos, encuentra patrones, genera variantes. En apariencia, todo debería ser más ligero. Y muchas veces lo es. Pero al mismo tiempo el trabajador se desplaza hacia una posición nueva: menos hacedor directo y más evaluador constante.
Ese desplazamiento parece un ascenso. Decidir suena mejor que ejecutar. Tiene prestigio. Se asocia con criterio, responsabilidad, autonomía. Microsoft, en su Work Trend Index de 2026, lo formula desde una mirada optimista: a medida que los agentes asumen más ejecución, las personas ganan más espacio para dirigir el trabajo, tomar decisiones y hacerse responsables de los resultados. También señala que las habilidades más importantes, cuando la IA hace más trabajo, pasan a ser el control de calidad de sus salidas y el pensamiento crítico. La dirección es clara: menos tecla, más juicio. (Microsoft)
El problema es que el juicio también cansa.
No cansa de la misma manera que una tarea repetitiva, pero cansa de un modo más difícil de justificar. Uno puede terminar agotado después de un día en el que aparentemente ha hecho poco y, sin embargo, ha decidido demasiado. Aceptar o rechazar una propuesta de la IA. Corregir un matiz. Elegir entre cinco versiones. Verificar una cifra. Detectar un tono raro. Preguntarse si el resumen ha omitido algo importante. Revisar si el agente ha entendido bien el encargo. Decidir si conviene intervenir o dejar continuar. Cada microdecisión parece pequeña. La acumulación no lo es.
La investigación sobre fatiga decisional lleva tiempo discutiendo hasta qué punto decidir de forma repetida desgasta nuestras capacidades. Una revisión integradora publicada en Frontiers in Cognition en 2026 recogía factores asociados a esa fatiga: complejidad de las decisiones, frecuencia, incertidumbre, carga de responsabilidad, alta carga de trabajo, falta de descansos y culturas organizativas débiles. También describía posibles efectos como menor eficiencia, decisiones más conservadoras, inconsistencias o tendencia a elegir la opción más fácil. El punto no es convertir cada elección en una tragedia cognitiva, sino reconocer que decidir no es una actividad gratuita. (Frontiers in Cognition)
Después de una jornada llena de decisiones, grandes o pequeñas, cualquier elección que podamos evitar en el ámbito personal empieza a sentirse como una forma de descanso. Llegas a un restaurante y pides lo de siempre, no porque sea necesariamente lo que más te apetece, sino porque te permite no participar de otra deliberación más. O directamente le pides a alguien que decida por ti, como si delegar una cena fuera también una manera discreta de recuperar algo de silencio mental.
La IA introduce una forma particular de ese desgaste porque multiplica las opciones al mismo tiempo que reduce el coste de producirlas. Antes, preparar tres versiones de un texto o diez alternativas para una campaña exigía tiempo. Ahora aparecen en segundos. Eso puede ser útil, pero también cambia el problema. Ya no sufrimos tanto por falta de opciones como por exceso de posibilidades plausibles. La IA no solo nos ayuda a elegir. Produce más cosas entre las que elegir. Y cada posibilidad generada trae consigo una pequeña obligación: mirarla, compararla, descartarla, mejorarla o justificar por qué no se usa.
Una parte del agotamiento contemporáneo procede precisamente de ahí. Las herramientas digitales no solo aceleran tareas; aumentan el número de estados intermedios que reclaman criterio. Un documento ya no tiene una versión, sino muchas. Una idea no se prueba una vez, sino en diez variantes. Un correo puede tener tono directo, amable, ejecutivo, persuasivo o neutro. Una presentación puede reordenarse indefinidamente. La IA convierte el trabajo en un laboratorio permanente de alternativas. La libertad aumenta, pero también la carga de decidir cuándo parar.
Esto se nota especialmente con los agentes. Un chatbot todavía responde dentro de una conversación relativamente controlada. Un agente empieza a ejecutar secuencias. Puede buscar, comparar, modificar, enviar, llamar herramientas, revisar archivos, operar en distintos sistemas. Reuters ha contado en septiembre de 2026 que OpenAI lanzó su modelo Astra en medio de mayor escrutinio sobre la seguridad de los agentes, precisamente porque estos sistemas están diseñados para realizar tareas con poca o ninguna intervención humana directa. La promesa es que trabajen mientras nosotros hacemos otra cosa. La dificultad es que alguien debe seguir entendiendo qué están haciendo y cuándo conviene detenerlos. (Reuters)
Ahí aparece una figura laboral nueva: el supervisor de procesos que no ha ejecutado. No es exactamente un jefe, ni un técnico, ni un usuario tradicional. Es alguien que debe mirar salidas, detectar anomalías, aprobar pasos, reconstruir intenciones y asumir responsabilidad por resultados que no ha producido línea a línea. En teoría, eso libera tiempo. En la práctica, puede crear una forma de vigilancia cognitiva muy exigente. No hay que hacer cada paso, pero hay que mantenerse lo bastante despierto para saber cuándo un paso importa.
Un artículo reciente en Discover Artificial Intelligence sobre arquitecturas de interacción humana en IA agentiva formula bien la tensión. La supervisión humana total ofrece más garantías, pero reintroduce latencia, necesidad de personal y sobrecarga cognitiva justo en el nivel de decisión que la automatización pretendía aliviar. Por eso propone marcos adaptativos donde algunas decisiones se ejecutan solas, otras se auditan después y otras se escalan a una persona según niveles de incertidumbre y riesgo. La idea es sensata porque reconoce una verdad incómoda: poner a un humano a revisar todo no siempre es supervisión; a veces es simplemente trasladar el cuello de botella a su cabeza. (Discover Artificial Intelligence)
La expresión human in the loop tranquiliza mucho más de lo que explica. Suena a garantía moral: habrá una persona mirando. Pero mirar no basta. Un humano que aprueba veinte decisiones por minuto no supervisa; valida por cansancio. Un humano que no entiende el sistema no supervisa; decora el proceso. Un humano que solo aparece cuando la máquina duda recibe siempre los casos más difíciles, los más ambiguos, los que requieren más contexto. La automatización puede dejar al humano no con menos trabajo, sino con el residuo más denso del trabajo.
Esta es una vieja ironía de la automatización. Cuando los sistemas automáticos funcionan bien, desplazan la actividad humana hacia los momentos excepcionales. Pero esos momentos excepcionales son precisamente los que requieren más atención, más experiencia y más calma. La IA no elimina esa ironía; la lleva al terreno del conocimiento. El profesional deja de hacer una secuencia completa y se queda con el instante de evaluación: ¿esto tiene sentido?, ¿puedo fiarme?, ¿qué falta?, ¿qué riesgo no estoy viendo?, ¿qué ocurre si acepto? La tarea se comprime, pero la responsabilidad no.
Un artículo de 2026 en AI and Ethics sobre supervisión humana significativa distingue entre agencia operativa y agencia evaluativa. La IA puede generar soluciones; el humano conserva la capacidad de evaluar, cuestionar y anularlas. Esa distinción es útil porque muestra que la agencia humana no desaparece necesariamente, pero cambia de lugar. Ya no siempre está en producir la acción, sino en juzgarla. La pregunta, entonces, es si estamos diseñando entornos donde ese juicio pueda ejercerse de verdad o si estamos poniendo a las personas a firmar decisiones que llegan demasiado rápido, demasiado pulidas y demasiado abundantes. (AI and Ethics)
La diferencia entre ejercer juicio y hacer clic en “aprobar” puede parecer pequeña desde fuera. Desde dentro es enorme. El juicio necesita tiempo, contexto, margen para disentir y autoridad para detener. La aprobación automática necesita solo una interfaz. Si una organización introduce IA para acelerar procesos y luego exige revisión humana sin cambiar plazos, incentivos ni cargas, no ha resuelto el problema. Ha creado una estética de responsabilidad. Puede decir que hay supervisión, pero lo que hay es una persona cansada sosteniendo la apariencia de control.
La AI Act intenta evitar precisamente esa supervisión ornamental. En los sistemas de alto riesgo, la norma exige que la supervisión humana sirva para prevenir o minimizar riesgos para la salud, la seguridad o los derechos fundamentales, incluso cuando el sistema se usa como estaba previsto o en condiciones de mal uso razonablemente previsible. Pero lo más importante es que no habla de cualquier humano colocado al final del flujo, sino de personas con competencia, formación, autoridad y apoyo suficiente para vigilar el sistema, interpretar sus salidas e intervenir cuando sea necesario. El detalle decisivo está ahí: supervisar no es mirar una pantalla, sino tener capacidad real para entender, cuestionar y detener. Cuando la ley exige que el desplegador suspenda el uso si detecta riesgos, está diciendo algo bastante simple y bastante incómodo para muchas organizaciones: una supervisión que no puede parar la máquina no es supervisión, es escenografía. (AI Act Service Desk) (AI Act Service Desk)
La investigación sobre sesgo de automatización también ayuda a entender el problema. Un artículo publicado en Philosophy & Technology en 2026 describe este sesgo como una tendencia a usar las señales automatizadas como atajos heurísticos, sustituyendo una búsqueda vigilante de información por la confianza en la recomendación del sistema. No hace falta imaginar usuarios ingenuos. Basta imaginar usuarios ocupados. Cuando una herramienta acierta muchas veces, produce una costumbre de confianza. Y cuando esa confianza se instala en un entorno de alta carga, cuestionar cada salida empieza a parecer antieconómico. (Philosophy & Technology)
Pero también existe el fenómeno contrario: la aversión algorítmica. Personas que desconfían demasiado, revisan en exceso, rehacen salidas aceptables o se resisten a delegar incluso cuando tendría sentido. Entre ambas posiciones se abre el verdadero muro mental del trabajo con IA: confiar lo suficiente para ganar algo, desconfiar lo suficiente para no abdicar. Esa calibración consume energía. No es una habilidad menor. Es una forma nueva de profesionalidad.
El problema se agrava porque las organizaciones suelen presentar la IA como una herramienta de productividad individual cuando en realidad cambia la ecología completa de decisiones. Si un trabajador genera más alternativas, alguien debe evaluarlas. Si un equipo produce más borradores, alguien debe seleccionar. Si un agente automatiza procesos, alguien debe definir límites. Si un sistema resume reuniones, alguien debe decidir qué resumen cuenta como memoria oficial. La IA desplaza trabajo hacia puntos de decisión que quizá antes estaban distribuidos de manera más lenta, más torpe, pero también más repartida.
Esto puede explicar por qué algunas promesas de productividad tardan en sentirse como alivio. Cinco Días recogía recientemente que la adopción de IA en empresas se dispara, pero su impacto en rentabilidad se estanca; también señalaba que los chatbots siguen siendo la tecnología más extendida y que los agentes de programación ya aparecen en una proporción significativa de grandes organizaciones. La paradoja es conocida: se adopta mucho, se experimenta mucho, pero el valor no siempre aparece con la claridad prometida. Quizá una razón sea que parte del ahorro de ejecución se transforma en gasto de coordinación, revisión y decisión. (Cinco Días)
La IA no solo hace cosas. También pide cosas. Pide instrucciones, contexto, permisos, correcciones, validaciones, criterios, ejemplos, revisiones. Cuanto más capaz es, más sofisticadas son las decisiones que nos devuelve. Una herramienta tonta exige paciencia. Una herramienta inteligente exige criterio. Y el criterio, cuando se activa demasiadas veces al día, puede ser más agotador que la ejecución que pretendíamos evitar.
Hay un tipo de cansancio que aparece cuando todo se vuelve opinable. Antes, una tarea podía tener una resistencia material que guiaba el proceso. Había que buscar una fuente, leer un documento, escribir una frase, corregir un error. Ahora muchas de esas resistencias se suavizan y queda una pregunta abierta: qué versión prefiero, qué enfoque tiene más sentido, qué tono representa mejor la intención, qué camino debe seguir el agente. La IA reduce fricción operativa, pero puede aumentar fricción deliberativa. No nos obliga a trabajar menos; nos obliga a decidir más sobre lo que significa trabajar bien.
Esto no es necesariamente malo. De hecho, puede ser una mejora profunda si las organizaciones lo entienden. Muchas tareas humanas eran repetición sin criterio. Muchos trabajadores estaban ocupados en producir materiales intermedios que nadie valoraba demasiado. Que la IA absorba parte de esa ejecución puede liberar capacidades más interesantes. Pero esa liberación solo ocurre si se rediseña el trabajo alrededor de ella. Si no, el trabajador conserva la presión antigua y recibe una capa nueva de decisiones. Hace menos tareas manuales, pero gestiona más posibilidades, más excepciones y más responsabilidad difusa.
La palabra clave quizá no sea productividad, sino metabolización. Una organización debe metabolizar la IA para que no se convierta en otra fuente de ruido. Metabolizarla significa decidir qué tareas desaparecen de verdad, qué decisiones se automatizan, cuáles se escalan, qué criterios se documentan, qué salidas no necesitan revisión y qué zonas deben seguir siendo lentas. Sin esa digestión institucional, la IA se añade a la jornada como una promesa más que exige mantenimiento.
También hay una cuestión de identidad profesional. Durante años, muchos trabajadores han medido su valor por su capacidad de hacer: escribir bien, resolver rápido, entregar mucho, conocer el procedimiento, dominar la herramienta. Cuando la IA empieza a hacer parte de eso, se les dice que su valor estará en decidir. Pero nadie ha enseñado necesariamente a vivir así. Decidir todo el día no es simplemente una promoción simbólica. Es una exposición constante. La ejecución permite refugiarse en el proceso. La decisión exige aparecer.
Por eso el cansancio decisional de la IA no es solo cognitivo. También es moral. Cada aceptación parece una pequeña firma. Cada rechazo exige una razón. Cada delegación implica confianza. Cada corrección recuerda que seguimos siendo responsables. La IA puede hacer que el trabajo sea más rápido, pero también puede volver más visible nuestra responsabilidad sobre el resultado. Antes podíamos escondernos detrás del esfuerzo. Ahora el esfuerzo puede haberlo hecho la máquina, y lo que queda expuesto es nuestro criterio.
La pregunta no es si queremos volver atrás. No parece probable ni deseable. Sería absurdo rechazar una tecnología capaz de reducir tareas tediosas, ampliar opciones y acelerar procesos valiosos. La pregunta es cómo evitar que la promesa de alivio se transforme en un régimen de microdecisiones permanentes. No necesitamos solo mejores modelos. Necesitamos mejores umbrales. Saber cuándo la IA decide sola, cuándo propone, cuándo pregunta, cuándo se detiene y cuándo no debería entrar.
El trabajo con IA exigirá una nueva higiene de la decisión. No todo merece una variante. No todo necesita diez opciones. No todo debe revisarse con la misma intensidad. No toda salida requiere intervención humana. No toda delegación es pérdida de control. La profesionalidad consistirá en diseñar zonas de confianza y zonas de sospecha, automatismos aceptables y espacios de deliberación protegida. Si todo requiere criterio, el criterio se degrada. Si nada lo requiere, desaparece.
Quizá esa sea la lección más incómoda. La IA no nos libera automáticamente del cansancio porque buena parte del cansancio moderno no viene solo de hacer, sino de elegir entre posibilidades. El trabajador aumentado puede convertirse en alguien más poderoso, pero también en alguien más expuesto a una corriente interminable de borradores, alertas, propuestas, excepciones y aprobaciones. La máquina ejecuta. La persona decide. Y a veces decidir es precisamente aquello de lo que estábamos intentando descansar.
El futuro del trabajo no será simplemente una división entre tareas humanas y tareas artificiales. Será una negociación sobre dónde colocar el peso mental. Si la IA absorbe ejecución y nos deja solo con decisiones, habremos cambiado un cansancio por otro, quizá más prestigioso, quizá más invisible. El verdadero avance no estará en que una máquina haga más cosas, sino en que nos ayude a recuperar algo que la productividad digital lleva años erosionando: la posibilidad de decidir menos, pero mejor.
Fuentes:
- Microsoft – 2026 Work Trend Index report: Agents, human agency, and the opportunity for every organization
- Reuters – OpenAI launches new Astra model amid growing scrutiny over agents’ safety
- Reuters – AI models’ capabilities leap comes with new safety warnings
- Cinco Días – La adopción de la IA se dispara en las empresas, pero su impacto en la rentabilidad se estanca
- Frontiers in Cognition – An integrative review on unveiling the causes and effects of decision fatigue to develop a multi-domain conceptual framework
- Discover Artificial Intelligence – Balancing autonomy and oversight in reliable agentic artificial intelligence through adaptive human interaction architectures
- AI and Ethics – Designing meaningful human oversight in AI
- Philosophy & Technology – What is Wrong With Automation Bias?
- arXiv – AI Agents Push Humans Out of the Loop
- Journal of Medical Internet Research – Cognitive Workload and Mental Burden in Health Care Professionals Interacting With AI: Systematic Review and Meta-Analysis
