Eso fue, literalmente, lo que midió un equipo de investigadores en cuatro centros de endoscopía de Polonia y publicó en The Lancet Gastroenterology & Hepatology. Tras incorporar el sistema de detección asistida y trabajar un tiempo con él, evaluaron cómo rendían esos mismos especialistas cuando volvían a operar sin asistencia. El resultado: una caída absoluta del 6% en la tasa de detección de adenomas. Diecinueve endoscopistas con miles de procedimientos encima, de golpe, con atrofia profesional. No porque hubieran perdido la vista, sino porque habían perdido el hábito de mirar.
Es la primera evidencia clínica del mundo real de un fenómeno que veníamos anticipando hace rato y que casi nadie en las empresas se anima a mirar de frente. Se llama deskilling, y es la cara B (oscura e incómoda) de toda la euforia de la inteligencia artificial organizacional.
El reskilling y su sombra
Entremos por donde duele. Hoy todas las áreas de Recursos Humanos del planeta hablan el mismo idioma: reskilling, upskilling, capacitación para el futuro del trabajo, lo cual está perfecto. El Future of Jobs Report 2025 del Foro Económico Mundial (que releva a más de mil empleadores que representan a más de catorce millones de trabajadores) estima que el 39% de las competencias centrales se va a transformar o quedar obsoleto antes de 2030. Si el mundo laboral fuera un grupo de cien personas, cincuenta y nueve necesitan capacitarse en los próximos años. El 85% de los empleadores planea priorizar la formación de su gente.
Acá está la ironía que da título a esta nota. Las organizaciones están gastando millones para desarrollar exactamente el tipo de músculo cognitivo que la propia adopción de IA, mal hecha, está atrofiando. Reskilling y deskilling tirando de la misma cuerda en direcciones opuestas, dentro de la misma empresa, muchas veces dentro del mismo empleado. Una mano construye mientras la otra desarma. Lo más perverso es que la mano que desarma, lo hace sin que nadie la vea, disfrazada de productividad.
El deskilling no lo inventó ChatGPT. El término viene de la sociología del trabajo de los años setenta, cuando Harry Braverman describió cómo la mecanización industrial fragmentaba los oficios y vaciaba de criterio a quienes los ejercían: el artesano que entendía todo el proceso se convertía en alguien que aprieta un botón.
Pero la advertencia más precisa para nuestra época la dejó la psicóloga Lisanne Bainbridge en 1983, en un trabajo que tituló Las ironías de la automatización. Su tesis es desconcertante por lo lúcida: cuanto más automatizás un sistema, más le pedís al humano que lo supervise. Pero al humano lo dejaste fuera de la práctica justamente porque lo automatizaste. Entonces le exigís que tome el control en una emergencia de algo que ya no sabe manejar. La aviación conoce esta paradoja en carne propia: hay registros de tripulaciones que, confiadas en el piloto automático, no notaron que el avión se había desviado más de cien kilómetros de su ruta.
La diferencia hoy, es la velocidad y la escala. La automatización industrial le sacaba habilidades manuales a algunos operarios en algunas fábricas. La IA generativa le saca habilidades cognitivas a millones de trabajadores del conocimiento, al mismo tiempo, en todos los escritorios a la vez. Ya no es el músculo del brazo el que se ablanda, es el del criterio profesional.
La evidencia se viene acumulando rápido y desde muchos lugares:
- En 2025, el MIT Media Lab publicó un estudio que se volvió famoso por su título: Your Brain on ChatGPT. Investigadores encabezados por Nataliya Kosmyna dividieron a 54 personas en tres grupos para escribir ensayos: uno usaba un modelo de lenguaje, otro un buscador, y otro solo su cabeza. Les midieron la actividad cerebral con electroencefalografía. ¿El resultado? El grupo que escribía solo con su cerebro mostró las redes neuronales más fuertes y distribuidas. El que usaba IA, las más débiles. Pero el dato que pone la piel de gallina es otro: una proporción altísima de los usuarios de IA no podía citar una sola frase del ensayo que acababa de escribir, lo habían producido sin incorporarlo. Los autores lo bautizaron deuda cognitiva: una hipoteca que tomás contra tu propia capacidad y que pagás más adelante, con intereses.
- Microsoft Research, junto con Carnegie Mellon, encuestó a 319 trabajadores del conocimiento y analizó 936 casos reales de uso de IA en tareas laborales. El hallazgo es elegante y demoledor a la vez: cuanta más confianza tenía el trabajador en la IA, menos pensamiento crítico aplicaba. Y al revés: cuanta más confianza tenía en sí mismo, más aplicaba. El que confía en la máquina deja de generar y, en el mejor de los casos, pasa a verificar. En el peor, ni eso: cuando alguien siente que no tiene las competencias para inspeccionar lo que la IA le devuelve, directamente se abstiene de pensar. Terceriza el juicio.
- Un estudio de Michael Gerlich con 666 participantes en el Reino Unido encontró una correlación fuerte y negativa entre el uso frecuente de IA y el pensamiento crítico. Un detalle generacional es inquietante: los más jóvenes, los de 17 a 25 años, eran los más dependientes y los que peor puntuaban en pensamiento crítico. La buena noticia escondida en ese mismo estudio es que la educación funcionaba como factor protector: los más formados cuestionaban más lo que la IA les ofrecía en vez de tragárselo entero.
Si unís los puntos, aparece una secuencia que la literatura describe casi como una cascada clínica: primero el sesgo de automatización (asumir que la máquina tiene razón), después la aceptación acrítica, después la descarga cognitiva habitual, después la pereza metacognitiva, y al final del tobogán, el deskilling. La erosión estructural de la capacidad de pensar por cuenta propia.
Por qué nos pasa (y por qué nos pasa rápido)
Hay una trampa en la mecánica misma de estas herramientas. La IA generativa es extraordinariamente buena dándote un resultado terminado. No te muestra el camino: te muestra el destino. El cerebro humano es, antes que nada, un órgano ahorrativo. Si le ofrecés un atajo, lo toma. Es lo que la psicología cognitiva llama cognitive offloading: descargar el esfuerzo mental en una herramienta externa, como cuando dejaste de memorizar números de teléfono porque el celular los guarda por vos.
El problema no es descargar, descargar está bien; para eso inventamos la escritura, la calculadora, el Excel. El problema es qué descargás. Tercerizar la suma está bien. Tercerizar el razonamiento que decide si esa suma tiene sentido, no. La IA generativa, por su diseño, te invita a tercerizar las dos cosas en el mismo gesto, sin avisarte cuál es cuál.
Por eso el deskilling organizacional rara vez se presenta como un problema. Se presenta como un logro. “Bajamos el tiempo de redacción un 40%.” “Automatizamos el primer borrador de todos los informes.” Las métricas de productividad suben, las luces del tablero están todas en verde, y mientras tanto, debajo del agua, la capacidad real de la gente para hacer ese trabajo sin la muleta digital se va vaciando como una pileta con una fuga lenta. Nadie la mide. Hasta que un día la IA no está (porque falló, porque cambió el proveedor, porque hay un caso que la herramienta no contempla) y descubrís que tu equipo se olvidó como era caminar.
Cuando escribí Humanware, la tesis central era una idea que entonces sonaba casi filosófica y hoy se volvió urgentemente práctica: la tecnología solo crea valor cuando potencia lo humano, no cuando lo reemplaza. El nombre mismo del libro era una declaración de principios contra la fascinación con el hardware y el software a costa de lo que de verdad importa. Lo que entonces era una advertencia conceptual hoy tiene revisión científica. El deskilling es la confirmación empírica de aquella intuición: cuando la herramienta ocupa el lugar de la capacidad en vez de amplificarla, lo humano no se eleva, se apaga.
Lo cito porque la parte incómoda de haber tenido razón es que ahora hay que hacer algo al respecto.
Comentarios