Deuda cognitiva por uso de IA: riesgo empresarial

31/08/2026

Deuda cognitiva por IA: la mitad de los líderes ya detecta pérdida de habilidades

La inteligencia artificial acelera la producción, pero su uso sin controles puede debilitar el juicio, la creatividad y la capacidad de cuestionar resultados. Para marketing, el desafío es capturar eficiencia sin convertir la automatización en una pérdida de criterio estratégico.

Un riesgo que ya aparece dentro de las organizaciones

Boston Consulting Group (BCG) denomina “deuda cognitiva” a la erosión gradual del pensamiento crítico, el juicio, la curiosidad y la originalidad cuando las personas delegan de forma recurrente procesos de análisis en la IA. Si la dinámica se extiende a equipos completos, puede convertirse en una pérdida distribuida de habilidades y reducir la capacidad de adaptación de la organización.

El estudio When Everyone Uses AI, Companies Risk Losing Critical Skills, elaborado por Sagar Goel, David Martin y Charikleia Kaffe, recogió respuestas de 70 líderes C-suite y ejecutivos senior de distintas industrias y regiones, además de entrevistas con otros doce líderes empresariales. La mitad declaró que ya observa pérdida de habilidades en su organización y más de 60% estima que será una amenaza material en los próximos tres a cinco años.

Los porcentajes requieren cautela: BCG estudió percepciones ejecutivas, no aplicó pruebas directas de desempeño cognitivo y no detalla la selección por país, industria o tamaño de empresa. Son una señal temprana sobre diseño organizacional, no una estimación representativa de todas las compañías.

La aceptación automática es la primera señal

Casi 90% de los ejecutivos consultados por BCG asocia la pérdida de capacidades con la dependencia de resultados de IA que no se someten a contraste. Después aparecen efectos que se refuerzan entre sí: más de 50% identifica menor responsabilidad sobre los resultados, 49% menos diversidad de pensamiento, 43% menos debate constructivo y 34% menor colaboración. Un 53% advierte un desarrollo más lento del talento junior y 33% percibe una caída en mentoría, coaching e intercambio de conocimiento.

Cuando el primer resultado generado define el marco de análisis, puede estrechar las preguntas posteriores. En marketing, esa convergencia puede trasladarse a briefs, segmentaciones, propuestas creativas o recomendaciones de inversión que parecen consistentes, pero comparten supuestos no examinados. La velocidad no demuestra, por sí sola, la calidad de la decisión.

La productividad y el riesgo cognitivo pueden coexistir

La evidencia también confirma beneficios. Erik Brynjolfsson, Danielle Li y Lindsey Raymond analizaron para The Quarterly Journal of Economics el despliegue de un asistente generativo entre 5.172 agentes de servicio al cliente. Los casos resueltos por hora aumentaron 15% en promedio. Los trabajadores menos experimentados lograron las mayores mejoras; los más experimentados registraron avances pequeños en velocidad y una leve disminución de calidad.

Una investigación de Microsoft Research y Carnegie Mellon encuestó a 319 trabajadores del conocimiento y reunió 936 casos de uso laboral. Una mayor confianza en la IA se asociaba con menor ejercicio declarado de pensamiento crítico; una mayor confianza en el propio dominio, con más pensamiento crítico. El estudio muestra además un desplazamiento desde producir respuestas hacia verificar información, integrar resultados y supervisar tareas.

La IA puede difundir buenas prácticas y acelerar el aprendizaje, pero el resultado depende de que exista conocimiento suficiente para evaluar lo generado. La supervisión humana forma parte del modelo de productividad.

Chile tiene una alta oportunidad de aceleración

El estudio de CENIA, SOFOFA Capital Humano, SENCE, el Ministerio del Trabajo y académicos de Stanford examinó en 2024 los 100 empleos más comunes de Chile: casi seis millones de personas, equivalentes a 62% de la fuerza laboral. Sobre una base de más de 200.000 tareas, estimó que, en promedio, 48% de las tareas de una ocupación ofrece una oportunidad de aceleración. Publicidad y comercialización aparecen en el grupo donde más de 60% presenta ese potencial.

La métrica no equivale a reducir 48% la duración total de un empleo: identifica la proporción ponderada de tareas que podría ejecutarse al menos 50% más rápido sin disminuir calidad. El informe valoriza la oportunidad bruta en casi 12% del PIB, pero aclara que no es ahorro neto ni crecimiento asegurado.

De una política de herramientas a un diseño del trabajo

Solo una de cada diez organizaciones estudiadas por BCG cuenta con una estrategia transversal o iniciativas contra la pérdida de habilidades; un tercio no ha discutido el tema. La consultora propone usos autorizados, revisión humana obligatoria, etapas sin IA, flujos que conserven el juicio final, mentoría y evaluaciones que consideren cómo se obtuvo un resultado.

El Work Trend Index 2026 de Microsoft encuestó a 20.000 usuarios de IA en diez países: 58% dijo producir trabajos que no habría podido realizar un año antes y 66% dedicar más tiempo a actividades de alto valor. A la vez, 50% señaló el control de calidad y 46% el pensamiento crítico como capacidades cada vez más importantes. Entre los usuarios avanzados, 43% trabaja deliberadamente sin IA en algunas tareas para mantener sus habilidades, frente a 30% del resto.

En marketing, esto puede traducirse en reglas concretas: formular el problema y los criterios de éxito antes de consultar la herramienta; exigir trazabilidad de datos; comparar alternativas humanas y generadas por IA; someter recomendaciones a revisión crítica; y mantener espacios sin asistencia automatizada cuando el objetivo sea desarrollar criterio.

Medir la calidad del razonamiento

La deuda cognitiva amplía la agenda de gobernanza de IA. Ya no basta con controlar privacidad, seguridad, sesgos o cumplimiento; también resulta necesario observar si el sistema de trabajo conserva la capacidad de definir problemas, desafiar supuestos y asumir responsabilidad por las decisiones.

Para las marcas, el indicador no debería ser solo cuántas horas, piezas o análisis produce la IA, sino también cuántas decisiones mejoran, qué errores se detectan antes de llegar al mercado, cuánto conocimiento se transfiere y quién responde por el resultado. La ventaja sostenible provendrá de combinar automatización con criterios verificables de calidad, aprendizaje y responsabilidad humana.