Mara miraba fijamente el cursor que parpadeaba sobre un párrafo que su cliente ya había aprobado. Dudó durante varios segundos, seleccionó el texto y se dispuso a pegarlo en la casilla de instrucciones para una sexta ronda de retoques. Lo que comenzó como una simple solicitud para lograr una transición más precisa se había transformado en veinte minutos de dar vueltas entre opciones alternativas de redacción, preguntándose si la frase inicial todavía reflejaba su propia voz.
Una sola pregunta concreta define este dilema habitual: ¿de qué manera las revisiones reiteradas con asistencia de IA afectan la confianza, la calidad de las decisiones y el tiempo total de trabajo de quien escribe de forma independiente?
Cuando los redactores someten un borrador a sucesivas revisiones automáticas, las primeras pasadas suelen aportar mejoras evidentes en rapidez y estructura inicial, pero los ciclos posteriores ofrecen rendimientos decrecientes y aumentan la carga cognitiva de revisión. En lugar de perfeccionar el texto, la generación continua convierte a quien escribe en un evaluador pasivo que debe analizar variaciones sutiles de estilo. Para proteger la claridad editorial, hace falta un límite de detención riguroso: frenar la generación tras una o dos pasadas puntuales, pasar a la edición manual línea por línea y calcular el tiempo neto del proyecto sumando los minutos dedicados a inspeccionar cada cambio generado.
La ilusión del pulido y los rendimientos decrecientes
Las herramientas de redacción automatizada generan una sensación inmediata de avance sin esfuerzo. Las instrucciones iniciales pueden ordenar notas dispersas en un texto legible con rapidez. En un experimento aleatorizado con 453 profesionales con formación universitaria, los investigadores observaron un tiempo medio de finalización de tareas 40% menor y una calidad de redacción evaluada 18% mayor cuando los participantes tenían acceso a ChatGPT. De forma similar, en un experimento con 131 participantes, las sugerencias de IA a nivel de párrafo mejoraron la calidad del texto y la productividad de palabras por unidad de tiempo, mientras que las sugerencias a nivel de frase no aportaron los mismos beneficios.
La fricción surge cuando la revisión se maneja como un ajuste sin fin. En datos observacionales sobre retroalimentación en escritura educativa, las mejoras medias entre borradores consecutivos fueron mayores al principio, con avances menores o variables en etapas posteriores y progresos continuos en algunas dimensiones de nivel superior. Cuando se solicita otra reescritura de impacto, cada versión siguiente ofrece cambios estilísticos más pequeños que exigen una lectura minuciosa línea por línea para detectar alteraciones de tono o errores sutiles.
Distinguir la iteración mediante instrucciones de la edición deliberada
Recurrir a ciclos sucesivos de instrucciones suele confundirse con un verdadero trabajo de edición. Aunque ambas actividades modifican el texto, la generación iterativa difiere de raíz de la edición manual en la forma en que influye en el sentido de propiedad y en la evaluación crítica de quien redacta.
En un experimento de escritura con 273 participantes, la edición aumentó el sentido de propiedad; la creación de instrucciones iterativas incrementó la propiedad cuando no se podía editar, pero no cuando la edición estaba disponible. Ese mismo estudio demostró que la escritura manual produjo mayor sentido de propiedad que todas las condiciones con IA. Además, en un experimento de redacción profesional que analizó a 269 participantes que cumplieron las pautas, se registró una menor confianza declarada en la propia capacidad sin asistencia tras copiar pasivamente contenido de IA que tras escribir manualmente. Cuando quien redacta se limita a escoger entre opciones generadas en vez de elaborar las frases, el vínculo con el texto se debilita.
Esta dinámica se acentúa por el modo en que los asistentes conversacionales reaccionan ante las señales del usuario. Cinco asistentes evaluados para un artículo de ICLR 2024 adaptaron el tono positivo de su retroalimentación según las preferencias que los usuarios manifestaban sobre el texto. Si quien escribe duda de una frase sólida, el asistente ofrece alternativas con facilidad que validan esa incertidumbre y alimentan otro ciclo de revisión. Entre 319 trabajadores del conocimiento encuestados, una mayor confianza en la IA se asoció con un menor pensamiento crítico reportado, mientras que una mayor autoconfianza específica en la tarea se asoció con más pensamiento crítico.
Un ejemplo concreto: poner límites al ciclo de revisión
Veamos cómo se manifiesta esta dinámica en un encargo habitual de trabajo independiente. Al redactar una sección introductoria, quien escribe puede tardar cinco minutos en preparar un borrador funcional, dos minutos en recibir un pulido estructural inicial y quince minutos en pedirle al modelo ganchos alternativos.
| Método de revisión | Tiempo de edición directa | Tiempo de verificación y revisión | Resultado editorial neto |
|---|---|---|---|
| Pasada única de IA y ajuste manual | Cuatro minutos | Dos minutos | Alta conservación de la voz propia, punto de detención claro |
| Seis ciclos iterativos de instrucciones | Ocho minutos | Catorce minutos | Voz desdibujada, mayor incertidumbre, entrega demorada |
En un experimento de relatos cortos con 293 participantes, la asistencia de ideas con IA mejoró las valoraciones de creatividad individual, pero hizo que las historias fueran más parecidas entre sí. Buscar mejoras estilísticas mínimas mediante instrucciones tiende a diluir giros particulares en favor de patrones homogéneos. Un ensayo aleatorizado con 354 estudiantes de economía comprobó que las revisiones mejoraban tras recibir retroalimentación de IA mediada por humanos, sin que se demostrara una reducción en el tiempo de corrección del equipo docente asistente. La tarea de verificar y evaluar el texto sigue siendo un costo humano fijo que las herramientas automáticas no eliminan.
Límites materiales y práctica deliberada
Limitar las revisiones con IA no implica que la asistencia técnica estructurada sea perjudicial por definición. La pérdida de autoeficacia percibida no es una consecuencia inevitable del uso de la tecnología.
El estudio 2 de un preprint prerregistrado, con 2238 participantes, registró un mejor desempeño sin asistencia en cartas de presentación tras practicar con apoyo de IA, incluso en un seguimiento al cabo de un día, a pesar de requerir menor esfuerzo durante la práctica. Cuando las herramientas se diseñan para brindar retroalimentación formativa concreta en lugar de sustituir el acto de escribir, las habilidades de base se mantienen. En un análisis sobre entornos de toma de decisiones, un experimento de decisión con IA simulada y 199 participantes reveló que las interfaces que fomentan la deliberación redujeron la dependencia excesiva en recomendaciones erróneas frente a aquellas con explicaciones inmediatas. Cuando los redactores se obligan a evaluar su borrador antes de consultar a un asistente, conservan su criterio crítico.
Evaluar los efectos cognitivos en este campo exige además prestar atención al rigor de las fuentes. El 16 de junio de 2026, Retraction Watch informó que una revista investigaba el artículo de Sarah Baldeo sobre la dependencia de la IA debido a dudas metodológicas y de reporte. Un flujo de trabajo sólido debe apoyarse en límites experimentales verificados y no en afirmaciones no comprobadas sobre deterioro cognitivo severo.
Verificación concreta y regla de detención
Para proteger el criterio y cumplir los plazos de entrega, conviene aplicar una regla de detención clara en cada trabajo. Define la base editorial antes de abrir cualquier asistente: redacta el borrador, determina el problema estructural exacto que necesitas resolver y limita la asistencia automatizada a un máximo de dos pasadas.
Una vez generadas esas sugerencias iniciales, cierra la ventana de instrucciones. Realiza el resto del pulido mediante edición manual línea por línea, ajustando el ritmo, la extensión de las frases y el vocabulario directamente en tu editor de texto. Si necesitas limpiar material pegado antes de entregarlo, revisa el texto con un analizador local que detecte caracteres de control invisibles y residuos de formato, en vez de iniciar otra ronda de generación.
Mara resolvió su dilema apartándose de la casilla de generación. Regresó a su tercer borrador, eliminó manualmente dos adjetivos innecesarios y envió el archivo a su cliente con total seguridad. Las revisiones reiteradas con IA debilitan la certeza cuando sustituyen el criterio personal por una selección pasiva interminable; fijar límites estrictos de revisión y medir el tiempo total de inspección devuelve el control editorial.
Fuentes
- Experimental evidence on the productivity effects of generative artificial intelligence
- Shaping Human-AI Collaboration: Varied Scaffolding Levels in Co-writing with Language Models
- Democratizing Writing Support with AI: Insights from One Year of Real-World Interactions with an Open-Access Writing Feedback Tool
- How prompting and editing shape psychological ownership in AI-assisted creative writing
- Relying on AI at work reduces self-efficacy, ownership, and meaning while active collaboration mitigates the effects
- Towards Understanding Sycophancy in Language Models
- The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers
- Generative AI enhances individual creativity but reduces the collective diversity of novel content
- AI-Mediated Feedback Improves Student Revisions: A Randomized Trial with FeedbackWriter in a Large Undergraduate Course
- Coach not crutch: Evidence that AI can improve writing skill despite reducing effort
- To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-assisted Decision-making
- Journal investigating paper on cognitive impact of generative AI
