Estoy notando algo con el uso de la IA: avanzo mucho más rápido y, algunas veces, acabo mentalmente exhausto. Lo veo también entre quienes la estamos usando de forma intensiva. Tenemos varios procesos en marcha, saltamos de un tema a otro y sacamos adelante mucho trabajo.
Es fácil entrar en esa dinámica. Le encargas un análisis a la IA y, mientras trabaja, empiezas un documento. Llega el análisis, lo revisas y pides un cambio. Vuelves al documento, pero ya tienes otra respuesta esperándote. Cada espera parece una oportunidad para adelantar algo más.
Hay una investigación de Berkeley Haas que describe bien cómo acabamos ahí. Durante ocho meses, Xingqi Maggie Ye y Aruna Ranganathan observaron el trabajo en una empresa tecnológica. Los empleados iban asumiendo más tareas por iniciativa propia, animados por lo que la IA les permitía hacer. Mandaban encargos incluso durante la comida o antes de una reunión. Hablaban con entusiasmo de lo que conseguían con la IA, aunque algunos se sentían más ocupados y con más dificultad para desconectar.
Esa observación me interesa porque la tentación de abrir otro frente viene también de que la herramienta funciona. Si ahora puedo resolver algo que antes habría dejado pendiente, apetece aprovecharlo. Y así podemos ir llenando con nuevos encargos el tiempo que acabamos de recuperar.
Mientras tanto, los procesos avanzan en paralelo, pero nuestra atención tiene que ir de uno a otro. Al volver a cada asunto necesitamos recordar qué queríamos conseguir, por dónde íbamos y qué falta por decidir.
La investigadora Sophie Leroy lo estudió antes de que trabajáramos con IA. En sus experimentos, una tarea que quedaba incompleta podía seguir ocupando parte de la atención al pasar a otra y perjudicar el rendimiento en ella. Lo llamó residuo atencional. Dejar una tarea trabajando en otra ventana permite que avance, aunque nosotros todavía tengamos decisiones pendientes sobre ella.
A eso se suma el esfuerzo de revisar lo que llega. En una investigación de BCG, quienes tenían que supervisar y evaluar la IA con mayor intensidad declaraban un 12 % más de fatiga mental y un 19 % más de sobrecarga de información que quienes tenían una supervisión menos intensa.
Mi lectura es que podemos estar haciendo menos trabajo de ejecución y concentrando mucho más trabajo de decisión en la misma hora. La IA prepara, compara o redacta; tú valoras lo que ha hecho, corriges el rumbo y decides cómo seguir. Si además alternas entre asuntos distintos, cada resultado te pide volver a situarte.
Esto cambia también lo que necesitamos aprender. Cuando empiezas con IA, conseguir una respuesta útil ya supone un avance. Cuando la usas a diario, importa cómo encajan esas respuestas en tu jornada. Puedes haber aprendido a pedir buenos resultados y seguir organizando el trabajo como cuando tenías que hacerlo todo tú.
Por ejemplo, al preparar una propuesta, puedes ir revisando cada fragmento según aparece mientras atiendes otros encargos. También puedes acordar de antemano el objetivo y los criterios, dejar que la IA prepare una versión completa y reservar un momento para revisarla con atención. La tarea es la misma; has cambiado cuándo necesitas intervenir y cuántas veces tienes que retomarla.
Ese aprendizaje forma parte de los entrenamientos de IA de entaina. Un entrenador trabaja contigo sobre tus tareas reales para adaptar el flujo: hasta dónde puede avanzar tu asistente, qué decisiones necesitan tu criterio y cuándo tiene sentido revisar. Después probáis esa forma de trabajar en tu jornada, comprobáis si te permite mantener el foco y ajustáis lo que siga reclamando demasiada atención.
Si la IA ya te permite hacer más y quieres revisar cómo estás organizando ese trabajo, reserva una llamada de orientación. Lo vemos contigo.
