Hoy hablamos de: la fatiga del criterio, el desgaste mental invisible que produce delegar cientos de decisiones pequeñas a la IA a lo largo del día, y cómo protegerlo con el método S.E.N.S.E.
La fatiga del criterio: el costo invisible de decidir con IA todo el día
Por qué los líderes que más delegan microdecisiones a la IA terminan con menos energía para las decisiones que sí importan.
¿Qué es la fatiga del criterio?
La fatiga del criterio es el agotamiento mental que produce el volumen de microdecisiones asistidas por IA a lo largo de una jornada. Cada vez que apruebas, ajustas o dejas pasar una sugerencia de IA, sea un correo, un reporte o una recomendación, gastas una porción de la misma energía mental que necesitas después para las decisiones que exigen un criterio completamente propio. El desgaste ocurre en silencio porque cada microdecisión, tomada por separado, parece gratuita.
Un estudio de Boston Consulting Group con casi 1,500 empleados de tiempo completo en Estados Unidos encontró que quienes supervisan de cerca a sistemas de IA reportan 14% más esfuerzo mental, 12% más fatiga mental y 19% más sobrecarga de información que quienes tienen una relación menos exigente con la IA en su trabajo.
Human-Computer Interaction
Overreliance and unsafe use
106 riesgos catalogados · 18% concern global
→ Ver MIT AI Risk Repository NavigatorHace unas semanas, una directora de operaciones que forma parte de esta comunidad me escribió después de una semana particularmente pesada. Pesada no por las horas: por las decisiones. Cada mensaje de su equipo, cada correo de un cliente, cada ajuste de última hora pasaba primero por el chat de IA antes de llegar a ella. Aprobar, ajustar, enviar. Aprobar, ajustar, enviar.
Al principio, esto se sentía como alivio. La IA redactaba el correo difícil, sugería cómo repartir la carga entre su equipo, proponía la respuesta diplomática para el cliente molesto. Ella solo tenía que revisar y dar el visto bueno. Cientos de microdecisiones resueltas en segundos. Eficiente. Ligero. Al menos así parecía.
El viernes de esa semana, alguien de su equipo le hizo una pregunta simple, sin IA de por medio: "¿tú qué opinas?". Y ella se quedó en blanco más tiempo del que hubiera querido admitir. Tenía criterio de sobra. Llevaba días entregándolo, decisión por decisión, sin notar cuánta energía mental eso le costaba guardar para sí misma.
Me escribió esa misma noche: "Karine, para cuando alguien me preguntó qué pensaba yo, ya había gastado toda mi energía de decidir en otras cien cosas más pequeñas." Esa frase resume, mejor que cualquier estadística, lo que este artículo quiere nombrar con precisión.
El alivio que se convierte en costo
Ninguna microdecisión asistida por IA se siente pesada en el momento. Aprobar un borrador de correo, aceptar la estructura de una presentación, dejar pasar una recomendación de agenda: cada una de estas acciones toma segundos. Y ahí está exactamente la trampa. El costo de la fatiga del criterio no se mide en el tiempo que toma decidir. Se mide en la energía de atención y juicio que gastas al validar, ajustar o simplemente dejar pasar, cien veces en una sola jornada.
Quien lidera un equipo hoy convive con un volumen de microdecisiones asistidas que no existía hace pocos años. La IA no eliminó las decisiones del día: las multiplicó, porque ahora hay una sugerencia que revisar en cada tarea, no solo la tarea en sí misma. Cada revisión parece un ahorro de tiempo. Sumadas, son un consumo silencioso de la misma reserva mental que la persona necesitará después, cuando llegue la decisión que sí exige su criterio completo.
Por qué la fatiga del criterio no se siente venir
La razón por la que este desgaste pasa desapercibido es sencilla: llega disfrazado de eficiencia. Nadie asocia "revisar rápido una sugerencia de IA" con "gastar criterio". El lenguaje mismo lo esconde: se habla de ahorrar tiempo, de aligerar la carga, de ser más productivo. Rara vez se habla del costo cognitivo acumulado de sostener, hora tras hora, la posición de quien evalúa, aprueba o corrige lo que otro sistema propuso primero.
Esto es particularmente cierto en el liderazgo. Un gerente o una directora no solo usa IA para su propio trabajo: supervisa además cómo la usa su equipo, revisa entregables que ya pasaron por un sistema de IA, y debe mantener criterio propio sobre decisiones que afectan a personas reales. La carga de supervisión, sumada a la carga de uso directo, es exactamente el patrón que la investigación reciente describe como más agotador.
Lo que la investigación reciente confirma
El estudio de Boston Consulting Group citado al inicio de este artículo no es un caso aislado. Describe un patrón que los investigadores llaman fatiga cognitiva por IA: niebla mental, decisiones más lentas, y la sensación extraña de que el pensamiento propio se siente más apretado de lo habitual. Quienes experimentan este agotamiento cometen errores importantes 39% más seguido que quienes no lo experimentan, y reportan con más frecuencia el deseo activo de dejar su trabajo.
Vale la pena una precisión honesta: el patrón no es universal. Un estudio global de UKG con 8,200 trabajadores de primera línea (personal que debe estar físicamente presente para hacer su trabajo) encontró que quienes usan IA reportan menor agotamiento que quienes no la usan. La diferencia parece estar en el tipo de tarea: la IA que automatiza procesos operativos repetitivos alivia. La IA que exige supervisión constante, revisión de juicio y responsabilidad sobre decisiones ajenas, como ocurre en gran parte del liderazgo y el trabajo de oficina, desgasta.
- La fatiga del criterio depende de cuánto criterio propio exige cada uso de IA, más que de la cantidad de IA que se usa.
- Supervisar sistemas de IA de cerca consume más energía mental que usarlos de forma puntual.
- El costo se acumula durante el día y rara vez se nota antes de que alguien pida una opinión genuinamente propia.
Cómo se manifiesta en el liderazgo
Quien lidera equipos hoy enfrenta un patrón reconocible. Por la mañana, la mente está clara: las primeras decisiones asistidas por IA se sienten livianas y rápidas. Hacia el mediodía, el volumen de microdecisiones ya empezó a acumularse, aunque nada se sienta especialmente difícil todavía. Por la tarde, cuando llega la conversación que exige juicio propio (una negociación, un conflicto de equipo, una decisión sin plantilla previa), la energía disponible ya es menor de la que la persona cree tener.
El riesgo no está en usar IA para las tareas operativas. Está en no distinguir, con anticipación, cuáles decisiones del día se pueden delegar sin costo real y cuáles necesitan reservarse el criterio completo antes de que el cansancio decida por defecto.
El método S.E.N.S.E. frente a la fatiga del criterio
El pilar de Neuroergonomía dentro del método S.E.N.S.E. existe exactamente para nombrar y trabajar este fenómeno. La pregunta central de este pilar (cómo impacta la IA en la atención, la fatiga mental y la capacidad de pensar profundo) deja de ser una pregunta abstracta cuando se aplica a una jornada laboral concreta llena de microdecisiones asistidas.
Proteger el criterio frente a esta fatiga no exige dejar de usar IA. Exige una decisión previa, tomada con calma y no bajo presión: qué tipo de decisiones se delegan siempre, cuáles se reservan siempre para el juicio propio, y en qué momento del día se protege un bloque libre de supervisión de IA para que la mente descanse antes de las decisiones que de verdad importan.
Un paso concreto para esta semana
Si lideras un equipo, reserva las primeras dos horas de tu jornada laboral para trabajo sin IA. Nada de abrir el chat para redactar, resumir o decidir durante ese bloque. Solo el problema, y tu propio razonamiento, aunque sea más lento al principio. Al final de la semana, compara cómo te sentiste esas mañanas frente al resto del día. El patrón que aparezca es información real sobre tu propia fatiga del criterio, no una teoría abstracta sobre el trabajo de otros.
¿En qué se diferencia la fatiga del criterio del burnout general?
El burnout, definido por la Organización Mundial de la Salud como un fenómeno ocupacional, describe agotamiento generalizado por estrés laboral crónico mal gestionado, con tres dimensiones: agotamiento de energía, distancia mental del trabajo y reducción de la eficacia profesional. La fatiga del criterio es más específica: describe el desgaste puntual de la capacidad de juicio propio, causado por el volumen de microdecisiones asistidas por IA durante una jornada, incluso en personas que no presentan burnout general.
Una persona puede sentirse satisfecha con su trabajo y, al mismo tiempo, notar que hacia el final de cada día tiene menos capacidad de decidir sin ayuda que al comenzar la jornada. Eso es fatiga del criterio, no burnout.
¿Cuáles son las señales de que un equipo está delegando su criterio a la IA?
Tres señales concretas suelen aparecer primero: las reuniones de equipo tardan más en llegar a una postura propia porque cada persona espera ver primero lo que propuso la IA; los errores importantes aumentan hacia el final del día, cuando la energía de revisión ya está agotada; y las personas del equipo empiezan a repetir, casi textualmente, el lenguaje que la IA sugiere, en lugar de traducirlo a su propia voz.
En el estudio de Boston Consulting Group citado antes, quienes experimentan fatiga cognitiva por IA cometen errores importantes 39% más seguido que quienes no la experimentan, una señal medible de que el criterio de revisión se está agotando antes de tiempo.
¿Cómo protege el método SENSE el criterio de un líder que usa IA a diario?
El método S.E.N.S.E. no propone dejar de usar IA. Propone que cada persona defina, con anticipación y calma, una regla propia sobre qué decisiones delega siempre a la IA y cuáles reserva siempre para su juicio completo. El pilar de Neuroergonomía trabaja específicamente la atención y la fatiga mental; el pilar de Estrategia y Autonomía trabaja si ese patrón de uso hace a la persona más libre o más dependiente con el tiempo.
Un líder que aplica este criterio con su equipo, por ejemplo, decide de antemano que la IA puede sugerir la primera versión de un reporte, pero que la decisión final sobre una evaluación de desempeño se toma siempre sin asistencia, para proteger tanto su criterio como la dignidad de la persona evaluada.
Fuente: MIT AI Risk Repository Navigator
¿La fatiga del criterio significa que se debe dejar de usar la IA?
La evidencia disponible muestra un patrón más matizado: el uso de IA en tareas operativas y repetitivas puede reducir el agotamiento, mientras que la supervisión constante de sistemas de IA en decisiones de juicio (común en liderazgo, gestión de equipos y trabajo de oficina) tiende a aumentarlo. La respuesta está en distinguir con claridad en qué tipo de decisiones conviene apoyarse en la IA y en cuáles conviene reservar siempre el criterio propio.
Los propios investigadores de Boston Consulting Group señalan que este agotamiento se puede revertir cuando la persona ajusta su patrón de uso, no cuando deja de usar la IA por completo.
¿Qué pueden hacer los líderes para prevenir la fatiga del criterio en sus equipos?
Tres prácticas simples ayudan a proteger el criterio de un equipo sin prohibir el uso de IA: definir con el equipo qué tipo de decisiones se toman siempre con juicio propio, sin importar cuánto tiempo ahorre la IA; proteger bloques del día sin supervisión intensiva de sistemas de IA, especialmente al inicio de la jornada; y revisar en equipo, cada cierto tiempo, si el lenguaje y las decisiones del grupo siguen sonando propias o empiezan a sonar homogéneas.
Este es exactamente el trabajo que aborda el Kit de Liderazgo Consciente: un sistema simple para que un líder identifique, esta semana, dónde su equipo está delegando criterio sin darse cuenta.
Fuente: MIT AI Risk Repository Navigator
Herramientas para recuperar tu criterio
Si reconoces este patrón en tu equipo o en tu propia jornada, el Kit de Liderazgo Consciente ofrece un sistema para proteger el criterio de tu equipo sin convertirte en el jefe que prohíbe herramientas. Con método. Con calma. Sin drama técnico.
Karine Boucher
Guardiana de la Humanidad Digital
Soy Karine, profesional franco-mexicana con más de 25 años de experiencia en entornos internacionales. Creé el Método SENSE para ofrecer lo que los marcos técnicos de gobernanza no dan: herramientas protectoras, claras y utilizables en la vida real, especialmente para familias y educadores.
Formada en Ciencia de Datos en el MIT y especializada en gobernanza de IA y ética aplicada. Creo que la pregunta más urgente de nuestro tiempo es cómo seguir siendo humanos mientras convivimos con la IA.