Corregir los errores de la IA es una carga mental que lastra la productividad
· Futuro
El uso de la IA a menudo reduce la productividad en lugar de aumentarla, debido a la necesidad de verificar minuciosamente cada resultado en busca de errores y alucinaciones.
El uso de la IA puede aumentar la productividad, pero las ganancias suelen verse anuladas por el tiempo y el esfuerzo mental necesarios para verificar los resultados. Aunque la IA es capaz de crear contenido más rápido que un humano, la necesidad de un control constante de su precisión a menudo neutraliza las ganancias en productividad.
La trampa de la responsabilidad y la eficiencia
Este problema es conocido por los investigadores desde hace mucho tiempo. Ya en 1985, el ingeniero cognitivo David Woods describió la llamada «doble trampa de la responsabilidad y la autoridad»: un sistema automatizado se hace cargo de la ejecución práctica de una tarea, pero la responsabilidad del resultado final recae sobre la persona. Según el autor del artículo, un ingeniero cognitivo, los trabajadores actuales están, de hecho, cambiando sus habilidades creativas por la capacidad de «supervisar a un pasante extremadamente rápido y seguro de sí mismo», que presenta de manera igual de convincente tanto datos correctos como erróneos.
Las investigaciones científicas demuestran que evaluar el trabajo ajeno es diferente a crear contenido propio y no es más sencillo. En particular:
- En uno de los estudios, los desarrolladores de software que utilizaban IA sentían subjetivamente que trabajaban más rápido; sin embargo, el tiempo real de ejecución de las tareas, teniendo en cuenta la verificación, aumentó un 19%.
- Un estudio exhaustivo de equipos de consultoría reveló que trabajar con IA fuera del ámbito de experiencia de la persona llevaba a que los especialistas llegaran con más frecuencia a conclusiones erróneas.
- Otra investigación mostró que el razonamiento de la IA ayudaba a las personas a detectar errores en tareas sencillas, pero no en las complejas, que es precisamente donde la ayuda era más necesaria.
Por qué la verificación agota
Los especialistas destacan tres tipos de carga durante la verificación: cognitiva, temporal y motivacional. La persona no siempre sabe dónde buscar exactamente el error ni cuándo debe detener el proceso de verificación. Si se detecta un error, el proceso de corrección inicia un nuevo ciclo de trabajo, lo que genera una presión temporal. Además, surge un problema motivacional: dado que la IA suele trabajar correctamente, la verificación puede parecer una pérdida de tiempo, lo que con el paso del tiempo adormece la vigilancia del trabajador.
«Si los trabajadores siguen siendo responsables de los resultados creados con ayuda de la IA, estoy convencido de que también se les debe proporcionar el tiempo, la formación y las facultades necesarias para verificarlos», señala el autor.
Estos estudios no demuestran la existencia de un «impuesto de verificación» universal, pero muestran por qué la velocidad de creación del resultado por sí sola no es un indicador completo de la productividad. El indicador de éxito debe ser la eficacia general del flujo de trabajo humano-máquina, que garantiza un resultado fiable con un menor coste total de recursos.
Basado en información de: Singularity Hub
Adaptación al español con ayuda de inteligencia artificial. Читати українською