La fricción dejaba huellas

El error tenía cuerpo

El viejo programa informático que fallaba no tenía ninguna virtud especial, pero al menos dejaba claro que algo se había roto. Había un archivo que no aparecía, una carpeta que buscar, una instalación que repetir o una acción anterior que intentar recordar. Uno probaba, volvía atrás, preguntaba a alguien y tocaba cosas con una mezcla de prudencia y temeridad.

Muchas veces no aprendíamos gran cosa. Reiniciábamos el ordenador y seguíamos adelante. Otras veces construíamos un mapa o un diagrama. Descubríamos que los programas no se alojaban en el éter, que borrar una carpeta tenía consecuencias y que una copia de seguridad era una copia, no una esperanza expresada con optimismo.

El error tenía cuerpo, ocupaba un lugar y dejaba un rastro.

Las herramientas actuales suelen resolverlo con más elegancia. El corrector arregla la palabra, el navegador completa la dirección, el teléfono mejora la fotografía y el programa recupera la versión anterior. La inteligencia artificial puede reescribir el párrafo, completar el código, ordenar el argumento y explicar después por qué la nueva versión es mejor.

Casi siempre agradecemos que lo haga.

Pero un error corregido antes de que podamos verlo ya no enseña de la misma manera. El resultado mejora mientras la causa desaparece. Terminamos con una frase más limpia, aunque quizá no sepamos qué fallaba en la nuestra.

Eso importa, porque aquellos errores no estorbaban, también educaban.

Una página o un lienzo en blanco nos susurra que todavía no hemos encontrado el comienzo. Una explicación que no entendemos marca la frontera de lo que sabemos. Un texto que se cae a mitad de camino revela que la idea aún no está bien sostenida.

Cuando una herramienta rellena esos huecos de inmediato, puede ahorrarnos tiempo y frustración. También puede impedir que lleguemos a reconocerlos. Un resultado correcto no demuestra que haya ocurrido un aprendizaje. A veces demuestra únicamente que teníamos una buena herramienta cerca.

La espera antes de la respuesta

Esperar en ocasiones era desesperante, pero introducía un intervalo entre querer algo y obtenerlo.

En ese intervalo no siempre ocurría una revelación. A menudo solo mirábamos una barra avanzar con una lentitud exasperante. Pero había un tiempo en el que todavía podíamos cambiar de idea, preparar mejor lo siguiente o descubrir que aquello que parecía urgente no lo era tanto.

Hoy la intención y el resultado casi se tocan.

Pedimos una versión y aparece. No nos gusta el tono y llega otra. Solicitamos que sea más breve, más clara o más convincente, y la transformación ocurre mientras todavía estamos formulando el deseo. Es difícil quejarse de semejante comodidad, ¿verdad?

El problema aparece cuando la velocidad elimina también el pequeño espacio en el que antes revisábamos lo que estábamos pidiendo. La cinta de casete tenía un orden físico. Para llegar a una canción había que atravesar otras, avanzar a tientas o aceptar que la precisión tenía límites. El lado A terminaba. Después venía un silencio, había que levantarse y darle la vuelta.

Aquella limitación no era mejor que una lista digital, pero dejaba un margen.

Las herramientas actuales atomizan el tiempo. El contenido no termina, la siguiente recomendación es instantánea y una respuesta puede sustituirse por otra antes de que hayamos decidido si la primera merecía atención. No hay final de cinta. Tampoco queda mucho espacio para el reposo mental.

La pausa, cuando hace falta, ya no viene incorporada de serie, decidir conservarla se convierte en un acto político.

El aspecto de una respuesta terminada

La inteligencia artificial y sobre todo los agentes de IA, añaden algo que el viejo corrector automático no tenía. No solo elimina pasos, presenta el resultado y sepulta los errores.

Puede diseñar diagramas de flujo, programar código, automatizar procesos, pero sin mundo real, sin física en la piel, ni mucho menos experiencia subjetiva. No hay un sujeto que se juegue nada ni firme nada. Cuando le pillas, siempre habrá un lo siento de serie. Pero no hay un aprendizaje profundo ni persistente, que evite que vuelva a tropezar con la misma piedra. Hay técnicas de optimización de HARNESS para agentes de IA , que mejoran pero no evitan que tengas que seguir al volante y supervisar lo que se hizo y cómo se hizo .

¿Entonces, no hay nadie del otro lado de la pantalla? En tiempo real, no. Si los hay, de carne y hueso, son cientos de millones, en la fase de re-entrenamiento por refuerzo. Pero eso es para otro artículo. Los tele-trabajadores de los datos.

Una IA, puede producir resultados increíbles, adaptarse a lo que calcula que queremos ver o utilizar, pero con pocos matices, es gris, repetitivo, aunque lo vista con una seguridad que asociamos con alguien que ha estudiado el asunto y tiene autoridad en la materia.

El acabado activa reflejos primarios.

Un documento bien organizado parece haber pasado por un proceso serio. Una gráfica parece proceder de una medición. Una frase compleja parece contener más pensamiento que una frase sencilla. Un tono institucional sugiere que alguien ha revisado lo escrito antes de ponerlo delante de nosotros.

Esos reflejos funcionaban regular incluso antes de la inteligencia artificial. Ahora resultan todavía menos fiables. Una respuesta puede estar bien escrita y ser falsa. Puede incluir datos ciertos colocados al servicio de una conclusión equivocada. Puede resolver una contradicción cambiando discretamente el sentido de la pregunta.

El pulido perfecto también es una señal.

Antes, un borrador mostraba parte de su provisionalidad. Había tachones, huecos, frases a medio hacer y notas que todavía no sabían dónde ir. Ahora una idea inmadura puede recibir en segundos el aspecto de una conclusión.

Lo malo no está en que el texto sea sintético. Un texto humano también puede ser falso, superficial o tramposo. La alerta debería sonar cuando empezamos a perder las señales que nos ayudaban a distinguir el proceso del resultado.

Fotocopias que ya no parecen fotocopias

Durante años, una fotocopia de otra fotocopia delataba su historia. Cada nueva copia perdía contraste. Las letras se deformaban, aparecían manchas y el original se alejaba hasta convertirse en una silueta gris.

En el ecosistema digital ocurre algo parecido, aunque el deterioro ya no siempre se ve. Un texto resume otro texto, que quizá ya resumía un informe, que a su vez interpretaba datos recogidos en otro contexto. Después una herramienta reorganiza ese material, mejora el estilo y entrega una respuesta limpia.

La última copia puede parecer más nítida que la primera. Las frases están bien construidas. La explicación avanza sin tropiezos. No hay manchas en los márgenes que indiquen cuántas veces se ha reproducido la información.

Sin embargo, el contacto con el original puede haberse perdido. Según Pew Research Center, el 38% de las páginas web que existían en 2013 ya no son accesibles hoy — más de una de cada tres.

Eso cambia nuestra relación con el conocimiento. Una respuesta deja de parecer una pista que conduce a una fuente y empieza a funcionar como un destino. Ya está ordenada, resumida y adaptada a lo que preguntamos. Abrir el documento inicial parece un trabajo redundante. Poco a poco, el mundo queda detrás de una sucesión de explicaciones sobre explicaciones.

La IA no ha inventado este problema. Llevamos años leyendo titulares en lugar de noticias, resúmenes en lugar de libros y opiniones sobre acontecimientos que nadie se ha molestado en comprobar. Lo nuevo es la facilidad para producir copias impecables.

Una fotocopia borrosa despertaba sospechas, una perfecta puede pasar por original.

El conocimiento que no estaba en el manual

En una empresa, un taller o una oficina, parte del conocimiento importante nunca aparece del todo en los documentos.

Está en la persona que sabe qué cliente dice que todo va bien justo antes de cancelar el contrato. En quien reconoce que una cifra no puede ser correcta aunque el panel esté en verde. En quien recuerda que cierto procedimiento se diseñó para resolver una excepción y no para convertirse en una regla.

Está lleno de anécdotas, atajos, advertencias y frases como «esto siempre se rompe por aquí». No encaja fácilmente en una tabla y depende de años de contacto con casos reales.

La automatización promete ordenar ese territorio.

Un agente de IA puede recopilar e indexar miles de documentos, resumir procedimientos, responder preguntas y ofrecer una versión más accesible de la memoria de una organización. Bien utilizada, evita que todo dependa de una sola persona y ayuda a conservar experiencia que de otra manera desaparecería.

Pero también puede producir el efecto contrario.

Si un agente de IA aprende únicamente de los documentos oficiales, la parte que no se ha documentado queda fuera. Que es donde suelen estar las recetas que vienen de la experiencia,  las que recuerdan cómo sacar las castañas del fuego sin quemarse. Si se automatiza a medias no debería sorprender que los resultados pierdan la memoria de por qué ciertas cosas se hacían con mano izquierda.

Algo parecido ocurre a escala individual.

Un agente de IA puede ayudarnos a programar, analizar patrones y mil cosas más. Mientras la utilizamos, nuestra capacidad aparente aumenta. Hacemos más y llegamos más lejos.

El drama puede aparecer paulatinamente, un error 404 la IA está fuera de línea disculpe las molestias, un corte de energía local, un simple cable que alguien toca en casa o en la empresa,  ups, lo siento, ¿eso era de internet?,  o cuando el agente de IA no puede arreglar lo que no ve o ni siquiera sabe lo que no sabe.

Si tú, el responsable de lo que sea que no funciona, sabes cómo programar, analizar datos o patrones te llevará más tiempo, mucho más, pero lo harás igualmente lo que no significa que sirva si eso es al día siguiente no en un rato.

Pero si no sabes,  ni tampoco está el que lo sabía, amigo, ahí aparece el vacío. El horror vacui hace su entrada y caes en la cuenta de que no tienes ni la menor idea de cómo se hacía eso, cómo se llamaba quien sabía hacerlo o ni siquiera sabes que eso se resolvía con esos conocimientos y esas personas.

La dificultad que enseña y la que solo estorba

Sería absurdo convertir toda esta reflexión en una defensa de las interfaces malas, los trámites interminables o las herramientas que exigen sufrir para demostrar que uno merece utilizarlas.

Hay fricciones que solo excluyen.

La burocracia sin propósito, la documentación incomprensible y un sistema que ignora a personas mayores o con discapacidad no forman a nadie. Trasladan al usuario el coste de un diseño deficiente.

La fricción útil hace otra cosa. Deja visible una decisión que importa.

Muestra qué cambió entre dos versiones. Conserva el error el tiempo suficiente para revisarlo. Indica la procedencia de una afirmación. Pide un primer intento antes de ofrecer una solución completa. Advierte que el resultado es provisional y no lo disfraza de documento concluido.

No obliga a reconstruir toda la Edad de Piedra antes de enviar un correo. Mantiene algún contacto con el recorrido.

En educación, eso puede significar que la ayuda no entregue siempre la respuesta terminada.  En una investigación, que el resumen conduzca al documento original en lugar de sustituirlo. En un proceso industrial o comercial puede ser la diferencia entre seguir con el planning o empezar a redactar disculpas y preparar cartas de despido y una buena billetera.

La trazabilidad sigue ahí, sin ella se abre un espacio para empezar a adivinar dónde está el cortocircuito.

Las batallitas no bastan

A una persona joven le importa bastante poco que yo rebobinara cintas con un bolígrafo. Aquellas anécdotas solo tienen interés cuando ayudan a mirar algo que está ocurriendo ahora. No demuestran que nuestra generación aprendiera mejor, tuviera más paciencia o pensara con mayor profundidad. También nosotros buscábamos atajos. También copiábamos alguna que otra vez sin entender demasiado. También aceptábamos como autoridad cualquier cosa que llevara un sello, apareciera en un libro o saliera en televisión.

La diferencia no está entre una generación esforzada y otra cómoda.

Está en las condiciones que hacen visible el aprendizaje. Esas condiciones pueden aparecer hoy en muchos lugares: al aprender música, practicar un deporte, cuidar a alguien, resolver un problema difícil o escribir un texto, hacer un programa que se resiste durante días.

La dificultad no ha desaparecido. Lo que cambia es la facilidad con la que algunas herramientas pueden ocultarla bajo un resultado convincente. Por eso no basta con entregar resultados aparentes. También importa que las personas puedan reconocer cuánto comprenden, cuánto procede de ellos, de otros y qué parte sigue necesitando comprobación.

Lo que desaparece paulatinamente

La tecnología lleva décadas eliminando pasos. Es una de sus mejores promesas.

La inteligencia artificial acelera ese proceso y entra en terrenos que antes asociábamos de forma más directa con nuestra capacidad: formular una idea, ordenar un argumento, generar algo mediante recombinaciones, a veces es realmente sorprendente. La ayuda puede ser extraordinaria.

Pero cuanto mejor resuelve el trabajo, más fácil resulta aceptar el resultado y dejar de mirar la capacidad propia, el buen acabado con una garantía de verdad, de honestidad, de comprensión y de aprendizaje. Ahí se confrontan la vieja escuela y la inteligencia prestada, alquilada y pagada a plazos. Eso me recuerda algo que leí sobre la deuda cognitiva acumulada.

La primera dejaba visibles muchas limitaciones, incluidas las del aparato y las nuestras. La segunda puede borrar esas señales y devolvernos una versión limpia de algo que todavía no hemos comprendido. No merece la pena recuperar el módem, el casete ni los programas que fallaban cada dos horas.

Sí merece la pena conservar rastros.

Saber de dónde salió una afirmación. Ver qué cambió. Reconocer un error. Comparar versiones. Mantener alguna relación con el material original. Poder explicar el recorrido sin repetir únicamente la respuesta final. La lentitud no era valiosa porque doliera. Era valiosa cuando impedía que el proceso desapareciera por completo.

Y quizá ese sea el trabajo que toca hacer ahora: no volver por nostalgia a herramientas antiguas, sino evitar que las herramientas modernas borren todas las huellas que necesitamos para aprender y para desconfiar a tiempo lo necesario.

Material de apoyo en PDF

Abrir complemento visual del artículo. Es una pieza gráfica de apoyo: recoge el hilo principal del texto en formato visual para repasar sus ideas, presentarlas o leerlas de otra manera.

Abrir preprint sobre deuda cognitiva. Es el estudio académico citado como pista de lectura: Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. Sirve como material de contraste para pensar qué ocurre cuando una ayuda muy eficaz empieza a sustituir parte del esfuerzo de formular, recordar y revisar.

Nota editorial

La deuda cognitiva acumulada queda mencionada aquí como una pista de lectura. Se desarrollará en otra pieza del recorrido.