IA sí, IA no: la pregunta es el criterio

En el debate público sobre IA hay dos posturas que aparecen una y otra vez, y que se presentan como opuestas. Una defiende usar las herramientas con entusiasmo y el menor freno posible. La otra defiende mantenerse al margen, o tocarlas solo cuando no quede más remedio.

En las conversaciones profesionales sobre gobierno de IA, esta polarización se reproduce con frecuencia. Hay equipos que aceptan el output del modelo como si tuviera autoridad propia. Y hay profesionales que descalifican cualquier trabajo que mencione haber pasado por una IA, como si el hecho de haberla usado contaminara el resultado.

Las dos posturas me preocupan. No por igual, pero sí por la misma razón: llegan al mismo sitio.

Renuncian a pensar.

La primera postura: delegar el razonamiento

La primera es la conocida y la más visible. Usar la IA para no tener que pensar. Delegar el razonamiento. Aceptar el output sin cuestionarlo. Confundir velocidad con criterio.

Lo veo en revisiones internas con frecuencia. Documentos que llegan estructuralmente impecables, con cláusulas correctas, vocabulario técnico ajustado, formato profesional. Y, cuando se les pregunta por el caso concreto que hay detrás, los argumentos se desmontan a las tres frases. Es un análisis con la forma de un análisis y sin el contenido de uno.

Hay patrones que se reconocen pronto. Análisis de riesgo que copian la estructura del prompt en vez de pensar el caso. Briefs ejecutivos que enumeran consideraciones genéricas, todas correctas, ninguna específica de la decisión que hay que tomar. Recomendaciones que no se sostienen cuando alguien con conocimiento del dominio pide un ejemplo concreto.

Este perfil es peligroso. Lo es sobre todo cuando el documento producido llega a una mesa donde nadie tiene tiempo de leerlo con atención y se aprueba porque “ya parece serio”. Esa es la vía rápida para que decisiones de impacto real se tomen sobre material que solo tiene apariencia de rigor.

Pero al menos es visible. Si se busca, se encuentra. Un revisor con criterio detecta el problema en diez minutos. Y lo que se detecta se puede corregir.

La segunda postura: descalificar lo que pasó por IA

La segunda me parece más sofisticada en su error.

Es la de quien descalifica cualquier trabajo que haya tocado una IA. La de quien asocia “hecho con IA” con “pensado sin cabeza”. La de quien defiende que usar estas herramientas erosiona la autonomía intelectual, como si el criterio viviera en el esfuerzo y no en la calidad del juicio.

Se reconoce en foros profesionales y conversaciones académicas. Cuando alguien menciona que ha usado un modelo para estructurar un texto, contrastar un argumento o acelerar una revisión, la pieza pasa a ser sospechosa. No se evalúa por lo que dice. Se evalúa por cómo se hizo.

Esto es una confusión peligrosa entre proceso y producto. Y es peligrosa porque se ampara en algo que parece virtud: defender el esfuerzo, la autenticidad, la autonomía. Quien sostiene esta postura suele presentarla con vocabulario noble. Está protegiendo el pensamiento propio. Está defendiendo el oficio.

Pero el resultado operativo es el mismo que el de la postura anterior. Deja de evaluarse el contenido por su mérito. Solo cambia el atajo. En la primera, el output se acepta sin más porque viene del modelo. En la segunda, el output se rechaza sin más porque pasó por uno.

Las dos renuncian a pensar. Solo que la segunda lo hace envuelta en una narrativa de rigor, y por eso cuesta más detectarla. Quien defiende la primera se delata en la siguiente pregunta. Quien defiende la segunda suele tener la simpatía de quienes equiparan rigor con desconfianza.

Lo que hay que preservar

Lo que hace falta preservar, en uno y otro caso, no es el proceso manual. Es el criterio.

El criterio que sabe qué pregunta formular antes de abrir el modelo. El que evalúa el output en lugar de consumirlo. El que detecta cuándo la respuesta es fluida pero vacía, cuándo el riesgo está mal calibrado, cuándo el documento tiene forma pero no tiene fondo.

En el contexto de gobierno de IA, esto adquiere consecuencias concretas. Un análisis de impacto regulatorio aprobado por un modelo sin contraste con el AI Act vigente es un riesgo en sí mismo, no una eficiencia. Una matriz de evaluación de proveedores generada con IA y firmada sin revisar puede pasar el comité y, dos meses más tarde, ser exactamente el documento que un regulador pida explicar.

Y al mismo tiempo, una nota interna escrita íntegramente a mano por alguien que no tenía claro qué quería decir puede ser, en términos prácticos, peor que esa misma nota mejorada con la ayuda de un modelo, si quien la mejora sabe leer lo que el modelo produce y descartar lo que no aporta.

El criterio no se encuentra en si usaste la herramienta. Se encuentra en si supiste para qué la usabas, qué esperabas obtener, y cómo distinguir el trabajo útil del relleno bien escrito.

Cómo se construye

Ese criterio no lo da la IA. Tampoco lo preserva evitarla.

Se construye con experiencia, con exposición a decisiones difíciles, con la incomodidad de equivocarse en contextos donde importa. Se construye revisando documentos malos hasta saber identificarlos a la tercera línea. Se construye negociando con personas que tienen agendas distintas y aprendiendo a leer lo que no se dice. Se construye, sobre todo, asumiendo el coste de las decisiones que se toman en condiciones donde nadie va a llegar a rescatarte si te equivocas.

Y una vez que lo tienes, la IA no te lo quita. Te permite aplicarlo a una escala que antes era imposible. Te ahorra horas en tareas estructurales y te libera para gastarlas en lo que solo tú puedes hacer: decidir qué importa, qué se queda fuera, qué se eleva y qué se descarta.

Quien no lo tenía antes tampoco lo va a obtener evitando la herramienta. Lo va a obtener, o no, en los mismos sitios donde se ha obtenido siempre. Leyendo bien. Equivocándose con consecuencias. Recibiendo retroalimentación de quien sabe más.

El debate verdadero

El debate no es IA sí o IA no. Es criterio sí o criterio no. Y esa pregunta existía mucho antes de que hubiera modelos de lenguaje.

Aplicado al gobierno de IA, esto tiene una consecuencia que conviene asumir cuanto antes. El rol del programa de governance no es proteger a la organización de las herramientas. Es proteger el criterio dentro de la organización. Asegurarse de que las decisiones importantes se siguen tomando con el peso que les corresponde, independientemente de qué herramienta se haya usado por el camino.

Y eso requiere algo más que una política de uso. Requiere personas con criterio en los puntos donde el criterio importa.