Un nuevo estudio sugiere que, para que humanos e inteligencia artificial (IA) trabajen realmente bien juntos, no basta con instalar sistemas avanzados: ambos deben desarrollar una “alineación cognitiva”, es decir, un entendimiento compartido de para qué sirve la IA, cómo usarla y cuándo debe prevalecer el criterio humano.
El estudio y su propuesta
La investigación fue liderada por la profesora Bei Yan, de la Escuela de Negocios Stevens (Estados Unidos), y publicada en la revista Academy of Management bajo el título “Syncing Minds and Machines: Hybrid Cognitive Alignment as an Emergent Coordination Mechanism in Human-AI Collaboration”. El trabajo analiza cómo las personas toman decisiones basadas en experiencia, juicio propio e intuiciones sociales, mientras que los sistemas de IA se apoyan en patrones estadísticos aprendidos de grandes volúmenes de datos.
Según Yan, esas diferencias pueden complementarse, pero solo si están bien coordinadas. Cuando no hay esa coordinación, los usuarios pueden confiar demasiado en los resultados de la IA, usar mal las herramientas, o perder tiempo corrigiendo recomendaciones erróneas, lo que termina generando “fricción” en lugar de eficiencia.
Qué es la “alineación cognitiva híbrida”
El estudio plantea que las colaboraciones eficaces entre humanos y máquinas deben basarse en un proceso llamado “alineación cognitiva híbrida”, definido como el desarrollo gradual de expectativas compartidas sobre el propósito de la IA, su uso adecuado y los límites de su intervención. Esa alineación no surge automáticamente al desplegar un sistema, sino que se construye con el tiempo, a medida que las personas observan cómo se comporta la IA, ajustan la forma en que interactúan con ella y recalibran su nivel de confianza en función de la experiencia cotidiana.
Los autores sostienen que los modelos de organización tradicionales, que reparten de forma rígida tareas entre humanos y máquinas, solo funcionan en entornos muy estables y previsibles. En contextos cambiantes —como la atención al cliente, la medicina o las finanzas— proponen estructuras más flexibles, donde los equipos aprendan a decidir cuándo seguir la recomendación automatizada y cuándo dar prioridad al juicio humano.
Implicaciones para el trabajo con IA
Entre las recomendaciones del estudio se incluyen tratar a la IA como a un nuevo integrante del equipo —con roles definidos, responsabilidades claras y retroalimentación constante— y ofrecer formación específica para que los trabajadores entiendan cómo y por qué el sistema llega a sus conclusiones. De ese modo, dicen los autores, se reducen tanto la desconfianza excesiva como la dependencia ciega de la IA, dos factores que suelen perjudicar la colaboración y la productividad.
El trabajo cita ejemplos de entornos sanitarios, donde la IA puede detectar anomalías en radiografías o tomografías con alta precisión, pero necesita de médicos que integren esos resultados con la historia clínica y el contexto del paciente. Para los investigadores, este tipo de coordinación “híbrida” será clave en la próxima década, a medida que la inteligencia artificial se integre cada vez más en decisiones críticas en empresas, gobiernos y servicios públicos.
