La presentación es impecable. El código está comentado. La recomendación parece sostenerse. Entonces, basta una pregunta sencilla para hacer dudar a su autor: ¿por qué has elegido esta solución? Con la IA generativa, el trabajo de un profesional júnior puede parecer más maduro que su razonamiento. El problema no es necesariamente hacer trampa: es la desaparición de los indicios que permitían orientarlo. ¿Cómo ofrecer una valoración justa cuando la calidad del resultado ya no refleja claramente lo que la persona ha comprendido?
Un resultado convincente, un aprendizaje invisible
Tomemos una escena ilustrativa: una analista principiante entrega una síntesis para un cliente, estructurada, fluida y acompañada de recomendaciones. Su responsable detecta pocos defectos. Pero cuando le pregunta qué fuente respalda la conclusión principal, a ella le cuesta recuperar el hilo. El asistente ha agrupado la información, propuesto la estructura y reformulado los argumentos. Ella ha trabajado, sin necesariamente poner en práctica todas las competencias que el documento da a entender.
Esta disociación no empieza con los modelos generativos: las plantillas de presentación, los correctores y la ayuda mutua siempre han facilitado la producción. Pero la IA cambia la escala. También aporta las transiciones, las justificaciones y la apariencia de un pensamiento organizado. Las vacilaciones desaparecen del entregable, aunque a menudo son valiosas para identificar el siguiente aprendizaje.
Para arrojar luz sobre este reto con la vista puesta en septiembre de 2026, este artículo se apoya en trabajos públicos anteriores y distingue sus resultados de las posibles vías de futuro. Un estudio realizado con agentes de atención al cliente, difundido en 2023 por Erik Brynjolfsson, Danielle Li y Lindsey Raymond, observó aumentos de productividad especialmente marcados entre los menos experimentados gracias a la asistencia generativa. Este resultado no demuestra, por sí solo, un dominio duradero de las competencias utilizadas.
No confundir asistencia e incompetencia
Otro trabajo publicado en 2023, realizado con consultores de Boston Consulting Group, mostró que los beneficios de la IA variaban según las tareas: mejoraba ciertos resultados, pero también podía conducir a los usuarios hacia respuestas erróneas. Para un responsable de equipo, la lección es concreta: ni la fluidez del texto ni el uso de una herramienta permiten determinar el nivel de comprensión.
La primera trampa consiste, por tanto, en felicitar únicamente por el producto final. La segunda, simétrica, en desvalorizar todo trabajo asistido. Un principiante puede haber definido su petición con criterio, descartado varias propuestas y verificado cada afirmación. Otro puede haber aceptado una respuesta sin cuestionarla. Sus documentos se parecen; sus necesidades de orientación difieren.
El verdadero objeto de los comentarios no es la cantidad de IA utilizada, sino la calidad del criterio aplicado. ¿Qué ha habido que decidir? ¿Con qué pruebas? ¿Qué errores sabe reconocer la persona? Estas preguntas desplazan la conversación de la sospecha al desarrollo profesional.
Hacer visible el razonamiento sin organizar un interrogatorio
Pedir todos los historiales de conversación sería una respuesta engorrosa y, en ocasiones, intrusiva. También podría animar a los profesionales júnior a fabricar una trazabilidad ejemplar en lugar de señalar sus dificultades. Es preferible acordar de antemano algunos registros útiles: el objetivo perseguido, una decisión importante, una comprobación realizada y una incertidumbre pendiente.
En una nota de análisis, estos elementos pueden caber en un recuadro. En el caso del código, en la descripción del cambio y las pruebas asociadas. En una creación gráfica, en dos variantes comentadas. El objetivo no es relatar cada clic: es hacer aflorar lo que el entregable final borra.
Tres preguntas que abren la conversación
- «¿Qué decisión defenderías si tuviéramos que simplificar este trabajo?» La pregunta revela la jerarquía de prioridades.
- «¿Qué propuesta de la herramienta has descartado y por qué?» Explora el pensamiento crítico sin dar por hecho que se haya ejercido.
- «¿Qué cambiaría si esta hipótesis fuera falsa?» Pone a prueba la comprensión más allá de la reproducción de información.
Estas preguntas deben anunciarse como una rutina de aprendizaje, no como un examen sorpresa. Y las respuestas pueden escribirse o prepararse: la soltura oral no debe convertirse en un falso indicador de competencia técnica.
Ofrecer comentarios sobre una carencia concreta
Decir «esto suena demasiado a ChatGPT» no ayuda a nadie. La frase mezcla un juicio de estilo, una sospecha sobre el método y una crítica del contenido. Una valoración constructiva, en cambio, distingue tres niveles: lo que funciona en el resultado, lo que sigue siendo débil en el razonamiento y lo que habrá que probar después.
En nuestro ejemplo, el responsable podría formular esta valoración: la síntesis permite entender las opciones; sin embargo, la recomendación principal se apoya en una fuente que no basta para justificarla; el siguiente paso consiste en comparar dos fuentes y explicar sus limitaciones. Se reconoce la calidad del producto final, pero esta ya no oculta el trabajo necesario.
Una buena valoración desemboca en una acción realizable, no en una orden de «pensar mejor». Rehacer un cálculo, construir un contraejemplo o verificar una referencia proporciona un punto de apoyo concreto. Es preferible centrarse en un aprendizaje decisivo que enumerar todas las debilidades de un documento.
Preservar momentos de búsqueda genuina
¿Hay que prohibir la IA a los principiantes? Una prohibición general también privaría a algunos de una ayuda útil para reformular una instrucción o explorar un concepto. Pero delegar sistemáticamente el primer intento puede eliminar el enfrentamiento al problema: ese que permite descubrir lo que no se comprende.
Una solución intermedia consiste en secuenciar la actividad. Primero, un breve intento personal: esbozar una estructura, plantear una hipótesis, identificar las incógnitas. Después, utilizar la IA para contrastar o enriquecer este enfoque. Por último, revisar las diferencias y verificar los puntos determinantes. Este protocolo es una propuesta pedagógica que debe adaptarse, no una garantía universal de aprendizaje.
También se pueden reservar determinados ejercicios sin asistencia para objetivos explícitos. Comprender una fórmula, diagnosticar una incidencia o argumentar una recomendación exige a veces practicar directamente. En ese caso, hay que explicar por qué y conceder el tiempo necesario: producir más despacio durante un ejercicio no es fracasar.
El derecho a aprender también depende de la gestión
Los profesionales júnior reciben a veces dos mensajes incompatibles: avanzar más rápido gracias a la IA, pero progresar como si lo hubieran construido todo por su cuenta. Si la organización solo recompensa la velocidad y el acabado, pedir que expongan sus dudas resulta poco creíble. El derecho a aprender requiere tiempo de revisión y la posibilidad de decir «todavía no lo sé».
El responsable puede dar ejemplo mostrando una respuesta de IA que él mismo haya corregido. La evaluación también mejora al distinguir entre resultado, verificación y autonomía. La progresión se observa entonces a lo largo de varios encargos, especialmente cuando el profesional júnior sabe abordar un caso similar con menos ayuda.
¿Y ahora qué? A medida que los asistentes puedan asumir una mayor parte de la elaboración de los entregables, la tutoría probablemente tendrá que hacer más visibles las decisiones humanas. La prioridad no es desenmascarar al usuario de IA, sino comprobar que gana en discernimiento. Un documento logrado cierra una tarea; una valoración bien construida prepara la siguiente.
