Estrés de orquestación cognitiva: cuando la inteligencia artificial nos permite trabajar en demasiadas cosas al mismo tiempo

Durante los últimos meses comencé a notar un cambio importante en mi forma de trabajar. Antes, cuando iniciábamos un proyecto, buena parte de nuestro tiempo se consumía ejecutando las tareas necesarias para hacerlo avanzar: investigar un tema, revisar documentación, programar una funcionalidad, preparar una consulta SQL, analizar datos o escribir un documento. Cada actividad tenía su propio ritmo y podíamos dedicar varias horas a resolver un problema manteniendo nuestra cabeza dentro de un mismo contexto.

Con la inteligencia artificial generativa esto está cambiando. Hoy podemos pedirle a una herramienta como ChatGPT, Claude o Gemini que investigue una tecnología, analice información, genere una primera versión de código o proponga la estructura de un documento. Mientras una inteligencia artificial trabaja sobre una tarea, nosotros podemos abrir otro proyecto, iniciar una nueva conversación y avanzar en algo completamente diferente.

A primera vista, esto parece una ventaja indiscutible. Podemos hacer más cosas en menos tiempo y avanzar simultáneamente en proyectos que antes hubieran tenido que esperar. Sin embargo, después de trabajar de esta manera durante cierto tiempo, aparece una sensación contradictoria: aunque estamos ejecutando menos tareas directamente, podemos terminar el día mucho más agotados.

La inteligencia artificial reduce parte del esfuerzo operativo, pero al mismo tiempo aumenta nuestra carga de coordinación, supervisión y decisión.

De ejecutar tareas a dirigir procesos

Podríamos decir que antes nuestro trabajo se parecía más al de una persona que construía algo con sus propias manos. Ahora comienza a parecerse al de alguien que dirige varios equipos pequeños trabajando en paralelo.

Imaginemos una jornada cualquiera. En un proyecto le pedimos a una inteligencia artificial que revise una arquitectura de software. En otro estamos generando consultas para una migración de datos. En un tercero analizamos una propuesta comercial y, al mismo tiempo, dejamos preparada otra conversación para investigar una tecnología que necesitamos evaluar.

Cada uno de estos procesos puede avanzar con cierta autonomía. El problema aparece cuando comienzan a llegar las respuestas, porque en ese momento volvemos a intervenir nosotros. Tenemos que revisar si la inteligencia artificial entendió correctamente el problema, verificar que no haya inventado información, comparar alternativas, corregir la dirección, agregar el contexto que faltaba y decidir cuál será el siguiente paso.

Terminamos actuando como supervisores de varios flujos de trabajo simultáneos. El cuello de botella ya no se encuentra necesariamente en producir una respuesta, escribir el código o preparar el documento. El nuevo cuello de botella somos nosotros, porque seguimos teniendo una sola atención disponible para comprender y validar todo lo que esos procesos están generando.

La pelota siempre vuelve demasiado rápido

Existe una diferencia importante entre delegar una tarea a otra persona y delegarla a una inteligencia artificial. Cuando entregamos una actividad a un colaborador, normalmente sabemos que tendremos cierto tiempo antes de recibir el resultado. Esa demora crea una pausa natural que nos permite concentrarnos en otra cosa y volver más adelante al proyecto.

Las herramientas de inteligencia artificial, en cambio, responden en segundos. La pelota vuelve inmediatamente a nuestra cancha.

Revisamos una respuesta, escribimos una nueva indicación y pasamos a otro proyecto. Pero mientras estamos intentando recuperar el contexto del segundo tema, la primera inteligencia artificial ya terminó nuevamente y espera otra decisión de nuestra parte.

Con este tipo de herramientas podemos mantener una cadena casi infinita de trabajo: pedir, recibir, evaluar, corregir y volver a pedir. La eliminación de los tiempos de espera mejora la productividad, pero también elimina pequeñas pausas que antes permitían que nuestra mente terminara de procesar una actividad antes de comenzar otra.

El problema no es solamente que la inteligencia artificial sea rápida. El problema es que fácilmente comenzamos a adaptar nuestra atención al ritmo de respuesta de la máquina, cuando debería ocurrir exactamente lo contrario: la herramienta tendría que adaptarse al ritmo en el que nosotros somos capaces de comprender y decidir.

No hacemos varias cosas al mismo tiempo

Aunque solemos hablar de multitarea, cuando trabajamos con problemas complejos no hacemos realmente varias cosas al mismo tiempo. Lo que hacemos es cambiar rápidamente nuestra atención de una tarea a otra, y cada uno de esos cambios tiene un costo.

La investigadora Sophie Leroy utilizó el concepto de attention residue, o residuo de atención, para describir lo que ocurre cuando una parte de nuestra mente continúa ocupada con la tarea anterior después de que ya comenzamos otra. No cambiamos de contexto como quien cambia de canal en un televisor. Una parte del problema anterior sigue activa durante cierto tiempo y compite con la nueva actividad por nuestra atención.

Imaginemos que estamos revisando una estrategia de respaldo de servidores y, de repente, recibimos una respuesta sobre una consulta SQL que habíamos solicitado unos minutos antes. Abrimos la conversación, intentamos recordar la estructura de las tablas, revisamos el código y detectamos un posible problema. Antes de terminar, vemos que otra inteligencia artificial ya preparó el análisis de una propuesta comercial.

Cada cambio exige recuperar un modelo mental diferente. Necesitamos recordar qué problema estábamos resolviendo, qué decisiones ya habíamos tomado, cuáles eran las restricciones, qué puntos seguían pendientes y qué nivel de confianza podemos tener en la respuesta.

La tarea, entonces, no consiste solamente en leer un texto generado. Consiste en reconstruir rápidamente todo el contexto necesario para poder tomar una decisión responsable. Cuando repetimos este proceso durante todo el día, el cansancio puede provenir menos de la cantidad de código o documentos que escribimos y más de la cantidad de veces que tuvimos que desarmar y reconstruir nuestro pensamiento.

La inteligencia artificial no elimina el esfuerzo cognitivo: lo desplaza

Uno de los errores más comunes cuando hablamos de automatización es asumir que automatizar una tarea significa eliminar el esfuerzo humano relacionado con ella. En realidad, muchas veces el esfuerzo simplemente cambia de lugar.

Ya no tenemos que escribir cada línea desde cero, pero necesitamos determinar si las líneas generadas son correctas. Ya no tenemos que investigar manualmente todas las fuentes, pero debemos comprobar si las conclusiones están respaldadas por información real. Ya no tenemos que preparar completamente la primera versión de un documento, pero necesitamos revisar si representa correctamente lo que queremos comunicar.

En muchas actividades dejamos de ser productores directos para convertirnos en revisores, editores, supervisores y responsables finales del resultado. La ejecución puede disminuir, pero aumenta la cantidad de evaluaciones, verificaciones y decisiones que debemos realizar.

Esto es importante porque desde afuera puede parecer que estamos trabajando menos. Quizás ya no pasamos cuatro horas escribiendo un código o preparando un informe, pero durante esas mismas cuatro horas podemos haber revisado resultados de cinco proyectos diferentes, corregido varias propuestas, comprobado datos y tomado decenas de pequeñas decisiones.

El esfuerzo sigue existiendo, aunque sea menos visible.

El trabajo como una cola infinita de decisiones

Antes, la velocidad de producción limitaba naturalmente la cantidad de decisiones que podíamos enfrentar durante un día. Si preparar un informe nos llevaba cuatro horas, las decisiones relacionadas con ese informe se distribuían durante esas mismas cuatro horas. La producción y la decisión avanzaban más o menos juntas.

Ahora una inteligencia artificial puede generar en pocos minutos varias alternativas, documentos, análisis o implementaciones. Esto hace que una cantidad mucho mayor de decisiones llegue rápidamente hasta nosotros: qué versión elegimos, qué enfoque consideramos correcto, qué parte necesitamos verificar, si continuamos en la misma dirección o cambiamos, si el resultado ya es suficientemente bueno o si aprovechamos la velocidad obtenida para abrir otro frente de trabajo.

La productividad de las máquinas puede crecer más rápido que nuestra capacidad humana para evaluar sus resultados. Podemos producir más y, al mismo tiempo, sentir que nunca terminamos nada, porque cada respuesta genera nuevas preguntas, nuevas alternativas y nuevas tareas pendientes.

Aquí aparece una característica particular del trabajo con inteligencia artificial: la herramienta no solamente nos ayuda a resolver una actividad, sino que también reduce tanto el costo de iniciar otras que terminamos manteniendo muchos más proyectos abiertos de los que realmente podemos supervisar.

Estrés de orquestación cognitiva

Existen varios conceptos que nos ayudan a explicar partes de este fenómeno. Podemos hablar de tecnoestrés, sobrecarga de información, cambio de contexto, residuo de atención, fatiga por decisiones o supervisión de sistemas automatizados. Sin embargo, ninguno parece describir por sí solo la experiencia completa de dirigir varios procesos de inteligencia artificial al mismo tiempo.

En esta nueva forma de trabajo se combinan varios elementos: podemos abrir más procesos paralelos, cada uno produce resultados con mucha rapidez, todos requieren evaluación humana y nosotros debemos movernos constantemente entre contextos diferentes. La producción aumenta, pero nuestra capacidad de atención y supervisión sigue siendo limitada.

Podríamos llamar provisionalmente a esta combinación estrés de orquestación cognitiva.

No pretendo presentar este nombre como un término académico establecido. Es más bien una propuesta para describir una función que estamos comenzando a asumir con mayor frecuencia. Ya no somos solamente quienes ejecutamos el trabajo; también somos quienes orquestamos múltiples inteligencias artificiales trabajando sobre problemas diferentes.

La palabra orquestación me parece apropiada porque no controlamos una única herramienta ni seguimos una sola conversación. Estamos coordinando varios procesos, cada uno con su propio contexto, estado, resultado y siguiente paso. Y, como ocurre con cualquier orquesta, no basta con que todos los instrumentos puedan tocar más rápido. Alguien todavía debe escuchar el conjunto, mantener el orden y decidir hacia dónde debe avanzar.

El riesgo de transformar toda capacidad disponible en más trabajo

Cuando una tecnología nos permite terminar una tarea en la mitad del tiempo, tenemos al menos dos maneras de aprovechar esa mejora. Podemos hacer la misma cantidad de trabajo con mayor calidad, contar con más tiempo para pensar y reducir la presión; o podemos utilizar inmediatamente el tiempo liberado para duplicar la cantidad de trabajo.

Con frecuencia elegimos automáticamente la segunda opción.

Si podemos manejar tres proyectos con ayuda de la inteligencia artificial, comenzamos tres. Cuando aprendemos a manejar cinco, abrimos cinco. El espacio liberado por la automatización vuelve a llenarse inmediatamente con nuevas tareas.

Esto crea una paradoja: utilizamos inteligencia artificial para disminuir el esfuerzo, pero terminamos aumentando la cantidad de frentes abiertos hasta recuperar o incluso superar el nivel de saturación que teníamos antes.

Quizás estamos aplicando una lógica equivocada. Que una inteligencia artificial pueda generar diez alternativas no significa que necesitemos revisar las diez. Que podamos iniciar cinco investigaciones simultáneas no significa que tengamos la capacidad mental para comprender correctamente las cinco. Y que podamos avanzar más rápido tampoco significa que debamos mantener esa velocidad durante toda la jornada.

Cuando la productividad se convierte en una nueva exigencia

Este problema no afecta solamente a quien utiliza la herramienta. También puede aparecer en la forma en la que dirigimos nuestros equipos.

Supongamos que una persona comienza a utilizar inteligencia artificial y logra entregar proyectos con mayor rapidez. Desde la organización observamos que produce más, responde antes y puede resolver tareas que anteriormente demandaban mucho más tiempo. A partir de estos resultados aumenta nuestra confianza en su capacidad.

Hasta aquí todo parece positivo. Sin embargo, podemos interpretar esa mejora de dos formas. Podríamos verla como una oportunidad para que esa persona trabaje con menos presión, revise mejor sus resultados, explore soluciones de mayor calidad o recupere parte del esfuerzo mental que implicó coordinar todos esos procesos. Pero también podemos pensar que, si logró completar tres proyectos, seguramente podrá recibir un cuarto; y si pudo con cuatro, probablemente también pueda encargarse de cinco.

La productividad ganada se convierte rápidamente en una nueva línea de base. El tiempo liberado deja de ser visto como un espacio para pensar o recuperarse y comienza a interpretarse como capacidad ociosa.

Esto puede ser contraproducente porque el trabajo asistido por inteligencia artificial no siempre es visible. Desde afuera parece que la persona está haciendo menos esfuerzo, ya que no escribe manualmente cada línea o cada documento. Sin embargo, puede estar soportando una carga considerable de supervisión, validación, toma de decisiones y cambio de contexto.

Como líderes, tendremos que aprender a distinguir entre una mejora real y sostenible de capacidad y una aceleración que solo puede mantenerse durante períodos cortos. La inteligencia artificial debería permitirnos producir mejor, no convertir cada mejora de productividad en una nueva obligación de trabajar más.

Cuando alejarnos de la computadora ya no significa dejar de trabajar

Las herramientas actuales también están eliminando otra pausa natural: la necesidad de permanecer físicamente frente a la computadora.

Un ejemplo es el control remoto de sesiones de herramientas como Claude Code, que nos permite continuar desde un teléfono o navegador una tarea que permanece ejecutándose en nuestra computadora. Esto resulta muy útil porque podemos iniciar un proceso, alejarnos del escritorio y revisar su avance más tarde.

Pero esta misma posibilidad puede provocar que nunca terminemos de soltar el trabajo.

Supongamos que ya se cumplieron las horas que habíamos pensado dedicar a un proyecto. Cerramos el editor, nos levantamos de la computadora y nos disponemos a mirar una película, jugar con nuestros hijos, reunirnos con amigos o asistir a una fiesta. Antes, alejarnos físicamente del equipo creaba una barrera bastante clara. Aunque siguiéramos pensando ocasionalmente en el problema, ya no podíamos continuar ejecutándolo con la misma facilidad.

Ahora podemos llevar el proyecto con nosotros. Mientras miramos una película revisamos si la inteligencia artificial terminó. Mientras jugamos con nuestros hijos enviamos una nueva indicación. En medio de una reunión social abrimos el teléfono para validar un cambio que acaba de proponernos.

No necesariamente hacemos esto porque alguien nos lo exija. Muchas veces lo hacemos porque la tarea está disponible, la respuesta ya llegó y sentimos que atenderla nos llevará solamente unos minutos. Sin embargo, esos minutos mantienen una parte de nuestra atención conectada al trabajo.

No estamos completamente trabajando, pero tampoco estamos completamente presentes en la actividad personal que decidimos realizar.

La herramienta nos permite trabajar desde cualquier lugar. El problema aparece cuando interpretamos esa posibilidad como la necesidad de trabajar en todos los lugares.

Cómo puede cambiarnos a nosotros y a las nuevas generaciones

Este fenómeno no debe analizarse solamente como una nueva forma de organizar nuestro trabajo actual. También debemos preguntarnos cómo puede cambiarnos con el paso del tiempo.

Cuando utilizamos constantemente herramientas que responden de inmediato, podemos acostumbrarnos a trabajar sin pausas, mantener muchos procesos abiertos y sentir incomodidad cuando una tarea no avanza. Podemos perder tolerancia a la espera, al trabajo lineal y a esos períodos en los que aparentemente no producimos nada, pero en los que nuestra mente está ordenando información y construyendo nuevas relaciones.

El impacto puede ser todavía mayor en las nuevas generaciones.

Hoy hablamos de nativos digitales para referirnos a personas que crecieron con computadoras, internet y teléfonos inteligentes. Para muchos jóvenes resulta difícil concebir una vida en la que no podamos comunicarnos, buscar información o acceder a entretenimiento inmediatamente desde un celular.

Con la inteligencia artificial puede ocurrir algo parecido. Las próximas generaciones podrían crecer sin concebir el estudio, el trabajo o la creatividad sin una inteligencia artificial acompañando cada paso. Para ellas, escribir sin asistencia, investigar sin respuestas inmediatas o resolver un problema sin un agente disponible podría sentirse tan extraño como para nosotros resulta hoy salir de casa sin teléfono.

Esto no es necesariamente negativo. Estas herramientas pueden ampliar enormemente sus capacidades y permitirles resolver problemas mucho más complejos. Pero también debemos preguntarnos qué habilidades podrían dejar de ejercitar, cómo aprenderán a tolerar la incertidumbre y qué relación tendrán con el silencio, la espera, el error y la concentración prolongada.

No estamos adoptando solamente una herramienta. Estamos comenzando a construir una nueva forma de pensar y trabajar que las próximas generaciones podrían considerar normal desde el inicio.

Algunas formas de trabajar sin saturarnos

Todavía estamos aprendiendo a organizar este tipo de trabajo y no creo que existan recetas universales. De todas maneras, podemos comenzar aplicando algunas reglas sencillas.

La primera podría ser limitar la cantidad de proyectos que mantenemos activos. El hecho de que podamos iniciar diez conversaciones no significa que debamos mantener diez procesos abiertos. La inteligencia artificial reduce considerablemente el costo de iniciar una actividad, pero no reduce en la misma proporción el costo mental de comprenderla, supervisarla y terminarla.

También podemos agrupar el trabajo por contexto, dedicando bloques de tiempo a un mismo proyecto en lugar de responder inmediatamente cada vez que una herramienta termina. La respuesta puede esperar. Que la inteligencia artificial haya finalizado una tarea no significa que nosotros debamos interrumpir la que estamos realizando.

Otra práctica útil es dejar puntos claros de reanudación. Antes de abandonar un proyecto podemos registrar qué estábamos intentando resolver, qué decisiones tomamos, cuál fue el resultado y qué cosas siguen pendientes. Incluso podemos pedirle a la propia inteligencia artificial que prepare este resumen, reduciendo así el esfuerzo necesario para reconstruir el contexto cuando volvamos.

También deberíamos definir un horario de cierre para nuestros agentes y sesiones remotas. La tarea puede seguir ejecutándose, pero nosotros no tenemos que continuar supervisándola. El resultado seguirá disponible al día siguiente.

Finalmente, necesitamos reservar momentos para pensar sin generar nuevas respuestas. En algunos casos, la acción más productiva puede ser cerrar las conversaciones, dejar de pedir alternativas y permitir que nuestra propia mente procese lo que ya recibió.

Una nueva responsabilidad del trabajo con inteligencia artificial

La inteligencia artificial nos ofrece una capacidad extraordinaria para investigar, crear y resolver problemas, pero esa capacidad necesita una nueva disciplina.

Debemos aprender no solamente a escribir buenos prompts, sino también a administrar nuestra atención, limitar el trabajo en curso y decidir cuántos procesos podemos supervisar correctamente. También tendremos que revisar cómo medimos el rendimiento de nuestros equipos, porque una persona que produce más rápido no necesariamente dispone de una capacidad infinita para recibir nuevos proyectos.

El desafío no será únicamente aprender a utilizar inteligencias artificiales. También tendremos que aprender cuándo dejar de utilizarlas.

Quizás el verdadero cambio del trabajo no consista solamente en que las máquinas hagan nuestras tareas, sino en que nosotros pasemos a dirigir una cantidad cada vez mayor de procesos automáticos.

Y dirigirlos también es trabajo.

Un trabajo menos visible y aparentemente liviano, porque no estamos escribiendo cada palabra ni programando cada línea, pero que mentalmente puede ser mucho más exigente de lo que parece. Además, debemos preguntarnos qué hábitos estamos construyendo en nosotros y qué forma de relacionarse con el trabajo heredarán las nuevas generaciones.

Dejo entonces la pregunta abierta a los lectores:

La inteligencia artificial nos permite producir cada vez más rápido, pero ¿cómo aprendemos a pensar, decidir y supervisar a una velocidad que todavía sea humanamente posible controlar?