Una investigación de Steven Shaw, investigador posdoctoral, y Gideon Nave, profesor de Wharton, difundida en mayo de 2026 por el medio Wharton@Work, plantea que la interacción con la inteligencia artificial está creando un tercer sistema de cognición capaz de desplazar el juicio humano, una conclusión basada en tres experimentos con más de 1.300 participantes y cerca de 10.000 pruebas individuales.
El trabajo amplía el modelo desarrollado por Daniel Kahneman, que distingue entre el sistema 1, asociado con decisiones rápidas e intuitivas, y el sistema 2, relacionado con un razonamiento lento, deliberado y que requiere mayor esfuerzo. Para los investigadores, ese marco fue construido para un mundo en el que todo el pensamiento ocurría dentro de la mente humana, una realidad que la expansión de la IA comenzó a modificar.
La denominada teoría de los tres sistemas propone que la IA se ha convertido en un nuevo modo de cognición que influye sobre la intuición y el análisis deliberado. Este sistema 3 aparece cuando las personas recurren a una herramienta para resolver una pregunta, evaluar una situación o tomar una decisión, con la posibilidad de transferirle no solo una tarea, sino también el control del razonamiento.
Rendición cognitiva
Los investigadores definen como rendición cognitiva la aceptación poco crítica de las respuestas entregadas por la IA en reemplazo del razonamiento propio. El fenómeno ocurre cuando una persona adopta una decisión generada por la herramienta como si fuera suya, sin reconocer que el control del proceso se ha desplazado hacia un sistema externo.
Esta conducta se diferencia de la externalización cognitiva tradicional. El uso de una calculadora, por ejemplo, permite delegar una operación matemática concreta, pero mantiene el razonamiento general bajo control humano. En la rendición cognitiva, en cambio, la IA deja de ejecutar una función específica y comienza a definir la respuesta que la persona acepta.
La disponibilidad permanente de estas herramientas profundiza el desafío. Mientras los especialistas humanos poseen conocimientos limitados a determinados ámbitos y pueden expresar dudas, condiciones o falta de certeza, la IA puede responder sobre múltiples materias, suele hacerlo con seguridad y presenta pocas señales visibles que inviten al usuario a cuestionar sus resultados.
Confianza riesgosa
Para estudiar este comportamiento, Shaw y Nave dividieron a los participantes en grupos que debían resolver problemas diseñados para medir la capacidad de superar una respuesta intuitiva y activar un razonamiento más profundo. Algunas personas trabajaron sin asistencia, mientras otras pudieron consultar libremente a un chatbot programado para entregar respuestas correctas o errores formulados con aparente confianza.
Cuando la IA respondió correctamente, la precisión de quienes la utilizaron aumentó 25 puntos porcentuales respecto del nivel de referencia. Sin embargo, cuando la herramienta se equivocó, la precisión disminuyó 15 puntos porcentuales frente a quienes resolvieron los problemas sin acceso a ella. Los resultados mostraron que el principal riesgo no estaba únicamente en el error tecnológico, sino en la disposición de las personas a seguirlo.
La confianza de los participantes también aumentó cuando la IA entregaba respuestas equivocadas aproximadamente la mitad de las veces. Según el análisis, el acceso a la herramienta elevó la certeza de manera general, aun cuando esta no estaba justificada, y pareció debilitar las señales internas que normalmente llevan a detenerse, detectar una inconsistencia y revisar una conclusión.
No todas las personas mostraron el mismo nivel de vulnerabilidad. Quienes declararon una mayor confianza en la inteligencia artificial fueron más propensos a aceptar recomendaciones incorrectas y menos proclives a cuestionarlas. En cambio, los participantes con mayor inclinación analítica y mejores capacidades de razonamiento tuvieron más posibilidades de reconocer fallas y rechazar las respuestas defectuosas.
Diseño organizacional
La investigación también identificó condiciones capaces de reducir la rendición cognitiva. Cuando los participantes recibieron incentivos relacionados con la precisión y retroalimentación inmediata sobre sus respuestas, aumentó su disposición a revisar y corregir las recomendaciones equivocadas. “Un buen sistema de IA es aquel que ayuda cuando acierta y no perjudica cuando se equivoca”, señaló Nave.
Para las organizaciones, estos resultados trasladan el debate desde la adopción de inteligencia artificial hacia la forma en que se utiliza. El desafío consiste en definir qué decisiones pueden beneficiarse de sus capacidades y cuáles requieren mantener el juicio humano, especialmente en actividades donde la responsabilidad, el pensamiento crítico y la evaluación de contextos complejos son esenciales.
Entre las respuestas posibles se encuentra el diseño de interfaces que indiquen niveles de incertidumbre, soliciten verificar una conclusión antes de actuar o inviten a considerar alternativas. A ello se suma la capacitación de los trabajadores para reconocer cuándo están utilizando la IA como apoyo y cuándo están entregándole el control de la decisión. La meta no es evitar la tecnología, sino construir hábitos, incentivos y condiciones que protejan el pensamiento independiente.
RH Management invita a profesionales de gestión de personas, liderazgo, operaciones, compensaciones, tecnología y transformación organizacional a participar en el “Estudio cuantitativo RHM 2026: El trabajo en transformación”. La iniciativa busca reunir evidencia sobre las principales tensiones, brechas y desafíos del mundo laboral en Chile. Participa aquí: https://es.surveymonkey.com/r/TN7FGH7
