Efectos coliaterales

Los asistentes de IA no afectan de la misma manera a todas las personas de un equipo. A algunas las motivan, mientras que a otras les dan desconfianza o les quitan las ganas de trabajar. Ninguna de esas reacciones es un defecto de quien la siente. Dependen de la personalidad de cada uno y de lo que más disfrutaba de su trabajo antes de que llegaran estas herramientas.

La ansiedad de no parar

Un asistente de IA no se cansa, no tiene horario y siempre está dispuesto a intentar una cosa más. Para alguien con tendencia a la ansiedad, esa disponibilidad es una trampa. Cada respuesta abre una idea nueva, cada cambio terminado invita a empezar el siguiente, y cerrar la sesión se siente como desperdiciar una ventaja. El día se alarga sin que uno lo note, y la sensación de estar avanzando rápido tapa el cansancio hasta que ya es tarde.

El cansancio, además, no viene solo de las horas. En marzo de 2026, una investigación de BCG publicada en Harvard Business Review le puso nombre, AI brain fry, al agotamiento mental que produce supervisar varias herramientas o agentes de IA al mismo tiempo. Mientras más agentes trabajan en paralelo, más decisiones tiene que revisar la persona que los dirige.

Trabajar más horas un día puntual no es grave. Lo complicado empieza cuando el ritmo de la herramienta pasa a marcar el de la persona, cuando debería ser al revés.

Cuando programar era la parte entretenida

Para mucha gente, programar es un juego. Lo que la motiva es justamente pelearse con un problema difícil hasta resolverlo. Cuando el asistente resuelve esa parte en segundos, a esa persona le queda lo menos entretenido del trabajo, que es revisar, corregir y entender lo que hizo otro. No es raro que aparezcan el aburrimiento y una sensación difusa de estar perdiendo algo, aunque los resultados sean buenos.

Ese aburrimiento importa más de lo que parece. Quien deja de disfrutar su trabajo pierde atención, y en una revisión de código la atención es justamente lo que evita que un error llegue a producción.

En mi caso pasó lo contrario. Antes, muchas ideas se quedaban en el camino porque no sabía cómo construirlas. Hoy puedo hacerlo, porque la IA me ayuda con la parte que desconozco. Lo que necesito ahora es creatividad para imaginar qué construir. A veces es algo que ya existe pero que no se ajusta a lo que necesito, y con IA puedo hacer mi propia versión, siempre revisando lo que hace.

Por eso creo que el aburrimiento tiene salida. Lo que cambia es la parte entretenida del trabajo, que deja de ser resolver el problema y pasa a ser decidir qué problema vale la pena resolver.

La desconfianza

Otras personas reaccionan con desconfianza. Saben que el asistente escribe con la misma seguridad cuando acierta que cuando se equivoca, y por eso revisan cada línea, dudan de cada respuesta y terminan trabajando más que antes.

No es una reacción aislada. En la encuesta de Stack Overflow de 2026, casi la mitad de los desarrolladores dijo que confía en la IA solo cuando puede verificar fácilmente lo que entrega, y apenas un 6,6% confía en ella para decisiones de trabajo importantes. Esa desconfianza tiene una base razonable y, bien llevada, es sana. El problema aparece cuando se vuelve permanente, porque revisar todo con la misma sospecha agota y no deja tiempo para lo que de verdad necesita atención.

La frustración

La frustración aparece cuando la IA casi lo logra. La respuesta se ve bien, el código parece completo y, al probarlo, falla en el detalle que más importaba. Corregir algo que está casi listo puede tomar más tiempo que hacerlo desde cero, y después de la tercera corrección la paciencia se agota.

Hay otra frustración, más difícil de nombrar, que viene del equipo. Mientras una persona ya trabaja con IA en casi todo, otra recién está probando y a otra todavía no la convence. Para mí, lo más difícil de todo este proceso es coordinarse con los demás en cuanto a los avances y a la adopción, cuando cada uno va a una velocidad distinta.

La incertidumbre

Por último está la incertidumbre, que en algún momento nos toca a casi todos. Cada semana aparece una herramienta nueva, un modelo más capaz o una noticia que anuncia el fin de algún cargo. Es difícil no preguntarse qué va a pasar con el propio rol en dos o tres años, y cuando esa pregunta no tiene respuesta, se queda dando vueltas y desgasta. A eso se suma la comparación constante con quienes parecen sacarle más provecho a la IA, que en las redes sociales siempre parecen ser muchos.

Aun así, la incertidumbre no viene solo de la IA. Hoy casi nada es seguro, ni en la tecnología ni fuera de ella. Lo que sí está claro es que la IA nos entrega herramientas para aprovechar mejor nuestra creatividad y nuestra productividad, siempre que aprendamos a usarlas.

En un equipo, cada uno va a su ritmo

Cada persona adopta la IA a su propio ritmo, y ese ritmo no se puede forzar. No se puede imponer la motivación, ni la forma de usar la herramienta, ni que todos entiendan de inmediato para qué sirve de verdad. Es algo que nos ha tocado enfrentar a todos, y no todos saben cómo hacerlo.

Lo que hice fue armar un sistema común de trabajo. Así nació GATE, un framework que ordena el trabajo con IA y que cada empresa usa para construir su propio SDLC, que es el ciclo completo de desarrollo de software, desde que alguien plantea una necesidad hasta que el cambio funciona en producción. Con un sistema común, cada persona puede avanzar a su ritmo sin que el equipo pierda el orden, porque todos trabajan con las mismas reglas y los mismos puntos de control.

Algunas formas de manejarlo

No hay una receta única, porque cada reacción pide algo distinto. Aun así, hay prácticas que ayudan en casi todos los casos.

• Partir con un objetivo y cerrar al cumplirlo. Es lo que hago yo. Defino qué quiero dejar listo, lo termino y cierro la sesión, aunque el asistente ofrezca seguir. No me da miedo cerrar, porque mi asistente guarda una memoria de largo plazo y al día siguiente retoma donde quedamos.
• Guardar una parte del trabajo para uno. Elegir de vez en cuando un problema y resolverlo a mano, por gusto y para no perder el criterio que después se necesita para revisar lo que hace la IA.
• Convertir la desconfianza en método. En vez de revisar todo con la misma sospecha, apoyarse en reglas escritas, pruebas automatizadas y la revisión de otra persona, y poner la atención donde el riesgo es mayor.
• Hablarlo en el equipo. Reconocer que a cada uno le afecta distinto quita presión. Quienes lideran equipos pueden ayudar mucho con solo preguntar cómo lo está viviendo cada persona, y no solo cuánto más rápido está avanzando.

El ritmo lo pone la persona

Los asistentes de IA llegaron para quedarse y van a seguir mejorando. Lo que no cambia es que el trabajo lo hacen personas, con su forma de ser, sus ganas y sus límites.

Para mí, la clave está en aprender a usar la IA con bordes claros. Eso significa construir y probar rápido, equivocarse temprano para corregir a tiempo y seguir avanzando. Y en vez de gastar energía en los problemas pequeños, enfocarse en soluciones grandes para los problemas que de verdad importan.

Cada persona va a encontrar su propio equilibrio, y está bien que no sea el mismo para todos.