El impuesto de verificación: cuánto tiempo cuesta de verdad revisar los resultados de la IA (y cómo reducirlo)

En resumen. El tiempo que te ahorra la IA es una cifra bruta. El impuesto de verificación es lo que devuelves: revisar, corregir y rehacer los resultados, el coste esperado de los errores que se te escapan y la limpieza que otros hacen sobre lo que entregas. Las grandes encuestas sitúan el ahorro declarado en el 5,4 % de las horas de trabajo de los usuarios en Estados Unidos y en el 2,8 % en Dinamarca, y ninguna informa por separado del tiempo de verificación como un coste. Allí donde el trabajo se midió directamente, el impuesto podía anular la ganancia: en el ensayo aleatorizado de METR de 2025, desarrolladores experimentados creían que la IA había reducido su tiempo por tarea en un 20 %, pero sus tareas duraron un 19 % más, y el 9 % de su tiempo se fue en revisar y limpiar los resultados de la IA. Una encuesta del proveedor Workday afirma que casi el 40 % del ahorro de tiempo con IA se pierde en retrabajo. La jugada del CEO: presupuestar la verificación como un coste real, escalonarla según lo que está en juego, la detectabilidad y la reversibilidad, y prescindir de la IA allí donde la prueba del punto de equilibrio sale negativa. La jugada del estudiante: registrar qué errores comete cada herramienta en tu trabajo, para que el impuesto baje con el tiempo.

Este texto trata de la economía de la verificación, no de su oficio. Para el oficio, consulta la habilidad de evaluación. Para saber dónde van los puntos de control cuando un agente ejecuta un trabajo de varios pasos, consulta la supervisión humana por diseño. Y para entender por qué las ganancias individuales llegan tan pocas veces a los resultados de la empresa, consulta la paradoja de productividad de la IA.

¿Qué es el impuesto de verificación y por qué es tan fácil pasarlo por alto?

Toda tarea asistida por IA tiene dos libros de cuentas. El visible registra el tiempo de redacción que no dedicaste. El oculto registra cuatro costes que la mayoría de las cifras de tiempo ahorrado dejan fuera:

1. Tiempo de revisión. Leer el resultado, compararlo con las fuentes, ejecutar el código, comprobar las cifras.
2. Tiempo de corrección y de rehacer. Arreglar lo que está mal, volver a escribir el prompt o abandonar la versión de la IA y hacer el trabajo a mano.
3. Coste del error residual. El coste esperado de los errores que sobreviven a tu revisión y salen a la luz más tarde, cuando es más caro corregirlos.
4. Impuesto exportado. El tiempo que colegas, revisores o clientes dedican a reparar lo que tú les pasaste.

La medición estándar no está hecha para ver estos costes. Una estimación muy utilizada en Estados Unidos, de Alexander Bick, Adam Blandin y David Deming, pregunta a los usuarios, en palabras de los autores, “cuántas horas adicionales habrían necesitado para completar la misma cantidad de trabajo la semana anterior si no hubieran tenido acceso a la IA generativa”. Esa única conjetura contrafactual mezcla la redacción ahorrada con la verificación invertida y no puede incluir errores aún no descubiertos. Su respuesta, el 5,4 % de las horas de trabajo de los usuarios, o 2,2 horas a la semana sobre una jornada semanal de 40 horas, es bruta por construcción.

La percepción agranda la brecha. En el ensayo de METR, la distancia entre lo que los desarrolladores creían después (un 20 % menos de tiempo) y lo que se midió (un 19 % más de tiempo) fue de 39 puntos porcentuales. Una encuesta de Microsoft Research a 319 trabajadores del conocimiento, presentada en CHI 2025, halló que “una mayor confianza en la IA generativa se asocia con menos pensamiento crítico”. Quienes tienen más probabilidades de revisar poco son quienes más confían en la herramienta.

¿Qué ocurre cuando se ponen los estudios uno al lado del otro?

El libro de cuentas del impuesto de verificación que sigue dedica una fila a cada estudio y separa la ganancia bruta, lo que el estudio informa sobre verificación o retrabajo y el resultado neto. Las cifras son las publicadas. Cuando un estudio no informa de nada, la celda lo indica; los únicos cálculos son aquellos en los que un solo estudio aporta todos los datos.

Estudio y diseño	Tarea	Ganancia bruta, según lo publicado	Coste de verificación o retrabajo, según lo publicado	Resultado neto, según lo publicado
Noy y Zhang, Science, 2023. Experimento en línea preregistrado, 453 profesionales con estudios universitarios	Redacción profesional de nivel intermedio	Tiempo empleado un 40 % menor, calidad del resultado un 18 % mayor	Versión del documento de trabajo de 2023: la proporción del tiempo de la tarea dedicada a editar se multiplicó por más de dos desde alrededor del 25 %; el 68 % de los participantes tratados entregó el primer resultado de ChatGPT sin editarlo	Gran ahorro neto, logrado con muy poca verificación
Brynjolfsson, Li y Raymond, Quarterly Journal of Economics, 2025. Despliegue escalonado, 5.172 agentes	Atención al cliente	Incidencias resueltas por hora: un 15 % más de media	No se informa por separado	Positivo de media; los agentes más experimentados y más cualificados registraron “pequeñas ganancias de velocidad y pequeños descensos de calidad”
Dell’Acqua et al., Organization Science, 2026. Experimento preregistrado con Boston Consulting Group, 758 trabajadores del conocimiento	18 tareas de conocimiento realistas dentro de la frontera de la IA, una tarea de gestión fuera de ella	Dentro de la frontera: un 12,2 % más de tareas completadas, un 25,1 % más rápido	Fuera de la frontera: un 19 % menos de probabilidades de dar con soluciones correctas	El impuesto se pagó en respuestas erróneas, no en minutos
METR (Becker, Rush, Barnes, Rein), preprint, 2025. Ensayo aleatorizado, 16 desarrolladores, 246 tareas	Incidencias reales en repositorios de código abierto maduros que los desarrolladores conocían bien	Previsión: un 24 % menos de tiempo. Creencia tras el estudio: un 20 % menos de tiempo	Alrededor del 9 % del tiempo en las incidencias con IA permitida se dedicó a revisar o limpiar resultados de la IA (44 incidencias con grabaciones de pantalla etiquetadas), un 4 % a esperar generaciones; se aceptó menos del 44 % de las generaciones	Las tareas duraron un 19 % más (intervalo de confianza de +2 % a +39 %)
Nota de investigación de METR, febrero de 2026. Mismo diseño, herramientas de finales de 2025, 10 desarrolladores que repetían y 47 nuevos	Desarrollo de código abierto	No se informa	No se informa	Desarrolladores que repetían: -18 % de tiempo (intervalo de -38 % a +9 %); nuevos desarrolladores: -4 % (intervalo de -15 % a +9 %). METR califica la señal de poco fiable por efectos de selección
Tai-Seale et al., JAMA Network Open, 2024. Estudio aleatorizado de mejora de la calidad con lista de espera, 52 médicos más 70 controles	Responder a mensajes de pacientes con borradores de IA	La hipótesis era menos tiempo de lectura y de respuesta	Tiempo de lectura de mensajes +21,8 % (IC del 95 %: 5,2 % a 41,0 %)	Tiempo de respuesta -5,9 % (no significativo, P = 0,33); respuestas un 17,9 % más largas
Garcia et al., JAMA Network Open, 2024. Estudio de mejora de la calidad de un solo grupo durante cinco semanas, 162 profesionales clínicos	Borradores de respuesta de IA a mensajes de la bandeja de entrada de pacientes	Borradores usados en el 20 % de las respuestas (utilización media)	Sin cambios en el tiempo de lectura, redacción o respuesta	Sin ahorro de tiempo; bajaron las puntuaciones de carga de trabajo y de agotamiento laboral
Humlum y Vestergaard, documento de trabajo del Becker Friedman Institute, 2025. Encuesta a unos 25.000 trabajadores vinculada a registros daneses	11 ocupaciones muy expuestas a los chatbots de IA	Ahorro de tiempo del 2,8 % de las horas de trabajo de los usuarios	Nuevas cargas de trabajo para el 12 % de los usuarios incluso sin iniciativas del empleador (estimación del apéndice); el 59 % de las nuevas tareas relacionadas con la IA son de implantación y supervisión, incluida la revisión de calidad	Efectos nulos precisos sobre ingresos y horas registradas, que descartan efectos superiores al 2 %
Bick, Blandin y Deming, documento de trabajo del NBER, 2025. Encuesta representativa a escala nacional en Estados Unidos	Todo el trabajo	5,4 % de las horas de trabajo de los usuarios (2,2 horas a la semana sobre una jornada semanal de 40 horas)	No se preguntó por separado	1,4 % de las horas de todos los trabajadores, incluidos los no usuarios
Workday, encuesta de empresa a 3.200 empleados a tiempo completo realizada por Hanover Research en noviembre de 2025 y publicada en enero de 2026 (comercial)	Usuarios activos de IA en organizaciones con ingresos de más de $100M	El 85 % afirma ahorrar entre una y siete horas a la semana	“Casi el 40 %” del ahorro de tiempo con IA se pierde en retrabajo	Solo el 14 % “obtiene de forma sistemática resultados netos claros y positivos”; se conserva alrededor del 60 % del ahorro (cálculo de CEOtudent a partir de la cifra del 40 %)

Análisis de CEOtudent de las diez fuentes nombradas en las filas. Cifras según lo publicado; “no se informa” cuando una fuente no da ninguna cifra. Las cifras de edición de Noy y Zhang proceden del documento de trabajo de los autores de marzo de 2023, que precedió a la versión de Science e informaba de 444 participantes; el resumen de Science no informa del desglose del tiempo. Las cifras de Dell’Acqua et al. y de Brynjolfsson et al. proceden de los resúmenes publicados. El informe completo de Workday está tras un formulario de registro y no se abrió, por lo que no se pudo comprobar su método para la cifra del 40 %.

Del libro de cuentas se desprenden tres lecturas.

El impuesto es menor donde la verificación es barata o se omite, y mayor donde la persona ya conoce la respuesta. En el documento de trabajo de Noy y Zhang, en tareas que el grupo de control terminaba en unos 27 minutos, la mayoría de los participantes tratados entregó el primer resultado tal cual. El ahorro fue grande y apenas se compró verificación. METR es el caso opuesto: repositorios con una media de 1.100.000 líneas de código, listones de calidad muy altos y el hallazgo de que “los desarrolladores se ralentizaron más en las incidencias con las que estaban más familiarizados”. Un desarrollador “perdió al menos una hora intentando primero [resolver una incidencia concreta] con IA” antes de revertirlo todo. Cuando tu propio juicio es rápido y tu exigencia es alta, revisar el borrador de la IA sale caro.

El tiempo es solo una de las monedas. Fuera de la frontera, los participantes de Dell’Acqua pagaron en corrección, no en minutos. Los agentes de soporte más cualificados pagaron un pequeño coste de calidad. Los borradores de los médicos alargaron el tiempo de lectura sin acortar el de respuesta. Un libro de cuentas que solo registra minutos subestima el impuesto justo donde más importa.

El impuesto se está moviendo, y medirlo es cada vez más difícil. La nota de METR de febrero de 2026 informa de una ronda posterior en la que la estimación puntual para los desarrolladores que repetían mostraba que las tareas con IA permitida llevaban menos tiempo. También califica sus nuevos datos de evidencia muy débil: más desarrolladores rehusaron participar porque no querían trabajar sin IA, y entre el 30 y el 50 % dijeron que se guardaron algunas tareas que no querían hacer sin ella. Trata la ralentización de 2025 como una medición fechada de las herramientas de principios de 2025, y la mejora como alentadora pero no demostrada.

¿Quién paga realmente el impuesto de verificación?

Una cifra de tiempo ahorrado la declara la persona que usó la herramienta. Gran parte del impuesto recae en otro lugar: en la atención, en el colega que recibe el resultado, en el diseño de los puestos y en los sistemas que ese resultado alimenta.

Quién paga	Hallazgo, según lo publicado	Fuente
La atención del usuario	La IA generativa “desplaza la naturaleza del pensamiento crítico hacia la verificación de la información, la integración de respuestas y la custodia de la tarea”; 114 de 319 trabajadores verificaron contrastando con fuentes externas, y 56 de 319 declararon más esfuerzo en la búsqueda de información porque “la respuesta de la IA puede ser errónea y necesita verificación”	Lee et al., CHI 2025 (Microsoft Research y Carnegie Mellon)
El tiempo del usuario	El 66 % de los desarrolladores menciona “soluciones de IA que casi aciertan, pero no del todo” como motivo de frustración; el 45,2 % dice que depurar código generado por IA lleva más tiempo	Stack Overflow Developer Survey 2025 (encuesta de empresa, comercial)
La carga de revisión del usuario	El 77 % de quienes usan IA a diario revisa el trabajo generado por IA “con el mismo cuidado que el trabajo hecho por personas, si no más”	Nota de prensa de Workday, enero de 2026 (comercial)
El colega que recibe el trabajo	El 40 % de los trabajadores de oficina estadounidenses recibió “workslop” en el último mes; cada incidente tarda unas 2 horas en resolverse; coste estimado de $186 por empleado al mes	BetterUp Labs con el Stanford Social Media Lab, encuesta a 1.150 trabajadores, septiembre de 2025 (comercial)
El diseño de los puestos en la organización	El 59 % de las nuevas tareas relacionadas con la IA tienen que ver con la “implantación y supervisión de la IA”; el 5 % de los no usuarios declara nuevas cargas de trabajo derivadas de los chatbots de IA	Humlum y Vestergaard, 2025
El sistema de entrega	Por cada aumento del 25 % en la adopción de IA: una reducción estimada del 7,2 % en la estabilidad de la entrega y del 1,5 % en el rendimiento (2024). En 2025, la adopción de la IA “ahora mejora el rendimiento de la entrega de software” pero “sigue aumentando la inestabilidad de la entrega”	Informes DORA de Google, 2024 y 2025 (investigación de Google)

Cifras según lo publicado en cada fuente. Las proporciones 114 de 319 (35,7 %) y 56 de 319 (17,6 %) son cálculos de CEOtudent a partir de los recuentos de Lee et al. Las encuestas comerciales se basan en autodeclaraciones y no todos sus métodos completos están publicados.

Para quien dirige personas, el patrón es lo importante. Un resultado de IA hecho con poco esfuerzo traslada el coste al destinatario, que nunca aparece en la cifra de tiempo ahorrado del remitente. Un equipo puede informar de un ahorro creciente gracias a la IA mientras el tiempo total por entregable se mantiene igual, porque el impuesto ha pasado de la columna del autor a la del revisor. Los datos de DORA muestran la misma forma a escala de sistema: más rendimiento, menos estabilidad.

¿Por qué saltarse la verificación no hace desaparecer el impuesto?

La forma obvia de reducir el impuesto es verificar menos. La investigación sobre el sesgo de automatización indica que esto convierte un coste de tiempo visible en un coste de error invisible.

La revisión de 2010 de Raja Parasuraman y Dietrich Manzey en Human Factors concluyó que el sesgo de automatización “lleva a cometer errores tanto de omisión como de comisión cuando las ayudas a la decisión son imperfectas” y “se da tanto en participantes novatos como en expertos”. La complacencia, constataron, aparece “en condiciones de carga de múltiples tareas”, lo que describe la mayor parte del trabajo del conocimiento. Una revisión sistemática de 2012 de Kate Goddard y sus colegas, que incluyó 74 de los 13.821 artículos examinados, sitúa la carga de trabajo, la complejidad de la tarea y la presión de tiempo entre los factores que empujan a las personas hacia la dependencia excesiva.

La decisión de verificar también es en parte económica. Helena Vasconcelos y sus colegas realizaron cinco experimentos con 731 participantes y sostienen que “las personas eligen estratégicamente si implicarse o no con una explicación de la IA”, sopesando el esfuerzo de verificar frente a simplemente darle la razón. Cuando subió la recompensa por acertar, la dependencia excesiva bajó. Lee y sus colegas vieron la misma lógica en acción: 44 de 319 trabajadores alegaron falta de tiempo como motivo para no pensar de forma crítica sobre los resultados de la IA, y 55 de 319 lo omitieron porque la tarea parecía trivial.

Por tanto, revisar poco no reduce el impuesto de verificación. Lo aplaza, trasladándolo de un coste visible en tu agenda a una probabilidad invisible hasta que el error sale a la luz. Por eso el marco que sigue pone un precio explícito a los errores residuales.

¿Cuánta verificación merece cada tarea? Un marco editorial de CEOtudent

El marco tiene dos partes: una prueba de punto de equilibrio para saber si merece la pena usar IA en una tarea, y un protocolo por niveles para decidir cuánta verificación comprar cuando sí merece la pena. Está construido a partir de la evidencia anterior, no medido.

La prueba del punto de equilibrio. Para cualquier tarea que estés a punto de pasar a la IA, estima:

Tiempo neto ahorrado = (tiempo para hacerlo tú mismo – tiempo para escribir el prompt y generar) – tiempo de verificación – tiempo de corrección – (probabilidad de que el resultado contenga un error relevante x probabilidad de que tu verificación no lo detecte x coste si se cuela)

Si el resultado es negativo, haz la tarea tú mismo o rediséñala para que la verificación salga más barata. El último término es el que casi todo el mundo deja fuera: pequeño cuando los errores son baratos o visibles, dominante cuando un solo error no detectado sale caro.

El protocolo por niveles. Puntúa la tarea de 1 a 3 en cada una de las tres dimensiones y suma las puntuaciones.

Dimensión	Puntuación 1	Puntuación 2	Puntuación 3
Lo que está en juego: ¿cuánto cuesta una respuesta errónea?	Borrador o nota privada	Decisión interna o trabajo compartido del equipo	Externo, financiero, legal, de seguridad o reputacional
Detectabilidad: ¿hasta qué punto son visibles los errores en una lectura normal?	Visibles al leer (tono, estructura, sinsentidos evidentes)	Requieren comprobar la fuente (hechos, cifras, nombres, fechas)	Silenciosos (lógica sutil, código que se ejecuta pero es erróneo, citas verosímiles)
Reversibilidad: ¿cuánto cuesta deshacerlo?	Se deshace sin esfuerzo	Costoso de deshacer	Irreversible una vez enviado, registrado, fusionado o publicado

Puntuación total	Nivel	Método de verificación	Tareas típicas
3-4	Nivel 1: lectura rápida	Una lectura para ver si tiene sentido. Sin comprobar fuentes.	Listas de lluvia de ideas, esquemas de primera pasada, reformular tu propio texto
5-6	Nivel 2: comprobación puntual	Comprueba cada cifra, nombre, fecha y cita textual; toma una muestra del resto de las afirmaciones; ejecuta el código una vez contra un caso conocido.	Resúmenes internos de material que tú aportaste, actas de reuniones, correos rutinarios
7-8	Nivel 3: revisión completa	Línea por línea frente a las fuentes; abre cada fuente citada; pruebas para cualquier código.	Documentos para clientes, memorandos de decisión, código que llega a producción
9	Nivel 4: recálculo independiente o segunda fuente	Reconstruye tú mismo las cifras clave a partir de los datos primarios, u obtén una segunda respuesta independiente y concilia ambas. Nunca aceptes el resumen que hace la propia IA de sus fuentes.	Todo lo que se registre o publique, o sea contractual o financiero

Marco editorial de CEOtudent. Los límites entre niveles y los métodos de verificación son criterio editorial basado en las fuentes citadas en este artículo, no umbrales medidos.

Dos referencias de tasa de error muestran por qué existe el nivel superior. En una evaluación preregistrada de Stanford, las herramientas de investigación jurídica basadas en recuperación alucinaron cada una “entre el 17 % y el 33 % de las veces”, contando las respuestas que “afirman falsamente que una fuente respalda una afirmación”. Matthew Dahl y sus colegas hallaron que los modelos de uso general alucinaban entre el 58 y el 88 % de las veces en preguntas verificables sobre casos de tribunales federales. Las tasas corresponden a sistemas de 2023 y 2024, pero el principio se mantiene: en algunos ámbitos, una cita es lo que hay que comprobar, no la prueba de que se comprobó. La mecánica de por qué los modelos cometen estos errores muestra dónde mirar.

Un ejemplo práctico. Las cifras siguientes son inventadas a título ilustrativo y no proceden de ningún estudio. Un informe de mercado lleva 120 minutos a mano. Con IA, escribir el prompt y generar lleva 10 minutos. Supongamos que uno de cada cinco borradores contiene un error relevante.

Escenario	Verificación	Corrección	Probabilidad de que la verificación no detecte el error	Coste si se cuela un error	Coste esperado de los errores no detectados	Minutos netos ahorrados
A. Informe interno, comprobación puntual de nivel 2	20 min	10 min	40 %	240 min (4 horas de limpieza interna)	19,2 min	+60,8
B. El mismo borrador enviado a un cliente, todavía con comprobación puntual	20 min	10 min	40 %	2.400 min (40 horas de retrabajo y de reparación de la relación)	192 min	-112
C. Informe para un cliente, recálculo independiente de nivel 4	60 min	15 min	5 %	2.400 min	24 min	+11

Cálculo ilustrativo de CEOtudent con datos supuestos; véase la fórmula anterior. Cada valor puede recalcularse a partir de la fila.

El mismo borrador vale una hora dentro del equipo y cuesta casi dos horas cuando llega a un cliente con la misma verificación ligera. Una verificación más exhaustiva lo rescata, pero por poco: en el escenario C, el punto de equilibrio está en 71 minutos de verificación. Si un recálculo como es debido lleva más tiempo, redacta el informe tú mismo y usa la IA solo donde los errores sean visibles.

¿Cómo se reduce el impuesto de verificación?

Cada medida abarata una verificación o aumenta la probabilidad de que detecte algo, y cada una está ligada a la evidencia o etiquetada como criterio editorial.

1. Haz visibles los errores antes de leer. Pide un resultado afirmación por afirmación, con la fuente y el pasaje que la respalda junto a cada afirmación. Vasconcelos y sus colegas hallaron que “las explicaciones que hacen más evidente el error de la IA reducen más la dependencia excesiva”. Una fuente citada sigue sin ser una fuente comprobada: ábrela.
2. Comprueba primero las partes más propensas a errores. Cifras, nombres, fechas, citas textuales y referencias concentran el mayor riesgo por palabra. Dahl y sus colegas hallaron que los modelos “funcionan mejor con casos más recientes, más destacados y de jurisdicciones jurídicas más prominentes”, lo que dirige la verificación hacia los elementos poco conocidos, y que “les cuesta predecir sus propias alucinaciones”, así que preguntarle al modelo dónde se equivoca no es un sustituto válido.
3. Lleva un registro personal de errores por tipo de tarea. Un breve registro de lo que cada herramienta hizo mal, y en qué tarea, convierte una desconfianza vaga en una lista de comprobación específica y permite que una tarea baje de nivel cuando se lo haya ganado; el método está en cómo aprender de los errores de la IA. Que esto reduzca el tiempo de verificación es criterio editorial, no un efecto medido.
4. Decide lo que está en juego antes de leer. En los experimentos de Vasconcelos, la dependencia excesiva bajó a medida que subía la recompensa por acertar, y la revisión de Goddard cuenta la responsabilidad del usuario entre los factores que mitigan el sesgo de automatización. Asigna un responsable a cada entregable asistido por IA y puntúa su nivel antes de abrir el borrador.
5. No exportes el impuesto. Todo lo que sea de nivel 2 o superior pasa su verificación antes de salir de tus manos. De lo contrario, el coste recae en un colega, como describe la encuesta de BetterUp, y desaparece de tu libro de cuentas, pero no del libro del equipo.
6. Deja de usar IA donde la prueba sale negativa. Los desarrolladores de METR se ralentizaron más en las incidencias que mejor conocían, y los médicos del estudio de Tai-Seale leyeron durante más tiempo sin responder más rápido. Donde tu juicio es rápido y tu exigencia alta, hacerlo tú mismo puede salir más barato; dónde está esa línea es criterio editorial hasta que tu registro diga lo contrario.

¿Qué significa esto para el CEO y para el estudiante?

El lado del CEO es presupuestar. Un consejero delegado no acepta un ahorro de costes sin preguntar cuánto costó lograrlo. Estima el impuesto por tipo de tarea, registra el tiempo de verificación durante dos semanas y compáralo con lo que ahorró la IA. La encuesta de Workday sugiere que la brecha puede ser amplia: el 85 % de los encuestados afirmó ahorrar entre una y siete horas a la semana, pero solo el 14 % obtenía de forma sistemática resultados netos claros y positivos. Humlum y Vestergaard hallaron que el 80 % de los usuarios de chatbots redirige el tiempo ahorrado a otras tareas de su puesto, de modo que el ahorro se reasigna sin que nadie registre si sobrevivió a la verificación. Un CEO también decide dónde no competir: los tipos de tarea que no superan la prueba del punto de equilibrio siguen en manos humanas.

El lado del estudiante es aprender los patrones de fallo de la herramienta hasta que verificar salga más barato. METR no observó un efecto de aprendizaje claro durante las primeras 30 a 50 horas de uso de la herramienta, y sí una aceleración positiva en el único desarrollador con más de 50 horas, un resultado que los autores consideran de baja potencia estadística. La curva de aprendizaje puede ser más larga de lo que se suele esperar, lo que aboga por un registro deliberado de errores en lugar de esperar a que la familiaridad haga el trabajo. Vuelve a probar tras las grandes actualizaciones de los modelos: las estimaciones puntuales de METR pasaron de la ralentización a la aceleración entre principios y finales de 2025.

La comprobación del presupuesto de verificación: siete preguntas antes de pasar trabajo a la IA

Dos o más respuestas “no” significan que la tarea debe rediseñarse, verificarse en un nivel superior o hacerse sin IA.

1. ¿Sabes aproximadamente cuánto tiempo te lleva esta tarea a mano?
2. ¿Has puntuado lo que está en juego, la detectabilidad y la reversibilidad, y has elegido un nivel?
3. ¿Llegará el resultado en un formato que puedas comprobar rápido, con las fuentes junto a las afirmaciones?
4. ¿Sabes qué partes de este tipo de resultado suele hacer mal una herramienta?
5. ¿Es el tiempo de verificación de ese nivel claramente menor que el tiempo que ahorra la IA?
6. Si se cuela un error, ¿puedes decir quién lo paga y aproximadamente cuánto?
7. ¿Registrarás lo que encontró la verificación, para que la próxima pueda ser más ligera?

Lo que esto no significa

No significa que la IA no ahorre tiempo. El libro de cuentas incluye ganancias grandes y bien medidas en redacción, atención al cliente y tareas de conocimiento dentro de la frontera. El impuesto es el precio de esas ganancias, no una prueba en su contra.

No significa que verificar sea un desperdicio. Pagada en el nivel adecuado, la verificación es lo que permite conservar el ahorro con seguridad.

No zanja cuán grande es hoy el impuesto. La mayoría de los estudios con medición directa usaron herramientas de 2023 a 2025 en tareas concretas, METR advierte que su última estimación es poco fiable, y las encuestas comerciales se basan en autodeclaraciones con métodos que no se han publicado del todo. Este artículo es información general sobre investigación en el ámbito laboral, no asesoramiento jurídico, médico ni financiero; los estudios clínicos y jurídicos se citan solo por lo que midieron sobre el tiempo y las tasas de error.

Preguntas frecuentes

¿Qué es el impuesto de verificación?
El tiempo dedicado a revisar, corregir y rehacer los resultados de la IA, más el coste esperado de los errores que se cuelan y la limpieza que otros hacen sobre el trabajo que les pasas. La mayoría de las cifras de tiempo ahorrado informan del ahorro antes de descontar este impuesto.

¿Qué tamaño tiene el impuesto de verificación en la práctica?
Depende de la tarea. En el experimento de redacción fue pequeño, porque la mayoría de los participantes entregaron el primer resultado sin editar. En el ensayo de METR de 2025 superó a la ganancia, con un 9 % del tiempo dedicado a revisar y limpiar resultados de la IA. La encuesta del proveedor Workday cifra el retrabajo en casi el 40 % del tiempo ahorrado.

¿Es mejor verificar todo lo que produce la IA?
No. Una revisión completa de un trabajo de poco riesgo y fácilmente reversible malgasta el ahorro. Puntúa lo que está en juego, la detectabilidad y la reversibilidad, y ajusta la verificación al nivel.

¿Por qué la gente sobrestima el tiempo que le ahorra la IA?
Las autodeclaraciones miden un ahorro percibido, y quien más confía en una herramienta menos la verifica. Los desarrolladores de METR creían que la IA había reducido su tiempo por tarea en un 20 % cuando en realidad sus tareas duraron un 19 % más.

¿Baja el impuesto de verificación a medida que mejoran los modelos?
Probablemente, pero la evidencia es escasa. La ronda posterior de METR apuntaba a aceleraciones, aunque advertía que los efectos de selección hacen que la estimación sea poco fiable. Tu propio registro de errores es la mejor medida de si el impuesto está bajando en tu trabajo.

¿Quién debe pagar la verificación en un equipo?
El autor, antes de la entrega. Cuando se pasa un resultado sin verificar, paga el destinatario, y la cifra de tiempo ahorrado del autor exagera la ganancia real del equipo.

Fuentes

1. Becker, J., Rush, N., Barnes, B., Rein, D. (METR). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv 2507.09089, versión 2, julio de 2025. Preprint.
2. Becker, J., Rush, N., Cunningham, T., Rein, D., Mahamud, K. (METR). We are Changing our Developer Productivity Experiment Design. Nota de investigación de METR, 24 de febrero de 2026.
3. Noy, S., Zhang, W. Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654), 187-192, 2023 (solo el resumen, vía PubMed).
4. Noy, S., Zhang, W. Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Documento de trabajo del MIT, 2 de marzo de 2023, sin revisión por pares.
5. Brynjolfsson, E., Li, D., Raymond, L. Generative AI at Work. Quarterly Journal of Economics 140(2), 889-942, 2025 (solo el resumen).
6. Dell’Acqua, F., McFowland, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., Lakhani, K. R. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science 37(2), 2026 (solo el resumen).
7. Humlum, A., Vestergaard, E. Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56, actualizado en septiembre de 2025.
8. Bick, A., Blandin, A., Deming, D. J. The Rapid Adoption of Generative AI. NBER Working Paper 32966, revisado en febrero de 2025.
9. Tai-Seale, M., et al. AI-Generated Draft Replies Integrated Into Health Records and Physicians’ Electronic Communication. JAMA Network Open 7(4), e246565, 2024.
10. Garcia, P., Ma, S. P., et al. Artificial Intelligence-Generated Draft Replies to Patient Inbox Messages. JAMA Network Open 7(3), e243201, 2024.
11. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., Wilson, N. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025, Microsoft Research.
12. Vasconcelos, H., Jörke, M., Grunde-McLaughlin, M., Gerstenberg, T., Bernstein, M. S., Krishna, R. Explanations Can Reduce Overreliance on AI Systems During Decision-Making. Proceedings of the ACM on Human-Computer Interaction 7(CSCW1), artículo 129, 2023.
13. Parasuraman, R., Manzey, D. H. Complacency and Bias in Human Use of Automation: An Attentional Integration. Human Factors 52(3), 381-410, 2010 (solo el resumen).
14. Goddard, K., Roudsari, A., Wyatt, J. C. Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association 19(1), 121-127, 2012 (solo el resumen).
15. Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., Ho, D. E. Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. arXiv 2405.20362, 2024. Preprint.
16. Dahl, M., Magesh, V., Suzgun, M., Ho, D. E. Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models. Journal of Legal Analysis 16(1), 64-93, 2024.
17. DORA (Google Cloud). Accelerate State of DevOps Report 2024. Investigación de Google.
18. DORA (Google Cloud). State of AI-assisted Software Development 2025. Investigación de Google.
19. Stack Overflow. 2025 Developer Survey, sección de IA. Encuesta de empresa (comercial).
20. Workday. New Workday Research: Companies Are Leaving AI Gains on the Table. Nota de prensa, 14 de enero de 2026, sobre el informe de la encuesta Beyond Productivity: Measuring the Real Value of AI. Datos declarados por la empresa (comercial); no se abrió el informe completo.
21. BetterUp Labs y Stanford Social Media Lab. Workslop: The Hidden Cost of AI-Generated Busywork. Encuesta a 1.150 trabajadores de oficina estadounidenses, septiembre de 2025. Datos declarados por la empresa (comercial).

Análisis de CEOtudent en este artículo: el libro de cuentas del impuesto de verificación (primera tabla) y la tabla de quién paga (segunda tabla) son recopilaciones de CEOtudent de cifras según lo publicado; las proporciones del 35,7 % y del 17,6 %, la brecha de percepción de 39 puntos y la proporción conservada del 60 % son cálculos de CEOtudent a partir de fuentes únicas (la cifra semanal de 2,2 horas la publican Bick y sus colegas y se volvió a comprobar); la prueba del punto de equilibrio, el protocolo por niveles y la comprobación de siete preguntas son marcos editoriales de CEOtudent, y el ejemplo práctico usa datos supuestos e ilustrativos. Se dejaron fuera deliberadamente: las cifras de 2024 del Upwork Research Institute sobre el aumento de la carga de trabajo atribuido a la IA (la página primaria devolvió un error de acceso y no se abrió por otros medios); la cifra en minutos por incidente de workslop que circula a partir de los artículos de Harvard Business Review, que no se abrieron (la página de BetterUp que sí se abrió indica “2 hrs”); y el porcentaje de mejora de la calidad muy citado del documento de trabajo de Dell’Acqua, porque el resumen publicado que se abrió aquí solo dice “mejoró significativamente la calidad”.

---

Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.

This post is also available in: