TL;DR: Durante medio siglo, la ciencia de la pericia descansó en un hallazgo: uno mejora drásticamente en una destreza mediante la práctica deliberada, es decir, esfuerzo repetido en el límite de la propia capacidad, acompañado de retroalimentación inmediata. La IA rompe el mecanismo de entrega de esa práctica. Cuando la herramienta hace las repeticiones, conservas la producción pero pierdes la lucha que solía construir la destreza; estudios controlados ya muestran que la IA eleva el rendimiento de un novato un 34 por ciento sin que el novato mejore necesariamente por debajo. Esta guía te ofrece la Matriz de Asignación de Repeticiones, un marco de CEOtudent con nombre propio para decidir qué repeticiones conservar a mano y cuáles delegar sin riesgo, y un protocolo de cuatro partes para reconstruir el bucle de práctica deliberada sobre el trabajo asistido por IA. Un director general protege los activos que se acumulan y automatiza el resto; un estudiante sigue haciendo las repeticiones difíciles a propósito, porque ahí sigue viviendo el crecimiento.
Anders Ericsson dedicó su carrera a mostrar que el desempeño experto se construye, no se nace con él. Su investigación de 1993 estableció que la cantidad y calidad de la práctica deliberada, no el talento bruto, explicaban mejor quién alcanzaba niveles de élite en música y otros dominios exigentes. La palabra deliberada hace un trabajo pesado ahí. No es repetición en piloto automático. Es práctica esforzada, incómoda, rica en retroalimentación, dirigida con precisión a lo que aún no sabes hacer. Ese mecanismo choca ahora con una tecnología cuya propuesta de valor entera es quitar el esfuerzo y entregarte el resultado terminado.
El problema de las repeticiones
Aquí está la tensión en una frase. La práctica deliberada exige que hagas lo difícil de forma repetida, y la IA existe para hacer lo difícil por ti. Cada vez que aceptas un borrador generado por IA, ejecutas un análisis de IA que no podrías realizar tú mismo, o entregas una corrección que no entendiste, completas la tarea y te saltas la práctica. El trabajo se hace. El aprendizaje no ocurre. A lo largo de meses, esto produce un perfil concreto y peligroso: una persona cuya producción visible sigue subiendo mientras su capacidad subyacente se estanca o decae en silencio.
Ya tenemos una pista de esto en los datos. En el mayor estudio controlado sobre la IA en el trabajo, el acceso a un asistente de IA elevó el rendimiento del soporte al cliente un 14 por ciento de media y un 34 por ciento en los novatos, en gran parte al proporcionarles las formulaciones y soluciones que colegas competentes habían aprendido a las malas. Es una ganancia de productividad genuina. Pero fíjate en lo que es: la herramienta difundiendo una pericia que el novato no construyó. Si el novato interioriza algo de ello, o simplemente se apoya en la herramienta para siempre, es una pregunta abierta que la cifra de rendimiento no puede responder. La misma ambigüedad habita ahora mismo en cada profesión asistida por IA.
Ayuda recordar que la práctica deliberada nunca fue igualmente poderosa en todas partes. El metaanálisis más cuidadoso del campo halló que cuánto explica la práctica el desempeño depende fuertemente del dominio, y en concreto de cuán estructurado y rico en retroalimentación es ese dominio.
Datos verificados: cuánto explica la práctica deliberada el desempeño, por dominio
| Dominio | Varianza del desempeño explicada por la práctica deliberada | Estructura de retroalimentación |
|---|---|---|
| Juegos | 26 por ciento | Estrecha, inmediata, inequívoca |
| Música | 21 por ciento | Estrecha, inmediata |
| Deporte | 18 por ciento | Bastante estrecha |
| Educación | 4 por ciento | Laxa, diferida |
| Profesiones | Menos del 1 por ciento | Laxa, ruidosa, diferida |
Fuente: Macnamara, Hambrick y Oswald, Psychological Science (2014).
El patrón es la lección. La práctica rinde más donde la retroalimentación es estrecha e inmediata, y menos donde es laxa y diferida. El trabajo intelectual asistido por IA se sitúa, por defecto, en la base de esa tabla, porque la herramienta absorbe el bucle de retroalimentación y te entrega un resultado pulido antes de que hayas sentido dónde te equivocaste. La respuesta estratégica no es abandonar la IA. Es reintroducir deliberadamente las repeticiones de retroalimentación estrecha que la herramienta borraría de otro modo, y ser selectivo sobre cuáles son.
La Matriz de Asignación de Repeticiones
No toda repetición vale la pena conservar. Algunas tareas difíciles construyen destrezas que se acumulan y siguen siendo valiosas, así que deberías seguir haciéndolas a mano aunque la IA pudiera tomarlas. Otras son faena que no construye nada duradero, así que delegarlas es pura ganancia. El error es tratar la elección como todo o nada, o hacer todo a mano por nostalgia o delegar todo y vaciarse. La Matriz de Asignación de Repeticiones fuerza la elección repetición por repetición.
Marco editorial de CEOtudent: la Matriz de Asignación de Repeticiones
| Construye una destreza acumulativa | Construye poca destreza duradera | |
|---|---|---|
| Núcleo de tu valor | CONSERVA las repeticiones. Hazlas a mano, usa la IA solo para criticar tu intento después de hacerlo. | AUTOMATIZA con revisión. Deja que la IA lo haga, pero revisa la producción para que tu juicio siga afilado. |
| Periférico a tu valor | MUESTREA las repeticiones. Hazlas a mano de vez en cuando para mantener viva la capacidad, delega el resto. | DELEGA por completo. Para esto sirve la IA. Recupera el tiempo para el cuadrante superior izquierdo. |
El cuadrante superior izquierdo es sagrado. Son las repeticiones donde la dificultad es el punto, porque luchar a través de ellas construye el juicio que te vuelve valioso. Si eres redactor, esbozar tú mismo el argumento difícil pertenece aquí. Si eres analista, razonar a través del caso ambiguo pertenece aquí. En este cuadrante usa la IA solo como crítico que responde después de que te has comprometido con tu propio intento, nunca como sustituto que responde antes de que lo hayas intentado. Esa secuencia preserva el bucle de retroalimentación, que es todo el mecanismo, y se conecta directamente con la habilidad de evaluación para juzgar la producción de la IA, porque solo puedes evaluar bien el modelo si aún sabes hacer el trabajo tú mismo.
El cuadrante inferior derecho es donde la IA se gana el pan. El formato, el texto de plantilla, la recopilación de investigación de primera pasada y la transformación rutinaria no construyen ninguna destreza duradera y deberían delegarse sin culpa. El tiempo recuperado no es para el ocio. Es para reinvertirse en las repeticiones del cuadrante superior izquierdo para las que de otro modo nunca tendrías tiempo.
El protocolo de práctica de cuatro partes
Una vez que sabes qué repeticiones conservar, aún tienes que volverlas deliberadas en lugar de mecánicas. El bucle de Ericsson tenía cuatro elementos, y la IA erosiona cada uno de una forma concreta. Restaurarlos es el protocolo.
Marco editorial de CEOtudent: restaurar el bucle de práctica deliberada bajo la IA
| Elemento del bucle (Ericsson) | Cómo lo erosiona la IA | Cómo restaurarlo deliberadamente |
|---|---|---|
| Un objetivo concreto en el límite de la capacidad | La herramienta entrega por defecto producción fácil y terminada, así que nunca alcanzas tu límite | Fija la tarea un nivel por encima de lo que la IA te entregaría, e inténtala antes de pedir |
| Concentración y esfuerzo plenos | Aceptar una sugerencia cuesta una pulsación, así que el esfuerzo colapsa | Haz el primer intento con la herramienta cerrada, luego ábrela |
| Retroalimentación inmediata e informativa | La herramienta te da una respuesta pulida, no un diagnóstico de tu error | Usa la IA como crítico: pídele que halle el fallo de tu intento, no que lo rehaga |
| Repetición con refinamiento | Una buena producción se siente como conclusión, así que te detienes | Rehaz la misma clase de problema durante una semana, comparando tus intentos en el tiempo |
La forma práctica de todo esto es un ritmo, no una regla. Intenta primero, con la herramienta cerrada. Luego invita a la herramienta a criticar, no a reemplazar. Luego repite la clase de problema las veces suficientes para que tus intentos sin ayuda mejoren visiblemente. Es más lento que la automatización pura en cualquier tarea única, que es exactamente por qué la mayoría no lo hará, y exactamente por qué los pocos que lo hacen se adelantarán mientras las destrezas siguen expirando. Tratamos cuán rápido corre esa expiración en la vida media de las destrezas en 2026, y la caja de herramientas de aprendizaje más amplia en lo que dice la evidencia sobre el aprendizaje.
Por qué esto es un problema de director general y estudiante
Un director general piensa en términos de activos que se acumulan frente a gastos que no. Tu capacidad es un activo acumulativo, y el peligro de la IA es que te deja consumir ese activo de forma invisible: gastar tu destreza existente en la producción de hoy sin reinvertir nada. La Matriz de Asignación de Repeticiones es asignación de capital para tu propia mente: protege las repeticiones que se acumulan, imputa como gasto las que no.
La mitad estudiante es la disciplina de seguir haciendo cosas difíciles cuando un camino más fácil está a una pulsación. Seguir siendo estudiante es más difícil ahora que en ningún momento anterior, porque la herramienta quita la fricción que solía imponerte el aprendizaje. Quienes prosperen serán los que reintroducen esa fricción a propósito en los cuadrantes que importan, tratando cada tarea asistida por IA como una elección entre terminar más rápido y mejorar, y eligiendo mejorar con la frecuencia suficiente para que se acumule. Si quieres el mapa de las capacidades que valen esta inversión, las diez destrezas cognitivas que la IA no puede automatizar son el lugar por donde empezar, y las metadestrezas que hacen más fácil cualquier otra destreza cubren los hábitos de práctica que se transfieren entre dominios.
Preguntas frecuentes
¿Usar la IA de verdad empeora mis destrezas, o solo detiene su mejora?
Ambas son posibles, y cuál ocurre depende de cómo uses la herramienta. Si delegas repeticiones que nunca vuelves a hacer a mano, la capacidad decae por desuso, igual que se desvanece cualquier destreza no practicada. Si sigues haciendo las repeticiones centrales y usas la IA como crítico, tus destrezas pueden mejorar más rápido que antes, porque la herramienta te da una retroalimentación que de otro modo no obtendrías. La herramienta es neutral; el patrón de uso decide el resultado.
¿Sigue siendo relevante la práctica deliberada si la IA hace la tarea mejor que yo?
Sí, para las repeticiones del cuadrante superior izquierdo, porque el objetivo ahí no es vencer a la IA en la tarea. Es conservar el juicio que te permite dirigir y evaluar la IA. Un gerente no necesita teclear más rápido que su equipo, pero sí necesita juzgar el trabajo, y ese juicio se atrofia sin práctica.
¿Cómo encuentro tiempo para hacer repeticiones a mano cuando la IA es mucho más rápida?
Compras el tiempo delegando de forma agresiva el cuadrante inferior derecho. Las horas recuperadas de automatizar la faena son el presupuesto para la práctica deliberada en lo que importa. Si automatizas todo y no reinviertes nada, has optimizado la producción al coste directo de la capacidad.
¿Puedo usar la IA como fuente de retroalimentación en la práctica deliberada?
Sí, y es uno de sus mejores usos. Pedir a un modelo que critique tu intento, halle sus debilidades o lo compare con una versión más fuerte aporta la retroalimentación inmediata e informativa que la práctica deliberada exige y que a menudo falta en el trabajo profesional. La clave es que intentes primero y dejes que el modelo responda a tu intento, en lugar de dejar que produzca el intento por ti.
¿Qué destrezas debería proteger primero?
Protege las que son núcleo de tu valor y se acumulan con el tiempo, el cuadrante superior izquierdo de la matriz. En la mayoría de los roles del conocimiento son las destrezas de razonamiento, juicio y comunicación que determinan qué trabajo vale la pena, en lugar de las destrezas de ejecución mecánica que la IA ahora maneja bien.
Kaynakça
- K. Anders Ericsson, Ralf Th. Krampe y Clemens Tesch-Romer, “The Role of Deliberate Practice in the Acquisition of Expert Performance,” Psychological Review, 1993.
- Brooke N. Macnamara, David Z. Hambrick y Frederick L. Oswald, “Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis,” Psychological Science, 2014.
- K. Anders Ericsson y Robert Pool, Peak: Secrets from the New Science of Expertise, Houghton Mifflin Harcourt, 2016.
- Erik Brynjolfsson, Danielle Li y Lindsey Raymond, “Generative AI at Work,” Quarterly Journal of Economics, 2025.
- Foro Económico Mundial, Future of Jobs Report 2025.
- OCDE, OECD Skills Outlook 2023.
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:
