El borrador llega en diez segundos. Está bien escrito: párrafos limpios, tono profesional, un resumen al principio. Lo lees por encima, piensas «ya está bien» y lo envías. Dos días después, un cliente te pregunta por una condición que el texto daba por hecha y que nadie había acordado con él.
No hace falta que nadie sea negligente para que pase. Es una reacción muy humana: lo que está pulido nos parece correcto. Y en una pyme, donde casi todo se hace con prisa, el efecto se nota más. En este artículo analizamos por qué ocurre, qué dicen algunos estudios y qué hábitos de equipo ayudan a revisar de verdad sin añadir burocracia.
Por qué la forma nos engaña sobre el fondo
Toda la vida hemos usado la forma como atajo de calidad. Un texto con faltas, frases cojas o un tono raro nos hace desconfiar. Uno bien redactado, no. Con la IA ese atajo falla: escribe bien casi siempre, también cuando el contenido está mal. Un dato inventado llega con la misma corrección gramatical que un dato cierto.
A eso se suman otras cuatro cosas:
- Cambia el trabajo que haces. Pasas de escribir a revisar. Revisar cansa y da menos satisfacción, y tendemos a leer para confirmar, no para buscar fallos.
- Hay más volumen. Si la herramienta produce más borradores en menos tiempo, la revisión se convierte en el cuello de botella y crece la tentación de acortarla.
- El tono es seguro. La IA no duda en voz alta. Un texto sin un solo «quizá» parece más fiable de lo que es.
- Tú lo has encargado. Si has pedido el texto, quieres que esté bien. Es difícil criticar lo que acabas de pedir.
Qué dicen los estudios (y qué no dicen)
Microsoft Research presentó en 2025, en el congreso CHI, una encuesta a 319 trabajadores del conocimiento sobre cómo usan la IA generativa en su trabajo. Encontró que una mayor confianza en la IA se asociaba con menos pensamiento crítico, y que una mayor confianza del trabajador en sí mismo se asociaba con más. Es una asociación, no una prueba de causa, y se apoya en lo que cuentan los propios encuestados, no en una medición de la calidad de su trabajo.
Otro estudio, el de METR (2025), siguió a 16 desarrolladores de software con mucha experiencia en sus propios proyectos. Con herramientas de IA tardaron un 19 % más en resolver incidencias reales. Esperaban ir un 24 % más rápido y, ya terminado el trabajo, seguían creyendo que la IA los había acelerado un 20 %. Conviene leerlo con cuidado: la muestra es muy pequeña, eran personas muy expertas en su propio código y las herramientas eran de principios de 2025. En febrero de 2026 la propia METR explicó que había cambiado el diseño de su experimento porque cada vez más desarrolladores no querían trabajar sin IA, lo que sesga a la baja la estimación; sus estimaciones de finales de 2025 apuntaban a una aceleración, pero METR las considera evidencia muy débil.
¿Qué se puede sacar en limpio? Ninguno de los dos dice que la IA empeore el trabajo ni que no sirva. Lo que sugieren, juntos, es otra cosa: nuestra sensación de «esto va bien» es un instrumento poco fiable, y confiar mucho en la herramienta puede apagar justo el hábito que más falta hace, que es preguntarse si algo es verdad.
Cuánta revisión necesita cada cosa
No todo merece la misma lupa. Si revisas igual una nota interna que una propuesta para un cliente, acabarás revisando mal las dos. Una forma práctica de repartir el esfuerzo es mirar qué pasa si el texto falla:
| Qué sale de la IA | Qué pasa si falla | Revisión razonable |
|---|---|---|
| Resumen de una reunión interna | Poco, se corrige sobre la marcha | Lectura rápida y una comprobación por muestreo cada cierto tiempo |
| Correo o propuesta a un cliente | Compromete a la empresa | Revisión completa de cifras, plazos y condiciones, mejor por una segunda persona |
| Texto sobre una persona (evaluación, sanción, selección) | Afecta a alguien de forma seria | No lo decide la IA: decide y redacta un responsable; la IA solo ordena información |
| Contenido legal, fiscal o financiero | Puede costar dinero o un problema con la administración | Lo valida el profesional que corresponda (asesor, abogado) |
La columna de la derecha no es una norma, es un punto de partida. Lo importante es que el equipo la hable y la ajuste con casos reales de vuestro negocio.
Seis hábitos que mantienen la revisión real
- Cambia la pregunta. En lugar de «¿está bien?», pregunta «¿qué frases de este texto serían un problema si fueran falsas?». Obliga a leer con intención de encontrar fallos.
- Separa lo comprobable. Subraya cifras, nombres, fechas, importes, condiciones y citas, y compruébalos contra el documento original, no contra otra respuesta de la IA.
- Ten tu criterio antes. Antes de pedir el borrador, apunta en dos líneas qué tiene que decir. Luego contrasta. Si no, el borrador te marca el camino y solo corriges por encima.
- Revisa en dos tiempos. Primera lectura: ¿responde a lo que pedí? Segunda lectura, un rato después o por otra persona: ¿es verdad lo que dice?
- Pareja para lo que sale fuera. Todo lo que llega a un cliente o compromete dinero lo mira una segunda persona. Lo interno y rutinario, por muestreo.
- Apunta lo que se coló. Una hoja compartida con los fallos que se han encontrado (un dato mal, una condición inventada, un tono inadecuado) enseña más al equipo que cualquier charla.
Hay un dato que apunta a que el entorno pesa más que la buena voluntad individual. En el Work Trend Index 2026 de Microsoft (encuesta a 20.000 trabajadores que usan IA, en 10 mercados), los factores organizativos, como la cultura, el apoyo de los jefes y las prácticas de talento, explican más del doble del impacto de la IA declarado por los usuarios que los factores individuales como la actitud y el comportamiento (67 % frente a 32 %). Ojo: es un índice construido con lo que declaran los propios usuarios, en una encuesta de una empresa que vende IA. Léelo como indicio, no como medida exacta. Aun así, encaja con lo que se ve en la práctica: si el jefe da por bueno todo lo que sale rápido, nadie revisará despacio.
Cómo evitar que la revisión se convierta en un trámite
El riesgo contrario también existe. Una lista de veinte comprobaciones que hay que firmar acaba firmándose sin leer. Para que la revisión siga viva:
- Pocas preguntas, siempre las mismas. Tres que todo el mundo recuerde funcionan mejor que veinte que nadie lee. Por ejemplo: ¿qué afirma este texto?, ¿de dónde sale cada dato?, ¿qué pasaría si fuera falso?
- Que devolver un borrador sea normal. Si quien encuentra un fallo queda como el que frena, dejará de buscarlos. Reconoce a quien detecta un error, no solo a quien entrega rápido.
- Reserva tiempo. Si la revisión no tiene hueco en la agenda, no se hace. Cuenta con ella cuando planifiques un trabajo con IA.
- Entrena con ejemplos propios. Un ejercicio sencillo: prepara cinco borradores de textos de tu negocio con un fallo plantado en cada uno y pide al equipo que lo encuentre. Se aprende rápido qué errores pasan desapercibidos.
- Mide fallos encontrados, no minutos gastados. Una revisión que nunca encuentra nada puede significar que el texto es bueno, o que nadie está mirando.
Si quieres profundizar en cómo repartir el trabajo entre personas y agentes, tienes cómo trabajan juntos personas y agentes de IA, y un ejemplo de circuito de aprobación para que nada salga sin revisión.
Fuentes
- Microsoft Research (2025): The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers
- METR (2025): Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
- METR (2026): We are Changing our Developer Productivity Experiment Design
- Microsoft, Work Trend Index (2026): 2026 Work Trend Index report: Agents, human agency, and the opportunity for every organization
Conclusión
Un texto bien escrito no es un texto verificado. El efecto «ya está bien» nace de que la forma nos tranquiliza, y la IA siempre cuida la forma. La solución no es desconfiar de todo, sino decidir de antemano cuánta revisión merece cada cosa, hacer preguntas concretas y dar al equipo tiempo y permiso para encontrar fallos. La IA prepara el borrador; la responsabilidad de lo que se envía sigue siendo de una persona.
En MG Solutions formamos a equipos de empresa en IA, por puesto y con casos reales de tu negocio, y también implantamos agentes de IA a medida. Una parte de esa formación es justo esta: enseñar a revisar bien.
Puedes ver cómo lo planteamos en nuestra formación en IA para empresas.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.