La IA promete ahorrar trabajo, pero reconocer que la utilizamos puede despertar dudas sobre nuestro esfuerzo y nuestra capacidad. La investigación ya ha identificado este coste social.
La incomodidad de decir «me ha ayudado una IA»
Preparas una presentación, revisas cada dato y quedas satisfecho con el resultado. Sin embargo, cuando alguien te felicita, dudas si mencionar que utilizaste inteligencia artificial para organizar las ideas. ¿Pensará que has trabajado menos? ¿Dejará de valorar tu aportación?
Esa tensión ayuda a entender dos expresiones relacionadas: AI shame, la vergüenza que una persona puede sentir por utilizar IA, y AI shaming, el señalamiento o la descalificación de alguien por hacerlo.
Conviene distinguirlas: una describe la experiencia personal; la otra, el juicio social que puede alimentarla. No toda incomodidad demuestra un uso incorrecto, ni toda crítica al uso de IA constituye una descalificación injusta.
El juicio social tiene evidencia detrás
Un estudio publicado en PNAS en 2025 examinó este problema mediante cuatro experimentos con 4.439 participantes. Los investigadores encontraron que quienes recibían ayuda de IA anticipaban valoraciones negativas sobre su competencia y motivación, y que esas valoraciones también aparecían entre los observadores.
En los escenarios analizados, recurrir a la IA podía llevar a percibir a una persona como menos esforzada o menos competente. Los resultados también mostraron efectos sobre la evaluación de candidatos en situaciones de contratación.
Esto no significa que todas las empresas penalicen su uso ni permite calcular cuántas personas sienten vergüenza. Sí aporta evidencia de que el temor al juicio ajeno puede tener una base real.
Por qué puede sentirse como una pérdida de mérito
Parte del conflicto aparece cuando asociamos el valor de un trabajo con la dificultad que ha costado producirlo. Si una herramienta reduce el tiempo de preparación, puede surgir la duda de si el resultado sigue siendo «nuestro».
Pero la aportación humana no se limita a escribir cada frase desde cero. Definir el problema, aportar contexto, seleccionar información, detectar errores y decidir qué merece conservarse también son partes del trabajo.
La pregunta útil es qué decisiones ha tomado la persona y qué comprensión conserva del resultado. Utilizar ayuda para ordenar una explicación no equivale a entregar un análisis que no se entiende ni se ha comprobado.
La autenticidad también entra en juego
La incomodidad puede ser mayor cuando el texto pretende expresar una experiencia personal. Un mensaje de agradecimiento, una reflexión académica o una carta importante no se valoran únicamente por su corrección: también importa que reflejen lo que quien firma quiere decir.
Un estudio de caso con cinco estudiantes de secundaria exploró el uso de IA generativa en escritura reflexiva. Los participantes expresaron tensiones relacionadas con la voz propia, el miedo a parecer perezosos y la confianza en sus capacidades. Por su tamaño y contexto, el trabajo ofrece una mirada concreta, no una conclusión aplicable a todo el alumnado.
Corregir una frase para que represente mejor una experiencia puede ser una revisión valiosa. Cambiarla únicamente para ocultar cómo se produjo responde a una preocupación diferente.
Cuándo la crítica es legítima
No todas las objeciones pueden reducirse a un prejuicio contra la tecnología. Es razonable cuestionar un trabajo que incorpora datos inventados, incumple las condiciones de una actividad o presenta como experiencia propia algo que nunca ocurrió.
También importa el propósito de la tarea. En un ejercicio diseñado para practicar razonamiento o escritura, delegar precisamente esa parte puede impedir el aprendizaje buscado. En otro contexto, utilizar una herramienta para revisar un borrador puede ser perfectamente compatible con el objetivo.
Por eso, juzgar únicamente si «se ha usado IA» aporta poca información. Hace falta saber para qué se utilizó, qué reglas existían y cómo se revisó el resultado.
Cómo reducir la vergüenza sin renunciar a la responsabilidad
- Aclarar las expectativas: los equipos y centros educativos deberían explicar qué usos permiten y cuándo deben comunicarse.
- Describir la ayuda con precisión: «la utilicé para ordenar el borrador y después comprobé las fuentes» informa mejor que una etiqueta genérica.
- Conservar el criterio propio: quien entrega el trabajo debe comprenderlo y poder explicar sus decisiones.
- Evaluar el resultado y el proceso: ni la rapidez demuestra falta de esfuerzo ni una presentación impecable garantiza calidad.
- Evitar las descalificaciones personales: cuestionar una práctica concreta permite debatir; llamar incompetente a alguien por utilizar una herramienta cierra la conversación.
Una conversación sobre confianza y mérito
El debate sobre el AI shaming plantea cómo reconocemos la aportación personal cuando parte del trabajo puede automatizarse. También obliga a definir qué esperamos de quien firma un documento, presenta una idea o entrega una tarea.
La confianza necesita espacio para explicar el uso de estas herramientas y para señalar sus límites. Reconocer una ayuda no debería invalidar automáticamente el trabajo; utilizarla tampoco elimina la responsabilidad sobre lo que se entrega.
El mérito requiere mirar qué ha aportado la persona, qué ha delegado y de qué resultado se hace responsable.
Fuentes
- PNAS — Evidence of a social evaluation penalty for using AI
- Computers & Education — The balancing act between AI and authenticity in assessment
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
