Informe de investigación · octubre 2026
Conversación: Maillard Borges (resumen). Índice: documentos.
En la mayoría de los experimentos rigurosos, no: la IA generativa ayuda más a quien parte con menos habilidad, menos formación o peor dominio del idioma. Pero eso vale para tareas bien definidas que el modelo sabe resolver. Cuando hay que decidir qué consejo seguir, detectar errores o aportar contexto, la ventaja vuelve a quienes ya eran buenos. Y ningún estudio mide el CI directamente: todos usan formación, rendimiento previo o experiencia.
En una implantación real con 5.179 agentes de atención al cliente, un asistente de IA subió la productividad un 14 % de media y un 34 % entre los novatos, con efecto mínimo en los mejores (NBER). La IA aprende de cómo trabajan los mejores y transmite ese saber a quienes están abajo. En redacción profesional, ChatGPT redujo el tiempo en torno a un 40 % y subió la calidad un 18 %, y los que peor escribían fueron los que más mejoraron (MIT News). Entre 758 consultores de BCG, los de rendimiento por debajo de la media mejoraron un 43 % y los de por encima un 17 % (SSRN).
Se repite en programación y derecho. Con desarrolladores de Microsoft, Accenture y otra gran empresa, los juniors completaron un 27–39 % más de tareas, frente al 8–13 % de los seniors (MIT Sloan). En exámenes de derecho, GPT-4 ayudó mucho a los estudiantes peor clasificados, mientras que los mejores empeoraron (SSRN).
Un ensayo aleatorizado preregistrado de 2026 con 1.174 adultos argentinos mejoró los resultados en 1,24 desviaciones típicas a quienes tenían menos estudios y en 0,83 a los de más estudios, cerrando la brecha en torno a un 75 % (arXiv). Es un preprint, pero con buen diseño.
En unos 2,06 millones de artículos biomédicos, el uso de IA en la redacción creció más donde el nivel nacional de inglés es menor (ρ = −0,65), y se asocia con menos brecha de productividad científica (arXiv). En más de un millón de mensajes de 16.791 estudiantes, los no nativos fueron los que más mejoraron tras la llegada de ChatGPT, y hacia otoño de 2023 la brecha con los hablantes fuertes desapareció o se invirtió (Hechinger Report).
Dos matices. Estas mediciones capturan fluidez y forma, no la calidad de las ideas. Y las ganancias se concentraron en estudiantes con más renta. Además, los detectores de IA marcan como artificial la escritura de no nativos (arXiv), un coste extra para quien más se beneficia.
En el estudio de BCG, en una tarea que GPT-4 no hacía bien, quienes usaron IA tuvieron 19 puntos menos de probabilidad de acertar. Con emprendedores kenianos que recibieron un mentor GPT-4, el efecto medio fue nulo: los de alto rendimiento ganaron algo más de un 15 % y los de bajo rendimiento empeoraron un 8 %. La diferencia estaba en qué consejos escogían y cómo los aplicaban (Harvard CID). Si el resultado es fácil de verificar, la IA iguala; si hay que filtrar consejos de calidad variable, gana quien tiene criterio.
Tener experiencia tampoco lo garantiza. 16 desarrolladores veteranos en repositorios que conocían a fondo tardaron un 19 % más con IA, aunque creían haber ido un 20 % más rápido (arXiv). Dar GPT-4 a 50 médicos apenas mejoró su diagnóstico (76 frente a 74), mientras GPT-4 solo obtenía unos 92 (Stanford HAI). Ante sugerencias erróneas de IA en mamografía, los radiólogos inexpertos cayeron por debajo del 20 % de aciertos, y los muy experimentados del 82 % al 45,5 % (RSNA). En otro estudio, los radiólogos infravaloraron una IA que acertaba (NBER).
En el ensayo argentino, los más formados escribían instrucciones más detalladas y flujos de trabajo más estructurados, y esas conductas se asocian con alrededor del 49 % de la variación de resultados entre usuarios (asociación, no causa demostrada). Un estudio revisado por pares confirma que la calidad del prompt predice la del resultado, y que la alfabetización en IA predice mejores prompts (Univ. St. Gallen). Con 3.750 personas, la adaptación de los usuarios a un modelo mejor explicó cerca de la mitad de la ganancia en tareas con criterios claros; en tareas creativas pesó más el modelo (arXiv).
El otro rasgo es el escepticismo activo. Quienes escribieron código seguro con asistente confiaban menos en la IA: reformulaban y editaban mucho. Los demás escribieron código menos seguro y creían que era más seguro (arXiv). En 319 trabajadores del conocimiento, confiar en la IA se asoció con menos pensamiento crítico, y confiar en uno mismo, con más (Lee et al., CHI 2025). Es plausible que inteligencia y buena expresión favorezcan estas conductas, pero no se ha medido directamente.
Lo ganado con ayuda no se traslada del todo: al repetir sin IA, reapareció una brecha educativa de 0,20 desviaciones típicas. Un pequeño estudio con EEG del MIT (54 participantes, sin revisión por pares) observó menos recuerdo del propio texto al escribir con ChatGPT (arXiv); su interpretación está discutida (Scientific American).
La IA generativa no es tanto un amplificador de la inteligencia como un suelo de competencia: eleva a todos en lo que el modelo ya sabe hacer, y por eso beneficia relativamente más a quien está abajo. La ventaja de las personas capaces se desplaza a tres cosas: formular bien el problema, decidir qué delegar y detectar cuándo el modelo se equivoca. Quien domina el lenguaje sacará más si lo usa para precisar objetivos y desconfiar con método, no para pulir texto.
Siguen abiertas dos preguntas: si el CI medido directamente predice algo más allá de la formación y la experiencia, y si el uso prolongado de IA erosiona la capacidad de verificar de la que depende su buen uso.
El estudio de ciencia de materiales de Toner-Rodgers (2024), muy citado para decir que los mejores científicos ganan más con IA, fue desautorizado por el MIT en mayo de 2025 (TechCrunch) y no se usa aquí. Algunas cifras de BCG y de Noy y Zhang proceden de resúmenes, no de los artículos completos.