27 de julio de 2026 # No delegues el entendimiento a la IA. Al menos, no todo  *Llevamos siglos delegando en especialistas cuyo trabajo no entendemos, y funciona. Con la IA cambia una cosa: al otro lado ya no hay un profesional que responda por ese trabajo, así que **el único que responde eres tú**.* Preparando una sesión de asesoría, le di a la IA todo el contexto que tenía: la empresa, su situación, el objetivo de la sesión, proceso de investigación y desarrollo, y el resultado esperado. Lo que me devolvió era espectacular, mejor de lo que yo habría montado en un día entero de trabajo. Y aun así no podía ir con eso. Lo leí y me di cuenta de que no tenía ni idea del contenido. Podría haber contado con detalle cómo había conseguido que la IA me lo preparara, eso sí. Lo que no podía era sentarme delante de un comité de dirección a discutir por qué esas conclusiones o recomendaciones y no otras, o qué pasaba si fallaba alguna de las asunciones. Delegar trabajo tiene sentido. Para eso queremos la IA. El problema aparece cuando delegas también la parte que necesitabas para entender de dónde sale el resultado y defender las decisiones. ## Delegar es necesario  La idea me viene del blog de [Steph Ango](https://stephango.com/understand): *Don't delegate understanding*. Tomada al pie de la letra, no funciona. Nuestra sociedad depende de la especialización (en realidad de la *combinación de especialización + generalización*, pero eso es otra historia). Vivimos en casas que no sabemos construir, usamos programas que no somos capaces de desarrollar y tomamos medicinas cuyo funcionamiento no entendemos bien (¿cómo sabe el ibuprofeno dónde te duele?). Una empresa existe, entre otras razones, porque reparte el conocimiento entre muchas personas. Nadie espera entenderlo todo antes de trabajar. Ahora bien, en esa delegación de siempre hay alguien al otro lado. El arquitecto que firma los planos de tu casa tiene años de oficio, un colegio profesional detrás y responsabilidad propia sobre lo que firma. Si el edificio se cae, responde él. Cuando delegas en la IA no hay nadie ahí. El trabajo llega igual de terminado, pero la única persona que responde por él sigues siendo tú, aunque no lo hayas hecho tú. Esa es la diferencia, y es la que obliga a conservar algo de entendimiento aunque no hiciera falta conservarlo antes. Tampoco tiene sentido utilizar la IA solo para las tareas que ya dominamos. Una de sus mayores ventajas consiste precisamente en ayudarnos a entrar en asuntos nuevos y ampliar lo que somos capaces de hacer. Así que no necesitamos entender cada paso, dominar cada técnica ni ser capaces de repetir el trabajo sin ayuda. Necesitamos entender lo suficiente para cumplir tres responsabilidades: fijar el objetivo, evaluar el resultado y asumir sus consecuencias. Ese entendimiento mínimo cambia según la tarea. Puedo pedir a la IA que mejore el tono de un correo y comprobar en segundos si ha respetado lo que quería decir. Si falla, corrijo el texto antes de enviarlo. Pero si le pido que recomiende una inversión, seleccione a un candidato o cambie un proceso que afecta a miles de clientes, leer la conclusión no basta. Tengo que conocer los datos, las asunciones, las opciones descartadas y las consecuencias si me equivoco. ## El resultado puede ser mejor que tu comprensión  Hasta ahora, hacer un trabajo y entenderlo solían ir juntos. Mientras investigabas, redactabas o calculabas, también descubrías dónde estaban las dudas. El proceso te obligaba a tomar pequeñas decisiones y te daba una idea bastante precisa de la solidez del resultado. La IA separa ambas cosas. Puede producir en pocos minutos un documento mucho mejor de lo que tú podrías producir y dejarte, al mismo tiempo, sabiendo del asunto bastante menos de lo que ese documento da a entender cuando lo enseñas. Esto crea una situación nueva. **La calidad visible del resultado ya no dice gran cosa sobre la comprensión de quien lo presenta**. Una persona puede entregar un análisis excelente sin saber explicarlo. Puede generar código que funciona sin saber qué hará ante un dato inesperado. Puede mandar una propuesta comercial muy convincente sin haber visto las obligaciones que la IA ha incluido para cerrar el argumento. > Dicho en corto: que el trabajo esté bien hecho ya no significa que quien lo presenta sepa de qué va. El acabado puede engañarnos porque la IA redacta con seguridad, ordena muy bien la información y rellena huecos con respuestas razonables. Justo cuando más fácil parece aprobar el trabajo, más importante resulta comprobar qué sabemos realmente sobre él. Geoffrey Litt lo contaba hace poco desde el lado del código, y lo contábamos en [[El Abismo de Máquina/Ecos/2026.07/Eco-Entender-Nuevo-Cuello-Botella|este eco]]: **revisar si el trabajo de un agente está bien lo van a hacer cada vez mejor los propios agentes**, pero entenderlo no lo pueden hacer por ti. A lo que se acumula mientras tanto lo llama deuda cognitiva. Puedes ignorarla un tiempo, hasta que dejas de poder. ## La misma IA sirve para entender o para evitar entender  Ante un informe técnico que no domino, puedo pedir a la IA que lo resuma y quedarme con cinco puntos. También puedo pedirle que me explique cada asunción, que defina los conceptos que me faltan, que me ponga ejemplos, que discuta mis conclusiones y que compruebe si sería capaz de explicarlo con mis palabras. En los dos casos ahorro tiempo. Solo en el segundo aumento mi capacidad para decidir. Ocurre lo mismo al programar. Puedes pedir una función, comprobar que se ejecuta y pegarla en producción. O puedes pedir además que explique las decisiones, identifique los casos límite, escriba las pruebas y te muestre dónde podría fallar. No hace falta que te conviertas en el mejor programador del equipo, pero sí que sepas qué comportamiento estás introduciendo y qué señales exigirían detenerlo. La diferencia no está en la herramienta ni en la tarea, sino en el uso que hacemos del tiempo ahorrado. Podemos dedicar una parte a comprender mejor lo que vamos a aceptar o quedarnos solo con el resultado terminado. La segunda opción ahorra más tiempo y funciona estupendamente hasta que aparece una excepción o una pregunta difícil. ## Cuánto necesitas entender  No todas las tareas merecen el mismo esfuerzo. Revisar con el mismo rigor un correo interno y una decisión financiera sería absurdo. Para decidir cuánto entendimiento conservar, yo uso tres criterios muy sencillos: - **Riesgo:** ¿qué probabilidad hay de que la IA se equivoque o de que el encargo admita varias interpretaciones razonables? - **Impacto:** ¿a cuántas personas, cuánto dinero o qué parte de la empresa afectaría el error? - **Reversibilidad:** si sale mal, ¿puedo deshacerlo rápido y a un coste pequeño? Cuando los tres valores son bajos, una revisión superficial puede ser suficiente. Corregir un texto, resumir unas notas propias o proponer nombres para una reunión permite probar, ver y rectificar. Si alguno sube, la revisión necesita más profundidad, y no es igual según el tipo de entregable. En una propuesta a un cliente conviene comprobar las fuentes, las cifras, las promesas y los límites del alcance. En un análisis para decidir una inversión hay que entender además las asunciones y saber cuánto cambia la recomendación si cambia cada uno. En una decisión médica, legal o de seguridad, hará falta que un especialista competente revise el trabajo. La IA ayuda a preparar preguntas y estudiar la respuesta; no convierte al responsable en especialista por tener un buen prompt y haber leído el resumen. La autonomía de la IA también cuenta. Un error en un borrador que todavía no ha salido de tu pantalla es fácil de detectar y corregir. El mismo error en un agente que envía mensajes, modifica precios o ejecuta pagos puede propagarse antes de que alguien lo vea. Cuanta más capacidad de actuar tenga el sistema, mayor debe ser el conocimiento de sus límites, sus controles y las condiciones que deberían detenerlo. ## Una prueba antes de aceptar el trabajo  Hay una comprobación útil para saber si tienes el suficiente entendimiento del trabajo hecho por la IA. Antes de aprobar un resultado importante, intenta responder sin volver a leerlo: 1. ¿Qué propone exactamente y qué objetivo resuelve? 2. ¿En qué datos y asunciones se apoya? 3. ¿Qué alternativa razonable ha descartado y por qué? 4. ¿Qué podría salir mal y cómo nos enteraríamos? 5. ¿Qué consecuencias estoy aceptando al dar el visto bueno? No necesitas todo el detalle. Sí deberías poder explicarlo con tus palabras y contestar las preguntas previsibles de alguien afectado por la decisión. Si no puedes contestarlas, lo que has hecho es leer el resultado, y conviene volver sobre él antes de aprobarlo. La solución tampoco consiste en verificar a mano todo lo que ha hecho la IA. Puedes pedirle que explique las asunciones, que separe hechos de estimaciones, que muestre las fuentes, que calcule otros escenarios o que prepare el mejor argumento contra su propia recomendación. ## El trabajo que queda en nuestras manos  **Vamos a delegar cada vez más tareas y procesos enteros**. Es razonable hacerlo. Renunciar a esa capacidad por miedo a perder conocimiento sería como negarse a usar cualquier forma de especialización. Pero el tiempo que ahorramos no puede salir siempre de la parte dedicada a entender. En trabajos de poco riesgo, quizá baste con comprobar el resultado. En decisiones importantes tendremos que invertir parte del ahorro en estudiar algo que ya no hemos tenido que producir. Será un trabajo menos visible que redactar, calcular o diseñar, pero seguirá siendo trabajo. Con la sesión que contaba al principio acabé haciendo justo eso. Me estudié a fondo el material, discutiéndolo con la propia IA y profundizado por mi cuenta lo que no me cuadraba o no entendía bien. Me llevó tiempo, bastante menos del que habría tardado en producirlo, y salí sabiendo más de ese tema que ninguna de las veces que lo había preparado a mano, porque pude dedicar todas las horas a entenderlo en vez de a fabricarlo. La IA puede hacerse cargo de una parte creciente del proceso. La responsabilidad seguirá en la persona que decide aceptar el resultado, incluso cuando ya no sepa cómo se obtuvo. Si no conserva el entendimiento necesario para responder por esa decisión, cada trabajo que delega aumenta la distancia entre lo que firma y lo que sabe. --- Publicado el 27 de julio de 2026, [LinkedIn](https://www.linkedin.com/pulse/delegues-el-entendimiento-la-ia-al-menos-todo-david-hurtado-tor%25C3%25A1n-ls1te), [Substack](https://open.substack.com/pub/davidhurtado/p/no-delegues-el-entendimiento-a-la?r=4uyjfg&utm_campaign=post&utm_medium=web&showWelcomeOnShare=true), [X](https://x.com/dhtoran/status/2081629530918158534?s=20)