18 de agosto de 2026 # Personas y modelos de IA no se equivocan igual  Me dejaron este comentario en un post hace unos días: > [!cite] "La IA puede generar, pero no puede juzgar si lo que genera es bueno. Sin el criterio humano, el output baja. Y lo mejor es luego encima nadie entiende el por qué." Le contesté que si le pides un juicio con criterio a la IA y a una persona, los resultados se parecen bastante. Al final lo que hace un modelo es simular cómo juzgamos nosotros. Pero si lo simula muy bien, ¿dónde está la diferencia? Y me quedé dándole vueltas a otra cosa, que es la que me interesa de verdad. Damos por hecho que el criterio humano es el patrón contra el que se mide todo lo demás. Y casi nadie se ha parado a medir ese patrón. Hay un dato de un tribunal de inmigración de Miami que todos entendemos y es bastanta clarificador. Un colombiano que pedía asilo tenía un 5% de posibilidades con un juez y un 88% con otro juez del mismo edificio. La misma ley, el mismo tipo de caso, el mismo pasillo. Lo único que cambia es la persona que pone el criterio. ## Cuando se compara de verdad  Cuando alguien se ha molestado en medirlo, sale esto: el criterio de un modelo de IA coincide con el de un experto más o menos tanto como coinciden dos expertos entre sí. No es que el modelo sea infalible. Es que dos expertos humano coinciden bastante menos de lo que nos imaginamos. Y va con un matiz que para mí es la parte que hace creíble el resultado. Modelo IA y experto humano están de acuerdo casi siempre cuando una de las dos opciones es claramente mejor que la otra. Se separan justo en los casos reñidos, donde la cosa está ajustada. Que son exactamente aquellos en los que se supone que el criterio sirve para algo. ## Cómo se equivoca cada uno  Aquí está, creo, lo que de verdad decide dónde poner a una persona y dónde poner un modelo. No va de quién se equivoca menos, va de cómo se equivoca cada uno. Nosotros nos equivocamos cada uno para su lado. Hoy digo una cosa y mañana la contraria, tú puntúas alto lo que yo puntúo bajo, el juez de la puerta de al lado opina otra cosa. Eso es malo, pero tiene arreglo: pides una segunda opinión y de verdad es otra opinión, así que dos errores que van en direcciones distintas se compensan. El modelo no funciona así. Se equivoca siempre igual, en la misma dirección y sobre el mismo tipo de caso. Y si preguntas otra vez, normalmente contestará más o menos lo mismo con la misma seguridad, porque es el mismo modelo. Ahí la segunda opinión no existe. De ahí sale la única regla práctica que yo me llevaría de todo esto. Si vuestro problema es que persona evalúa distinto, meted un modelo de IA y vais a ganar muchísimo. Si vuestro problema es un error sistemático que no va a ver nadie porque no está contemplado en la metodología o requiere un conocimiento que no está en el equipo humano, añadir un modelo de IA va a multiplicar el error. Y encima os deja a todos tranquilos, porque ahora coincidís. ## Qué queda del criterio humano  Nada de esto va de quitar al humano de en medio. El trabajo del criterio no es aplicar la plantilla de evaluación. Eso lo hace una máquina, y sin cansarse a las seis de la tarde. El trabajo es escribir la plantilla: elegir cómo se mide, decidir qué errores estáis dispuestos a tragar y cuáles no, y dar la cara cuando salga mal. Y hay una última cosa, que cierra el círculo con el comentario del principio. Poner un humano encima no da criterio humano por defecto. Se ha medido qué pasa cuando la IA propone y una persona revisa, y **lo que pasa casi siempre es que la persona acepta lo que le devuelve la IA si está bien argumentado**. Incluso gente que decía que no se fiaba de la recomendación. Así que sí, hace falta criterio. Lo que pasa es que el criterio debe estar medido, no basta con estar en la cadena. Y eso da bastante más trabajo que aceptar.