La rápida incorporación de las herramientas de inteligencia artificial generativa en el día a día de las oficinas ha tenido una consecuencia inesperada: la llamada fatiga de “prompts”, un fenómeno que se asocia al desgaste cognitivo que genera la presión constante por tener que redactar, ajustar y optimizar instrucciones para los modelos de lenguaje, los famosos “prompts”, para mejorar los resultados que se obtienen de estos, un proceso que muchos trabajadores perciben como disruptivo en su flujo de concentración.
El análisis sitúa el origen de dicho problema en el cambio de paradigma del trabajo del conocimiento. Frente a la etapa de “buscar y ensamblar” que dominó con la web, la dinámica actual se apoya en “consultar y refinar” respuestas de modelos lingüísticos que, pese a su alcance, ofrecen resultados que requieren de una comprobación continua. Esta situación, observada con claridad en perfiles técnicos como desarrolladores de software, no está confirmada de forma homogénea en todo tipo de perfiles, áreas y trabajos.
A esta carga se le añaden decisiones reiteradas como qué modelo elegir, cómo plantear el prompt y de qué manera iterarlo, y la ausencia de señales claras de incertidumbre en muchos sistemas. Según los especialistas citados por Computerworld, medio que informa sobre la novedosa dolencia, este conjunto de factores conduce a idas y vueltas que interrumpen el trabajo profundo y alimentan la sensación de agotamiento del trabajador.
Las consecuencias no se limitan al ánimo de los trabajadores, y hay casos en los que la productividad cae cuando se recurre en paralelo a varios modelos para resolver tareas que, de forma manual, se cerrarían antes.
La experiencia del usuario es determinante: personal con menor antigüedad tiende a aprovechar mejor estas herramientas, mientras que perfiles con trayectoria pueden ralentizarse al integrarlas en su rutina. Un estudio de referencia citado en el reportaje de Computerworld detectó un 19% de descenso en la velocidad de desarrolladores experimentados pese a que estos percibían estar trabajando más rápido.
Surge, además, una alerta sobre el aprendizaje a largo plazo, puesto que la dependencia excesiva de asistentes generativos puede debilitar la construcción de conocimientos y la práctica necesaria para adquirir criterio experto.
En entornos como el jurídico, en los que el relevo generacional es ya un reto, se teme que la automatización reste oportunidades para forjar habilidades analíticas esenciales.
El debate alcanza también la definición de productividad; hacer más en menos tiempo no equivale necesariamente a crear más valor; las organizaciones, señala el artículo, deben revisar qué trabajos impulsan resultados y cómo garantizar que su personal siga desarrollando capacidades que aumenten esa aportación futura.
El uso intensivo de asistentes conversacionales desplaza interacciones humanas que alimentaban los “vínculos débiles” en las empresas, contactos esporádicos pero útiles para hacer circular la información y desbloquear proyectos.
Menos conversaciones informales o consultas rápidas a colegas merman dicho capital social y, con él, la innovación que suele nacer del intercambio entre equipos y con socios externos. La creciente antropomorfización de los sistemas, que facilita su adopción, puede intensificar el aislamiento.
Este desequilibrio se explica por un incentivo a priorizar beneficios inmediatos sobre inversiones de largo recorrido, como el desarrollo del talento. Frente a esa tendencia, el artículo de Computerworld recoge ejemplos de herramientas que intentan fomentar conexiones entre personas y recomienda que los profesionales busquen deliberadamente colaboración humana en paralelo al uso de la IA.
La experiencia de una agencia de relaciones públicas ilustra ese enfoque: aunque opera en remoto, refuerza los encuentros presenciales en eventos del sector para mantener relaciones con periodistas y recordar que detrás del correo hay una persona.
