Una abogada entrega un informe de cuatro páginas. Su superior lo introduce en una herramienta de inteligencia artificial y, un minuto después, le reenvía once páginas de observaciones con una sola frase: «Hay varias cosas que corregir». Algunas son útiles; otras le reprochan omitir una norma que está en la segunda página o le proponen desarrollar cuestiones que el cliente había excluido del encargo. El ahorro de tiempo ya ocurrió, pero en una parte del proceso: en la otra, alguien acaba de recibir una tarea adicional. En este episodio de Derecho al Futuro examinamos, a partir de escenas hipotéticas, cuándo la inteligencia artificial mejora la supervisión del trabajo y cuándo multiplica exigencias difíciles de justificar. Empezamos por darle la razón a la máquina: una alerta puede detectar un error real, y no tiene sentido rechazar una crítica solo porque su origen sea un sistema. Pero distinguimos entre experticia asistida —saber pedir ayuda y entender qué hacer con ella— y experticia aparente, la capacidad que otros atribuyen a quien reenvía una respuesta que no ha comprobado. Revisamos investigaciones sobre productividad, sesgo de anclaje y pensamiento crítico, y proponemos la idea de un estándar artificial de perfección: juntar mejoras obtenidas después de una entrega y tratarlas como si hubieran sido exigibles desde el comienzo. La última parte entra en el Derecho sin detenerse en la ley de un país en particular, a partir de principios que se repiten en buena parte de nuestros sistemas jurídicos: los límites de las facultades de dirección, la carga de probar los hechos cuando una observación se usa para sancionar, las exigencias de la protección de datos personales, las decisiones basadas únicamente en tratamiento automatizado y los derechos de información de la representación de los trabajadores sobre los algoritmos. La conclusión no es admirar ni rechazar la herramienta, sino prestar atención a lo que hizo, a lo que la persona comprobó y a las consecuencias que la organización decidió atribuirle. Referencias mencionadas en el episodio Brynjolfsson, E., Li, D. y Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044 Carter, L. D. y Liu, D. (2025). How was my performance? Exploring the role of anchoring bias in AI-assisted decision making. International Journal of Information Management, 82, 102875. https://doi.org/10.1016/j.ijinfomgt.2025.102875 Lee, H.-P., et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025. https://doi.org/10.1145/3706598.3713778 Boden, M. A. (1998). Creativity and artificial intelligence. Artificial Intelligence, 103(1-2), 347-356. https://doi.org/10.1016/S0004-3702(98)00055-1 Sáez Lara, C. (2022). Gestión algorítmica empresarial y tutela colectiva de los derechos laborales. Cuadernos de Relaciones Laborales, 40(2), 283-300. https://doi.org/10.5209/crla.79417 Álvarez Cuesta, H. (2024). Experiencias convencionales de regulación del impacto laboral de la inteligencia artificial y su uso con fines de control. Trabajo y Derecho, núm. extra 19. https://dialnet.unirioja.es/servlet/articulo?codigo=9591726 Conduce: Pablo Reyes Carreño.
