La adopción masiva de herramientas de Inteligencia Artificial (IA) prometía ser el bálsamo definitivo para el agotamiento laboral, liberando al ser humano de la monotonía para volcarlo a la creatividad. Sin embargo, una reciente investigación de la Universidad de Harvard, desarrollada junto al Boston Consulting Group y la Universidad de California, Riverside, ha encendido las alarmas en el mundo corporativo al identificar su “cara oculta”: el agotamiento cognitivo extremo, bautizado ya como “brain fry” o cerebro frito.
El estudio revela una paradoja inquietante: mientras la IA reduce el burnout emocional al eliminar tareas aburridas, dispara la fatiga mental debido a la necesidad de una supervisión constante y un ritmo de trabajo acelerado. El estrés no emana de la herramienta per se, sino del volumen de información y la velocidad de respuesta que el trabajador debe gestionar para validar sistemas que operan a ritmos sobrehumanos.
La paradoja de la supervisión: por qué vigilar agota más que hacer
Uno de los puntos centrales del debate es por qué supervisar a una máquina resulta más extenuante que realizar la tarea uno mismo. Celeste Torresi, Chief Culture Officer de Santex, explica que estamos ante un cambio de paradigma: “Los trabajadores están dejando de ser ejecutores para convertirse en editores críticos. Mientras la tarea manual permite cierta inercia operativa, la supervisión de sistemas de IA exige un estado de alerta constante, orientado a detectar sesgos, inconsistencias y errores sutiles”. Según la ejecutiva, este proceso de “metacognición” —pensar sobre lo que se está pensando— es significativamente más demandante y genera una presión silenciosa porque la responsabilidad final sigue siendo humana.
En sintonía, Marcelo De Luca, Co-Founder de The App Master, desmitifica la idea de que delegar en la IA es un alivio. “Delegar en una IA no es lo mismo que delegar en una persona. Cuando le delegás algo a alguien de tu equipo, te desconectás, confiás. Cuando delegás en una IA, en realidad nunca te desconectás del todo, porque sabés que el output puede ser brillante o puede estar completamente equivocado, y las dos cosas tienen la misma cara”. Para De Luca, esto agota la memoria de trabajo por la “imposibilidad de bajar la guardia”.
Neurobiología del “cerebro frito” frente al burnout tradicional
En este esquema, es importante distinguir entre el estrés laboral clásico y este nuevo fenómeno. María Roca, Dra. en Psicología y Directora de INECO Organizaciones, señala que el burnout es producto de un estrés crónico y sostenido, mientras que el brain fry hace referencia a una sobrecarga cognitiva asociada a tareas específicas de interacción con la IA.
“La memoria de trabajo es la cantidad de información que manipulamos en nuestra mente, es limitada. Cuando estamos haciendo demasiadas cosas al mismo tiempo, esto genera fatiga mental”, explica. La experta enfatiza que el problema no es la IA, sino el multitasking y la forma en que organizamos el flujo de trabajo: “No parece ser la IA en sí misma lo que genera la fatiga, sino la manera en que la estamos usando y la forma en que organizamos el flujo de trabajo haciendo tantas cosas simultáneamente”.
A diferencia del burnout, que se manifiesta con baja autoeficacia, el “cerebro frito” puede ocurrir en empleados que se sienten efectivos y valorados, pero que terminan la jornada vaciados por dentro. “El equipo puede seguir produciendo mientras se vacía por dentro, y los números no te avisan. El ‘AI brain fry’ puede estar instalado en un equipo que en la práctiva está funcionando perfecto. Y cuando finalmente se nota, ya es tarde”, advierte De Luca.
La falacia tecnológica y el error de las métricas
Para Alejandro Melamed, Founder y CEO de Humanize Consulting, las organizaciones están cayendo en lo que denomina la “falacia tecnológica”: “Pensar que la tecnología nos va a resolver todo cuando no cambiamos la cultura. Si no cambiamos la cultura, difícilmente pueda cambiar la organización independientemente de la tecnología que le incorpores”.
El referente en recursos humanos y management, observa que muchas empresas incorporan herramientas sin preparación previa, generando más tensión: “Estamos todo el tiempo como corriendo detrás de la herramienta para tratar de sacar el máximo beneficio y creo que es exactamente al revés la dirección que tendríamos que ir”.
Un ejemplo crítico de esta desorientación son las métricas de rendimiento. Se cita el caso de empresas como Meta, que han llegado a usar líneas de código generadas por IA como indicador de performance. De Luca es tajante: “Medir líneas de código generadas por IA como indicador de rendimiento es no entender nada de lo que cambió. La IA bajó el costo de producir volumen, no el costo de producir calidad”.
¿Cómo pueden las empresas y las personas proteger su salud cerebral?
Frente a este escenario, el desafío para los líderes es evitar que la ganancia de eficiencia se convierta automáticamente en una mayor carga de trabajo. “El rediseño de los roles empieza por reconocer el valor del tiempo de pensamiento“, afirma Torresi. La empresa propone migrar hacia modelos que midan el impacto y no las horas, promoviendo la “asincronía responsable” y bloques de “trabajo profundo” sin interrupciones.
También sugiere tácticas concretas para mitigar la fatiga, como la creación de la figura del “AI Coach” para acompañar el aprendizaje —evitando el estrés del autoaprendizaje no guiado que, según el estudio, aumenta la fatiga un 5%— y la clusterización de colaboradores según su nivel de adopción tecnológica.
Uno de los errores más críticos que identifican los expertos consultados el ecosistema de negocios es trasladar la responsabilidad de la adopción tecnológica exclusivamente al individuo. Según Tomás Gómez Alzaga, Presidente de AdRHA, esta delegación aumenta la carga mental porque el empleado debe cumplir su tarea habitual mientras experimenta solo con sistemas complejos. “La clave es que el aprendizaje forme parte del trabajo y esté integrado a la jornada laboral, en lugar de convertirse en una tarea adicional que el empleado debe resolver en soledad“, enfatiza.
En sintonía, desde Korn Ferry, Pablo Rodríguez de la Torre y Paulo Pássaro advierten que esta falta de estructura genera una fatiga que deja de ser transitoria para volverse estructural. Sugieren que la capacitación debe ser estratégica y liderada por un “AI-Ready Leader” que promueva tanto el aprendizaje como el “desaprendizaje” de hábitos heredados.
Por su parte, Ezequiel Kieczkier, CEO de Olivia, señala que la ansiedad crece cuando no hay un marco formal: “En los procesos de transformación cultural, el aprendizaje no puede quedar librado a la iniciativa individual; tiene que ser parte de la estrategia organizacional“.
Para que esta transición sea efectiva, los expertos proponen una serie de políticas esenciales:
- Programas estructurados y prácticos: el Ing. Sergio Omar Aguilera, Director de las Carreras de Informática de la Universidad de Belgrano, sostiene que el aprendizaje debe ocurrir en contextos aplicados e integrados al día a día. Esto incluye ofrecer espacios de experimentación guiada para evitar la incertidumbre que dispara la carga cognitiva.
- Comunidades de práctica y soporte: Fernando Troilo, Director del Posgrado en Recursos Humanos de UCEMA, propone ir más allá de cursos aislados: “Las empresas deben adoptar prácticas de aprendizaje sumando comunidades de práctica para aprender de la experiencia entre pares y asegurando soporte técnico operativo”. Además, sugiere involucrar a los colaboradores mediante pilotos y presentaciones de casos reales para que ellos mismos sean los protagonistas del cambio.
- Formación en ética y límites: desde Michael Page recomiendan programas que no solo enseñen el “cómo”, sino también los contextos, límites y el uso ético de la herramienta. Proponen complementar esto con métricas que midan la satisfacción y el estrés para ajustar la estrategia en tiempo real.
- Entrenamiento en uso responsable: Eduardo Laens, CEO de Varegos, destaca la importancia de entrenar en buenas prácticas de uso responsable desde el primer momento para evitar la “dependencia improductiva”. “La IA debe ser incorporada como un copiloto que amplifica capacidades humanas, no como un mecanismo que acelera indefinidamente el ritmo de trabajo”, afirma Laens.
Finalmente, la mitigación de la fatiga también requiere límites técnicos claros. Según Aguilera, no se deben usar en paralelo más de tres herramientas de IA, ya que a partir de la cuarta la productividad general disminuye drásticamente. Integrar estas capacitaciones con políticas de bienestar digital y seguimiento del impacto humano es, según los expertos, la única forma de capturar los beneficios de la IA sin “freír” el talento.
El mensaje para el líder es claro: hablar solo de productividad puede interpretarse como una intensificación del trabajo que destruye la confianza. Los líderes deben comunicar con honestidad para qué se usa la IA, priorizando el bienestar cognitivo del capital más valioso: las personas. El riesgo no es solo que la máquina nos quite el trabajo, sino que “la máquina nos deje el trabajo, pero se quede con nuestra energía”, concluye Melamed.
