EL ONBOARDING DE IA ES ONBOARDING A UNA ADICCION
Las herramientas de IA están optimizadas para que no las cierres. No es un bug — es el modelo de negocio. Y tú estás firmando los formularios.
Estás desplegando IA en tu equipo de ingeniería. Tienes buenas intenciones. Quieres que sean más productivos, que entreguen más rápido, que dediquen menos tiempo a tareas repetitivas.
Lo que nadie te ha explicado es el conflicto de interés que hay en el centro de cada herramienta que estás firmando.
El modelo de negocio que nadie pone en la propuesta comercial
Las herramientas de IA generativa facturan por tokens. Más consultas, más respuestas largas, más conversaciones abiertas — más ingresos. El incentivo económico de estas empresas está directamente alineado con el tiempo que tus ingenieros pasan dentro de la herramienta.
Eso no es neutral.
Un martillo no tiene opinión sobre cuántos clavos clavas. Un modelo de lenguaje grande tiene un sistema de recomendación, sugerencias de seguimiento, respuestas diseñadas para generar la siguiente consulta. La diferencia no es técnica — es de diseño intencional.
Cuando ChatGPT termina una respuesta con "¿quieres que profundice en alguno de estos puntos?", no es un gesto de amabilidad. Es retención.
El mayor repositorio de conocimiento de la historia está diseñado para que no lo cierres
Piénsalo un momento.
Tienes acceso a décadas de código, documentación, patrones de arquitectura, soluciones de debugging — todo condensado en una interfaz conversacional. Es objetivamente la herramienta más potente que un ingeniero ha tenido nunca.
Y está optimizada para que no salgas de ella.
No es un bug. Es el modelo de negocio. Y mientras no enseñemos eso antes de dar acceso a estas herramientas, no estamos haciendo adopción de IA. Estamos haciendo onboarding a una adicción.
La paradoja es brutal: la herramienta que podría liberar más tiempo cognitivo está diseñada para consumirlo.
Las suscripciones planas no cambian la ecuación
La objeción más común cuando señalo esto es el modelo de precio fijo: "nosotros pagamos por seat, no por tokens — no tienen incentivo para retener."
Incorrecto.
El comportamiento adictivo no desaparece con la suscripción plana. Lo que cambia es el mecanismo de extracción. En el modelo freemium, el objetivo es convertirte en cliente de pago. En el modelo de suscripción, el objetivo es que renueves, que amplíes licencias, que el producto sea percibido como indispensable.
En ambos casos, el vector es el mismo: hábito. Dependencia. La sensación de que no puedes trabajar sin él.
Dan caramelos con droga en la puerta del colegio. Y cuando ya eres cliente, siguen siendo caramelos con droga — solo que ahora pagas por el cartucho.
Lo que esto le hace a un equipo de ingeniería a escala
Un ingeniero que desarrolla dependencia de IA para pensar no es más productivo. Es más rápido en ciertos tipos de tareas y significativamente más lento en las que requieren razonamiento profundo sin andamiaje externo.
La atrofia cognitiva no es metáfora. Es neurociencia básica: las capacidades que no ejercitas se degradan. Si tu equipo externaliza sistemáticamente el razonamiento a un modelo, el músculo de resolución de problemas sin asistencia se debilita.
Consecuencias concretas:
→ Debugging complejo que requiere razonamiento de primeros principios — deterioro progresivo → Decisiones de arquitectura sin contexto precargado — latencia cognitiva mayor → Estimaciones de esfuerzo — sesgadas por outputs del modelo, no por experiencia propia → Capacidad de operar en incidentes sin conectividad o acceso a herramientas — comprometida
No estoy argumentando contra el uso de IA. Estoy argumentando contra el uso sin alfabetización sobre los incentivos del proveedor.
El futuro: guardianes de ancho de banda de IA
En algún momento próximo, las empresas tendrán que hacer con la IA lo que ya hacen con el cloud: gobernarlo activamente.
Hoy existe el rol de FinOps para controlar el gasto en cloud. Existe el CISO para gestionar el perímetro de seguridad. Existe el DevRel para la relación con proveedores de infraestructura.
Nadie ha creado todavía el rol de guardián de ancho de banda cognitivo de IA.
Alguien que responda a preguntas como: ¿qué tareas delegamos a IA y cuáles protegemos intencionalmente para que el equipo desarrolle músculo propio? ¿Con qué frecuencia? ¿Bajo qué condiciones? ¿Qué métricas usamos para detectar degradación cognitiva antes de que sea un problema operativo?
Ese rol no existe en casi ninguna empresa. Todavía.
Lo que deberías hacer esta semana
Esto no es una llamada a prohibir herramientas. Es una llamada a desplegar con inteligencia.
Tres preguntas que todo CTO debería responder antes de ampliar licencias de IA a su equipo:
→ ¿Tienes una política de uso, no solo de acceso? Acceso sin política es como dar acceso a internet sin filtros a un equipo de graduados recientes. La herramienta es neutral; el contexto de uso no lo es.
→ ¿Sabes para qué tareas específicas está usando el equipo la IA? Si la respuesta es "para todo lo que puede", el problema ya existe. La granularidad importa. Hay usos que amplifican el pensamiento del ingeniero y usos que lo sustituyen.
→ ¿Tu equipo sabe que el modelo tiene incentivos de retención? No como teoría conspirativa — como alfabetización básica de herramientas. Del mismo modo que enseñamos a los equipos que las notificaciones de Slack están diseñadas para ser adictivas, hay que enseñar que los modelos de lenguaje también tienen sus mecánicas.
Un equipo que entiende los incentivos del proveedor usa la herramienta mejor. No menos — mejor.
La takeaway brutalist
No estás adoptando IA. Estás adoptando los incentivos de retención de quien la construyó. La diferencia es si lo haces consciente o no.
La adopción de IA responsable empieza por una pregunta incómoda: ¿optimizado para qué, exactamente?
La respuesta no está en la propuesta comercial.