“Más del 80 % de los adultos cree que puede reconocer noticias falsas. Menos del 40 % lo hace correctamente.” — BIT Report, 2024
Vivimos en un tiempo fascinante: la inteligencia artificial nos promete velocidad, acceso y automatización como nunca antes. Pero también nos enfrenta a un desafío inesperado: la ilusión de saber más de lo que realmente sabemos.
En este artículo exploramos cómo la IA —desde los asistentes conversacionales hasta los algoritmos de recomendación— puede amplificar el efecto Dunning-Kruger, un sesgo cognitivo que distorsiona nuestra percepción de competencia. Y lo hacemos con ejemplos concretos y base científica.
¿Qué es el efecto Dunning-Kruger?
El efecto Dunning-Kruger describe la tendencia de las personas con baja competencia en un área a sobreestimar su habilidad. Según el estudio fundacional de Dunning y Kruger (1999), esta sobreconfianza nace de la incapacidad para detectar los propios errores, lo que los autores llamaron la doble carga de la incompetencia.
En otras palabras: cuanto menos sabes, menos sabes que no sabes.
Ahora bien, ¿qué ocurre cuando este sesgo se cruza con herramientas que nos hacen sentir informados, capaces o expertos… sin serlo?
IA + sobreconfianza: una combinación peligrosa
El informe que analizamos identifica varias formas en que la IA y las tecnologías digitales pueden amplificar este sesgo. Aquí algunas de las más relevantes:
1. Asistentes de IA que dan respuestas plausibles (aunque equivocadas)
Modelos como ChatGPT o Gemini pueden generar textos con gran fluidez y seguridad, incluso cuando contienen errores. Esto refuerza en los usuarios la sensación de comprensión, aunque no tengan herramientas para verificar la información.
Ejemplo: un profesional junior en marketing pide a una IA que le genere una estrategia SEO. Recibe un plan convincente, pero basado en prácticas obsoletas. Al no tener experiencia suficiente para evaluarlo, cree haber aprendido algo valioso… sin saber que podría perjudicar su posicionamiento.
“En el mar de la ignorancia, un pequeño conocimiento puede parecer un continente cuando realmente es un islote.” — Víctor Figueroa
2. Interfaces amigables que crean una falsa sensación de dominio
La IA ha democratizado el acceso a tecnologías avanzadas, pero también ha simplificado tanto su uso que puede hacer creer a cualquiera que ya sabe lo necesario.
Ejemplo: un emprendedor sin formación técnica utiliza una plataforma no-code para crear un modelo predictivo. La interfaz le da confianza, pero desconoce los sesgos del dataset que está usando. Al lanzar su servicio, el algoritmo falla estrepitosamente… y no entiende por qué.
3. Redes sociales como cámaras de eco de falsa expertise
Compartir contenido generado por IA (o simplemente consumirlo en exceso) puede llevar a creer que uno “está informado”. Pero, como señala el informe:
“Compartir artículos en redes sociales, incluso sin leerlos, puede generar una sobreconfianza en el propio conocimiento.” (Lee et al., 2021)
Ejemplo: en sectores como salud, nutrición o legal, esta falsa seguridad ha derivado en profesionales compartiendo consejos o diagnósticos erróneos, creyendo que bastaba con una búsqueda o un resumen automatizado.
4. Sobreestimación de habilidades para identificar información falsa
Muchos creen que pueden detectar bulos con facilidad. Pero la evidencia dice lo contrario:
“Existe una sobreconfianza generalizada en la capacidad para detectar noticias falsas. Quienes peor evalúan su habilidad, suelen ser los más confiados.” (Pennycook & Rand, 2020)
Esto se agrava con el uso de IA generativa, que puede producir imágenes o textos falsos cada vez más realistas.
Ejemplo: profesionales del periodismo o la comunicación que comparten contenido sin verificar fuentes, porque “parece veraz”.
¿Qué podemos hacer?
Si queremos convivir con la IA sin caer en trampas cognitivas, necesitamos:
- Desarrollar pensamiento crítico: como recomiendan Facione (2015) y Lai (2011), debemos fomentar la habilidad de analizar, contrastar y cuestionar lo que recibimos.
- Fomentar la metacognición digital: es decir, pensar sobre lo que creemos saber, especialmente cuando interactuamos con sistemas de IA.
- Diseñar interfaces con humildad epistémica: que reconozcan la posibilidad de error, en vez de simular una infalibilidad.
- Promover la verificación cruzada: educar en el hábito de consultar varias fuentes, incluso cuando “la IA ya nos ha dado una respuesta”.
Profesiones donde el riesgo es real
Sin generalizar, hay algunos perfiles profesionales donde este efecto se ha documentado o se percibe con claridad:
- Emprendedores/as tech: al usar herramientas de IA sin comprender los fundamentos técnicos o éticos.
- Docentes: al incorporar IA educativa sin validar los contenidos generados.
- RR.HH.: al aplicar IA en procesos de selección sin conocer sus sesgos ocultos.
- Periodistas: al fiarse de resúmenes automáticos o noticias generadas por IA sin contrastar fuentes.
- Programadores/as noveles: que se sienten expertos por usar IA para escribir código que en realidad no entienden del todo.
En todos estos casos, el peligro no está solo en la herramienta, sino en creer que la dominamos más de lo que realmente la comprendemos.
¿Y si aprendemos a convivir con el no saber?
La IA es una aliada poderosa. Pero solo si sabemos cuándo desconfiar de nosotros mismos. Como dijo Dunning: “El primer paso para ser competente es darse cuenta de la propia incompetencia.”
La humildad no es contraria al progreso. Es su combustible.
¿Te ha pasado?
¿Has sentido alguna vez que entendías algo… hasta que una IA te mostró lo poco que sabías? ¿Te has sorprendido por tu propia confianza al usar una herramienta digital?
Cuéntamelo en comentarios o compártelo con tu red.
#InteligenciaArtificial #DunningKruger #SesgosCognitivos #TransformaciónDigital #PensamientoCrítico #IAResponsable #DeCeroAIA #Autoevaluación
