El vampiro de la IA no venció la trampa de la eficiencia. La corrió más rápido.

1. El único experimento serio dice lo contrario de lo que se repite.

La cifra que circula sin cuestionarse es que la IA multiplica la productividad de los programadores entre 5 y 20 veces. No hay un solo experimento controlado que la respalde. El que sí existe dice otra cosa.

METR, una organización que mide capacidades de IA, corrió en 2025 un ensayo con dieciséis programadores experimentados, trabajando en repositorios de código abierto que ya conocían bien, con y sin acceso a herramientas de IA asignado al azar. El resultado: fueron 19% más lentos con IA. No más rápidos. Más lentos. Y sin embargo, al terminar, calcularon que habían sido 20% más rápidos. Aceptaron menos de 44% de las sugerencias que les dio la IA; el resto del tiempo lo pasaron revisando, corrigiendo o descartando lo que el agente había producido.

En febrero de 2026, METR publicó datos de una medición iniciada en agosto de 2025 y obtuvo una señal distinta: entre el subconjunto de desarrolladores originales que participó en el estudio posterior estimó un aumento de velocidad de 18%; entre los nuevos reclutados, de 4%. Pero la organización dijo que esos datos eran una señal poco fiable. Entre 30% y 50% de los desarrolladores encuestados había decidido no enviar algunas tareas porque no quería hacerlas sin IA, lo que dejaba fuera precisamente tareas con un posible beneficio alto. METR anunció que cambiaría el diseño del estudio porque ya no podía tratar esa cifra como una medida limpia del efecto actual. Esa es la honestidad metodológica que falta en la conversación pública: nadie que repite «5x» o «20x» está citando un experimento así de cuidadoso.

2. Quien cuenta la historia tiene un interés directo en que la creas.

a16z, el fondo de Andreessen, incluye a OpenAI y xAI en su lista pública de inversiones; Anthropic no aparece en esa lista. Los servicios de los dos primeros monetizan el acceso a modelos y, en sus APIs, el consumo de tokens. Cuantos más agentes corras en paralelo y más horas los dejes trabajando, más consumo generas. Que la narrativa dominante sobre cómo trabajar con IA venga de alguien con esa posición no invalida lo que dice, pero sí obliga a pedirle más evidencia de la que está dando.

3. Lo que sacrificas es exactamente lo que necesitas para hacer bien el trabajo.

La ciencia del sueño es mucho menos controvertida que la ciencia de la productividad con IA, y su hallazgo central es consistente en múltiples estudios: dormir poco deteriora la toma de decisiones y la percepción de riesgo. Es justo la función que un vampiro de IA necesita intacta para hacer su trabajo real, que ya no es escribir código, es filtrar cuál de las veinte sugerencias que le llegan es confiable y cuál no. Privarse de sueño para supervisar más agentes es optimizar la variable equivocada: se protege la cantidad de horas de supervisión y se sacrifica la calidad del criterio que hace que esa supervisión sirva de algo.

4. Esto ya lo habíamos visto. Sólo que corría más despacio.

En 2021, antes de que existiera un solo agente de IA autónomo, el periodista británico Oliver Burkeman publicó Four Thousand Weeks, un libro sobre por qué la gestión del tiempo tal como la conocemos fracasa. Cuenta ahí su propia experiencia: implementó inbox zero, se volvió eficiente respondiendo correos, y descubrió que la eficiencia misma le generaba más correo. Se había vuelto conocido como alguien que contesta rápido, así que le escribían más.

«When you get tremendously efficient at answering emails all that happens is that you get much more email.» Oliver Burkeman, Four Thousand Weeks

En español: implementé con éxito el sistema conocido como inbox zero, pero pronto descubrí que cuando te vuelves tremendamente eficiente respondiendo correos lo único que pasa es que recibes muchísimo más correo.

Burkeman lo llama la trampa de la eficiencia: volverse más eficiente no genera tiempo libre, genera más demanda, porque la demanda se ajusta hacia arriba para absorber cualquier capacidad que liberes. El vampiro de IA es esa misma trampa, corriendo veinticuatro horas al día. No la descubrió. La industrializó.

5. Lo que cambió no es la trampa. Es quién no se cansa.

Cuando Burkeman escribió sobre el correo electrónico, la demanda seguía teniendo un freno natural, aunque imperfecto: alguien tenía que sentarse a escribirte, y ese alguien también se cansaba. Un agente de IA no. Puede generar trabajo, preguntas y código las veinticuatro horas sin fatiga, y si corres veinte en paralelo, la demanda de supervisión no tiene ningún límite natural del lado de la fuente. Todo el límite queda del lado humano, justo el que peor funciona con privación de sueño.

Ahí está la diferencia real entre el correo de hace quince años y los agentes de hoy: antes el freno vivía repartido entre los dos lados del intercambio. Ahora vive sólo en uno, y ese lado se degrada exactamente cuando más se le exige.

No hace falta rechazar la herramienta para tomarse en serio esto. Hace falta diseñar el freno que ya no viene incluido: un límite de horas de supervisión activa, no de agentes corriendo en segundo plano; tratar cada entregable de IA con el mismo estándar de revisión que aplicarías a alguien sin experiencia en el tema, porque estadísticamente esa es la tasa de confiabilidad real; y no vender nunca la velocidad de generación como si fuera el valor entregado. Nadie contrata a alguien por la rapidez con la que corre sus agentes. Contrata el criterio que filtra lo que esos agentes producen. Eso no se acelera durmiendo menos.