Human in the loop es una coartada, no un control
Las personas aprueban la IA como siguen al GPS. Los estudios muestran que los revisores dejan de comprobar. Qué construir en vez de un botón de aprobar.

¿Cuándo fue la última vez que cuestionó a su GPS?
Conduce hacia una ciudad que no conoce. La voz dice «gire a la izquierda en 300 metros». Usted gira a la izquierda. No mira el mapa, no pregunta por qué. Al cabo de unos meses ya no sabe llegar allí sin el móvil. No es pereza. Es la forma en que el cerebro ahorra energía.
Ahora fíjese en cómo la mayoría de las empresas «controlan» la IA. La respuesta es casi siempre la misma: una persona aprueba el resultado. Human in the loop. Suena seguro. En la práctica es otra vez el GPS.
El botón de aprobar entrena a la gente para aprobar
Llevo mi propia marca con agentes de IA. Un día laborable normal preparan unas 30 cosas que salen con mi nombre: publicaciones, artículos, invitaciones de contacto, respuestas. Yo soy el humano en el circuito. Y le puedo decir con sinceridad lo que pasa después de la primera semana. Cuando 29 de 30 borradores están bien, deja de leer el número 30 con atención. Echa un vistazo, hace clic y sigue.
La investigación dice lo mismo, solo que con mejores cifras.
- Los médicos siguen consejos erróneos de la IA. En un estudio de 2023 en la revista Radiology, 27 radiólogos leyeron mamografías con un asistente de IA. Cuando la IA sugería a propósito una categoría equivocada, la precisión de los lectores con menos experiencia cayó de casi el 80 % a menos del 20 %. Los más experimentados, con más de 15 años, cayeron del 82 % al 45,5 %.
- Las explicaciones lo empeoran, no lo mejoran. Un experimento de Harvard Business School de 2024 encontró que los revisores coincidían con las recomendaciones de la IA 19 puntos porcentuales más a menudo que un grupo de control. Cuando la IA añadía una justificación escrita, la deferencia subía otros 5 puntos.
- La habilidad desaparece. Investigadores de la Universidad McGill (Scientific Reports, 2020) observaron que las personas que más usaban el GPS tenían peor memoria espacial cuando debían orientarse solas, y el deterioro crecía con el uso a lo largo de tres años.
Así que el revisor no es un muro. El revisor es una persona con una cuota, una bandeja de entrada llena y un modelo que acierta la mayoría de las veces.

El volumen mata la revisión
El segundo problema es simple aritmética. La IA genera decisiones más rápido de lo que cualquier persona puede leerlas.
Si un agente redacta 200 respuestas a clientes al día y cada una necesita 40 segundos de lectura real, son más de dos horas de revisión concentrada. Nadie tiene dos horas. Así que el tiempo de revisión baja, la tasa de aprobación sube y, sobre el papel, sigue habiendo «supervisión humana».
Hasta el Reglamento de IA de la UE lo sabe. El artículo 14, sobre supervisión humana, pide que las personas que supervisan un sistema de alto riesgo sean conscientes de la tendencia a confiar demasiado en sus resultados. La ley nombra literalmente el sesgo de automatización.
La abogada checa Petra Stupková (Legitas) lo dijo de forma muy directa en AI Restart, en Praga, el 22 de octubre de 2026: el human in the loop es a menudo una coartada cómoda. La gente se vuelve perezosa como con el GPS y, tras horas de aprobaciones mecánicas, aprueba cualquier cosa. Su versión corta: úselo o lo perderá.
Qué construir en su lugar
No creo que la respuesta sea «nada de IA». La respuesta es dejar de fingir que un botón de aprobar es un control. Esto es lo que uso yo y lo que recomiendo a mis clientes.
1. Decida qué no necesita nunca a una persona. El trabajo de bajo riesgo y reversible (un resumen interno, una etiqueta en borrador, una primera clasificación de leads) debería funcionar sin aprobación. Cada aprobación que elimina le deja al revisor más atención para las que importan.
2. Ponga personas solo donde un error es caro o no se puede deshacer. Dinero, contratos, todo lo que sea público con su nombre, datos personales, decisiones sobre personas. Escriba esa lista. Suele ser corta.
3. Haga que la IA muestre de qué no está segura. Pida al modelo un nivel de confianza y la única cosa que comprobaría. Revise primero los elementos de baja confianza. Un revisor que lee 10 elementos arriesgados vale más que uno que hojea 200.
4. Introduzca errores a propósito. Los equipos de seguridad envían correos de phishing falsos a la plantilla. Haga lo mismo con la revisión de la IA. Cada semana meta en la cola algunos resultados que sabe que son erróneos y mida cuántos detectan sus revisores. Esa tasa de detección es su cifra real de supervisión, no la tasa de aprobación.
5. Vigile dos cifras. La tasa de aprobación y el tiempo por revisión. Si las aprobaciones se acercan al 100 % y el tiempo de revisión baja a unos pocos segundos, ya nadie está leyendo.
6. Rote y descanse. La misma persona aprobando el mismo tipo de resultado todo el día se irá relajando. Bloques de revisión cortos, personas distintas y un segundo revisor para la lista de alto riesgo.
Un prompt que puede copiar
Pegue esto debajo de cualquier resultado de IA que una persona vaya a aprobar:
Antes de aprobar esto, enumera: 1) las 3 afirmaciones del texto que podrían ser erróneas, 2) qué seguridad tienes en cada una (alta / media / baja), 3) qué debo comprobar y dónde. No reescribas el texto.
Lleva 10 segundos y cambia la tarea del revisor de «¿está bien esto?» a «compruebe estas tres cosas». Esa es una pregunta que una persona cansada todavía puede responder.
Resumen
El human in the loop funciona cuando la persona tiene tiempo, atención y un motivo para dudar. La mayoría de los sistemas no le dan nada de eso. Menos aprobaciones, en las cosas correctas y medidas con errores introducidos a propósito, es más seguro que un botón en todo.
¿Cómo comprueba usted que sus revisores leen de verdad lo que aprueban?
Cómo funcionan las aprobaciones en la práctica en mi propia marca, con los fallos incluidos, lo cuento en el playbook del agente para redes sociales. Para textos, el AI trace check gratuito es una comprobación que una persona ya no tiene que hacer a ojo. Si quiere revisar juntos sus propios flujos de trabajo con IA, reserve una llamada gratuita de 20 minutos.
Fuentes: Dratsch et al., "Automation Bias in Mammography", Radiology, 2 de mayo de 2023 (nota de prensa de la RSNA) · Estudio de Harvard Business School con 228 evaluadores, 2024, resumido por Tian Pan, "The HITL Rubber Stamp Problem", 15 de abril de 2026 · Dahmani y Bohbot, "Habitual use of GPS negatively impacts spatial memory during self-guided navigation", Scientific Reports, 14 de abril de 2020 · Reglamento de IA de la UE, Reglamento (UE) 2024/1689, artículo 14 · Crónica de AI Restart 2026, Digichef, 30 de octubre de 2026.