En un experimento de campo de la Harvard Business School, 228 evaluadores revisaron 48 candidaturas reales con la ayuda de un gran modelo de lenguaje. Cuando el modelo entregaba una recomendación escueta —aceptar o rechazar, sin razonamiento—, la calidad de las decisiones mejoraba frente a un patrón de referencia fijado por expertos independientes. Cuando esa misma recomendación llegaba envuelta en una justificación escrita persuasiva, esa mejora desaparecía, pese a que los evaluadores seguían a la IA con más frecuencia (Lane et al., Harvard Business School, 2025).
Más seguimiento. Ningún resultado mejor. Si operas un filtro de IA en cualquier punto de tu operación —listas cortas de candidatos, selección de proveedores, revisiones de hitos—, esa combinación debería detenerte, porque la función que la mayoría de los proveedores vende como mecanismo de seguridad es justamente la que empeoró a las personas.
El experimento que invierte el supuesto de la explicabilidad
El estudio —The Narrative AI Advantage?, HBS Working Paper 25-001— probó tres condiciones sobre candidaturas reales de innovación temprana: evaluación humana sola, humano más recomendación de caja negra del modelo, y humano más la misma recomendación acompañada de una explicación narrativa. Cada decisión se puntuó contra un patrón de expertos independientes, de modo que aquí "calidad" no es confianza autodeclarada. Es exactitud medida frente a un estándar que los evaluadores no podían ver.
Ganó el brazo de caja negra. El brazo con explicación no superó el desempeño humano por sí solo, pese a que los evaluadores se apoyaban más en el modelo en esa condición. La lectura de los investigadores es directa: las explicaciones narrativas suprimen las correcciones productivas al sustituir la verificación independiente por texto persuasivo.
Vale la pena detenerse en esa formulación. Toda la justificación de la IA explicable en el apoyo a la decisión es que una justificación permite a un humano auditar la máquina. Lo que este experimento encontró es que la justificación sustituye a la auditoría. Una prosa fluida y bien estructurada se lee como evidencia y no como una afirmación que aún requiere comprobación. El evaluador deja de evaluar la candidatura y empieza a evaluar el argumento, que el modelo ya ha optimizado para resultar convincente.
Una nota sobre la antigüedad, porque importa para el peso que le des: el documento de trabajo no es nuevo. Volvió a la conversación operativa a través de una síntesis de la Harvard Business Review de agosto de 2026 que lo integró en un marco más amplio de cuatro etapas sobre dónde ayuda y dónde perjudica la IA a lo largo de una cadena de innovación (Harvard Business Review, 2026). El experimento es evidencia asentada aplicada de nuevo, no un titular reciente. Eso es un argumento para tomarlo más en serio, no menos.
Seguimiento asimétrico: por qué la ruta de rechazo es donde se rompe
El mecanismo tiene nombre en el artículo —seguimiento asimétrico— y es el hallazgo operativamente relevante.
Los evaluadores no seguían a la IA explicada de forma uniforme. La seguían de manera desproporcionada cuando recomendaba el rechazo. Las recomendaciones de aceptación se seguían cuestionando; las de rechazo se aceptaban en gran medida. El resultado fue un aumento sustancial de falsos negativos, concentrado exactamente en los casos límite donde el juicio humano debería justificar su coste.
Hay una razón psicológica sencilla para la asimetría, y no exige que los evaluadores sean descuidados. Revertir un rechazo significa poner tu propio nombre en un candidato contra el que la máquina ha argumentado, por escrito, con razones. Revertir una aceptación no cuesta nada: la cadena continúa y otra persona mirará más adelante. Así que la explicación eleva el precio personal de una dirección del desacuerdo y deja la otra intacta. El seguimiento no se distribuye por igual porque el riesgo tampoco.
Ahora traslada eso al embudo de contratación de una empresa de 200 personas. Tu filtro de IA procesa 400 candidaturas para un puesto. Presenta recomendaciones de rechazo con justificaciones de dos párrafos. Tu reclutador, trabajando la cola por volumen, coincide con casi todas: el razonamiento es coherente, específico y superficialmente comprobable. El filtro no solo ha depurado la cadena. Ha transferido en silencio la decisión de aceptar o rechazar desde tu reclutador a un modelo, mientras tu documentación de proceso sigue afirmando que la decisión la tomó una persona.
Los falsos negativos son el único error que tu embudo no puede ver
Aquí está por qué este fallo concreto es peor de lo que sugiere el tamaño del efecto.
Los errores de cribado son de dos tipos, y tus métricas solo ven uno. Un falso positivo —un candidato débil que avanza— acaba apareciendo como una mala contratación, un período de prueba fallido, una vacante reabierta. Es doloroso, visible y atribuible. Un falso negativo —un buen candidato rechazado— no produce ningún rastro. No hay cohorte que medir, ni entrevista de salida, ni línea de coste. La persona va a otro sitio y rinde bien allí, y tú nunca te enteras.
De modo que un filtro de IA que desplaza tu distribución de errores hacia los falsos negativos parecerá, en todos los paneles que tienes, que funciona. El tiempo de cribado baja. La productividad del reclutador sube. La calidad de contratación se mantiene, porque los candidatos que sí contrataste siguen siendo válidos. El deterioro es real y estructuralmente invisible.
Esa asimetría se acumula en la misma dirección que otro riesgo bien documentado en la misma capa. Una investigación de Stanford que analizó millones de solicitudes en empleadores que usan un filtro algorítmico compartido halló que, cuando muchas organizaciones se apoyan en lógicas de evaluación correlacionadas, un candidato rechazado por una es rechazado sistemáticamente por las demás: un efecto de monocultivo que convierte el punto ciego de un solo modelo en exclusión a escala de mercado (Stanford HAI, 2026). Combina ambos hallazgos y la imagen se afila: lógicas de rechazo correlacionadas entre empleadores, más un empujón interno a aceptar las recomendaciones de rechazo, significan que la ruta de rechazo es donde se concentran tanto el daño invisible como el sistémico.
El argumento a favor de las explicaciones y su límite real
La objeción evidente: no puedes eliminar las explicaciones. Reguladores, auditores y cada vez más los propios candidatos esperan una razón. Los requisitos de notificación adversa, las normas emergentes de transparencia de la IA y la simple corrección profesional apuntan en la misma dirección.
Esa objeción es correcta y no entra en conflicto con el hallazgo, porque se refiere a un público distinto.
Las explicaciones cumplen dos funciones completamente separadas que los proveedores empaquetan en una sola característica. La primera es la rendición de cuentas: un registro auditable de por qué se tomó una decisión, revisado a posteriori por cumplimiento, un regulador o la persona afectada. La segunda es el apoyo a la decisión: texto mostrado a un evaluador humano en el momento del juicio, con la intención de ayudarle a decidir. El resultado de Harvard cuestiona el segundo uso, no el primero.
Puedes registrar íntegramente el razonamiento del modelo, hacerlo recuperable para auditoría y adjuntarlo a cualquier notificación adversa, sin mostrarlo al evaluador antes de que se forme su propio criterio. Nada en una obligación de transparencia exige que la justificación sea lo primero que lee tu reclutador. Agrupar ambas cosas es un ajuste por defecto de diseño de producto, no un requisito legal.
Hay una segunda defensa de las explicaciones, más estrecha, que merece nombrarse: ayudan cuando el humano puede verificar las afirmaciones de forma independiente. Si la justificación dice "sin certificación SOC 2" y tu revisor puede comprobarlo en diez segundos, la explicación es un puntero a un hecho. Si dice "evidencia limitada de apropiación estratégica", es una interpretación disfrazada de hallazgo, y no hay nada que comprobar. La verificabilidad es la línea divisoria: la misma distinción que separa las tareas que los profesionales confían a los agentes de las que no, donde la confianza depende de si el resultado tiene una métrica objetiva de evaluación más que de la capacidad del modelo subyacente (MIT Technology Review, 2026).
Qué cambiar en tu filtro de IA este trimestre
Cuatro movimientos, por orden de coste.
1. Audita dónde aparecen las explicaciones por defecto. La mayoría de las herramientas de cribado, sourcing y evaluación de proveedores muestran el texto de la justificación junto a la recomendación sin exponer ninguna opción de configuración. Averigua, herramienta por herramienta, si el razonamiento puede suprimirse en el punto de decisión y conservarse en el registro. Si la respuesta es no, esa es una cuestión de compras para tu próxima renovación, y muy concreta.
2. Pilota el modo solo-veredicto en la ruta de rechazo. No en todo el embudo: en la ruta de rechazo. Muestra la recomendación y el documento subyacente, retén la narrativa hasta que el evaluador registre un juicio y entonces revélala. Es un cambio de secuencia, no una eliminación, y suele ser configurable en la interfaz de revisión aunque la salida del modelo no lo sea.
3. Instrumenta las tasas de anulación en ambas direcciones. Registra con qué frecuencia tus evaluadores revierten recomendaciones de aceptación frente a las de rechazo. Una proporción sana es aproximadamente simétrica. Si tu equipo revierte el 15 % de las aceptaciones y el 2 % de los rechazos, has medido el seguimiento asimétrico en tu propia operación, y ya tienes el único número que hace visible el problema ante quien controla el presupuesto.
4. Muestrea la pila de rechazados. Extrae 20 candidatos o proveedores rechazados por trimestre y que un segundo evaluador los valore a ciegas, sin la salida de la IA. Es un control pequeño y aburrido que genera los únicos datos sobre falsos negativos que tendrás. Sin él, estás gestionando una clase de error para la que no tienes instrumento.
El hallazgo que subyace a los cuatro movimientos resulta incómodo frente a la dirección que toma el mercado. Cada hoja de ruta de filtros de IA está añadiendo explicaciones más ricas y conversacionales. La mejor evidencia de campo disponible dice que cuanto más rica es la explicación, más sustituye al juicio que estás pagando a un humano por aplicar, y que esa sustitución golpea con más fuerza a las decisiones que nunca vuelven a decirte que fueron equivocadas.
Antes de la próxima renovación de tu herramienta de cribado, hazle al proveedor una sola pregunta: ¿puedo desactivar la explicación en el punto de decisión y mantenerla en el registro de auditoría? Si la respuesta es no, no estás comprando apoyo a la decisión. Estás comprando cumplimiento, y pagando a un evaluador para que lo ratifique.
