La IA como colaborador. Una figura nueva sin nombre que ya estamos usando

Cuando la IA deja de ser herramienta y empieza a tener voz propia en una decisión, ¿qué es? La palabra «colaborador» suena bien y oculta el problema: un colaborador tiene voz, contexto y responsabilidad. La IA tiene cero de las tres, pero ya firma diagnósticos médicos, redacta sentencias, genera código que se despliega en producción. Hemos creado una figura nueva sin nombre y la estamos usando como si supiéramos qué es.

La palabra que el sector eligió y por qué

Hay un detalle de vocabulario que pasa desapercibido y conviene mirar despacio. Cuando Microsoft lanzó GitHub Copilot en 2021, la elección léxica fue deliberada. No lo llamó autocompletado. No lo llamó asistente. Lo llamó copiloto. La palabra venía con su carga: el copiloto es el segundo al mando, comparte la cabina, tiene voz operativa, puede tomar el control en momentos críticos. Es figura activa en la decisión, no simple ayuda pasiva. Aceptar la metáfora del copiloto era, ya entonces, aceptar que el sistema deja de ser herramienta y entra a la categoría de quien colabora.

La metáfora se extendió. Cursor, Devin, Replit Agent, Claude Code y otros productos siguieron la pista. La palabra «agente» entró fuerte hacia 2024-2025. Ethan Mollick, en Co-Intelligence (Portfolio, 2024), defendió explícitamente la metáfora del colaborador: argumenta que las analogías que la gente entiende mejor son las antropomórficas y que tratar a la IA como compañero de trabajo produce mejores resultados que tratarla como software. Es una postura coherente y muy citada, y vale la pena leerla aunque uno acabe en desacuerdo. La pregunta que conviene hacerle por encima no es si la metáfora es útil. Es a quién beneficia.

Las tres condiciones que la palabra arrastra

Conviene desempacar lo que «colaborador» significa en el uso humano antes de aplicarlo a un sistema. Un colaborador humano tiene tres propiedades sin las cuales la palabra no funciona.

Voz

Tiene voz, en sentido fuerte: una postura propia que puede sostener cuando contradice al jefe, al equipo o al cliente. La voz no es output. Es la capacidad de discrepar con coste para uno mismo.

Contexto situado

Tiene contexto situado: una vida que precede al trabajo, un campo de referencias compartidas pero no idénticas a las del otro, una posición en el mundo desde la que mira. El contexto situado no es ventana de contexto. Es haber pasado por algo que el otro no ha pasado y que entra silenciosamente en cada juicio.

Responsabilidad

Tiene responsabilidad: la posibilidad de ser señalado por una decisión, de pagar consecuencias por un error, de recibir crédito por un acierto. La responsabilidad no es trazabilidad de logs. Es exposición personal a las consecuencias.

Cero de tres

Un LLM no tiene voz, porque no puede sostener postura contra el incentivo del entrenamiento; el RLHF lo afina precisamente para alinearse con la preferencia del usuario. No tiene contexto situado, porque su contexto es la ventana de tokens del prompt; nada antes, nada propio. No tiene responsabilidad, porque no puede ser sancionado, despedido, demandado, ni siquiera reprendido en el sentido en que ese verbo se aplica a una persona. Cero de tres.

Llamarlo colaborador, en sentido estricto, es error categorial. La palabra suena bien y al mismo tiempo es operacionalmente falsa.

La inflación lingüística y a quién le sirve

¿Por qué se ha generalizado, entonces? La respuesta menos cínica es que la inercia del lenguaje empuja: los humanos antropomorfizan cualquier sistema que les responda en su idioma, y eso ya lo sabíamos desde ELIZA. La respuesta menos ingenua es que la inflación léxica tiene una utilidad comercial específica que conviene nombrar.

Si el producto es herramienta, le aplica la normativa de productos: responsabilidad de producto, garantías, defectos, retirada del mercado, demandas por daños. Si el producto es profesional, le aplica la normativa profesional: titulación, colegiación, deontología, responsabilidad civil profesional. Si el producto es trabajador, le aplica la normativa laboral: contrato, salario, derechos, obligaciones del empleador. Si el producto es persona, le aplica el ordenamiento de las personas.

La figura del «colaborador IA», que está en el aire pero en ninguna categoría legal, escapa de las cuatro. No es producto en el sentido del Reglamento UE de seguridad de productos. No es profesional con responsabilidad colegial. No es trabajador con obligaciones de empleador. No es persona con derechos y deberes. Es una entidad sin estatuto, y los fabricantes prosperan en esa zona gris porque les ahorra costes regulatorios sustanciales mientras les permite vender la metáfora de la integración natural al equipo.

Crawford, en Atlas of AI (Yale UP, 2021), ya describía este patrón como ambigüedad ontológica estratégica. Bender, Gebru, McMillan-Major y Shmitchell aportaron en On the Dangers of Stochastic Parrots (2021) la otra mitad del diagnóstico: la inflación léxica con vocabulario humano («colaborador», «entiende», «recuerda») es lo que sostiene esa ambigüedad estratégica en el espacio público. No es un fenómeno nuevo. Las plataformas de gig economy hicieron lo mismo con sus trabajadores: ni empleados ni autónomos clásicos, una figura intermedia útil para no pagar lo que pagan los empleadores y no asumir lo que asumen los clientes. La IA como colaborador es la versión sintética del mismo movimiento.

La transferencia silenciosa de autoría

Cui y otros, en The Effects of Generative AI on High-Skilled Work. Evidence from Three Field Experiments with Software Developers (Management Science, 2025; SSRN 4945566), realizaron tres experimentos aleatorizados sobre 4.867 desarrolladores en Microsoft, Accenture y otra empresa Fortune 100. Encontraron un incremento del 26 % en tareas completadas entre los desarrolladores con acceso a GitHub Copilot, con efecto mayor entre desarrolladores junior. La cifra es notable y conviene retenerla.

Lo que la cifra no captura, y que conviene preguntar en cualquier conversación seria sobre productividad asistida, es quién es el autor del código producido. El desarrollador junior que acepta el 80 % de las sugerencias de Copilot y cierra la tarea en menos tiempo, ¿ha escrito el código? La respuesta literal es ambigua. La respuesta operativa, la que importa para la cadena de responsabilidad, es más incómoda. Si el código falla en producción, el responsable es el desarrollador. Si el código funciona y se le atribuye productividad, el desarrollador la cobra. Si surge una disputa de copyright porque el modelo reprodujo un fragmento de código GPL, la responsabilidad vuelve al desarrollador. El modelo no aparece en ninguno de los tres casos.

La operación es elegante. El modelo aporta producción sin asumir riesgo. El desarrollador asume riesgo y comparte producción. La empresa que provee el modelo extrae renta sin asumir ni riesgo de producto ni riesgo profesional. Es una redistribución silenciosa de la cadena de autoría que el discurso colaborativo facilita: si todos somos colaboradores, nadie es responsable del todo. La palabra «colaborador» disuelve la pregunta «¿quién firma esto?» y la respuesta práctica termina siendo «el humano más débil de la cadena».

El caso del juzgado

Hubo un episodio en 2025 que merece nombrar porque pone el problema en blanco y negro. El Segundo Tribunal Colegiado en Materia Civil del Segundo Circuito, con sede en el Estado de México y ponencia del magistrado Juan Jaime González Varas, resolvió la Queja Civil 212/2025 fijando una caución con apoyo de ChatGPT, Grok y Gemini; el criterio se publicó en el Semanario Judicial de la Federación el 22 de agosto de 2025. La resolución no escondió el uso. Lo declaró, y los tribunales superiores publicaron lineamientos de transparencia a partir del caso, en lo que se ha citado como primera tesis aislada mexicana sobre uso judicial de LLM. El detalle relevante: los modelos no firmaron la resolución. La firmaron los magistrados. Los modelos contribuyeron al juicio que la firma legitima.

Esto reabre la pregunta. Si el modelo participó materialmente en la deliberación pero no firma, ¿qué fue exactamente? No era herramienta porque tuvo voz argumentativa documentada en el expediente. No era colaborador profesional porque no tiene titulación ni colegiación ni responsabilidad. No era testigo experto porque no compareció ni fue contradicho. Era una cuarta cosa que el sistema judicial no había nombrado hasta entonces, y que ahora aparece sin etiqueta y con efectos reales.

El Reglamento UE 2024/1689, el AI Act, en su Anexo III §8 sobre administración de justicia, clasifica los sistemas de IA usados por autoridad judicial como de alto riesgo. Lo que el texto no establece, porque no existe lenguaje legal claro para ello, es el estatuto del modelo dentro del proceso. Es alto riesgo, sí. Pero ¿qué es? La ley regula los efectos. No nombra la cosa.

Co-Intelligence, la versión optimista, y dónde no llega

Mollick, en Co-Intelligence (2024), argumenta que la metáfora del colaborador es no solo útil sino correcta en sentido fuerte. Su tesis es que los LLM exhiben suficiente fluidez, suficiente capacidad de iniciativa y suficiente especialización por dominio para que el patrón de uso óptimo sea tratarlos como compañeros de trabajo poco fiables pero capaces. El libro es legible y ofrece consejos operativos que funcionan en muchos casos.

Lo que la tesis no resuelve es el problema de la responsabilidad. Mollick puede tener razón en que tratar a la IA como colaborador maximiza productividad. Eso no toca el hecho de que el colaborador retórico no es colaborador legal. Cuando algo sale mal, no hay nadie del lado de la máquina con quien ajustar cuentas. Cuando algo sale bien, no hay nadie del lado de la máquina que reclame derechos. La asimetría sigue intacta bajo la metáfora amable.

Russell, en Human Compatible (Viking, 2019), planteaba el problema desde otra punta: la utilidad esperable de un asistente capaz pero no responsable depende de cuánta agencia se le delegue. Si la delegación es limitada — sugerencias revisadas por humano competente — el problema es manejable. Si la delegación se amplía — outputs aceptados en bloque por humano cansado — el problema se traslada del modelo al humano que aceptó, sin protección añadida. La forma de uso que la metáfora colaborativa fomenta es la segunda, no la primera, porque hablar de colaborador disuelve la fricción cognitiva de la revisión.

La figura sin nombre, lo que toca discutir

La situación actual es una rareza institucional. Hay millones de interacciones diarias en empresas, hospitales, despachos, redacciones, juzgados, donde un humano y un modelo producen conjuntamente un output cuya autoría es difusa, cuya responsabilidad recae unilateralmente en el humano, y cuya descripción pública usa la palabra «colaborador» o equivalentes. La operación es estable mientras nadie tire del hilo. Cuando alguien tira — un litigio, una sentencia adversa, un caso mediático — el hilo revela que no hay figura legal a la que apelar del lado del modelo.

¿Qué hay que hacer? La pregunta excede el blog y excede lo que cualquier observador serio puede pretender resolver en un párrafo. Lo que sí se puede decir es lo que no se ha hecho. No se ha definido legalmente la figura. No se ha establecido un régimen de responsabilidad específico que reparta carga entre proveedor del modelo, integrador y usuario. No se ha exigido transparencia de procedencia en outputs profesionales. No se ha discutido públicamente, con voz política amplia, el estatuto de esta cuarta cosa. La ambigüedad sigue siendo, en 2026, la opción preferida del sector. Y mientras lo sea, «colaborador IA» seguirá siendo una capa contable que reduce responsabilidad sin reducir la decisión.

Definiciones

Copilot / agente / asistente. Etiquetas comerciales usadas indistintamente para describir sistemas de IA que intervienen activamente en un flujo de trabajo profesional. Cada término sugiere un grado distinto de iniciativa, pero ninguno tiene definición legal estable.

Ambigüedad ontológica estratégica. Patrón documentado por Crawford y otros: situar deliberadamente un nuevo tipo de actor económico fuera de las categorías legales existentes (producto, profesional, trabajador, persona) para evitar la carga regulatoria de cada una.

Anexo III del AI Act. Sección del Reglamento UE 2024/1689 que enumera los sistemas de IA de alto riesgo. Incluye explícitamente la administración de justicia y la evaluación de empleados, sin definir el estatuto del modelo dentro de esos procesos.

Transferencia de autoría. Operación implícita por la cual un output co-producido entre humano y modelo se atribuye legalmente al humano, asumiendo este toda la responsabilidad asociada, mientras el proveedor del modelo se queda con la renta del uso.

Tesis aislada (Derecho mexicano). Pronunciamiento jurisprudencial de un tribunal colegiado que sienta criterio sin generar todavía jurisprudencia obligatoria. La del Segundo Tribunal Colegiado en Materia Civil del Segundo Circuito (publicada el 22-ago-2025) es la primera mexicana que aborda explícitamente el uso judicial de LLM.

Referencias

Bender, E., Gebru, T., McMillan-Major, A. & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots. FAccT 2021.

Crawford, K. (2021). Atlas of AI. Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press. Análisis del patrón de ambigüedad ontológica como estrategia para escapar a la carga regulatoria.

Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. & Salz, T. (2025). The Effects of Generative AI on High-Skilled Work. Evidence from Three Field Experiments with Software Developers. Management Science, accepted. Aumento del 26 % en tareas completadas entre 4.867 desarrolladores con acceso a GitHub Copilot.

Mollick, E. (2024). Co-Intelligence. Living and Working with AI. Portfolio. Defensa explícita de la metáfora del colaborador como modo de uso óptimo de los LLM.

Reglamento (UE) 2024/1689. AI Act. Anexo III §8 «Administración de justicia y procesos democráticos» y §4 «empleo y evaluación de desempeño». Clasifica los sistemas relevantes como de alto riesgo.

Russell, S. (2019). Human Compatible. Artificial Intelligence and the Problem of Control. Viking. Marco sobre la delegación de agencia a asistentes y los riesgos asociados al traslado tácito de responsabilidad.

Segundo Tribunal Colegiado en Materia Civil del Segundo Circuito (México) (2025). Queja Civil 212/2025, ponente Juan Jaime González Varas; uso de ChatGPT, Grok y Gemini para recalcular una caución. Criterio publicado en el Semanario Judicial de la Federación (registro 2031010), 22 de agosto de 2025. Cobertura y análisis en Nexos («El juego de la Corte»), Hogan Lovells y Santamarina+Steta; primera tesis aislada mexicana sobre uso judicial de LLM.

También te interesa

• La IA como herramienta defectuosa
• La responsabilidad difusa
• ¿Puede una IA ser responsable?
• La responsabilidad como constructo

En otros sitios

• AI Act | Shaping Europe's digital future (Comisión Europea)
• EU AI Act: first regulation on artificial intelligence (Parlamento Europeo)