Adopción sin confianza: la crisis de gobernanza de la IA

El 5 de junio, Christine Lemmer-Webber — co-autora del protocolo ActivityPub — publicó una encuesta en el Fediverso: «The proliferation of genAI has made my life…». En veinticuatro horas votaron 4,712 personas, la mayor participación que ha tenido una encuesta suya. El 75.6% eligió «worse». Solo el 2.5%, «better». La propia autora, que conoce bien a su audiencia, cerró el hilo sorprendida: «even given me knowing fedi pretty well, this is pretty damn stark».

La objeción obvia

La primera reacción es descontar el dato. El Fediverso concentra desarrolladores de software libre y críticos del big tech; los porcentajes no se pueden extrapolar, y la autora misma lo advierte. Pero el patrón no depende de esa muestra.

La Stack Overflow Developer Survey 2025 midió una adopción cercana al 80% — con la confianza en la exactitud de las herramientas cayendo de 40% a 29% en un año, y como frustración número uno las soluciones «almost right, but not quite». El reporte DORA 2025 encontró un 90% de uso, con efecto positivo en velocidad de entrega y negativo en estabilidad. Y un experimento controlado de METR midió a desarrolladores experimentados siendo un 19% más lentos con asistencia de IA — mientras ellos mismos estimaban ir un 20% más rápido, incluso después de vivirlo. Nunca una herramienta fue tan usada por gente que confía tan poco en ella — y que no puede auto-reportar con fiabilidad lo que le está pasando.

Lo que dicen las respuestas

Leímos y clasificamos las 56 respuestas públicas del hilo. Hay historias duras: despidos directos, un traductor técnico que cerró su negocio después de veinte años, más de un caso de represalia laboral por criticar la herramienta, facturas erróneas de servicios que automatizaron sin supervisión.

Lo notable es lo que casi no aparece: quejas sobre la capacidad técnica de los modelos. La respuesta más celebrada del hilo no decía que la IA funcione mal — decía que es la tecnología que más esfuerzo activo le ha costado evitar. Otra, de una persona con posgrado en machine learning, defendía el campo como investigación legítima y lamentaba en qué se convirtió su despliegue. Y una más, de un consultor, anticipaba el costo diferido: clientes que generan herramientas genuinamente útiles, entregadas como cajas negras que alguien tendrá que mantener.

Crisis de gobernanza, no de capacidad

Ese es el hilo común: imposición sin consentimiento, opacidad sin registro, errores sin responsable. Cuando el 80% usa algo en lo que el 29% confía, la pregunta dejó de ser si la herramienta es buena; es quién decidió usarla, qué hizo exactamente, y quién responde por el resultado. Ninguna de esas preguntas se contesta con un modelo más grande.

La desconfianza no se cura con más capacidad. Se cura con consentimiento, trazabilidad y rendición de cuentas.

Adoptar con criterio

Para los equipos a los que la IA ya les llegó — por convicción o por mandato — la salida no es fingir entusiasmo ni resistir a ciegas, sino exigir que cada cambio asistido deje constancia: qué se pidió, qué decidió la herramienta, qué alternativas se descartaron, qué quedó pendiente y quién lo aprobó. StrayMark es nuestra herramienta open source para exactamente eso. No existe para que uses más IA: existe para que la que ya usas deje un registro del que un humano pueda fiarse — porque, como demuestra METR, la percepción no basta.