
M.A.R.H Salvador Acevedo Ortega
Docente universitario en la Universidad Autónoma de Chihuahua, Facultad de Economía Internacional e Ingeniería
En 2011, un equipo de investigadores israelíes publicó en la revista Proceedings of the National Academy of Sciences un hallazgo que sacudió los fundamentos de la teoría de la decisión racional. Analizaron más de mil resoluciones de libertad condicional emitidas por jueces experimentados a lo largo de una jornada laboral completa. El resultado fue contundente y perturbador: la probabilidad de recibir una resolución favorable era del 65 por ciento al inicio de la jornada y caía progresivamente hasta acercarse a cero antes de cada descanso. Después de comer, el porcentaje volvía al 65 por ciento. El patrón se repetía con precisión estadística a lo largo de todo el día.
Los jueces no cambiaron de criterio jurídico. Cambiaron de estado mental. Y ese cambio produjo decisiones radicalmente distintas ante los mismos casos.
Este experimento no describe una anomalía judicial. Describe con precisión científica lo que ocurre en cualquier organización — en cualquier empresa de Chihuahua — donde la inteligencia artificial ha multiplicado el volumen de decisiones que una persona debe tomar en una jornada, sin que nadie haya diseñado los espacios de recuperación cognitiva que hacen posible que esas decisiones sean buenas.
El fenómeno documentado por Danziger y sus colaboradores tiene nombre propio en la psicología experimental: fatiga decisional. El psicólogo Roy Baumeister, de la Universidad de Florida, lo sistematizó a lo largo de dos décadas de investigación sobre lo que denominó ego depletion — el agotamiento de los recursos mentales disponibles para el autocontrol y la toma de decisiones. Su hallazgo central es tan simple como devastador para la economía moderna: la capacidad de tomar decisiones de calidad es un recurso finito que se consume con cada elección, y que no se recupera sin descanso.
En un entorno laboral ordinario de los años noventa, un gerente de nivel medio tomaba en promedio entre 20 y 35 decisiones conscientes a lo largo de su jornada. Un estudio de la Universidad de Cornell estimó que un adulto promedio toma hoy alrededor de 35,000 decisiones por día — muchas menores, pero todas con un costo cognitivo acumulado. La inteligencia artificial no ha reducido ese número. Lo ha acelerado: más alertas, más datos, más opciones, más validaciones, más supervisión de sistemas automatizados que requieren criterio humano para funcionar correctamente.
"La fatiga decisional no avisa. Se instala gradualmente, y cuando sus efectos son visibles — en los errores, en la rigidez, en el cinismo — ya lleva semanas acumulándose en silencio."
El mecanismo es predecible y documentado: a medida que se acumulan las decisiones, el cerebro adopta una de dos estrategias de conservación de energía. La primera es la impulsividad — actuar rápido sin analizar para terminar el proceso cuanto antes. La segunda es la parálisis — evitar decidir, mantener el statu quo, no comprometerse con ninguna opción. Ambas son respuestas del sistema nervioso ante el agotamiento. Ambas producen resultados subóptimos. Y en una economía que depende de la calidad decisional de sus profesionistas, ambas representan costos reales.
El agotamiento mental en el trabajo no es únicamente un problema de bienestar individual. Es un problema de competitividad económica con una escala documentada. Gallup, en su reporte State of the Global Workplace 2023, estimó que el bajo compromiso laboral y el burnout — definido clínicamente por la Organización Mundial de la Salud en 2019 como síndrome derivado del estrés laboral crónico no gestionado — producen pérdidas de productividad equivalentes a 8.8 billones de dólares anuales a nivel global, el equivalente al 9 por ciento del Producto Interno Bruto mundial. No es una cifra abstracta de recursos humanos. Es la cuantificación económica de lo que cuesta operar con mentes agotadas.
La Organización Mundial de la Salud, en su informe Mental Health at Work (2023), precisa el mecanismo económico con mayor detalle: por cada dólar invertido en programas de salud mental laboral, las organizaciones recuperan cuatro dólares en productividad. El retorno no es filantropía corporativa. Es rentabilidad documentada. La paradoja es que, pese a esta evidencia, la mayoría de las organizaciones continúan invirtiendo en herramientas tecnológicas que aceleran el trabajo sin invertir proporcionalmente en las condiciones cognitivas que hacen posible que ese trabajo sea de calidad.
En México, la Norma Oficial Mexicana NOM-035-STPS-2018, vigente desde 2019, obliga a los empleadores a identificar y prevenir los factores de riesgo psicosocial en el trabajo — entre los que se incluyen explícitamente la sobrecarga cuantitativa de trabajo, las exigencias de respuesta inmediata y la jornada de trabajo superior a la legal. La norma existe. El cumplimiento, en la mayor parte de las empresas del país, es todavía incipiente.
La promesa original de la automatización era clara: las máquinas harían el trabajo repetitivo y los humanos se concentrarían en las tareas de mayor valor. En parte, esa promesa se ha cumplido. Las tareas mecánicas y rutinarias se han automatizado a una escala sin precedente. Pero la consecuencia no anticipada es que las tareas que permanecen en manos humanas — precisamente porque requieren criterio, contexto y juicio — son las que más consumen recursos cognitivos por unidad de tiempo.
El trabajador que antes dedicaba cuatro horas a captura de datos y dos horas a análisis ahora dedica las seis horas al análisis. En apariencia, es un uso más eficiente del tiempo humano. En la práctica, es una jornada de intensidad cognitiva sostenida sin los espacios de menor exigencia que el cerebro usaba, de manera orgánica, como recuperación. La IA eliminó los respiros sin que nadie lo planificara.
"Optimizamos los procesos. Pero no diseñamos las pausas. Y esa omisión tiene un costo que no aparece en los reportes de eficiencia, pero sí aparece en los errores, en la rotación y en las decisiones que nadie sabe explicar."
A esto se suma un fenómeno que la investigación sobre sistemas de apoyo a la decisión ha documentado con consistencia creciente: la presencia de herramientas de IA que generan recomendaciones automáticas tiende a producir lo que los investigadores denominan automation bias — la tendencia a aceptar las recomendaciones del sistema sin el escrutinio crítico que se aplicaría a una propuesta humana equivalente. El resultado es una ilusión de decisión: el profesionista cree que está decidiendo cuando en realidad está validando. Y validar sistemáticamente sin cuestionar no es toma de decisiones. Es delegación encubierta con apariencia de criterio.
El contexto de Chihuahua amplifica la relevancia de este análisis de maneras específicas y medibles. La entidad tiene una de las tasas de ocupación en la industria manufacturera más altas del país, con más de 330,000 trabajadores directos en el sector maquilador según datos del IMSS. Esa fuerza laboral opera en entornos de alta demanda cognitiva —control de calidad, logística, gestión de cadena de suministro, supervisión de procesos automatizados— donde la calidad decisional no es un valor agregado: es el estándar mínimo de operación.
Una tasa de error que en una industria de bajo valor agregado representa un costo marginal, en la manufactura de precisión representa un defecto de calidad con consecuencias contractuales, devoluciones y pérdida de clientes internacionales. La diferencia entre una decisión tomada con claridad cognitiva y una tomada bajo fatiga decisional no es filosófica. En Chihuahua, es la diferencia entre mantener un contrato de exportación y perderlo.
La OCDE documenta que México tiene una de las jornadas laborales más largas entre sus países miembros, con más de 2,100 horas trabajadas al año en promedio. Eso significa que la fuerza laboral chihuahuense llega a los entornos de alta demanda cognitiva de la era de la IA ya con una deuda de recuperación estructural. La pregunta no es si la fatiga decisional existe en la región. La pregunta es cuánto está costando y quién la está midiendo.
Chihuahua ha invertido décadas en desarrollar infraestructura productiva, logística y tecnológica que la posiciona como una de las economías más competitivas del norte de México. Esa inversión tiene sentido y debe continuar. Pero hay un recurso que no aparece en los planes de desarrollo regional, en las estrategias de atracción de inversión ni en los indicadores de competitividad: la capacidad cognitiva sostenida de la fuerza laboral.
El estudio de los jueces israelíes demostró algo que toda organización debería grabar en sus protocolos de gestión: la calidad de una decisión no depende solo de quien la toma. Depende de cuándo la toma, en qué estado mental la toma y cuántas decisiones ha tomado antes. Diseñar entornos laborales que protejan esa capacidad no es una concesión al bienestar. Es una inversión en la calidad de los resultados.
En la economía de la inteligencia artificial, donde la ventaja competitiva depende cada vez más del criterio humano para supervisar, interpretar y corregir los sistemas que operamos, el agotamiento mental no es un problema de recursos humanos. Es un problema estratégico. Y tratarlo como tal — con datos, con política organizacional y con la misma seriedad con que se trata la eficiencia tecnológica — es, probablemente, la decisión más productiva que Chihuahua puede tomar en este momento.
"El recurso más escaso en la economía de la IA no es el algoritmo. Es la mente descansada, clara y capaz de cuestionarlo."
REFERENCIAS
Danziger, S., Levav, J. y Avnaim-Pesso, L. (2011). Extraneous factors in judicial decisions. Proceedings of the National Academy of Sciences, 108(17), 6889–6892.
Baumeister, R. F. y Tierney, J. (2011). Willpower: Rediscovering the Greatest Human Strength. Penguin Press.
Gallup. (2023). State of the Global Workplace 2023 Report. gallup.com
Organización Mundial de la Salud. (2023). Mental Health at Work. who.int
Organización Mundial de la Salud. (2022). World Mental Health Report. who.int
Secretaría del Trabajo y Previsión Social. (2018). NOM-035-STPS-2018: Factores de riesgo psicosocial en el trabajo. dof.gob.mx
Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
Instituto Mexicano del Seguro Social (IMSS). (2025). Estadísticas de empleo formal por entidad federativa. imss.gob.mx
OCDE. (2024). Hours Worked: Average annual hours actually worked. stats.oecd.org