CienciaCisent
El “no lo sé”, penalizado tres veces: un estudio muestra que la IA también se lo quita a las personas
Con una IA a mano, las personas casi dejan de decir “no lo sé”: aciertan un tercio y confían más del doble. Es la tercera penalización del “no lo sé”, tras las dos que describe el paper de Cisent.

Saber cuándo decir “no lo sé” es parte del buen juicio. Un estudio publicado en julio por investigadores de la École Normale Supérieure, la Universidad de Roma La Sapienza y la Universidad de Milán-Bicocca midió qué pasa con esa capacidad cuando hay una IA a mano: casi desaparece.1 Es un preprint, y todavía no pasa por revisión de pares.
Qué midieron
Hicieron cinco experimentos con 3.132 personas, cuatro de ellos registrados antes de empezar. Les hicieron preguntas difíciles en las que siempre podían responder “no lo sé”, y la IA del experimento se equivocaba a propósito.1
Con la IA disponible, las respuestas “no lo sé” bajaron de entre el 17 % y el 44 % a entre el 1 % y el 8 %. Las personas respondieron más, pero acertaron un tercio de lo que acertaban sin IA, del 27,5 % al 9,2 %, y su confianza subió de 30 a 76 sobre 100. Pagar por acertar ayudó poco: el “no lo sé” siguió muy por debajo de lo normal. Y el efecto se mantuvo cuando la IA aparecía sola, sin que nadie la pidiera.1
La explicación de los autores es que los asistentes de IA tienen una respuesta fluida para casi todo, y eso mueve el umbral con que una persona decide que sabe lo suficiente para contestar.1
La tercera penalización
En septiembre, Sebastián Salaberry-Rivera, cofundador de Cisent, investigador en IA y creador de los modelos Manthys, publicó “El ‘no lo sé’, penalizado dos veces”.2 Su tesis es que a un modelo de IA se le castiga el “no lo sé” dos veces: el entrenamiento premia adivinar, y los bancos de prueba que dominan las clasificaciones no tienen dónde ponerlo. Se apoya en el trabajo de Adam Tauman Kalai y su equipo, publicado este año en Nature, que muestra que evaluar a los modelos solo por acertar los empuja a inventar.3
El estudio de julio mide, del lado de las personas, lo que ese paper plantea del lado de la máquina. El castigo llega a quien usa la IA: si el modelo nunca dice “no lo sé”, la persona también deja de decirlo. Esa es la tercera penalización.
La otra mitad de la tesis de Salaberry-Rivera es que el “no lo sé” se puede entrenar: un modelo puede aprender a abstenerse cuando no sabe, en vez de adivinar. La explicación completa está en Ciencia.
Lo que no sabemos todavía
Nadie ha medido qué pasa con las personas cuando la IA sí dice “no lo sé”. ¿Recuperan su propio “no lo sé”? Es la pregunta que sigue.
Fuentes
Chiara Marcoccia, Walter Quattrociocchi y Valerio Capraro, “AI advice suppresses people’s willingness to say ‘I don’t know’, even when the advice is wrong and accuracy is incentivized”, arXiv 2607.13562, 15 de julio de 2026. Preprint sin revisión de pares. https://arxiv.org/abs/2607.13562↩︎
Sebastián Salaberry-Rivera, “El ‘no lo sé’, penalizado dos veces: la abstención enrutada como disposición entrenada, y el aparato de evaluación que la castiga”, Zenodo, 2026. https://doi.org/10.5281/zenodo.23032426↩︎
Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala y Edwin Zhang, “Evaluating large language models for accuracy incentivizes hallucinations”, Nature 653, 1047-1051, 22 de abril de 2026. https://doi.org/10.1038/s41586-026-10549-w↩︎