¿Qué es la fluidez en inteligencia artificial y por qué medir el movimiento en lugar de la posición?

El 10 de julio de 2025, METR publicó un ensayo controlado sobre productividad e IA. Dieciséis desarrolladores experimentados trabajaron en 246 tareas de sus propios repositorios, y a cada una se le asignó por sorteo permitir o prohibir el uso de IA. Con IA, tardaron 19% más. Al final, estimaron haber sido un 20% más rápidos.

El 24 de febrero de 2026 los mismos autores repitieron el estudio. Entre los diez del grupo original que regresaron, el cálculo dio un 18% más rápido, en un intervalo que va de un 38% más rápido a un 9% más lento. Ellos mismos llaman al nuevo dato señal débil, porque una parte creciente de los invitados rechaza un estudio que los obligue a trabajar la mitad del tiempo sin IA.

El resultado cambió de signo entre las dos mediciones, y el diseño del experimento dejó de medir lo que medía, porque el uso de IA entre los participantes cambió. Una escala que asigna un peldaño presupone que la propia escala permanece estable.

El término adoptado por Giordano Cabral es fluidez. Lo emplea desde 2025 en el FAROL, grupo de investigación que fundó en el CIn/UFPE y que en 2026 se convierte en el Instituto FAROL de Fluidez Agéntica; antes de eso, sin ese nombre, el mismo enfoque aparece en los juegos del PsyFun y en la evaluación en el aula.

El término proviene del aprendizaje de idiomas: sin práctica, el nivel retrocede. La fluidez se mide por eje (una organización puede ser fluida en datos y no en personas) y depende del ecosistema que la rodea.

La adopción, por sí sola, ya no diferencia a las organizaciones: la encuesta de Stack Overflow de 2025 registra que el 84% de los encuestados usa o planea usar IA en el desarrollo, frente al 76% del año anterior, y que el 46% desconfía de la exactitud de lo que ella devuelve, frente al 33% que confía.

Los modelos de madurez en IA heredan los de software de los años 1990, hechos para procesos estables. La crítica del FAROL, detallada en IA agéntica, tiene tres puntos: la organización clasificada en lo más alto tiende a tener más que perder en el siguiente cambio; esos modelos premian la estandarización y penalizan la experimentación, mientras que en IA el descarte rápido tiene valor; y la posición no informa la velocidad.

Son seis ejes (conocimiento, herramientas e integración, delegación y autonomía, procesos, productividad y resultados, aprendizaje y cultura), cada uno con una regla propia de N0 a N5, frente a un banco maestro de 264 ítems. La puerta de entrada es el diagnóstico abierto: un líder responde por la organización en tres a ocho minutos, sin registro previo, y recibe el radar al instante. Lo que una empresa hace después está en transformación de empresas con IA.

Cuando se les pregunta si cooperarían, los niños casi siempre responden que sí. En los juegos de PsyFun cooperar cuesta recursos, la elección se toma en unos tres segundos y nada en la pantalla se llama dilema. En dos experimentos con 162 niños de 6 a 12 años, publicados en Behavior Research Methods en 2021, cooperaron más en un juego que en el otro, y de forma condicional, dos cosas que un cuestionario no separa. Cabral coordinó el grupo en la UFRPE en 2013 y 2014 y, hasta 2018, el proyecto del CNPq que lo originó.

La distinción es entre lo que la persona responde sobre sí misma y el registro de lo que hizo. Las dos medidas tienen errores de naturaleza distinta y, por eso, no se suman: la declaración se equivoca de forma sistemática y en la misma dirección, como en el METR; la traza solo ve el trabajo que pasa por un sistema que registra, y registra lo que se hizo, no lo que se entendió.

En Tendências em Mídia e Interação, edición 2026.2, cada estudiante criba quinientas herramientas ítem por ítem dentro del sistema de la asignatura, que registra el tiempo dedicado a cada una. La regla está en el plan: si la máquina fabrica el producto, se evalúa el proceso de pilotaje de la máquina. La asignatura no usa detector de IA; el criterio es la evidencia de proceso: repositorio, historial, justificación, prueba. En la primera entrega, catorce estudiantes llevaron 5776 herramientas al catálogo común y registraron 659 elecciones.

En el FAROL, el retrato del uso observado es un eje aparte, fuera de la escalera de recolección, porque no se suma a lo que la persona relata. El Meu Mapa de IA pregunta a los estudiantes qué han hecho ya; el agregado se publica en el Observatório de adoção de IA, con 2943 respuestas en el extracto del 14 de septiembre de 2026. La investigación es transversal: los ciclos no siguen a las mismas personas.

La medida no evalúa la calidad de lo que la IA produce, ningún instrumento envía el contenido de las conversaciones a servidor alguno, y ningún resultado individual se divulga: en los paneles abiertos, las celdas con menos de cinco respuestas se suprimen, lo que en el Observatório dejó 1 394 729 celdas fuera de las sumas. Una combinación no disponible no significa cero.

Dos objeciones se publican junto al índice. La primera es la ley de Goodhart: un indicador que se vuelve meta deja de medir lo que representaba. Un índice de fluencia es vulnerable por tres puertas: premiar el volumen de uso, trivial de manipular; ser leído como sello; y puntuar la delegación de modo que se premie a quien más delega fuera de su propia competencia. La segunda: una medida anunciada funciona como compromiso público y puede exigirse después, incluso jurídicamente.

La destilación de competencia (delegar la generación de código cobra un precio en la formación de habilidades, y cobra más a quien está empezando) es una hipótesis recurrente en los textos de Cabral y aún no ha sido puesta a prueba. Ponerla a prueba exige seguir a las mismas personas a lo largo del tiempo, y los instrumentos actuales del FAROL hacen mediciones transversales. El Açude, juego de recurso común abierto en 2026, registra la decisión ronda a ronda.