---
citekey: Eleftheriou2026Confidence
priority: sustento-moderno
units: [U1, U3]
type: working-paper
venue: arXiv 2604.09444
year: 2026
pdfstatus: ok-arxiv
verificado: 2026-11-09 (fuente primaria: NBER, arXiv o Crossref)
---

# Eleftheriou, Pallis y Constantinides 2026. Confianza sin competencia

**Cita.** Eleftheriou, E., Pallis, G. y Constantinides, M. (2026). "Confidence Without Competence in AI-Assisted Knowledge Work". arXiv:2604.09444.

**Citekey Quarto:** `[@Eleftheriou2026Confidence]`

## Tesis central

Estudio en dos fases. Primero entrevistan a 16 estudiantes y con eso diseñan Deep3, un sistema con tres modos de interacción: explicar al yo futuro, aprendizaje por contraste y pistas guiadas. Luego 85 participantes lo usan en dos tareas. El LLM estándar produjo la mayor comprensión percibida y el menor aprendizaje objetivo. Las pistas guiadas dieron las mayores ganancias de aprendizaje.

## Aporte por unidad del curso

- **U1 (Manifiesto IA² + encuadre):** ★★★ sustento del audit log AIAS como herramienta metacognitiva: la sensación de entender y el entender se separan cuando la IA responde completo.
- **U3 (Objetivos + PRON):** ★★ para la escritura del PRON con IA: pedir pistas, no textos.

## Hallazgos clave (citables)

- El chatbot estándar dio la comprensión percibida más alta y el aprendizaje objetivo más bajo.
- Explicar al yo futuro costó más esfuerzo y alineó mejor lo percibido con lo real.
- Esfuerzo, confianza y aprendizaje divergen de forma sistemática en el trabajo con LLM.

## Conexiones con otras lecturas del bib

- `[@MesseriCrockett2024]`: las ilusiones de comprensión, ahora con un experimento.
- `[@Perkins2024AIAS]`: la escala que convertimos en práctica metacognitiva.

## Pregunta detonadora

> ¿Cuál fue la última vez que sentiste que entendiste algo porque la IA te lo explicó? ¿Podrías explicarlo ahora sin abrirla?