Lab IA²-5 · ¿Quién decidió — yo o la IA?

Sesión S07 · Auditoría meta del thread completo del póster

Autor/a
Afiliación

Juan Carlos Muñoz-Mora, PhD

Universidad EAFIT · Escuela de Finanzas, Economía y Gobierno

Fecha de publicación

25 de mayo de 2026

La pregunta de augmentación (la más importante del curso)

¿Qué % de las decisiones que tomé en esta tesis fueron mías genuinamente?

Modo AIAS: 5 — Full AI · Sesión: S07 · Duración: 70 min · Producto: tabla de decisiones + reflexión 200 palabras.

Contexto

Messeri & Crockett (2024) (Messeri & Crockett, 2024) advierten sobre la ilusión epistémica: la IA produce outputs plausibles que el humano integra sin siquiera notar que aceptó la propuesta. Después de 7 sesiones del curso, con audit logs en H1, H2 y H3 — este lab te invita a hacer la auditoría meta de todo el thread.

Objetivos

  1. Exportar todo el thread de creación del póster (S07) — Claude/ChatGPT permite export.
  2. Categorizar cada decisión como aceptada, rechazada o modificada.
  3. Calcular tasa de rechazo (debe ser > 0%).
  4. Reflexionar 200 palabras sobre qué % de tu trabajo fue genuinamente humano.

Procedimiento

Paso 1 — Exportar thread (10 min)

Claude: botón “Export” → JSON o markdown. ChatGPT: Settings → Export Data → recibirás email con archive. Gemini: copiar texto manualmente (no tiene export nativo).

Guarda el thread completo en 04-labs/05-quien-decidio/thread.md.

Paso 2 — Tabla de decisiones (40 min)

Para cada interacción significativa con la IA durante la creación del póster, registra:

# Lo que la IA propuso Mi decisión Razón Categoría
1 Estructura de 5 secciones Acepté con modificación Cambié orden, “Limitaciones” antes de “Implicaciones” Modificada
2 Título sugerido Rechacé Era click-bait académico Rechazada
3 Tipo de gráfico (slope chart) Acepté Coherente con Schwabish 2021 Aceptada
4 Texto de “Hallazgos esperados” Rechacé Sobreestimaba magnitud Rechazada
5 Color palette Acepté Color-blind friendly (viridis) Aceptada

Mínimo 5 decisiones documentadas.

Paso 3 — Métricas (10 min)

  • Total decisiones: [n]
  • Aceptadas sin modificar: [a]
  • Modificadas: [m]
  • Rechazadas: [r]
  • Tasa de rechazo: r / n

Si r = 0: sospecha. Vuelve a revisar. Es muy difícil que la IA acierte 100%. Si genuinamente todo lo aceptaste, documenta por qué (modelo muy bueno + tu prompt muy específico).

Paso 4 — Reflexión 200 palabras (10 min)

Responde en 04-labs/05-quien-decidio/reflexion.md:

  1. ¿Qué % del póster es genuinamente tuyo? (No la respuesta literal en %, sino qué decisiones definen el argumento.)
  2. ¿En qué momento del thread casi delegaste algo importante a la IA? ¿Cómo lo evitaste?
  3. ¿Hay algo que aceptaste que ahora reconsiderarías?
  4. Para tu próxima tesis (no este curso): ¿qué cambiarías en cómo usas la IA?

Audit log obligatorio

Llena el audit-template.md.

Regla de aprobación

✅ Lab aprobado si: - Thread exportado al repo. - Tabla con ≥5 decisiones documentadas. - Tasa de rechazo > 0% O justificación robusta de por qué fue 0. - Reflexión escrita ≥200 palabras. - Audit log completo.

Conexión con H4 y la sustentación

Este lab es el insumo directo de la pregunta obligatoria del instructor en S08:

“¿Qué hizo la IA por ti que tú no hiciste?”

Si llegas a la sustentación sin haber hecho esta auditoría, no podrás responder esa pregunta convincentemente.

Recursos

Volver arriba

Referencias

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), 610-623. https://doi.org/10.1145/3442188.3445922
Engelbart, D. C. (1962). Augmenting Human Intellect: A Conceptual Framework [Summary Report AFOSR-3223]. Stanford Research Institute.
Messeri, L., & Crockett, M. J. (2024). Artificial Intelligence and Illusions of Understanding in Scientific Research. Nature, 627(8002), 49-58. https://doi.org/10.1038/s41586-024-07146-0