Cómo leer estos datos
La Teoría de la Convergencia sostiene algo concreto y verificable: el valor no está en la herramienta, sino en cómo la persona piensa con ella. Si eso es cierto, entrenar las 4C —Claridad, Configuración, Curaduría y Criterio— debería producir un efecto medible en el trabajo cotidiano, no solo una sensación agradable. Estas cuatro gráficas son ese contraste.
- Tiempo para dejar un buen pedido a la IA. Compara el antes y el después de la misma persona. Si el método funciona, la distribución debe correrse hacia las categorías cortas: menos vueltas, menos reintentos, menos prompts desechados. Es el indicador más duro, porque el tiempo no se autoengaña.
- Calidad percibida (1–5). Mide si el resultado sirve, no si impresiona. Un delta positivo aquí junto con un tiempo menor es la señal que buscamos: no es que se conformen más rápido, es que aciertan antes.
- Beneficios reportados. Es la lectura cualitativa del mecanismo. Cuando predominan «entiendo el problema real», «reviso lo que me entrega» y «decido con criterio propio», lo que se está moviendo son metahabilidades, no atajos: exactamente lo contrario del descargo cognitivo que produce el uso pasivo de la IA.
- Intención de reúso. Un método que solo funciona en el ejercicio no sirve. La intención de aplicarlo en el trabajo de esta semana es el mejor indicador temprano de transferencia real.
Privacidad y honestidad estadística: nunca se muestran respuestas individuales, proyectos ni datos personales. Mientras haya menos de 10 respuestas no se publican gráficas, para no sacar conclusiones de una muestra demasiado pequeña. Cada gráfica indica su propio n. Es evidencia autorreportada de una muestra autoseleccionada: sirve para observar una tendencia, no para afirmar causalidad.