Le pedimos las fuentes a nuestra propia pieza de marzo. Esto es lo que encontramos

Le hicimos a un borrador propio la pregunta que le hacemos a cualquier pieza publicada: ¿de dónde sale esa cifra? El 5 de marzo escribimos una pieza sobre por qué programar con IA se ha vuelto más fácil y ser ingeniero más agotador. Nunca llegó a los lectores: se quedó en borrador y lleva desde entonces cuatro meses y medio esperando en la cola, sin que nadie —ni nosotros— revisara si las cifras que citaba se sostenían. Citaba cuatro porcentajes atribuidos a "un estudio de Harvard Business Review" —83%, 62%, 61%, 38%—, otros dos a una encuesta de la empresa Harness —67%, 68%—, y "un ensayo ampliamente compartido" de un ingeniero sin nombre. No enlazaba ni un solo original. Fuimos a comprobar las tres fuentes, sin decidir de antemano qué íbamos a encontrar ni qué resultado nos convenía más. Esto es lo que pasó, y el método que queda cuando termina la anécdota.

Cómo se busca el original cuando el medio no enlaza

El primer paso nunca es el buscador general: es el sitio de la institución que se cita. "Un estudio de Harvard Business Review" no es un nombre de estudio, es una editorial que publica cientos de piezas al año —hace falta el título exacto, o al menos el tema y la fecha aproximada, y verificar que no hay DOS estudios distintos sobre el mismo asunto. Con Harness, al ser una empresa que vende herramientas para el mismo problema que mide, la pregunta añadida es obligatoria: ¿quién pagó la encuesta y quién la ejecutó? Y con "un ensayo ampliamente compartido", la tentación es rendirse porque "no tiene nombre" —pero sin nombre no es lo mismo que sin autor: casi siempre se puede rastrear con el título y dos o tres frases literales.

Lo que encontramos al tirar de cada hilo

Buscando "estudio de Harvard Business Review" sobre IA y agotamiento, encontramos primero uno real pero equivocado —"The Hidden Penalty of Using AI at Work", sobre adopción de asistentes de código, con cifras de 41%, 31% y 39% que no coinciden con las nuestras—. Solo al insistir con términos más precisos apareció el estudio correcto: "AI Doesn't Reduce Work—It Intensifies It", de Aruna Ranganathan y Xingqi Maggie Ye (Berkeley Haas), publicado el 9 de febrero de 2026, sobre ocho meses de trabajo de campo en una empresa tecnológica de 200 empleados.

El texto completo de ese estudio está tras un muro de pago: no podemos citarlo línea a línea, y un lector tampoco podría comprobarlo sin pagar. Pero no hace falta: lo público basta para responder a la pregunta que importa. La propia nota de prensa de Berkeley Haas describe la metodología sin ambigüedad —más de 40 entrevistas semiestructuradas y observación directa durante ocho meses en una empresa de 200 personas— y no menciona una sola cifra porcentual. Es un estudio cualitativo, y de un estudio así no salen los cuatro números que nuestra pieza de marzo le atribuyó —83%, 62%, 61%, 38%—. No es que esas cifras estén mal citadas dentro del estudio: es que el estudio, tal como lo describe su propia institución, no mide nada con esa forma.

Esas cuatro cifras circulan, casi palabra por palabra, en varios blogs que las atribuyen al mismo estudio: eso no es corroboración independiente, es la señal clásica de que todos copiaron de la misma fuente, y esa fuente no era el estudio. Lo que sí recoge la nota de prensa, citando a los propios investigadores: los empleados de esa empresa trabajaron a un ritmo más rápido, ampliaron el alcance de sus tareas y extendieron la jornada por su cuenta, sin que nadie se lo pidiera, porque la IA hizo que "hacer más" pareciera posible, accesible y muchas veces gratificante en sí mismo. Es un hallazgo real y con matices; lo que no tiene son los cuatro números que le colgamos.

Encontrar el estudio equivocado primero no fue un despiste evitable: los dos tratan el mismo tema, en fechas cercanas, con títulos que un resumen automático puede confundir fácilmente. Es exactamente el tipo de error que se cuela cuando alguien busca deprisa y se queda con el primer resultado que "suena" al tema, en vez de confirmar que el título coincide palabra por palabra.

Con Harness, el resultado fue el contrario. El comunicado oficial de la propia empresa, publicado el 8 de enero de 2025, cita literalmente: "67% de los desarrolladores dijo pasar más tiempo depurando código generado por IA" y "68% pasa más tiempo resolviendo vulnerabilidades de seguridad relacionadas con IA", sobre una encuesta a 500 líderes técnicos y desarrolladores. Las cifras existen tal cual las citamos. La advertencia que sí hay que hacer: Harness vende precisamente las herramientas de seguridad y gobernanza que este hallazgo hace parecer necesarias. Eso no invierte el dato —una encuesta de un interesado puede ser real—, pero sí obliga a leerlo sabiendo quién se beneficia de que la cifra sea alta.

Y el "ingeniero sin nombre" resultó tener nombre desde el principio: "AI Made Writing Code Easier. It Made Engineering Harder", de Ivan Turković, arquitecto de software con veinte años de experiencia, autor de un libro técnico y con perfil público en LinkedIn. El ensayo llegó a Hacker News, que es precisamente lo que hace que algo sea "ampliamente compartido" de forma comprobable. Su argumento, resumido con la fidelidad que merece un autor con nombre: la IA no redujo el trabajo de ingeniería, cambió qué cuenta como el trabajo difícil —de escribir código a diseñar sistemas, tomar decisiones de arquitectura y depurar condiciones de carrera—, y ese desplazamiento ocurre más veces, no menos. No hacía falta dejarlo sin nombre: hacía falta buscarlo cinco minutos.

El resultado, sin forzarlo hacia un lado

De tres fuentes sin enlace, una no aguantó (cuatro cifras que no están donde decíamos), una aguantó con matiz (dos cifras reales de una encuesta con interés comercial declarable), y una ni siquiera necesitaba estar sin nombre. No es "nunca te fíes" ni "todo se puede confirmar": es que cada afirmación sin puerta exige su propia comprobación, y a veces la respuesta cambia a mitad de la lista. De las seis cifras que aquel borrador citaba, dos resistieron la comprobación y cuatro no.

Y hay un dato más, que solo pudimos ver por dentro. Ese borrador de marzo no se quedó parado porque nuestro propio sistema de verificación lo rechazara: lo aprobó. Sus registros internos le dan un 90 sobre 100 en calidad y un 75 sobre 100 en comprobación de hechos —el umbral para pasar es 70—, con esta nota literal del verificador: «contiene algunas afirmaciones que requieren corrección o mayor precisión. Se identificaron errores menores en la atribución de cifras y en la interpretación de ciertos datos». El verificador vio el problema y lo escribió con esas palabras. Y lo tasó de "menor" —cuando seis porcentajes sin fuente no eran un detalle del argumento: eran el argumento entero. Que ese borrador nunca llegara al lector fue cosa del calendario, no mérito del filtro que se supone que existe para esto.

Qué hacer con esto, para cualquier cifra que leas sin enlace, no solo las nuestras: busca el nombre exacto del estudio o autor en el sitio de la institución, no en el buscador general; comprueba que no hay dos estudios parecidos sobre el mismo tema; pregunta quién pagó la encuesta si viene de una empresa; y antes de aceptar que algo "no tiene nombre", dedica los cinco minutos que nosotros no dedicamos en marzo. Y cuando la fuente original está tras un muro de pago, como aquí: no hace falta esquivarlo para comprobar lo esencial —la nota de prensa de la propia institución suele decir más de lo que crees, y cuando no basta, declarar el límite es más honesto que fingir haberlo comprobado todo.

El mismo método sirve fuera del periodismo. Un informe interno que cita "un estudio de Gartner" sin enlazarlo, un correo de recursos humanos que menciona "una encuesta reciente", una charla que abre con una estadística sorprendente y ninguna fuente: en los tres casos, la pregunta es la misma —¿esto se puede seguir hasta el original, o hay que creérselo porque suena autorizado? Cuando la respuesta es lo segundo, no es un dato: es una apelación a la autoridad con forma de dato, y la diferencia solo se ve cuando alguien se toma el trabajo de mirar.

Para quien quiera comprobarlo él mismo

• El estudio real de Harvard Business Review, "AI Doesn't Reduce Work—It Intensifies It" (Ranganathan y Ye, 9 de febrero de 2026) — texto completo tras muro de pago.
• La nota de prensa de Berkeley Haas sobre el mismo estudio, con la metodología completa y de acceso público.
• El comunicado oficial de Harness sobre su encuesta a 500 desarrolladores (8 de enero de 2025).
• El ensayo de Ivan Turković, con nombre y fecha desde el origen.