2. Las Once Propiedades de la Tarea — Dos Formulaciones, Una Elección

La Sección 1 fijó la arquitectura de la CCT en términos generales: dos polos, un punto medio dominante, un mecanismo de inducción tarea→cognición. Pero no dijo qué, en concreto, necesita tener una tarea para inducir un modo u otro. Esa es la función de las once propiedades de la tarea — y lo primero que conviene señalar, antes de enumerarlas, es que "las once propiedades de la CCT" no es una tabla única, citada de forma uniforme en toda la literatura. Coexisten al menos dos formulaciones influyentes, organizadas de manera distinta, y divergentes en la polaridad de al menos una propiedad. Elegir entre ellas — o combinarlas — es una decisión que este artículo debe hacer explícita, no un detalle editorial a resolver en silencio.

Formulación 1 — Doherty & Kurz (1996). En su revisión de la Social Judgment Theory, Doherty y Kurz sintetizan la tradición de Hammond en una lista plana de once propiedades, cada una situada en pie de igualdad con las demás: número de pistas, medición de las pistas, distribución de los valores, redundancia de las pistas, descomponibilidad, grado de certeza, relación pistas-criterio, ponderación de las pistas, principio organizador, presentación de las pistas y duración de la decisión. Esta es la versión más citada como "las once propiedades" en la literatura posterior (Dhami & Thomson, 2012, remiten directamente a ella), y es la versión que la Sección 3 de este artículo opera. Pero la lista, por sí sola, no distingue dos cosas que pueden divergir: si una propiedad describe la estructura real de la tarea, o solo la forma en que esa estructura se presenta a quien la juzga.

Formulación 2 — Dunwoody, Haarbauer, Mahan, Marino & Tang (2000). Este estudio reformula la cuestión introduciendo una distinción de dos niveles: propiedades de superficie (la representación de las variables de la tarea disponible para el decisor — presentación icónica o numérica, simultánea o secuencial, número de indicadores mostrados) y propiedades de profundidad (la estructura efectiva de la tarea, independiente de cómo se muestra — la redundancia real entre fuentes de información, la forma funcional real que vincula pistas y criterio, la fiabilidad real de la medición). La distinción no es solo conceptual: los autores manipularon superficie y profundidad independientemente, en el mismo problema subyacente, y mostraron que cada una desplaza el modo cognitivo por sí sola. Superficie y profundidad no son lo mismo, ni una es reducible a la otra.

Esta segunda formulación importa más para AI-IoT de lo que importó para los jueces humanos aislados en quienes fue originalmente probada. En el laboratorio de Dunwoody et al., superficie y profundidad eran variadas por el experimentador para el mismo juez, ante la misma tarea subyacente. En AI-IoT, la divergencia entre superficie y profundidad no es una manipulación experimental — es una característica estructural del diseño del sistema. La ecología física fija las propiedades de profundidad: la redundancia real entre sensores, la forma funcional real que vincula señal y fallo, la certeza real de la relación. Pero la IA recibe una representación de esa ecología (densa, de alta dimensionalidad, frecuentemente cercana a la resolución bruta), y el supervisor humano recibe otra (un panel resumido, un score de riesgo, una alerta binaria) — dos superficies distintas sobre la misma profundidad compartida. Es exactamente esta divergencia estructural la que motiva la distinción de tres niveles ya adoptada en la Sección 3 — ecología física, representación disponible a la IA, representación disponible al supervisor —, aunque esa sección no haya citado explícitamente la fuente teórica que la sustenta. Es la formulación de Dunwoody et al., no la lista plana de Doherty & Kurz, la que da a esa arquitectura de tres niveles una base no arbitraria.

La siguiente tabla propone una clasificación de superficie/profundidad para cada una de las once propiedades de Doherty & Kurz — síntesis original de esta trilogía, no una correspondencia ya establecida en ninguna de las dos fuentes citadas, que tratan sus listas por separado.

La clasificación "mixta" del principio organizador y de la duración de la decisión no es un fallo de la tabla — es precisamente el tipo de caso que la distinción superficie/profundidad permite hacer visible, y que una lista plana ocultaría.

Queda por resolver, sin embargo, una segunda tensión — de polaridad, no de organización. La "relación pistas-criterio" es la propiedad más inestable entre formulaciones. La tradición de Hammond, con raíz en el aprendizaje de probabilidad multi-pista (multiple-cue probability learning), asocia las relaciones lineales al polo intuitivo y las relaciones no lineales al polo analítico: llamativamente extraño a primera vista, pero empíricamente motivado — los jueces humanos aprenden relaciones aditivas simples de forma implícita y rápida, por mera exposición repetida, mientras que las relaciones configuracionales o no lineales (interacciones, umbrales, no monotonicidades) solo se detectan y aplican con fiabilidad mediante estrategias analíticas explícitas. Una tradición distinta, más reciente, procedente de la investigación sobre categorización y modelos duales — en torno a la distinción entre estrategias de abstracción de reglas y estrategias basadas en semejanza a ejemplares (asociada a autores como Juslin, Olsson y colaboradores en la literatura sobre modelos de juicio y categorización; cita específica aún no verificada directamente, pendiente de confirmar) — invierte esta polaridad: trata las relaciones lineales como aptas para un modelo explícito y formal (por tanto, "analítico" en su vocabulario), y las relaciones no lineales como exigentes de una correspondencia holística con casos memorizados (por tanto, "intuitivo"). La misma propiedad, dos polaridades opuestas.

La tensión no se resuelve preguntando cuál de las dos tradiciones tiene "razón". Hablan de procesos distintos, anclados en paradigmas experimentales distintos — la primera, aprendizaje implícito y repetido de relaciones multi-pista a lo largo de muchos ensayos; la segunda, categorización puntual y explícita de ejemplares aislados. Importar la polaridad de la segunda tradición al interior de la CCT no desambiguaría el vocabulario de este artículo — lo corrompería, al hacer que "intuitivo" y "analítico" signifiquen cosas distintas según la frase.

La decisión de esta trilogía es, por ello, triple. Primero: se adopta la lista de once propiedades de Doherty & Kurz (1996), por nombre, número y orden, como vocabulario de trabajo — es la versión ya citada como canónica en la literatura posterior, y la que opera la Sección 3. Segundo: cada propiedad se interpreta a través de la distinción superficie/profundidad de Dunwoody et al. (2000) siempre que el dominio AI-IoT permita su divergencia — lo que legitima, retroactivamente, la arquitectura de tres niveles ya introducida en la Sección 3. Tercero: se mantiene la polaridad original de Hammond para la relación pistas-criterio — lineal induce intuición, no lineal induce análisis —, porque la CCT es el linaje teórico heredado por esta trilogía, y su noción de "intuitivo" está anclada en el paradigma de aprendizaje multi-pista, no en el de categorización por ejemplares. Es esta misma polaridad, y esta misma justificación, la que la Sección 3 presupone al mapear la propiedad hacia el dominio AI-IoT.

(Nota bibliográfica: Doherty, M. E., & Kurz, E. M. (1996). "Social judgement theory." Thinking and Reasoning, 2, 109–140 — cita verificada directamente, confirmándola como la fuente de la lista de once propiedades ya usada en la bibliografía núcleo de la trilogía. Dunwoody, P. T., Haarbauer, E., Mahan, R. P., Marino, C., & Tang, C.-C. (2000). "Cognitive adaptation and its consequences: A test of Cognitive Continuum Theory." Journal of Behavioral Decision Making, 13(1), 35–54 — cita ahora verificada directamente contra múltiples fuentes académicas independientes; resuelve un ítem de verificación pendiente sobre curtosis señalado anteriormente en esta trilogía, y pasa a ser candidata a entrar en la bibliografía núcleo. La cita de la tradición de abstracción de reglas frente a semejanza a ejemplares — asociada a Juslin, Olsson y colaboradores en la literatura sobre modelos de juicio y categorización — no ha sido verificada directamente contra las publicaciones originales; se usa aquí solo para caracterizar, en términos generales, la existencia de una polaridad opuesta en la literatura, y debe confirmarse con títulos y metadatos exactos antes de cualquier cita formal en el artículo publicado. La clasificación de cada propiedad como superficie, profundidad o mixta es síntesis original de esta trilogía, no una correspondencia preexistente en ninguna de las dos fuentes citadas.)