La retroalimentación efectiva no es dar más feedback. Una parte del feedback empeora el resultado, y la investigación sabe bastante bien por qué: cuando habla de la persona en lugar de la tarea, o cuando no dice qué hacer después. Aquí va qué distingue el feedback que enseña del que no, tres preguntas para darlo bien en cualquier formación (o capacitación) y dónde puede ayudar la IA.
Cuando monté mi simulador de negociación, tuve que decidir algo que no esperaba: quién da el feedback y cuándo.
Acabé con dos papeles distintos. Un coach que comenta después de cada turno, mientras la conversación sigue. Y un evaluador que solo habla al final, con una rúbrica. Lo conté en el post sobre la diferencia entre un simulador y ChatGPT.
Los dos tienen el mismo encargo: decir algo que sirva. Y eso es más difícil de lo que parece, porque «muy bien, sigue así» lo escribe cualquiera. Y no sirve para nada.
¿Todo feedback ayuda a aprender?
No. Y esto sorprende la primera vez.
En los años noventa, dos investigadores, Avraham Kluger y Angelo DeNisi, juntaron cientos de estudios que comparaban qué pasaba con feedback y sin él. De media, el feedback mejoraba el rendimiento. Pero en más de un tercio de los casos lo empeoraba.
Un tercio. No es un accidente raro. Es una de cada tres veces.
Su explicación es sencilla de contar. El feedback funciona cuando lleva la atención a la tarea: qué has hecho, qué ha pasado, qué podrías hacer distinto. Y se vuelve en contra cuando la lleva a la persona: a si vales o no vales, a tu imagen, a cómo te ven. Ellos mismos lo llamaron una espada de doble filo.
Yo esto lo leo así, y el salto es mío: el feedback que más se da en las empresas, el «eres muy bueno con los clientes» o el «te falta seguridad», es justo el que habla de la persona.
¿Qué distingue la retroalimentación efectiva?
La revisión más citada sobre el tema, de John Hattie y Helen Timperley, propone que el feedback útil responde a tres preguntas:
- ¿Adónde voy? Cuál es el objetivo.
- ¿Cómo voy? Dónde estoy respecto a ese objetivo.
- ¿Qué sigue? Qué hago ahora para acercarme.
Y distinguen cuatro cosas de las que puede hablar el feedback. De la tarea: esto está bien, esto no. Del proceso: cómo lo has hecho, qué estrategia has usado. De la autorregulación: cómo puedes darte cuenta tú sola la próxima vez. Y de la persona: «qué bien lo haces».
De las cuatro, la que menos funciona es la última. El elogio a la persona apenas lleva información sobre qué hacer. Si quieres elogiar, que sea el esfuerzo o la forma de hacerlo, no a quien lo hace.
En 2020, el propio Hattie y dos colegas volvieron a mirar el tema con más de 400 estudios. La conclusión cabe en una frase de los autores: el feedback funciona mejor cuanta más información contiene. El que solo dice «bien» o «mal» ayuda algo. El que además dice cómo y qué hacer después ayuda el doble. Los premios y castigos, bastante menos que cualquiera de los dos.
Casi toda esta investigación es de colegios y universidades. Lo aplico a la formación de empresa porque el mecanismo es el mismo: una persona intentando hacer algo y alguien diciéndole cómo va. Pero no hay muchos estudios rigurosos hechos en empresas, y conviene saberlo.

¿Cómo se da una retroalimentación efectiva?
Esta es la parte práctica. Sirve igual para un formador en un aula, para un responsable con su equipo o para escribir el feedback de un curso en línea.
1. Empieza por el objetivo, no por la persona. «En esta llamada el objetivo era saber qué le preocupaba al cliente antes de hablar de precio.» Si el objetivo no está claro, el resto del feedback flota.
2. Describe lo que pasó, con un ejemplo concreto. «Cuando dijo que era caro, le ofreciste un descuento en la siguiente frase.» Lo que pasó, no lo que eres. «Eres impaciente» habla de ti. «Ofreciste descuento a la primera objeción» habla de la tarea.
3. Di qué hacer la próxima vez. Es la parte que más se olvida. «La próxima vez, antes de tocar el precio, pregunta qué le parece caro y comparado con qué.» Una sola cosa. Si das cinco, no se aplica ninguna.
4. Deja una pregunta para que lo vea sola. «¿En qué momento crees que se te escapó?» Es la parte de autorregulación. A la larga es la que hace que no dependas de quien te da el feedback.
5. Cuida el momento. El feedback de proceso sirve mientras todavía se puede cambiar algo. El de resultado, al final. En el simulador, el coach actúa después de cada turno y el evaluador solo al final: uno ayuda durante, el otro mide después.
Y una plantilla que puedes copiar, con tus palabras:
El objetivo era [objetivo]. Lo que pasó fue [hecho concreto]. La próxima vez, prueba a [una acción]. ¿Qué crees que lo cambió?
Tres frases y una pregunta. Ni un adjetivo sobre la persona.
¿Y el feedback de la IA?
Aquí es donde la IA puede cambiar bastante las cosas. No porque dé mejor feedback que una buena formadora, sino porque lo da siempre, a cada intento y a cualquier hora.
En un ensayo pequeño en la Universidad de Münster, estudiantes de medicina hacían entrevistas con pacientes simulados por ChatGPT. Un grupo solo practicaba. El otro recibía, después de cada caso, un feedback estructurado de la IA: puntuación en unos criterios y tres sugerencias de mejora. Tras cuatro casos, el grupo con feedback razonaba mejor. Los autores lo ven como complemento, no como sustituto de pacientes reales. Y eran solo 21 estudiantes, así que lo tomo con calma.
Lo interesante para mí es cómo era ese feedback: con criterios y con sugerencias concretas. Exactamente lo que dicen Hattie y compañía. La IA no inventa la retroalimentación efectiva. La aplica con constancia si se la diseñas bien.
Y ahí está el trabajo. Si solo le pides a la IA «dale feedback al alumno», lo más probable es que salga algo genérico. Si le das el objetivo, la rúbrica y la instrucción de decir una sola cosa que hacer la próxima vez, el feedback cambia. Lo conté con detalle en el post de simuladores conversacionales: la IA dejaba practicar más veces, y era la práctica con feedback lo que funcionaba.
¿Cuándo no hace falta tanto feedback?
Cuando la tarea ya da el resultado. Si el programa compila o no compila, si la venta se cierra o no, la persona ya sabe cómo va. Ahí lo útil es el proceso, no el resultado.
Cuando se da demasiado a menudo. Un comentario en cada paso puede quitarle a la persona la ocasión de darse cuenta sola. Por eso la pregunta del paso 4.
Cuando no hay nada que cambiar. Si el objetivo no está claro o la persona no puede aplicar lo que le dices, el feedback no tiene dónde agarrarse. Pasa lo mismo que con la transferencia del aprendizaje: el problema no siempre está en la formación.
En resumen
- No todo feedback ayuda: en más de un tercio de los casos estudiados empeoró el rendimiento.
- Funciona el que habla de la tarea y del proceso. El que habla de la persona es el que menos sirve.
- La retroalimentación efectiva responde a tres preguntas: adónde voy, cómo voy y qué sigue.
- Cuanta más información útil lleva, mejor funciona. Una acción concreta para la próxima vez vale más que cinco consejos.
- La IA puede dar feedback en cada intento, pero solo si le diseñas los criterios y el formato.
Un coach durante y un evaluador al final. Dos momentos y dos preguntas distintas: qué pruebo ahora y cómo he ido. En ninguno de los dos debería caber un «muy bien» a secas.
¿Hablamos?
¿Cómo das feedback en tus formaciones? ¿Usas alguna plantilla o rúbrica? ¿Te ha pasado que un feedback bienintencionado saliera al revés? Cuéntamelo en los comentarios, que me interesan mucho los casos de empresa, que son justo los que faltan en la investigación.
Preguntas frecuentes
¿Qué es la retroalimentación efectiva?
Es el feedback que ayuda a mejorar en la siguiente vez. Habla de la tarea, describe lo que pasó con un ejemplo y dice una acción concreta para seguir. Responde a tres preguntas: adónde voy, cómo voy y qué sigue.
¿Por qué a veces el feedback empeora el rendimiento?
Porque lleva la atención a la persona en lugar de a la tarea. Cuando alguien siente que se juzga quién es, se ocupa de defenderse y no de mejorar lo que hizo.
¿Sirve el elogio?
Poco si es a la persona («eres muy bueno»). Algo más si es al esfuerzo o a la forma de hacerlo, porque dice qué repetir.
¿Puede la IA dar retroalimentación efectiva?
Puede, si se le dan el objetivo, los criterios y el formato. Sin eso, tiende a elogiar y a generalizar. La evidencia es todavía pequeña y casi toda de medicina.
Si quieres el detalle
Aquí abajo dejo lo que me he saltado arriba para no cortar la lectura: qué hicieron los estudios que cito, qué no demuestran y por qué los leo como los leo. Si el post te ha valido, no hace falta que sigas. La investigación para este post la hice con IA, abriendo cada fuente original.
El feedback que empeora
Kluger, A. N. y DeNisi, A. (1996). Psychological Bulletin, 119(2), 254–284.
Metanálisis de 607 efectos con 23.663 observaciones. El feedback mejora el rendimiento de media (d = 0,41), pero más de un tercio de las intervenciones lo empeoraron. Proponen una teoría: cuanto más se va la atención hacia la persona y menos hacia la tarea, más riesgo de que el feedback perjudique.
De quién es. Universidades. No he podido ver la financiación en el texto completo.
Lo que no demuestra. Muchas tareas de laboratorio. La explicación es una teoría preliminar, no un resultado medido.
Por qué lo leo así. Es el dato que más cambia cómo se mira el feedback, y la explicación encaja con lo que viene después.
Las tres preguntas y los cuatro niveles
Hattie, J. y Timperley, H. (2007). Review of Educational Research, 77(1), 81–112.
Revisión de metanálisis en aula. Proponen las tres preguntas y los cuatro niveles. Dicen que el feedback dirigido a la persona es el menos eficaz. Calculaban un efecto medio de 0,79, que la revisión de 2020 rebajó.
De quién es. Universidades. Financiación no visible en el texto.
Lo que no demuestra. Es un modelo para ordenar la evidencia, en contexto escolar.
Por qué lo leo así. Como la estructura más útil para dar feedback, no como una ley.
La revisión de 2020
Wisniewski, B., Zierer, K. y Hattie, J. (2020). Frontiers in Psychology, 10, 3087.
435 estudios, 994 efectos y unos 61.000 participantes. Efecto medio 0,48. Premios y castigos, 0,24; feedback correctivo, 0,46; feedback de alta información, 0,99. Más efecto en aprendizaje y habilidades que en motivación.
De quién es. Universidades; declaran no tener relaciones comerciales ni financieras.
Lo que no demuestra. Mucha variación entre estudios y posible sesgo de publicación. Contexto educativo.
Por qué lo leo así. El «el doble» del cuerpo sale de comparar 0,99 con 0,46.
Feedback de IA en simulaciones
Brügge, E. y otros (2024). BMC Medical Education, 24, 1391.
Ensayo aleatorizado con 21 estudiantes de medicina de Münster. Con feedback estructurado de la IA tras cada caso simulado, el razonamiento clínico pasó a 3,60 frente a 3,02 del grupo sin feedback, en una escala de 1 a 5 (p = 0,049).
De quién es. Sin financiación específica y sin conflictos declarados.
Lo que no demuestra. Retención a largo plazo ni nada fuera de medicina. La muestra es muy pequeña y el resultado está justo en el límite.
Por qué lo leo así. Como una señal coherente con el resto, no como prueba.
Referencias
- Kluger, A. N. y DeNisi, A. (1996). The effects of feedback interventions on performance. Psychological Bulletin.
- Hattie, J. y Timperley, H. (2007). The power of feedback. Review of Educational Research.
- Wisniewski, B., Zierer, K. y Hattie, J. (2020). The Power of Feedback Revisited. Frontiers in Psychology.
- Brügge, E. y otros (2024). Large language models improve clinical decision making of medical students through patient simulation and structured feedback. BMC Medical Education.
Deja una respuesta