Este artículo destaca la necesidad de mecanismos de retroalimentación para facilitar el uso responsable de la IA a medida que aumenta su uso, especialmente para usuarios que carecen de la capacidad de evaluar la calidad de las predicciones de IA. Utilizando un escenario de traducción automática (TA), comparamos y analizamos los procesos de toma de decisiones de usuarios monolingües respecto a compartir los resultados de la TA, primero sin retroalimentación y luego con cuatro tipos de retroalimentación de calidad: resaltado de errores, explicaciones LLM, retrotraducción y tablas de preguntas y respuestas (QA). El análisis revela que todos los tipos de retroalimentación, excepto el resaltado de errores, mejoraron la precisión de las decisiones y la confianza apropiada, y que la retroalimentación implícita, especialmente las tablas de QA, mejoraron significativamente la precisión de las decisiones, la confianza apropiada y la percepción del usuario en comparación con la retroalimentación explícita. Las tablas de QA recibieron las calificaciones más altas en cuanto a utilidad y confiabilidad, y generaron la menor carga mental.
