Efecto Zeigarnik: el poder de lo inconcluso
El efecto Zeigarnik sugiere que recordamos mejor lo inconcluso. Qué encontró el estudio de 1927, por qué falla la réplica y cómo usar el progreso sin manipular.
¿De dónde viene?
Bluma Zeigarnik publicó en 1927 un estudio en la revista Psychologische Forschung. Su punto de partida fue una observación de Kurt Lewin, quien notó que un mesero recordaba los pedidos no pagados mientras las cuentas ya cerradas se le olvidaban (Wikipedia: Zeigarnik effect). La explicación de Lewin era que una tarea inconclusa genera una tensión que mantiene su contenido accesible en la memoria. Es una explicación teórica, no una ley comprobada.
Las réplicas no han sido favorables. Wikipedia recoge que Van Bergen (1968) no encontró una diferencia significativa de recuerdo entre tareas terminadas e inconclusas, y que varias réplicas posteriores también fallaron. Por eso el efecto se discute tanto.
¿Qué dice la evidencia reciente?
Un meta-análisis de 2025, de Ghibellini y Meier, revisó la literatura sobre el efecto Zeigarnik y el efecto Ovsiankina. Según su resumen, no encontraron una ventaja de memoria para las tareas inconclusas, pero sí una tendencia general a retomarlas (RePEc: Ghibellini & Meier, Interruption, recall and resumption).
Sus autores concluyen que el efecto Ovsiankina representa una tendencia general, mientras que el efecto Zeigarnik carece de validez universal. Proponen que la ventaja de memoria depende de influencias situacionales y diferencias individuales, como la autoridad del experimentador, las exigencias de la tarea y el grado de implicación. Esas condiciones eran más frecuentes en los estudios históricos y son más raras hoy, lo que podría explicar por qué la réplica es difícil.
Para diseño, la lección es clara: lo que tiene más respaldo es que las personas tienden a retomar tareas interrumpidas. Lo que tiene menos respaldo es que una tarea pendiente se recuerde mejor de forma confiable.
Esa tendencia a retomar lo interrumpido se conoce como efecto Ovsiankina, por Maria Ovsiankina, colega de Zeigarnik. Es distinto del efecto Zeigarnik, que trata de la memoria. Para una interfaz, el matiz importa: un indicador de progreso no hace que la persona recuerde mejor la tarea, pero puede facilitar que la retome si ve con claridad qué falta.
¿Cómo se usa en interfaces?
Las aplicaciones más citadas son los indicadores de progreso y las listas de pendientes. Un ejemplo típico es el medidor de perfil incompleto, que muestra que un perfil está al 64 % y ofrece completar los campos que faltan. Wikipedia menciona que el efecto se usa en algunos productos de software como estrategia de onboarding, aunque la afirmación no tiene fuente en ese artículo.
Dos usos son razonables. Primero, mostrar lo que falta sin ocultar lo que ya se logró: un indicador que dice «Te faltan dos pasos» funciona mejor como guía que uno que solo marca un porcentaje sin contexto. Segundo, mantener visible una lista de pendientes para que la persona decida cuándo completarla, en lugar de esconderla después del primer día.
¿Cuándo se vuelve manipulación?
El límite es importante. Un indicador de progreso que nunca se completa, o que se llena artificialmente para presionar, no guía: engaña. Lo mismo pasa con las listas que reaparecen cada vez que la persona intenta trabajar, o con mensajes de culpa del tipo «Aún no terminaste tu perfil» repetidos sin fin. Esos patrones están cerca de los patrones oscuros, y el efecto Zeigarnik no los justifica.
Una prueba sencilla: si la persona terminaría la tarea de todos modos cuando la necesita, el indicador ayuda. Si solo la empuja a volver para cumplir con la app, el indicador está haciendo el trabajo de una notificación agresiva. Ese criterio sirve más que cualquier cifra de la literatura, porque mide el beneficio real de la persona.
Ejemplo ilustrativo
Ejemplo ilustrativo: una app de finanzas personales tiene un onboarding de cinco pasos: conectar la cuenta, elegir categorías, definir un presupuesto, configurar alertas y revisar el primer mes. La versión anterior mostraba solo una barra al 20 %, sin decir qué faltaba. El equipo cambia el indicador por una lista de tres pendientes, con el primero resaltado: «Elige tus categorías: tarda 1 minuto». La lista se puede cerrar y vuelve a aparecer solo en el inicio de la app, no en cada pantalla. Después el equipo mide si el cambio mejora la tasa de presupuestos definidos, y trata el resultado como una prueba de su diseño, no como una confirmación del efecto Zeigarnik.
Para decidir qué pasos van primero, revisa los patrones de onboarding. Y si el momento crítico es el final del flujo, la regla pico-final explica por qué el cierre pesa tanto.
Errores comunes
- Presentar el efecto Zeigarnik como un hecho comprobado.
- Usar barras de progreso que nunca se completan.
- Mostrar listas de pendientes en cada pantalla, hasta que la persona deja de verlas.
- Llenar el indicador de forma artificial para presionar.
- Confundir la tendencia a retomar tareas con la capacidad de recordarlas.
- Probar un cambio de progreso sin medir si mejoró la tarea real.
Qué puedes hacer mañana
- Revisa tu indicador de progreso y verifica que cada paso que muestra corresponde a algo real que la persona hace.
- Cambia un porcentaje por una lista corta de pasos concretos, con el primero resaltado.
- Define una métrica de finalización de la tarea y compara la versión actual con la nueva durante dos semanas.