La aprendibilidad en la conducción automatizada (LiAD) es un tema de investigación descuidado, especialmente al considerar las formas impredecibles e intrincadas en que los humanos aprenden a interactuar y utilizar los sistemas de conducción automatizada (ADS) a lo largo del tiempo. Además, hay una escasez de publicaciones dedicadas a LiAD (específicamente métodos de aprendibilidad extendida) para guiar el paradigma científico. Como resultado, esto genera discordia científica y, por lo tanto, deja muchas facetas de los efectos de aprendizaje a largo plazo asociados con la conducción automatizada en una necesidad urgente de investigación significativa. Esto, creemos, es una limitación para el descubrimiento de conocimiento sobre fenómenos de diseño de interacción de calidad. En cierto sentido, es imperativo abstraer conocimiento sobre cómo los efectos a largo plazo y los efectos de aprendizaje pueden afectar (negativa y positivamente) el aprendizaje y los modelos mentales de los usuarios, así como inducir configuraciones y desempeños conductuales cambiantes. En vista de esto, puede ser imperativo examinar conceptos operativos que ayuden a los investigadores a imaginar escenarios futuros con automatización al evaluar la capacidad de aprendizaje de los usuarios, cómo aprenden y qué aprenden a lo largo del tiempo. Así como construir una teoría de efectos (desde perspectivas micro, meso y macro), que pueda ayudar a perfilar aspectos de diseño ergonómico de calidad que resistan la prueba del tiempo. Como resultado, revisamos la literatura sobre aprendibilidad, de la cual extraímos conocimiento de LiAD desde la perspectiva de la experiencia de los efectos de aprendizaje a largo plazo. Por lo tanto, el artículo ofrece al lector los puntos de discusión resultantes formulados bajo el Ciclo de Vida de la Ingeniería de Aprendibilidad. Por ejemplo, en primer lugar, la contextualización de LiAD con énfasis en LiAD extendido. En segundo lugar, la conceptualización y operacionalización de la mecánica operativa de LiAD como un concepto en ingeniería de calidad ergonómica (con una introducción de los Conceptos para Aplicar la Investigación en Ingeniería de Aprendibilidad (CALE) basada en el descubrimiento de conocimiento de LiAD). En tercer lugar, la sistematización de estrategias de investigación a largo plazo implementables hacia la comprensión de la modificación del comportamiento asociada con LiAD extendido. A medida que la industria automotriz se revoluciona a un ritmo rápido hacia la automatización y los sistemas de inteligencia artificial (IA), este conocimiento es útil para iluminar e instruir estrategias de interacción de calidad y Conducción Automatizada de Calidad (QAD).