Строго говоря, мозг человека способен и меньшие задержки обрабатывать. Например щелчок пальцами легко локализовать в пространстве по звуку в частности благодаря задержке звука в каждое ухо, которая очень мала (да есть ещё громкость разная, геометрия ушной раковины с "частотной коррекцией", но задержка тоже помогает в локализации).
Применительно к комбику в 3х метрах - в помещении, где звук отражается от стен, и всё громко - может разницу и не услышать. Но если играть через плагины и иметь задержку обработки 15мс (например), да ещё задержку от динамика монитора 5мс из-за расстояния до него, то в сумме уже 20мс.
При записи даблтрека в сетку DAW под метроном есть сразу несколько факторов - четкий клик совпадающий с сеткой, ощущение щипка струны медиатором и сам звук этого щипка от самой гитары (звук неподключенной гитары), и звук гитары с задержкой после обработки плагинами.
От чего мозг слегка теряется, пытаясь синхронизироваться сразу по нескольким ориентирам. Частично помогают наушники, чтобы слышать исключительно обработанный звук, но всё равно в итоге 100% помогает только уменьшение задержки обработки до минимально возможной.
Если играть "просто так", без записи, да ещё и в наушниках, то к задержке со временем адаптируешься и перестаешь ее замечать. Потом по возвращению к игре через комбик без задержки - появляется странное чувство, что звук опережает твои пальцы, как будто ты из будущего играешь ))
Возможно, это зависит от личного восприятия каждого, например когда человек с абсолютным слухом без труда сразу угадывает, какую ему клавишу нажали на фортепиано, или без тюнера безошибочно настраивает гитару тупо на слух, а другой вытаращивает глаза и спрашивает "как ты это делаешь???"