Neurociencia
Equipo NeuroTrackerX
Equipo NeuroTrackerX
16 de noviembre de 2026
Imagen

Para quienes utilizan la IA con regularidad, puede surgir una interesante contradicción. Tareas que antes requerían horas de investigación, redacción o resolución de problemas ahora se pueden completar en minutos. Al mismo tiempo, la IA permite explorar cuestiones científicas desconocidas, desarrollar proyectos complejos y abordar ideas que antes parecían inalcanzables.

Estas experiencias pueden generar dos impresiones muy diferentes. Por un lado, la IA parece estar ampliando las capacidades intelectuales humanas. Por otro, plantea una pregunta más sutil: si una máquina se encarga de pensar más, ¿qué sucede con nuestras propias habilidades cognitivas?

Gran parte del debate público lo ha planteado como una disyuntiva entre dos posibilidades: o la IA nos hace más inteligentes al ampliar nuestras capacidades, o nos hace menos capaces al fomentar atajos mentales. Los resultados de las investigaciones suelen presentarse como prueba a favor de una u otra postura, incluso cuando los estudios analizan aspectos muy diferentes del rendimiento cognitivo.

Pero existe una forma más útil de comprender lo que está sucediendo. La IA modifica la distribución del trabajo cognitivo entre el ser humano y la máquina. Que este cambio sea beneficioso no depende simplemente de cuánto pensamiento se ahorre, sino de qué procesos mentales se reemplazan, cuáles permanecen activos y qué nuevas formas de pensamiento se hacen posibles.

La diferencia entre pensar menos y hacer menos trabajo mental

La cognición humana siempre se ha basado en herramientas externas. La escritura nos permite almacenar información sin tener que recordarlo todo. Las calculadoras reducen la necesidad de realizar cálculos mentales. Los sistemas de navegación nos ayudan a llegar a destinos desconocidos sin tener que trazar nosotros mismos una ruta detallada.

Estas tecnologías reducen ciertas exigencias cognitivas, pero no solemos interpretar toda reducción del esfuerzo mental como una pérdida de inteligencia. Lo importante es qué nos permite hacer el esfuerzo ahorrado y si la habilidad delegada sigue siendo relevante para nuestros objetivos.

La IA introduce una versión más compleja de esta relación. A diferencia de una calculadora, un modelo de lenguaje avanzado puede generar explicaciones, organizar argumentos, comparar pruebas, proponer soluciones y evaluar ideas contrapuestas. Por lo tanto, puede asumir tareas que antes requerían un razonamiento sustancial, no solo memoria o capacidad de cálculo.

Imaginemos a alguien preparando una propuesta de negocio. La IA podría recopilar información de contexto, organizar el documento y generar un primer borrador impecable. La persona podría dedicar mucho menos tiempo a la tarea, pero aun así ejercer un criterio considerable para decidir si las recomendaciones son apropiadas.

Alternativamente, podrían aceptar el resultado con escaso análisis, delegando tanto el análisis como gran parte del juicio. El resultado visible podría parecer similar, pero la actividad cognitiva subyacente sería muy diferente.

Menos esfuerzo mental no significa necesariamente menos pensamiento significativo. Del mismo modo, producir un trabajo sofisticado no significa necesariamente que la persona haya desarrollado una comprensión sofisticada del mismo.

Lo que realmente nos dice la investigación

Existen razones legítimas para investigar si la asistencia intensiva mediante IA modifica la implicación cognitiva.

Un estudio de 2025 realizado por Microsoft Research y la Universidad Carnegie Mellon analizó a 319 trabajadores del conocimiento y 936 ejemplos de uso de IA generativa. Los investigadores descubrieron que una mayor confianza en la IA se asociaba con un menor esfuerzo de pensamiento crítico, según lo reportado por los propios participantes, mientras que una mayor confianza en las propias habilidades se asociaba con una mayor implicación crítica.

Curiosamente, los investigadores también observaron un cambio en la naturaleza del pensamiento crítico. En lugar de centrarse principalmente en producir información, los trabajadores describieron cada vez más la revisión de los resultados de la IA, la integración de las respuestas y la supervisión de la tarea en su conjunto.

Esto sugiere que la IA no solo puede eliminar el pensamiento, sino que también puede cambiar el lugar donde este se produce.

Otro estudio ampliamente comentado del MIT Media Lab examinó la redacción de ensayos en diferentes condiciones, incluyendo la escritura sin ayuda y la escritura con ChatGPT. Los investigadores reportaron diferencias en los patrones de conectividad EEG, la capacidad de recordar y la sensación de propiedad de los participantes sobre su trabajo.

Estos hallazgos plantean interrogantes importantes sobre qué sucede cuando las personas delegan partes sustanciales de una tarea que requiere un aprendizaje intensivo. Sin embargo, las diferencias en la actividad cerebral durante un experimento no equivalen a evidencia de disminución de la inteligencia o daño cognitivo permanente.

Esta distinción es importante porque una reducción en la actividad cognitiva durante una tarea específica podría reflejar diversas posibilidades, como una menor implicación, estrategias modificadas o una mayor dependencia de ayuda externa. Para determinar qué implican estos cambios en la capacidad cognitiva a largo plazo, se requiere evidencia adicional.

Por lo tanto, las investigaciones existentes nos dan razones para examinar cómo influye la IA en el pensamiento, pero no una base sólida para afirmar que el uso ordinario de la IA está haciendo que las personas sean, en general, más o menos inteligentes.

Tres maneras en que la IA puede cambiar el proceso de pensamiento

Una forma útil de explorar estas diferencias es considerar tres patrones generales de interacción con la IA. Se trata de categorías explicativas, más que de una clasificación científicamente validada, y la mayoría de las interacciones en el mundo real implican alguna combinación de ellas.

La primera es la sustitución cognitiva. En este caso, la IA realiza gran parte del trabajo de razonamiento intensivo y la persona principalmente recibe o aplica el resultado. Solicitar a un experto en derecho que resuma un documento extenso, elabore un informe rutinario o complete una tarea administrativa puede ser un uso eficiente y totalmente apropiado de la tecnología.

El problema surge cuando la actividad delegada también implica que la persona necesite aprenderla. Un estudiante que recibe explicaciones completas repetidamente sin construir su propia comprensión puede perder oportunidades para practicar la recuperación de información, el razonamiento y la integración de nuevos conocimientos.

El segundo modelo es la colaboración cognitiva. En lugar de simplemente recibir una respuesta, la persona trabaja con la IA para desarrollar ideas, comparar alternativas, identificar deficiencias y perfeccionar una solución. La tecnología se encarga de parte del procesamiento de la información, mientras que el ser humano participa activamente en la toma de decisiones.

Por ejemplo, alguien que investiga un tema científico desconocido podría usar la IA para explicar terminología, comparar teorías, identificar puntos débiles en un argumento y conectar conceptos de diferentes disciplinas. La interacción puede convertirse en un proceso de exploración en lugar de una simple búsqueda de respuestas.

El tercer patrón es el desafío cognitivo. En este caso, la IA se utiliza deliberadamente para analizar el razonamiento de la persona. Alguien elabora una interpretación inicial, le pide al sistema que identifique las debilidades, evalúa explicaciones alternativas y revisa su postura.

Esto puede generar exigencias importantes en cuanto a evaluación, flexibilidad cognitiva y conciencia metacognitiva: la capacidad de examinar y regular el propio pensamiento. También puede revelar supuestos que, de otro modo, permanecerían incuestionados.

Ninguno de estos enfoques es universalmente superior. Delegar una tarea rutinaria puede ser sensato, mientras que el razonamiento independiente puede ser esencial al aprender una nueva habilidad. La distinción importante radica en si el patrón de interacción se ajusta al resultado cognitivo que se busca.

Cuando la IA hace posible un nuevo pensamiento

Uno de los beneficios potenciales más interesantes de la IA recibe relativamente poca atención en los debates sobre el deterioro cognitivo: puede ampliar la gama de actividades intelectuales que las personas están dispuestas o son capaces de realizar.

Tradicionalmente, muchos proyectos complejos han requerido una considerable experiencia previa. Quienes se interesan por la biología computacional, la ingeniería, la estadística avanzada o áreas poco familiares de la filosofía podrían haberse topado anteriormente con obstáculos que hacían impracticable una exploración significativa.

La IA puede reducir algunas de esas barreras explicando conceptos desconocidos, dividiendo los problemas en componentes manejables, traduciendo el lenguaje técnico y proporcionando retroalimentación durante la investigación.

Esto podría permitir que las personas se involucren con preguntas que de otro modo jamás abordarían. La cantidad total de exploración intelectual en sus vidas podría aumentar, incluso a medida que disminuye el esfuerzo requerido para las subtareas individuales.

Por ejemplo, una persona podría dedicar menos tiempo a buscar documentación técnica, pero mucho más tiempo a evaluar hipótesis, establecer conexiones conceptuales o probar soluciones alternativas.

Sin embargo, existe una limitación importante. El acceso a análisis sofisticados no equivale a poseer una comprensión profunda. La IA puede hacer que el material complejo parezca accesible, pero deja lagunas en la capacidad del usuario para explicarlo, verificarlo o aplicarlo de forma independiente.

El beneficio potencial no reside simplemente en acceder a material más avanzado, sino en lo que la persona aprende realmente a través de ese acceso.

Por qué el momento y el contexto cambian el resultado

Un experimento particularmente revelador, publicado en CHI 2026, investigó cómo el momento de la asistencia de la IA afectaba al rendimiento en el pensamiento crítico.

Los investigadores estudiaron a 393 participantes que completaron una tarea que requería evaluar información y tomar una decisión razonada. Variaron tanto el momento en que los participantes podían acceder a un LLM como el tiempo disponible.

Los resultados mostraron un cambio significativo. Cuando el tiempo era limitado, disponer de IA desde el principio mejoró el rendimiento. Sin embargo, cuando los participantes contaban con tiempo suficiente, el acceso temprano o continuo a la IA perjudicó el rendimiento en comparación con las condiciones en las que los participantes comenzaron razonando de forma independiente.

Por lo tanto, la misma tecnología producía efectos diferentes dependiendo de las condiciones en las que se utilizaba.

Este hallazgo cuestiona la idea de que la asistencia de la IA tenga una única consecuencia cognitiva consistente. En situaciones de tiempo limitado, la asistencia puede ayudar a las personas a superar las limitaciones de procesamiento. Cuando el tiempo permite una mayor participación independiente, introducir la IA demasiado pronto puede alterar la profundidad con la que la persona explora el problema.

Esto también plantea una cuestión más amplia: el valor cognitivo de la ayuda depende en parte de lo que la tarea le exige a la persona. Tomar una decisión difícil con rapidez y desarrollar la capacidad de razonamiento independiente son objetivos relacionados, pero no idénticos.

La diferencia entre rendimiento y capacidad

Quizás la pregunta más importante que queda sin resolver se refiere a qué sucederá cuando la IA deje de estar disponible.

Una persona puede completar una tarea excepcionalmente bien con ayuda, sin que ello implique necesariamente una mayor habilidad para realizarla de forma independiente. Por el contrario, una experiencia de aprendizaje difícil puede producir un resultado inmediato modesto, a la vez que desarrolla una comprensión que resultará valiosa más adelante.

Se trata de resultados diferentes, que se desarrollan en diferentes escalas de tiempo.

El rendimiento inmediato nos indica lo que el sistema combinado humano-IA puede lograr. La capacidad independiente se refiere a lo que la persona aún puede comprender, recordar, evaluar o realizar sin ese sistema.

Esta distinción es especialmente importante en la educación y el desarrollo de habilidades. Recuperar información, elaborar explicaciones, cometer errores y corregir malentendidos contribuyen al aprendizaje. Si la IA elimina sistemáticamente estas actividades, también podría eliminar oportunidades para desarrollar las habilidades subyacentes.

Pero sería igualmente erróneo concluir que cada tarea delegada representa una pérdida de desarrollo cognitivo. Evitar la recopilación repetitiva de información puede dejar más tiempo para análisis de nivel superior, y recibir la orientación adecuada puede facilitar el aprendizaje de temas difíciles.

La cuestión relevante no es cuánto esfuerzo se invirtió, sino qué aportó ese esfuerzo a una comprensión duradera.

¿Puede la IA cambiar la forma en que juzgamos nuestra propia comprensión?

Existe otra posibilidad sutil que vale la pena considerar.

Las explicaciones generadas por IA suelen presentarse en un lenguaje fluido y organizado. Un tema complejo puede parecer claro de repente porque el sistema ha reunido los argumentos, definido la terminología y conectado los conceptos relevantes.

Esa claridad puede ser realmente útil. Pero comprender una explicación mientras se lee no siempre es lo mismo que poder reconstruir el razonamiento de forma independiente.

Esto genera un posible problema metacognitivo. Las personas pueden juzgar su comprensión en parte por la facilidad con que se presenta la información, en lugar de por su capacidad para explicarla o aplicarla por sí mismas.

El mismo problema puede surgir al evaluar las conclusiones generadas por la IA. Si el sistema produce tanto la respuesta como la justificación de dicha respuesta, la persona puede tener menos puntos de referencia independientes para identificar las debilidades.

Esto no significa que las explicaciones de la IA sean inherentemente engañosas. Significa que la asistencia fluida puede cambiar las señales que las personas utilizan para decidir si comprenden algo lo suficientemente bien.

A medida que la IA se vuelve más capaz, esa distinción entre recibir una explicación convincente y poseer la capacidad de evaluarla puede adquirir cada vez más importancia.

Lo que aún desconocemos

Las investigaciones comienzan a identificar situaciones en las que la asistencia de la IA mejora el rendimiento, modifica las estrategias cognitivas o reduce la participación independiente. Lo que aún no está del todo claro es cómo los diferentes patrones de uso repetido afectan las capacidades cognitivas a lo largo de meses o años.

Muchos estudios existentes analizan intervenciones relativamente cortas, tareas educativas específicas o el desempeño inmediato. Otros se basan en el esfuerzo autoinformado o en medidas indirectas de la actividad cognitiva.

Estos enfoques pueden revelar efectos significativos, pero no establecen si el uso extensivo de LLM provoca cambios amplios y duraderos en la inteligencia, la memoria, el razonamiento o la flexibilidad cognitiva.

El resultado a largo plazo también puede variar sustancialmente entre individuos. Una persona que utiliza la IA principalmente para evitar desafíos desconocidos puede tener una experiencia muy diferente a la de alguien que la utiliza para realizar un trabajo intelectual cada vez más ambicioso.

Aun así, una interacción más exigente no debe equipararse automáticamente con un mayor beneficio cognitivo. El esfuerzo puede ser productivo, innecesario o estar mal dirigido, según las circunstancias.

Para comprender estas diferencias, será necesaria una investigación que examine no solo la exposición a la IA, sino también las actividades cognitivas que se producen durante su uso y las capacidades que se conservan posteriormente.

El panorama más amplio

La cuestión de si la IA nos hace pensar menos es comprensible, pero incompleta.

La IA puede reducir el esfuerzo necesario para ciertas tareas, a la vez que aumenta la complejidad de otras. Puede sustituir el razonamiento, fomentar la colaboración, cuestionar suposiciones o facilitar el acceso a actividades intelectuales que antes parecían inalcanzables.

Estos efectos pueden coexistir en una misma persona, proyecto o jornada laboral.

Lo que importa es la relación cambiante entre el esfuerzo cognitivo, el juicio humano, el desempeño en las tareas y el aprendizaje. Una persona puede lograr más practicando menos algunas habilidades, o desarrollar nuevas formas de especialización al depender cada vez más de la ayuda para tareas familiares.

La ciencia aún no ha determinado qué implicaciones tendrán estos cambios para nuestras capacidades cognitivas a largo plazo. Sin embargo, ya ofrece razones de peso para ir más allá de la simple suposición de que un menor esfuerzo conlleva un deterioro cognitivo, o que mejores resultados con la ayuda de la IA implican necesariamente una mejora cognitiva.

La pregunta más reveladora quizás no sea si la IA está pensando más por nosotros, sino cómo su participación está cambiando el pensamiento que aún conservamos.

Síganos

flecha-del-blog.png

Comience a usar NeuroTracker

¡Gracias! ¡Tu envío ha sido recibido!
¡Ups! Algo salió mal al enviar el formulario.

Respaldado por la investigación

Efecto del entrenamiento perceptivo-cognitivo en la capacidad de imaginación en atletas
Efecto del entrenamiento perceptivo-cognitivo en la capacidad de imaginación en atletas

Bienvenido a los Servicios de Investigación y Estrategia en el ritmo acelerado de hoy.

Síganos

Noticias relacionadas

Equipo NeuroTrackerX
Equipo NeuroTrackerX
13 de enero de 2026
¿Los crucigramas y los sudokus realmente mejoran la salud cerebral?

Un debate basado en evidencia sobre si actividades como los crucigramas y el sudoku mejoran significativamente la salud del cerebro, aclarando qué apoyan, qué no y por qué a menudo se malinterpretan sus beneficios.

Envejecimiento
Bienestar
Equipo NeuroTrackerX
Equipo NeuroTrackerX
1 de febrero de 2025
Documental «Open Brain»: Cómo los atletas campeones utilizan la neurociencia

Vea estos excelentes conocimientos sobre el papel de la neurociencia en el rendimiento deportivo.

Atletas
Jane Abdo
Jane Abdo
9 de enero de 2025
Recableando el cerebro a cualquier edad

Conozca la extraordinaria neuroplasticidad de su cerebro.

Bienestar
incógnita
incógnita