El juicio no se delega · 4 de 12

Se suele oír que la aparición de cada tecnología nueva ha provocado miedo, y que ese miedo, con el tiempo, ha resultado exagerado. Sócrates desconfió de la escritura porque debilitaría la memoria, los maestros de aritmética desconfiaron de la calculadora, y hoy el mismo argumento se repite con la inteligencia artificial generativa. Es un argumento razonable, pues hasta ahora la historia ha ido dando la razón a las herramientas. Vale la pena estudiarlo con detenimiento, porque esta vez hay quien se ha puesto a medir.

En 2025, un equipo del MIT Media Lab dirigido por la neurocientífica Nataliya Kosmyna sentó a 54 personas a escribir ensayos con un gorro de electrodos en la cabeza. Unas escribían con ChatGPT, otras con un buscador, otras solo con su mente. Al terminar cada sesión se les pedía que citaran de memoria una frase del texto que acababan de entregar. En el grupo que había trabajado con ChatGPT no lo consiguió ninguna de las dieciocho (2). El texto estaba entregado. El recuerdo no estaba en ninguna parte.

Todo lo que ya habíamos delegado

Conviene reconocer de entrada que delegar no tiene nada de nuevo ni de sospechoso. Alejandro Espeso-García, de la Universidad Católica de Murcia, abre su revisión sobre inteligencia artificial generativa y cognición recordando que la historia de la tecnología puede leerse como la historia de la externalización de las capacidades humanas: la escritura evitó memorizar grandes volúmenes de información; la calculadora automatizó el procesamiento numérico y relegó el cálculo mental a un segundo plano; y en cada caso el trato fue el mismo (1). La herramienta asumía lo pesado o lo repetitivo y, a cambio, la mente quedaba disponible para lo complejo.

Lo que ha cambiado no es que deleguemos. Es qué delegamos.

Jorge Pereira Campos y Tatiana Koff lo formulan con precisión en un artículo publicado en 2026 en Frontiers in Developmental Psychology: una calculadora asume la aritmética, pero no el juicio sobre qué cálculo pide el problema; un buscador asume la recuperación de la información, pero no la evaluación de las fuentes que devuelve. Un modelo de lenguaje puede asumir la planificación, la evaluación, la composición y la construcción del argumento (6). Cuando un chico de dieciséis años pide «un esquema para mi trabajo sobre política climática», el modelo sostiene en memoria varios argumentos posibles, valora cuál es más sólido, los ordena y decide qué entra y qué se queda fuera. Todas esas operaciones son funciones ejecutivas. Todas las hacía antes el alumno.

Espeso-García cita al psicólogo cognitivo Daniel Willingham con una frase que conviene tener a mano en cualquier conversación sobre esto: la memoria es el residuo del pensamiento (1). Si la herramienta suprime la necesidad de pensar, suprime también la ocasión de aprender.

La letra pequeña de tres estudios

El estudio de Kosmyna registró la actividad cerebral de los tres grupos a lo largo de cuatro meses y encontró un patrón ordenado: la conectividad disminuye a medida que aumenta el apoyo externo. Más fuerte en quienes escribían sin herramienta, intermedia en quienes usaban el buscador, más débil en quienes usaban el modelo de lenguaje. El grupo asistido no solo citaba peor: también reconocía a medias la autoría de lo que había escrito (2).

Antes de seguir, la letra pequeña, que aquí es parte del contenido y no un trámite. Los 54 participantes eran adultos de entre 18 y 39 años reclutados en cinco universidades del área de Boston. El trabajo sigue siendo un preprint, no ha pasado la revisión por pares, y en diciembre de 2025 un equipo encabezado por Milos Stankovic publicó un comentario formal que señala cinco problemas: el tamaño de la muestra, la reproducibilidad de los análisis, la metodología del registro cerebral, algunas inconsistencias en los resultados y la falta de transparencia en varios procedimientos (3). No lo desmiente. Pide leerlo con más prudencia, y eso es lo que conviene hacer.

Los otros dos estudios apuntan en la misma dirección desde ángulos distintos. Hao-Ping Lee, de la Universidad Carnegie Mellon, con un equipo de Microsoft Research, encuestó a 319 trabajadores del conocimiento sobre 936 usos reales de la herramienta: cuanta más confianza depositaban en la inteligencia artificial, menos pensamiento crítico declaraban desplegar, y cuanta más confianza tenían en sí mismos para hacer la tarea, más (4). Es un autoinforme con adultos profesionales, y los propios autores advierten de que algunos participantes confundían «me costó menos usarla» con «pensé menos». Michael Gerlich, de la SBS Swiss Business School, encuestó a 666 personas en el Reino Unido y encontró una correlación negativa fuerte entre uso frecuente de la herramienta y pensamiento crítico, mediada por la descarga cognitiva, con los más jóvenes como los más dependientes y los que peor puntuaban (5). Es un diseño correlacional y transversal, y no demuestra causalidad.

Hay una advertencia más, y es la que más nos protege de exagerar: menos actividad cerebral no significa peor cognición, pues en los estudios sobre pericia una activación menor suele indicar un procesamiento más eficiente (6).

Kosmyna y su equipo dieron nombre a lo que creían estar viendo: deuda cognitiva. Un esfuerzo mental que se aplaza hoy y se paga después, en forma de menos indagación propia, más vulnerabilidad y menos creatividad (2). El nombre es bueno. Lo que faltaba por preguntar es quién contrae la deuda.

El andamio o el sustituto

Las funciones ejecutivas, las que permiten planificar, retener información, inhibir impulsos y adaptarse cuando cambian las circunstancias, no están terminadas cuando un alumno entra en secundaria. Un trabajo que integra cuatro conjuntos de datos con 10.766 participantes de 8 a 35 años describió su trayectoria: el desarrollo es rápido entre los 10 y los 15 años, después se aplana y alcanza el nivel adulto hacia los 18 o 20 (6). Los participantes del MIT tenían de 18 a 39. Sus funciones ejecutivas ya estaban construidas.

Y es que ahí está la paradoja que Pereira Campos y Koff proponen, y que presentan como hipótesis y no como hallazgo: la inteligencia artificial generativa presta su mejor ayuda justo en las tareas que exigen funciones ejecutivas, y son esas mismas tareas, hechas con esfuerzo, las que se cree que construyen las funciones ejecutivas durante la adolescencia (6). En un adulto, la deuda cognitiva puede ser pasajera. En quien todavía se está construyendo podría ser de otro orden. Los autores insisten en que nada de esto está demostrado, y su cierre resume por qué hay que averiguarlo: estudiar qué le hace esta tecnología a cerebros que aún se están construyendo es necesario.

De la hipótesis sale un criterio que sí se puede usar el lunes: andamio o sustituto. Un andamio sostiene al alumno para que haga algo que todavía no puede hacer solo, y lo que lo define es que el alumno sigue haciendo el trabajo mental. Un sustituto lo elimina. Una herramienta que pregunta al alumno sobre su ensayo en lugar de escribirlo, que señala las debilidades de un borrador en lugar de reescribir el pasaje, o que ofrece tres estructuras posibles y pide juzgar cuál sostiene mejor el argumento y por qué, mantiene la exigencia intacta o la aumenta (6). Parece una diferencia menor, ¿verdad?, pues es la que decide el resultado. Los autores avisan de que las herramientas actuales vienen configuradas del lado del sustituto.

Sería deshonesto contar solo los riesgos. Anil Doshi, de la UCL School of Management, y Oliver Hauser, de la Universidad de Exeter, hicieron un experimento preregistrado con 293 escritores: quienes recibieron ideas de un modelo de lenguaje produjeron relatos evaluados como más originales, mejor escritos y más disfrutables, y la mejora fue mayor entre los escritores menos creativos, hasta igualar sus puntuaciones con las de los más creativos (7). Pero los relatos asistidos se parecían más entre sí, de modo que la creatividad individual sube mientras la novedad colectiva baja, algo que los autores describen como un dilema social. Y un detalle que interesa a cualquier claustro: cuando a los evaluadores se les reveló que había habido inteligencia artificial de por medio, penalizaron la autoría al menos un 25 %.

Los metaanálisis apuntan en la misma dirección matizada. Una revisión de 69 estudios experimentales encuentra que la asistencia con inteligencia artificial tiende a mejorar el rendimiento académico y el pensamiento de orden superior; otra de 29 experimentos encuentra un efecto positivo moderado, más fuerte en los estudiantes que ya regulan bien su propio aprendizaje (6). Ahí aparece el problema de equidad: la misma herramienta, usada del mismo modo, andamia a un alumno y sustituye a otro. Quienes peor regulan su aprendizaje, que suelen ser los más pequeños, son los más propensos a dejar que la herramienta piense, y los que menos pueden permitírselo (6).

Qué hacer con esto

En el aula, primero sin y después con. La cuarta sesión del estudio del MIT cruzó los grupos. Quienes habían escrito antes sin ayuda y usaron el modelo al final mostraron más conectividad que el grupo asistido en cualquiera de sus sesiones; quienes hicieron el recorrido inverso, menos. Los propios autores concluyen que conviene retrasar la incorporación de la herramienta hasta que el aprendiz ha hecho suficiente esfuerzo por su cuenta (2). José Antonio Bowen y C. Edward Watson lo tienen ya concretado en una de sus listas de tarea: el alumno anota sus previsiones sobre un texto antes de acudir al buscador o a la herramienta, porque necesita conservar alguna destreza propia. Comprobar, comprueba después (8).

En el aula, la tarea de proceso. Bowen y Watson proponen una plantilla transferible a casi cualquier materia: pedir a la herramienta que haga la tarea, evaluar el resultado y listar sus errores, mejorar la instrucción, quedarse con la mejor versión y mejorarla a mano, y explicar por escrito qué aportó la persona (8).

Para la escuela, una pregunta que se puede auditar. Pereira Campos y Koff señalan que la distinción entre andamio y sustituto se puede leer en el registro de la conversación, en las instrucciones dadas y en las respuestas recibidas. La pregunta es dónde ocurrió el trabajo cognitivo: si el alumno generó las opciones, las sopesó y decidió, o si el modelo entregó una respuesta acabada para que la aprobara; y si quedó un proceso, una pregunta hecha, un borrador criticado, una revisión pedida, o solo un producto (6).

Para el claustro, preguntar antes de decidir. Francesca Burriel Manzanares, doctora en Pedagogía y docente e investigadora en el Colegio Español María Moliner de Andorra, consultó a su alumnado antes de introducir la herramienta en el centro, y el resultado no es el que se supone. En 1.º de ESO casi nunca comprueban las respuestas, y aun así creen que sin inteligencia artificial su forma de estudiar no se vería afectada; en 1.º de Bachillerato comprueban bastante o mucho, confían poco en la fiabilidad de lo que reciben y reconocen que sin la herramienta les costaría (9). Son dos grupos pequeños, de diecinueve y veintiún alumnos en un solo centro, y así hay que leerlo. La dirección del contraste, sin embargo, merece una conversación.

También lo merece el dato de Gina María Ramírez Zöller, rectora de la Unidad Educativa Lemas de Guayaquil, que preguntó a 327 estudiantes de entre 12 y 16 años qué es lo que más les preocupa de la inteligencia artificial en su aprendizaje. La respuesta más repetida, con el 42,7 %, fue la dependencia, por delante de la información incorrecta. En las entrevistas lo dijeron con sus palabras: el riesgo es volverse «conformistas o cómodos» al recibir información. Y el 70,3 % cree que los estudiantes deberían recibir orientación sobre el uso responsable (10).

No ocurre solo en un centro ni en un país. La RAND Corporation publicó en marzo de 2026 un informe firmado por Heather L. Schwartz y Melissa Kay Diliberti con datos recogidos en diciembre de 2025 entre más de mil estudiantes estadounidenses de 12 a 29 años, de secundaria en adelante. El uso de la inteligencia artificial para los deberes había pasado del 48 % en mayo de 2025 al 62 % en diciembre, y el 67 % suscribía que cuanta más inteligencia artificial usen los estudiantes para el trabajo escolar, más perjudicará su pensamiento crítico, más de diez puntos por encima de la cifra de diez meses antes (11). El uso sube, y la desconfianza sube con él.

Conviene decir qué mide ese 67 % y qué no mide. Mide lo que los estudiantes creen, no lo que les ocurre; la evidencia sobre lo segundo es la de los estudios de la sección anterior, con sus límites. Hay además un matiz que va en dirección contraria a la alarma: la preocupación es mayor entre quienes no usan la herramienta, el 78 %, que entre quienes sí la usan, el 60 % (11). Puede leerse de dos formas, y el informe no resuelve cuál es la buena: o el uso tranquiliza porque enseña a calibrar, o tranquiliza porque acostumbra.

Pero hay un tercer dato en el mismo informe que no admite dos lecturas, y es el que interpela de forma directa a un equipo directivo: solo alrededor de un tercio de los estudiantes declara que su centro tiene una política de uso para todo el colegio (11). Uso generalizado, inquietud generalizada, orientación ausente. No hay que convencer al alumnado del problema. Lo ha nombrado él, y está esperando que alguien le enseñe a resolverlo.

Para terminar

El impacto de estas herramientas sobre quien aprende no es una propiedad de la herramienta. Es una propiedad de cómo se integra. Usada como atajo, erosiona; concebida como fricción productiva y andamiaje, sostiene. Espeso-García cierra su revisión con una imagen que sirve de brújula: la cuestión es si acabamos actuando como un piloto guiado por la tecnología o como un pasajero ciego en un vehículo autónomo (1). La diferencia entre las dos cosas no la decide el vehículo.

Para seguir pensando. De las tareas que hemos puesto este trimestre, ¿en cuántas el alumno se encuentra con el esfuerzo antes que con la herramienta? Y una segunda, para la reunión de equipo: si leyéramos el registro de una conversación entre un alumno nuestro y un modelo de lenguaje, ¿sabríamos decir dónde ocurrió el trabajo?

Glosario

• Descarga cognitiva (cognitive offloading). Uso de un apoyo externo para reducir la carga de procesamiento interno. Una agenda es descarga cognitiva; una calculadora, también. Lo que cambia con la inteligencia artificial generativa no es el mecanismo, sino qué se descarga.
• Deuda cognitiva. Término acuñado por el equipo de Kosmyna para describir el esfuerzo mental que se ahorra hoy y se paga más tarde, en forma de menos indagación propia, mayor vulnerabilidad y menos creatividad.
• Funciones ejecutivas. Procesos que permiten planificar, retener información en la mente, inhibir impulsos y adaptarse cuando cambian las circunstancias. Sostienen el razonamiento, la resolución de problemas y el aprendizaje autorregulado, y maduran sobre todo entre los 10 y los 20 años.
• Andamiaje y sustitución. Dos modos opuestos de usar la misma herramienta. El andamiaje sostiene al alumno mientras este sigue haciendo el trabajo mental; la sustitución elimina ese trabajo. La distinción no depende del programa, sino del uso.
• Conectividad cerebral. Grado de actividad coordinada entre distintas regiones del cerebro, que en estos estudios se mide con electroencefalografía (EEG). Una conectividad menor indica menos coordinación entre regiones, no necesariamente peor rendimiento.
• Preprint. Trabajo de investigación difundido antes de superar la revisión por pares. Puede ser sólido, pero todavía no ha pasado el filtro que la comunidad científica considera mínimo.
• Estudio correlacional. Diseño que observa si dos variables se mueven juntas, sin manipular ninguna. Permite decir que dos cosas van asociadas, y no permite decir cuál causa cuál.

Referencias

1. Espeso-García, A. (2025). Generative Artificial Intelligence: Between Enhancement and Cognitive Offloading. Cultura, Ciencia y Deporte, 20(66), 2698.
2. Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., y Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. MIT Media Lab.
3. Stankovic, M., Hirche, E., Kollatzsch, S., y Doetsch, J. N. (2025). Comment on: Your Brain on ChatGPT.
4. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., y Wilson, N. (2025). The Impact of Generative AI on Critical Thinking. CHI Conference on Human Factors in Computing Systems.
5. Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15(1), 6. Corrección publicada en Societies, 15(9), 252.
6. Pereira Campos, J., y Koff, T. (2026). Your brain on ChatGPT, but whose brain? The missing adolescent in AI-cognition research. Frontiers in Developmental Psychology, 4, 1885225. Artículo de hipótesis y teoría.
7. Doshi, A. R., y Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290.
8. Bowen, J. A., y Watson, C. E. (2024). Teaching with AI: A Practical Guide to a New Era of Human Learning. Johns Hopkins University Press.
9. Burriel Manzanares, F. (2026). La voz de los protagonistas: expectativas del alumnado sobre la IA. En Informe ODITE 2026. Claves para una nueva educación. Espiral, Educación y Tecnología.
10. Ramírez Zöller, G. M. (2026). La IA bajo la lupa de los estudiantes. En Informe ODITE 2026. Claves para una nueva educación. Espiral, Educación y Tecnología.
11. Schwartz, H. L., y Diliberti, M. K. (2026). More Students Use AI for Homework, and More Believe It Harms Critical Thinking: Selected Findings from the American Youth Panel. RAND Corporation, RR-A4742-1.