La expansión imparable de la inteligencia artificial está cambiando la forma en que trabajamos, estudiamos y tomamos decisiones. Cada vez es más habitual delegar en un chatbot la redacción de un informe, dejar que un asistente genere el código de una aplicación o confiarle a un algoritmo la síntesis de documentos complejos. Ese gesto cotidiano de dejar que la máquina piense por nosotros empieza a tener costes que la ciencia está empezando a medir con más precisión.
Lo que hasta hace poco se veía como un simple ahorro de tiempo se perfila ahora como un cambio profundo en nuestra manera de razonar. Investigaciones recientes en Europa, Estados Unidos y América Latina apuntan a un mismo fenómeno: cuando el cerebro se acostumbra a que la IA resuelva los problemas, se reduce la actividad de las áreas implicadas en la memoria, la creatividad y el pensamiento crítico. Y esa reducción, si se mantiene en el tiempo, puede convertirse en una nueva brecha social entre quienes usan la IA como muleta permanente y quienes la integran como herramienta de apoyo a un criterio propio.
Una nueva brecha: delegar el pensamiento frente a potenciarlo con IA
Un grupo de investigadores del Possibility Institute, liderado por la científica Vivienne Ming, describe un giro preocupante en la era de la automatización: lejos de igualar oportunidades, la inteligencia artificial está ensanchando la distancia entre personas y regiones. No se trata tanto de quién tiene acceso a la tecnología, sino de cómo la usa cada cual.
Según este trabajo, la mayoría de usuarios opta por un uso pasivo: plantea una consulta y acepta la respuesta generada por un modelo de lenguaje como solución final, sin cuestionarla ni reelaborarla. Ese patrón produce resultados correctos pero estandarizados, prácticamente idénticos para cualquiera que formule una pregunta similar. Cuando todo el mundo recibe la misma respuesta, el valor diferencial desaparece, especialmente en contextos laborales competitivos.
En el extremo opuesto se sitúa una minoría que utiliza la IA de manera estratégica, como extensión de su razonamiento. Este grupo no le entrega la tarea completa, sino que recurre a la tecnología para contrastar hipótesis, sintetizar grandes volúmenes de datos o someter sus ideas a objeciones adicionales. El proceso de pensar sigue siendo humano, mientras que la máquina funciona como un colaborador que aporta perspectiva y velocidad.
Los efectos económicos de esta diferencia ya se perciben. Datos del Global AI Jobs Barometer de PwC indican que las empresas están pagando hasta un 56 % más a profesionales capaces de integrar de forma avanzada la IA en su trabajo, frente a quienes solo la usan para producir rápidamente textos, informes o código sin supervisión crítica. En sectores muy automatizables, las posiciones que combinan criterio humano sólido y dominio de estas herramientas concentran las mejores subidas salariales.
Atrofia cognitiva y «rendición» del juicio propio
Una de las principales preocupaciones de la comunidad científica es el impacto de esta delegación masiva del pensamiento sobre el funcionamiento del cerebro. Estudios recientes, citados por BBC Mundo, ofrecen algunas pistas inquietantes: cuando se deja la redacción o la resolución de problemas en manos de un chatbot, la actividad neuronal se desploma en comparación con quienes realizan la misma tarea sin ayuda tecnológica.
La investigadora Nataliya Kosmyna, del MIT Media Lab, llevó a cabo un experimento con 54 estudiantes divididos en tres grupos: uno trabajó con ChatGPT, otro utilizó un buscador convencional sin resúmenes automáticos y el tercero preparó sus ensayos sin ningún tipo de soporte digital. Mientras escribían, se monitorizaron sus ondas cerebrales para medir qué zonas se activaban y con qué intensidad.
Los resultados preliminares muestran que el grupo que no usó tecnología presentó un patrón de actividad cerebral amplio, especialmente en áreas vinculadas a la creatividad y al procesamiento complejo de la información. Quienes utilizaron el chatbot, en cambio, registraron una reducción de hasta un 55 % en esa activación. El cerebro no se apagó, pero trabajó de forma mucho menos exigente, como si una parte importante del esfuerzo intelectual hubiera sido externalizada.
Los efectos no se limitaron al momento de escribir. A la hora de recordar el contenido de sus textos, los estudiantes que se apoyaron en la IA tuvieron más dificultades para citar sus propias ideas y expresaron con más frecuencia la sensación de que el trabajo «no era suyo». Esta desconexión subjetiva se asocia con la llamada descarga cognitiva: cuanto más delegamos en sistemas externos -antes en agendas o buscadores, ahora en modelos generativos-, menos consolidamos la información en nuestra memoria.
La preocupación se refuerza con investigaciones de la Universidad de Pensilvania y otros centros, que hablan abiertamente de «rendición cognitiva»: muchos usuarios aceptan las respuestas de la IA con escaso análisis, incluso cuando contradicen su propio criterio. En ámbitos delicados, como la medicina, se han documentado casos llamativos. Un estudio multinacional citado por BBC Mundo observó que especialistas que utilizaron herramientas de IA para detectar cáncer de colon durante varios meses desarrollaron luego peor capacidad para identificar tumores por sí mismos cuando se retiró la ayuda tecnológica.
El «trisistema» de pensamiento: cerebro rápido, cerebro lento… y máquina
La psicología cognitiva ya contaba con un marco conocido, popularizado por Daniel Kahneman, que diferencia entre un sistema rápido, intuitivo y basado en la experiencia, y otro lento, analítico y más costoso en términos de esfuerzo. Sin embargo, el avance de la inteligencia artificial está empujando a algunos investigadores a plantear una actualización: un tercer sistema de pensamiento compuesto por la tecnología a la que derivamos cada vez más decisiones y razonamientos.
En este contexto, el comunicador y analista Fabián Bergero ha popularizado la idea de un «trisistema» de pensamiento: al sistema intuitivo y al racional se añade ahora la IA como un tercer actor que interviene en nuestra forma de resolver problemas. Según su enfoque, lo delicado no es que exista este nuevo componente, sino el modo en que nos relacionamos con él.
Cuando en lugar de utilizar la IA como herramienta de contraste pasamos a cederle el control del proceso completo, se produce un fenómeno claro: dejamos de ejercitar memoria, análisis y criterio propio. Bergero retoma aquí el concepto de «rendición cognitiva» para describir el momento en que, casi sin darnos cuenta, dejamos de pasar por nuestro propio filtro lo que antes habríamos pensado, evaluado o recordado personalmente.
Este desplazamiento tiene una consecuencia profunda: la pérdida de autonomía intelectual. Confiamos en sistemas opacos, alimentados con datos que desconocemos y con posibles sesgos difíciles de rastrear. Si a esa opacidad se suma una actitud acrítica del usuario, la capacidad de detectar errores, sesgos o manipulaciones se reduce, y con ella la posibilidad de corregir el rumbo.
Varios expertos coinciden en que, ante este escenario, la clave pasa por reforzar la inteligencia humana más que nunca: cultivar la duda razonable, mantener viva la costumbre de formular preguntas complejas y tratar las respuestas de la IA como hipótesis de trabajo, no como verdades definitivas.
Educación y pensamiento crítico: la externalización del esfuerzo mental
El debate sobre delegar el pensamiento en la IA se hace especialmente intenso en el ámbito educativo, especialmente en las aulas, donde la empatía y la tecnología conviven. Profesores y especialistas en pedagogía se enfrentan al reto de enseñar en un entorno donde redactar un ensayo, resolver un problema matemático o resumir un libro puede hacerse en cuestión de segundos mediante un chatbot. La pregunta de fondo es qué pasa con las habilidades cognitivas que la escuela debería desarrollar si parte del esfuerzo se externaliza sistemáticamente.
La académica Carolina Leppe, de la Universidad de O’Higgins, explica que distintas investigaciones señalan un patrón similar al observado en los laboratorios de neurociencia: cuando el alumnado recurre a la IA para elaborar trabajos completos sin comprender el proceso subyacente, se activan menos conexiones cerebrales que cuando elabora los contenidos por cuenta propia. Con el tiempo, ese «desuso» puede debilitar capacidades como la creatividad, el análisis y la resolución autónoma de problemas.
En la práctica, esto se traduce en situaciones muy reconocibles para el profesorado. No es raro encontrarse con estudiantes que entregan informes perfectamente redactados, pero que son incapaces de explicar en voz alta los conceptos básicos que supuestamente han trabajado. Ese desajuste entre el producto final y las competencias reales obliga a replantear la evaluación y las estrategias de enseñanza.
Leppe subraya que el objetivo no debería ser prohibir la IA, sino integrarla con reglas claras que favorezcan un uso estratégico y crítico. Por ejemplo, permitir que el alumnado use estas herramientas para obtener ideas iniciales o para revisar la estructura de un texto, pero exigir que el contenido central se desarrolle sin automatización, acompañado de explicaciones orales o defensas presenciales.
En esa línea, la docente insiste en que la labor educativa pasa por reforzar la independencia intelectual: ayudar a los jóvenes a formular preguntas, contrastar fuentes y comprender que una respuesta generada automáticamente puede ser útil, pero no sustituye al proceso de comprender, discutir y darle un sentido propio al conocimiento. Esto implica también trabajar la dimensión ética y deontológica de la IA, para que el alumnado sea consciente de la responsabilidad que conlleva su uso.
Neurociencia y «deuda cognitiva»: lo que se pierde cuando la IA hace el trabajo duro
Los estudios de neurociencia más recientes apuntan a una idea que empieza a sonar con fuerza: la «deuda cognitiva». Del mismo modo que en el mundo del software se habla de deuda técnica cuando se prioriza la velocidad sobre la calidad y se acumulan problemas para más adelante, los investigadores utilizan este término para describir el coste acumulado de delegar tareas mentales complejas en la inteligencia artificial.
Informes de entidades como la Real Academia Nacional de Medicina de España alertan de que el uso excesivo de sistemas generativos para escribir correos, redactar trabajos o resumir textos reduce el esfuerzo neurológico implicado en la memorización y el pensamiento crítico. A corto plazo, las tareas se completan más rápido; a medio y largo plazo, los circuitos cerebrales involucrados en esas funciones pueden perder eficiencia, del mismo modo que un músculo se debilita cuando deja de usarse.
Investigaciones con electroencefalogramas realizadas en 2025 compararon dos grupos de participantes: uno que utilizó herramientas de IA para redactar y otro que realizó la tarea íntegramente a mano. El grupo asistido por IA obtuvo resultados más veloces, pero presentó menor conectividad neuronal en rangos de frecuencia asociados a la creatividad y al control ejecutivo. Además, mostró menor satisfacción con el trabajo y un vínculo más difuso con la autoría del texto.
Expertas como la neuropsicóloga María de la Paz Scribano explican que la IA, utilizada de forma pasiva, tiende a homogeneizar el lenguaje y a debilitar las rutas cerebrales relacionadas con la generación de ideas originales. Sin embargo, cuando se emplea de manera guiada -por ejemplo, para ofrecer sugerencias que luego el usuario reconstruye críticamente- puede funcionar como un andamiaje que amplía el horizonte de pensamiento sin reemplazar la construcción interna.
Algunos estudios longitudinales exploran ya los posibles efectos a largo plazo. En el seguimiento dirigido por el equipo de Kosmyna, meses después de haber trabajado con IA, los estudiantes que dependieron intensamente de la herramienta mostraron una conectividad neuronal menor al enfrentarse de nuevo a tareas similares sin apoyo tecnológico. Aunque la investigación está en curso y no permite conclusiones definitivas, refuerza la hipótesis de que el hábito de delegar sistemáticamente parte del esfuerzo mental deja huella en la organización del cerebro.
Ingenieros y desarrolladores: productividad aparente frente a competencia real
La tensión entre velocidad y comprensión se ve con especial claridad en el campo de la ingeniería de software, uno de los sectores donde la IA está entrando con más fuerza. Se estima que hacia 2028 en torno al 90 % de los ingenieros de software empresariales utilizarán asistentes de código generativo, frente a un porcentaje todavía reducido a principios de 2024.
Para las empresas tecnológicas y las startups, esto supone un arma de doble filo. Por un lado, los asistentes de programación permiten generar miles de líneas de código en cuestión de minutos, automatizar pruebas y acelerar el desarrollo. Por otro, existe el riesgo de que especialmente los perfiles más junior confundan rapidez con dominio real, apoyándose en la herramienta sin comprender a fondo qué hace el código, por qué funciona o cómo puede romperse en condiciones extremas.
Distintos análisis señalan que la IA actúa como multiplicador del desorden existente. Si un equipo no cuenta con criterios arquitectónicos sólidos y buenas prácticas claras, la automatización simplemente acelera el caos: se genera más código, pero también más deuda técnica, más puntos de fallo y más dependencias oscuras. Gartner, por ejemplo, ha pronosticado un incremento muy notable en defectos asociados a sistemas de IA generativa en los próximos años.
Este escenario configura un nuevo tipo de dependencia: cuando el asistente de código no ofrece una solución directa, algunos ingenieros se quedan bloqueados, sin la base conceptual necesaria para reconstruir el problema desde los principios fundamentales. En esos casos, la IA no solo no amplía capacidades, sino que las debilita, porque evita que el profesional recorra el camino de aprendizaje que le permitiría afrontar desafíos futuros sin muletas.
Paradójicamente, uno de los terrenos donde la IA sí está aportando una mejora clara es el testing automatizado. La generación de casos de prueba sigue reglas bien definidas y repetitivas, lo que hace que la automatización resulte muy eficaz sin desplazar el razonamiento crítico central del diseño. La diferencia ilustra bien la frontera entre tareas donde delegar en la máquina tiene sentido y tareas donde conviene mantener la iniciativa humana.
Fundadores y líderes técnicos: gobernar la IA para no abdicar del criterio
Para quienes dirigen startups o equipos técnicos, la cuestión de cómo se delega el pensamiento en la IA no es un debate teórico, sino un riesgo operativo. La forma en que se estructure el uso de estas herramientas puede marcar la diferencia entre una compañía que escala con base sólida y otra que avanza rápido hacia una deuda técnica y cognitiva difícil de corregir.
Distintos expertos recomiendan establecer desde el principio una gobernanza clara de la IA: definir qué tipo de código puede generarse sin revisión humana, qué componentes requieren un diseño totalmente guiado por ingenieros, cómo se documenta el contenido propuesto por la máquina y quién asume la responsabilidad última de la calidad. La respuesta a esa última pregunta, subrayan, debería ser siempre un humano, nunca la herramienta.
Otra recomendación clave es invertir primero en arquitectura y contexto. Cuanto mejor se definan los principios de diseño, las restricciones y los objetivos de negocio, más útil será la IA para tareas ejecutivas. En ausencia de ese marco, los asistentes generativos pueden producir soluciones que, aunque funcionen a corto plazo, se alejen del rumbo estratégico o introduzcan complejidades innecesarias.
El rol del ingeniero junior también está cambiando. En lugar de centrarse solo en escribir código, se le pide cada vez más que desarrolle habilidades de auditoría: capacidad para revisar, validar y cuestionar lo que propone la IA, detectando posibles errores sutiles o decisiones arquitectónicas problemáticas. En los procesos de selección, esto se traduce en valorar no solo la velocidad de programación, sino la calidad del razonamiento técnico y la capacidad para argumentar por qué una solución es preferible a otra.
Los líderes técnicos, por su parte, afrontan un reto cultural: construir equipos donde se premie la comprensión profunda y no únicamente la productividad aparente. Eso implica reservar tiempo para revisiones de código detalladas, para debates sobre el porqué de ciertas decisiones y para que los perfiles menos experimentados puedan practicar sin atajos automatizados. Al final, la IA tenderá a desplazar a quienes no saben usarla con criterio, no a quienes la integran de forma reflexiva en su trabajo.
Uso cotidiano de IA: de espejo amplificador a sustituto del esfuerzo
Más allá de lo técnico o lo académico, el impacto de la IA sobre nuestro pensamiento se cuela en la vida diaria: desde quien pide a un chatbot que redacte un correo difícil hasta quien le confía la organización de un viaje, la planificación de estudios o la toma de decisiones personales. En todos estos casos, la herramienta funciona como un espejo que reorganiza ideas, pero también como un filtro que puede simplificar en exceso la complejidad del mundo.
Conviene recordar que la IA, tal y como la conocemos hoy, no piensa como un ser humano. No tiene experiencias, no posee conciencia ni un diálogo interior propio. Lo que hace es procesar enormes cantidades de información, encontrar patrones de coherencia y generar respuestas que encajan estadísticamente con lo que se le ha pedido. Su aparente «originalidad» es fruto de combinaciones sofisticadas de materiales previos.
Esto no resta utilidad a la herramienta, pero sí obliga a ser prudentes con la ilusión de que haya una inteligencia equiparable a la humana al otro lado de la pantalla. Lo que percibimos como criterio es, en gran medida, coherencia formal. Por eso la IA puede escribir como un poeta, argumentar como un académico o responder como si conociera nuestra situación concreta, cuando en realidad está reorganizando huellas verbales de millones de personas.
En la práctica, su capacidad para responder rápido y con aparente seguridad amplifica tanto lo mejor como lo peor del uso que hagamos de ella. En manos rigurosas, ayuda a ver ángulos nuevos, a clarificar argumentos o a destilar información dispersa. En manos poco cuidadosas, puede acelerar la superficialidad, la desinformación o la dependencia de soluciones prefabricadas que apenas cuestionamos.
Esta ambivalencia hace que la responsabilidad se desplace, en última instancia, al usuario. La facilidad para obtener una respuesta ya no garantiza aprendizaje; de hecho, puede ocultar una comprensión muy pobre si no se acompaña de contraste, reflexión y verificación. La tarea no es tanto preguntar más, sino preguntar mejor y dedicar tiempo a pensar qué hacemos con las respuestas.
Productividad, éxito profesional y riesgo de quedarse sin «músculo mental»
En el mercado laboral europeo y global, la idea de que quienes no utilicen IA quedarán inevitablemente rezagados se ha convertido en un mantra habitual. Sin embargo, distintas voces alertan de que esa frase, tomada al pie de la letra, puede resultar tan engañosa como su contraria. El verdadero punto de fricción no está en usar o no usar IA, sino en qué habilidades se sacrifican al delegar sistemáticamente tareas cognitivas en estas herramientas.
Algunos emprendedores y analistas hablan ya de «fundadores con deuda cognitiva»: profesionales que dependen tanto de los modelos generativos para redactar propuestas, diseñar presentaciones o definir estrategias que, con el tiempo, pierden soltura para hacerlo por sí mismos. Esa pérdida no se nota de un día para otro; se manifiesta cuando toca improvisar en una reunión, responder a una pregunta inesperada o tomar decisiones bajo presión sin acceso directo a la tecnología.
En este terreno, la neurociencia y la experiencia práctica convergen en varias recomendaciones sencillas. Una de ellas consiste en reservar espacios libres de IA para determinadas tareas críticas -como definir la visión de un proyecto o analizar un problema complejo- y utilizar la herramienta solo en una segunda fase, como apoyo para revisar o ampliar lo ya pensado. Otra es limitar su uso en áreas donde la autenticidad y la voz propia son esenciales, por ejemplo en comunicaciones clave con el equipo o con inversores.
También se sugiere prestar atención a las señales de dependencia: si una persona siente que no puede redactar un texto, estructurar un argumento o programar una función básica sin abrir un asistente, es posible que se haya instalado una debilidad en el «músculo mental» que conviene trabajar. Recuperar el hábito de escribir a mano, leer con calma o resolver problemas sin atajos digitales sigue siendo una forma eficaz de mantener activas las redes neuronales implicadas en la concentración profunda.
En contextos como España y otros países europeos, donde conviven empresas altamente digitalizadas con pymes y sectores menos automatizados, esta tensión se vuelve especialmente visible. Los perfiles que combinan soltura tecnológica con pensamiento propio bien entrenado son los que están encontrando mejores posiciones, mientras que quienes se limitan a producir resultados generados por IA sin aportar criterio añadido ven cómo su valor diferencial se diluye.
El panorama que dibujan las investigaciones y experiencias recopiladas es complejo, pero apunta en una dirección nítida: la inteligencia artificial se ha convertido en un actor central en nuestros procesos de razonamiento, y el modo en que decidimos delegar o no delegar en ella marcará tanto nuestro desarrollo cognitivo como nuestras oportunidades profesionales. Mantener vivo el esfuerzo de pensar, cuestionar y comprender por cuenta propia sigue siendo, pese a todos los avances tecnológicos, el mejor antídoto frente al riesgo de ceder demasiado terreno a la máquina.
