No se debe confundir terminar una tarea con aprender: cómo utilizar la IA sin renunciar al esfuerzo cognitivo
La inteligencia artificial generativa está cambiando una de las dinámicas más básicas del aprendizaje: qué hacemos cuando no sabemos cómo resolver algo.
Hasta hace relativamente poco, encontrarse con una dificultad obligaba al estudiante a detenerse, buscar información, formular una hipótesis, probar una estrategia, equivocarse, revisar y volver a intentarlo.
Hoy existe otra posibilidad: preguntar inmediatamente a una inteligencia artificial.
En pocos segundos podemos obtener una explicación, un ensayo, una solución, un resumen, un código funcional o incluso un razonamiento aparentemente completo.
Esto representa una oportunidad extraordinaria para el aprendizaje. Pero también plantea una pregunta que considero cada vez más importante:
¿Qué ocurre cuando utilizamos la IA no para ampliar nuestro pensamiento, sino para evitar el esfuerzo de pensar?
El reciente informe del MIT sobre inteligencia artificial en enseñanza, aprendizaje y formación para la investigación utiliza un concepto especialmente provocador: “cognitive surrender”, que podríamos traducir como rendición cognitiva. Entre sus principios, el informe plantea además una orientación que considero fundamental: “augmentation, not automation” (aumentar las capacidades humanas, no simplemente automatizarlas).
La cuestión, por tanto, no debería reducirse a decidir si permitimos o prohibimos la IA. Necesitamos aprender a distinguir entre utilizar IA para pensar mejor y utilizar IA para dejar de pensar.
No se debe confundir, terminar una tarea con "Aprender"
Uno de los riesgos de la IA generativa en educación es relativamente fácil de pasar por alto. Un estudiante puede producir un excelente resultado con IA y, sin embargo, haber aprendido muy poco durante el proceso. Puede entregar un ensayo bien estructurado sin poder defender sus argumentos. Puede presentar código funcional sin comprender completamente su lógica. Puede resolver un caso sin ser capaz de transferir el razonamiento a una situación diferente.
En otras palabras: el desempeño asistido no necesariamente equivale a capacidad adquirida.
Dos investigaciones recientes vinculadas al MIT ayudan a comprender mejor este fenómeno.
1. ¿Qué ocurre cognitivamente cuando delegamos demasiado?
El estudio Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task analizó a 54 participantes distribuidos inicialmente en tres condiciones: uso de un LLM, uso de un buscador y trabajo sin herramientas externas. Los investigadores utilizaron electroencefalografía (EEG), análisis lingüístico y entrevistas para estudiar diferencias en el proceso de escritura. MIT Media Lab
Los participantes que trabajaron sin herramientas mostraron las redes de conectividad cerebral más fuertes y distribuidas; quienes utilizaron buscadores ocuparon una posición intermedia y quienes utilizaron un LLM presentaron la conectividad más débil. El grupo que utilizó LLM también reportó menor sentido de autoría y mostró mayores dificultades para citar con precisión su propio trabajo. MIT Media Lab
Los autores plantean la idea de “cognitive debt” o deuda cognitiva: obtener una ventaja inmediata mediante la externalización del esfuerzo puede tener costos posteriores cuando necesitamos recuperar, explicar o utilizar ese conocimiento de manera independiente. MIT Media Lab
2. La paradoja de hacerlo mejor con IA
Un segundo estudio ofrece un resultado todavía más interesante.
En Dialogues with AI Reduce Beliefs in Misinformation but Build No Lasting Discernment Skills, presentado en CHI 2026, 67 participantes realizaron durante un mes tareas para distinguir información verdadera de falsa.
Mientras recibían asistencia de IA, su desempeño mejoró en promedio un 21 %. Sin embargo, cuando posteriormente debían evaluar nuevos contenidos sin esa asistencia, su desempeño disminuyó progresivamente y en la cuarta semana fue un 15,3 % inferior al nivel inicial. MIT Media Lab
La IA estaba ayudando a resolver mejor la tarea.Pero esa mejora no se estaba convirtiendo en una habilidad independiente y duradera.
Esta distinción me parece fundamental para educación:
Una IA puede mejorar mi desempeño mientras la utilizo sin necesariamente aumentar mi capacidad para actuar cuando ya no está presente.
Y esto cambia la pregunta que deberíamos hacernos sobre su incorporación al aprendizaje.
El problema no es delegar. Es decidir qué delegamos
Durante años hemos utilizado tecnologías para descargar determinadas tareas cognitivas. Las calculadoras realizan operaciones. Los buscadores nos ayudan a localizar información. Los correctores ortográficos detectan errores. Los sistemas de navegación nos permiten desplazarnos sin memorizar cada ruta.
La externalización cognitiva no es nueva. La diferencia con la IA generativa es la amplitud de procesos que ahora podemos delegar.
Una IA puede buscar, sintetizar, escribir, comparar, argumentar, programar, analizar datos, generar hipótesis, ofrecer retroalimentación y proponer decisiones.
Por eso considero que la discusión educativa necesita avanzar desde:
“¿Permitimos utilizar IA?”
hacia una pregunta pedagógicamente más interesante:
“¿Qué procesos cognitivos necesitamos que siga realizando el estudiante y cuáles podemos delegar a la IA?”
No todas las formas de delegación tienen el mismo valor educativo.
Comentarios