El cerebro en la encrucijada: Desafíos cognitivos en la era de la IA
Cada generación cree haber vivido una revolución tecnológica sin precedentes, y es posible que con los ojos del presente sea así. La imprenta, la electricidad, internet o los teléfonos inteligentes cambiaron nuestra forma de vivir, de relacionarnos y de comprender el mundo que nos rodea. Pero pocas tecnologías habían penetrado tan rápido en algo tan íntimo como nuestros propios procesos mentales como lo que conocemos en general como Inteligencia Artificial. La irrupción de los grandes modelos de lenguaje (LLM), como ChatGPT, Gemini o Claude, ha abierto un debate tan fascinante como desafiante. ¿Piensan? ¿Son conscientes? ¿Superarán a la inteligencia humana? ¿Acabarán sustituyéndonos? ¿Necesitamos a Sarah Connor?
Sin embargo, quizá estamos mirando en la dirección equivocada. Comparar la inteligencia artificial con la inteligencia humana puede ser un error de categoría. Ambos sistemas procesan información, sí, pero lo hacen de formas profundamente distintas. El cerebro humano no almacena la realidad como una base de datos, sino que la interpreta en tiempo real, cobrando un carácter muy especial el concepto de interpretar. Para ello necesita de una exposición a información desde que nacemos (o incluso antes) de la cuál, solo una pequeña parte pasa a formar parte del propio cerebro. Estos procesos de aprendizaje se llevan a cabo por modificaciones químicas y físicas, por lo que nuestro cerebro está constantemente cambiando, esto es lo que entendemos por plasticidad. Además, construye hipótesis continuamente sobre el mundo a partir de la experiencia vital, la percepción corporal, las emociones y el contexto.
Los modelos de lenguaje, en cambio, generan respuestas extraordinariamente coherentes mediante procesamiento estadístico avanzado, siendo excelentes en muchas tareas. Cuentan con el acceso a una cantidad de información inabarcable, que les permite establecer relaciones, formular reflexiones o incluso lanzar hipótesis. De hecho, nos superan en muchas tareas precisamente por esa capacidad de acceso a la información y procesamiento de la misma, y eso no debería ser tampoco el tema de debate, ya que a lo largo de la historia de la humanidad han aparecido instrumentos y avances en este sentido.
El verdadero problema quizá no sea que la inteligencia artificial piense demasiado, sino que nosotros pensemos cada vez menos por su uso inadecuado.
Comprender la descarga cognitiva
Nuestro cerebro lleva miles de años externalizando tareas cognitivas, lo cual nos ha permitido evolucionar en muchos aspectos. La escritura nos permitió dejar de memorizar relatos complejos, los ábacos y posteriormente las calculadoras descargaron operaciones matemáticas, los mapas (y posteriormente los sistemas de GPS) redujeron la necesidad de orientación espacial, y un largo etcétera hasta la irrupción de internet que convirtió la información en algo ubicuo.
A este fenómeno se le conoce como descarga cognitiva y se basa en delegar parte del esfuerzo mental en herramientas externas para liberar recursos cerebrales (Risko y Gilbert, 2016). Y, en sí mismo, no es negativo, ya que se trata de una estrategia de ahorro energético. No debemos olvidar que el cerebro consume alrededor de una quinta parte de la energía total que emplea nuestro cuerpo. Como sistema adaptado y que lleva milenios evolucionando, el ahorro de energía o el buen uso de esta es uno de los elementos clave que han garantizado dicha evolución. De hecho, la descarga cognitiva probablemente ha sido una de las claves de nuestro desarrollo cultural y tecnológico.
En 2011, la investigadora Betsy Sparrow y su equipo describieron que cuando las personas escribían o almacenaban datos en un ordenador, recordaban mucho mejor donde había almacenado dicha información (la ruta de carpetas, subcarpetas,…), que el contenido de la información en sí. Esta es una de las evidencias del conocido como “efecto Google” o amnesia digital que se basa en que cuando sabemos que determinada información está accesible digitalmente, tendemos a recordar menos el contenido y más el lugar donde encontrarlo (Sparrow, Liu y Wegner, 2011). No es algo negativo, es una adaptación y de nuevo un ahorro energético, pero generalizado puede tener ciertas consecuencias poco deseables.
Pero los grandes modelos de lenguaje introducen una diferencia importante respecto a buscadores tradicionales o herramientas previas. Ya no delegamos únicamente datos concretos o cálculos específicos. Empezamos a delegar procesos cognitivos completos como resumir, estructurar, argumentar, comparar, redactar o incluso interpretar. Lo que nos llevaría a un “efecto Google” muy amplificado y es aquí, precisamente, donde aparece la encrucijada y donde debemos plantearnos el camino que queremos seguir en los próximos años.
Porque si la descarga cognitiva afecta a aquello que estamos intentando aprender, el problema deja de ser tecnológico para convertirse en cognitivo. Un reciente estudio del MIT Media Lab sobre el uso de ChatGPT apuntaba precisamente en esta dirección. Cuando determinadas tareas cognitivas se externalizan de forma continuada, disminuye la implicación activa de procesos relacionados con memoria, atención y elaboración conceptual profunda (Kosmyna et al., 2025; Stankovic et al., 2026). Básicamente se reduce la capacidad de razonamiento aunque los resultados finales sean iguales o incluso mejores.
El cerebro humano aprende haciendo esfuerzo, consumiendo una serie de recursos valiosos cuyo resultado es tener herramientas cognitivas para interpretar y comprender el mundo. El esfuerzo y la dificultad forma parte del propio mecanismo de aprendizaje. Cada vez que relacionamos conceptos, resolvemos un problema o detectamos un error, fortalecemos redes neuronales implicadas en ese proceso. Y aquí aparece una idea fundamental y es que la plasticidad cerebral depende del uso. Estas redes serán mucho más complejas y estarán más disponibles, si se activan y se usan, si no, con el tiempo desaparecen o incluso no llegan a formarse si no se da un procesamiento profundo de la información.
En definitiva, aquello que no se utiliza a nivel cerebral tiende, literalmente, a debilitarse.
La ilusión de competencia
Uno de los fenómenos más preocupantes del uso inadecuado de los LLM aparece especialmente en contextos educativos a cualquier nivel formativo, aunque se puede hacer más evidente en la educación superior. Se trata de la ilusión de competencia, esa sensación engañosa que todos sentimos de dominar un tema y que es tan común en tertulianos multidisciplinares que han infectado la parrilla televisiva. Básicamente, tras leer una respuesta bien redactada, coherente y aparentemente sofisticada, sentimos que hemos entendido el tema y asumimos cierto grado de competencia. Pero entender no es reconocer información, sino poder reconstruirla, relacionarla, cuestionarla y utilizarla en contextos nuevos. Entender requiere de tiempo y esfuerzo. El problema es que nuestro cerebro puede incorporar como propio un razonamiento que realmente no ha elaborado. Ahí es donde se crea esa ilusión que cada vez vemos con más frecuencia en las aulas universitarias (y no solo entre el alumnado).
Durante años, la neurociencia cognitiva ha demostrado que la familiaridad se parece peligrosamente al conocimiento real. Algo nos resulta comprensible y asumimos que lo dominamos, pero muchas veces solo hemos reconocido patrones lingüísticos convincentes. Los modelos de lenguaje son extraordinariamente buenos generando esa sensación de comprensión. Frases como “lo entiendo, pero no se explicarlo” que son frecuentes en ambientes de educación superior son un ejemplo de este proceso.
Esto puede provocar una percepción sobreestimada del conocimiento propio, especialmente en estudiantes. El alumnado siente que domina conceptos que nunca ha trabajado cognitivamente de forma profunda. Y cuanto más fluida es la respuesta generada por la IA, más difícil resulta detectar esta ilusión. Se trata de algo en lo que debemos educar en todas las etapas formativas, para evitar que caigan en estas trampas cognitivas. Paradójicamente, la herramienta diseñada para facilitar el acceso al conocimiento podría terminar dificultando uno de los procesos esenciales del aprendizaje como es construir un pensamiento propio.
La pereza metacognitiva
Es por eso que el problema puede ir todavía más allá. No solo empezamos a delegar tareas cognitivas concretas, también comenzamos a delegar la supervisión de nuestro propio pensamiento. Entendemos por metacognición la capacidad de pensar sobre cómo pensamos. Este es un de los grandes logros de la evolución cognitiva, es una de las funciones más sofisticadas del cerebro humano y de hecho es una de las funciones que realmente nos hace humanos. Nos permite evaluar si entendemos algo, detectar errores, revisar sesgos, planificar estrategias y tomar decisiones complejas. Es, en cierto modo, el sistema de control ejecutivo de nuestra mente.
Cuando pedimos continuamente a la IA que organice ideas, tome decisiones, priorice información o incluso genere opiniones completas y complejas, corremos el riesgo de reducir nuestra implicación metacognitiva. El cerebro entra en una dinámica de menor supervisión crítica porque percibe que la tarea ya ha sido resuelta externamente.
Ya existen investigaciones que muestran cómo sistemas de inteligencia artificial pueden influir en decisiones políticas o modificar preferencias de voto (Lin et al., 2025). El problema no es únicamente la capacidad persuasiva de estas herramientas, sino nuestra creciente tendencia a aceptar respuestas plausibles sin someterlas a análisis profundo. La automatización del pensamiento no suele sentirse como pérdida de autonomía sino como comodidad. Y precisamente por eso puede resultar tan difícil detectarla.
La erosión silenciosa de la autonomía
Todo esto desemboca en una cuestión mucho más profunda que el uso puntual de un instrumento tecnológico. El pensamiento crítico no aparece espontáneamente ya que se trata de una habilidad que necesita entrenamiento constante. Requiere de exposición a información compleja, esfuerzo cognitivo, contraste de ideas, tolerancia a la incertidumbre y capacidad de detectar contradicciones. Cuando dejamos de ejercitar estos procesos, la autonomía intelectual puede erosionarse lentamente. Básicamente, para que haya pensamiento crítico, primero debe haber pensamiento, nuestro cerebro debe tener una serie de ideas y conceptos almacenados sobre los que construir esas ideas que puedan generar dudas y preguntas,
No significa que vayamos a volvernos menos inteligentes de forma inmediata, ni mucho menos que la inteligencia artificial destruya nuestra capacidad cognitiva. El cerebro humano es extraordinariamente adaptable, pero es precisamente por eso por lo que debemos prestar atención a cómo se adapta al contexto actual.
Hace poco más de un año investigadores de Microsoft apuntaban que el uso excesivamente pasivo de herramientas generativas puede reducir la implicación en procesos de pensamiento crítico. Cuanto mayor es la confianza depositada en la IA, menor tiende a ser el esfuerzo analítico realizado por el usuario (Lee et al., 2025).
Por lo tanto, la cuestión de fondo no es tecnológica, sino profundamente humana ya que debemos poner el foco en qué procesos mentales estamos dejando de practicar. Porque la libertad individual no depende únicamente del acceso a información, depende de la capacidad para interpretarla, cuestionarla y construir criterio propio.
Una oportunidad histórica
Pero no tenemos que esperar a que venga Sarah Connor a salvarnos, sería un error convertir este debate en un discurso apocalíptico. Los grandes modelos de lenguaje también representan una oportunidad educativa y cognitiva extraordinaria. Pueden democratizar el acceso al conocimiento, personalizar el aprendizaje, estimular la creatividad y servir como herramientas de apoyo intelectual de enorme valor. La clave no está en prohibirlos, sino en aprender a utilizarlos correctamente. Debemos ser conscientes del impacto que pueden tener si se usan de una forma acrítica.
Quizá el debate educativo no debería centrarse únicamente en si un estudiante puede utilizar IA para realizar un trabajo académico. La verdadera cuestión es otra, si acaso estamos enseñando a pensar junto a la inteligencia artificial sin dejar de pensar por nosotros mismos. Porque el futuro probablemente no pertenezca ni a quienes rechacen estas herramientas ni a quienes deleguen completamente en ellas. Pertenecerá a quienes sepan utilizarlas para amplificar su propia capacidad de una manera crítica, creativa y sin perder nunca de vista el filtro del pensamiento crítico.
Y es que, en el fondo, es una cuestión de tiempo. Generar un pensamiento crítico requiere de una base cognitiva robusta, que implica la creación de innumerables conexiones neuronales formadas gracias a la exposición a información y el análisis de la misma. Este proceso lento y que consume mucha energía se enfrenta hoy en día a respuestas rápidas, coherentes a nivel sintáctico, que apelan a nuestras emociones y que, normalmente, nos dan la razón. Es por eso que nos encontramos en una encrucijada cognitiva inédita en la historia humana. Y todavía estamos a tiempo de decidir hacia dónde queremos avanzar cognitiva y socialemente.
Referencias bibliográficas
Bjork, R. A.; Dunlosky, J.; Kornell, N. “Self-regulated learning: Beliefs, techniques, and illusions” en Annual Review of Psychology (2013, vol. 64, pp. 417-444).
Kosmyna, N.; Hauptmann, E.; Yuan, Y. T.; Situ, J.; Liao, X.-H.; Beresnitzky, A. V.; Braunstein, I.; Maes, P. Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv, 2025. https://doi.org/10.48550/arXiv.2506.08872
Lee, H.-P. H.; Sarkar, A.; Tankelevitch, L.; Drosos, I.; Rintel, S.; Banks, R.; Wilson, N. “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers” en Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (2025, artículo 1121, pp. 1-22). https://doi.org/10.1145/3706598.3713778
Lin, H., Czarnek, G., Lewis, B., White, J. P., Berinsky, A. J., Costello, T., Pennycook, G., et al. (2025). Persuading voters using human–artificial intelligence dialogues. Nature, 648, 394–401. https://doi.org/10.1038/s41586-025-09771-9
Risko, E. F.; Gilbert, S. J. “Cognitive Offloading” en Trends in Cognitive Sciences (2016, vol. 20, núm. 9, pp. 676-688). https://doi.org/10.1016/j.tics.2016.07.002
Sparrow, B.; Liu, J.; Wegner, D. M. “Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips” en Science (2011, vol. 333, núm. 6043, pp. 776-778). https://doi.org/10.1126/science.1207745
Stankovic, M.; Hirche, E.; Kollatzsch, S.; Doetsch, J. N. Comment on: Your Brain on ChatGPT: Accumulation of Cognitive Debt When Using an AI Assistant for Essay Writing Tasks. arXiv, 2026. https://doi.org/10.48550/arXiv.2601.00856
Sobre el autor: Javier Frontiñán Rubio es Profesor Titular de Biología Celular e Histología en la Facultad de Medicina de la Universidad de Castilla – La Mancha en Ciudad Real e Investigador Invitado en la Universidad de Lund (Suecia).
