Analfabetismo de Cálculo: La IA y la Lenta Erosión del Pensamiento Crítico

La Inteligencia Artificial no borra nuestras competencias, sino que las desplaza. Confiar los razonamientos complejos a ChatGPT y a los demás LLM corre el riesg

Cada salto tecnológico en la historia humana ha implicado una forma de externalización: hemos delegado la fuerza física a las máquinas de vapor, la memoria a largo plazo a la escritura y el cálculo aritmético a los procesadores de silicio. Hoy, con la integración generalizada de la inteligencia artificial generativa en los flujos de trabajo intelectual, estamos asistiendo a una externalización de naturaleza profundamente distinta: la del razonamiento analítico. La alarma sociológica emergente no se refiere a la simple y llana pérdida de nociones, sino a la génesis de un nuevo "analfabetismo de cálculo" cognitivo.

Sin embargo, un análisis riguroso de la literatura científica obliga a rehuir del pánico moral: la inteligencia artificial no "borra" automáticamente las competencias lógicas humanas, sino que las desplaza y las transforma. Si se utiliza como un andamiaje intelectual —para confrontar hipótesis divergentes, verificar fuentes o someter a tensión el propio razonamiento—, la IA puede sostener y elevar el pensamiento crítico. Si, por el contrario, se adopta como un oráculo sustitutivo del cálculo laborioso, de la verificación minuciosa y de la decisión ética, corre el riesgo de desencadenar una peligrosa atrofia: reduce la autoeficacia, vacía el sentido de propiedad (ownership) sobre el propio trabajo y socava la capacidad del individuo de resolver problemas complejos de forma autónoma.

La descarga cognitiva: mejores resultados, menor competencia

El corazón del problema reside en el fenómeno conocido en psicología como cognitive offloading (descarga cognitiva). Un estudio central y decisivo, presentado en la conferencia CHI 2025 por investigadores de Microsoft Research y Carnegie Mellon University, investigó el impacto de la GenAI en el pensamiento crítico de 319 knowledge workers a través del análisis de 936 casos de uso reales [2967, 2975]. Los datos revelan una mecánica perversa: el uso de la IA reduce drásticamente el esfuerzo percibido necesario para aplicar el pensamiento crítico, favoreciendo una confianza excesiva en la máquina. El estudio demuestra una correlación clarísima: una mayor confianza previa en la IA está asociada a una menor aplicación del pensamiento crítico humano, mientras que una mayor confianza en las propias capacidades intelectuales se traduce en un análisis más riguroso del output algorítmico.

Esta dinámica genera una paradoja formativa, bien ilustrada por un estudio experimental publicado en Cognitive Processing (2026) en el que jóvenes adultos debían identificar falacias lógicas en textos complejos [2968]. El grupo apoyado por ChatGPT obtuvo un número significativamente mayor de respuestas correctas, refiriendo al mismo tiempo un menor esfuerzo mental. Sin embargo, en un análisis más profundo, este mismo grupo mostró déficits alarmantes en el razonamiento independiente, en la propensión a la verificación autónoma y en el monitoreo metacognitivo. Se consolida así una brecha insidiosa: la empresa o el individuo obtiene un "mejor resultado" a corto plazo, pero el ser humano cede cuotas vitales de "competencia mantenida".

Una investigación adicional publicada en Societies (2025) sobre una muestra de 666 participantes evidenció una correlación negativa entre el uso frecuente de herramientas de IA y la capacidad estructurada de pensamiento crítico, mediada precisamente por la tendencia a la descarga cognitiva, señalando no obstante que una educación superior robusta actúa como factor protector [2976, 2977].

La ilusión de la comprensión y el riesgo del aprobador pasivo

¿Por qué confiamos tanto, y tan rápido, en un cálculo sintáctico? El mecanismo psicológico está ligado a la interfaz lingüística de los modelos de frontera. Como se argumenta en un ensayo en arXiv (2025) dedicado a la protección y el aumento de la cognición humana, los Large Language Models producen outputs intrínsecamente coherentes, aparentemente exhaustivos y lingüísticamente complacientes [2973]. Esta perfección formal tiene el poder de eludir nuestro escepticismo natural, inhibiendo la necesaria suspensión del juicio y creando en el usuario una peligrosa "ilusión de comprensión completa". Un texto bien escrito y formateado con seguridad algorítmica resulta cognitivamente mucho más insidioso que un texto manifiestamente agramatical o erróneo.

El riesgo operativo es la transformación del profesional en un mero "aprobador pasivo". Un informe de Microsoft Research (The Future of AI in Knowledge Work, 2025) sintetiza esta dinámica: cuando lo que está en juego se percibe como muy alto (high stakes), los profesionales aplican un severo pensamiento crítico sobre el output de la IA. Pero en las tareas rutinarias, o cuando se opera bajo fuerte presión temporal, el sentido crítico colapsa [2975]. En un ecosistema sano, la regla de oro de la era sintética debería ser: se delega la ejecución procedimental, nunca se delega el juicio. El baricentro del trabajo intelectual debe desplazarse inevitablemente desde la pura generación de contenidos hacia el arte de la verificación cruzada, la integración de fuentes dispares y la supervisión ética de la tarea.

Más allá del determinismo: la lección de la calculadora

El actual debate sobre el deterioro cognitivo corre a menudo el riesgo de caer en un catastrofismo ludita. Como subraya la IEEE Computer Society (2025), el cognitive offloading no nació con ChatGPT. Ya hemos delegado la orientación espacial al GPS y la aritmética a la calculadora de bolsillo [2990]. Utilizar herramientas externas para reducir la carga cognitiva de bajo nivel libera recursos valiosos que la mente humana puede (y debe) reinvertir en tareas de orden superior. El problema no reside en la herramienta en sí, sino en identificar con exactitud qué habilidades humanas dejamos de ejercitar cotidianamente. ¿Delegamos el cálculo de las derivadas o delegamos la comprensión del problema matemático?

En este contexto, el rigor metodológico es esencial. Investigadores de la Carnegie Mellon University advierten severamente que los temores actuales, aunque fundados, se basan en evidencias preliminares. Los estudios observacionales que vinculan el uso intensivo de la IA con una menor conectividad cerebral funcional en fase de aprendizaje o con una reducida memorabilidad de la información muestran fuertes correlaciones, no vínculos causales definitivos [2971, 2972]. Es imperativo mantener cautela y no transformar una alarmante correlación estadística en una profecía ineluctable sobre el fin del intelecto humano.

Diseñar la fricción: el diseño de la agencia epistémica

Si el problema no es la máquina sino la postura con la que nos relacionamos con ella, la solución debe buscarse también en el diseño del software. Los investigadores proponen un cambio de paradigma: diseñar sistemas de IA que aspiren a aumentar la cognición humana preservada, en lugar de sustituirla brutalmente [2974]. Una inteligencia artificial diseñada para sostener el pensamiento crítico no debería limitarse a proporcionar la respuesta perfecta; debería explicitar su propio grado de incertidumbre, pedir al usuario las razones de una determinada asunción, mostrar las fuentes en potencial conflicto y dejar amplios márgenes, incluso en la interfaz de usuario, para la exploración y la revisión del razonamiento. Debe reintroducir una saludable "fricción cognitiva".

La verdadera pregunta que intelectuales, científicos y profesionales deben plantearse hoy no es la banal instancia defensiva "¿debo dejar de usar la IA para no atrofiar mi cerebro?". La cuestión central es: ¿qué parte específica del razonamiento pretendo seguir haciendo yo?

Si el algoritmo se emplea para calcular escenarios probabilísticos, comparar inmensos conjuntos de datos y proponer variantes estructurales, estamos asistiendo a la mayor extensión de las facultades humanas jamás concebida. Pero si a ese mismo algoritmo le pedimos que decida autónomamente qué es verdadero y qué es falso, qué hipótesis científica o empresarial merece ser contrastada, y qué elección moral debe adoptarse, el ser humano abdica de su propio papel. El analfabetismo de cálculo del siglo XXI, en definitiva, no consistirá en la incapacidad técnica de escribir un buen prompt para interrogar a un modelo lingüístico. Será la dramática incapacidad de entender cuándo el modelo tiene matemáticamente razón, cuándo está plausiblemente alucinando, y cuándo una decisión —por su propia naturaleza, ética o estratégica— no puede delegarse en nadie más que en nosotros mismos [2967, 2973, 2974].

Referencias bibliográficas y fuentes

  • [The Impact of Generative AI on Critical Thinking — CHI 2025; Microsoft Research y Carnegie Mellon University] [2967, 2975]
  • [Cognitive offloading, critical thinking and attitudes towards AI — Cognitive Processing, 2026] [2968]
  • [AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking — Societies, 2025; Michael Gerlich] [2976, 2977]
  • [The Future of AI in Knowledge Work — Microsoft Research, 2025] [2975]
  • [Understanding, Protecting, and Augmenting Human Cognition — arXiv, 2025] [2973]
  • [Designing AI Systems that Augment Human Performed vs. Replaced Cognition — arXiv, 2025] [2974]
  • [Cognitive Offloading: How AI is Quietly Eroding Our… — IEEE Computer Society, 2025] [2990]
  • [How AI Impacts Skill Formation — arXiv, 2026] [2971]
  • [AI may blunt our thinking skills — Carnegie Mellon University / New Scientist] [2972]

Artículo a cargo de la Redacción de La Bussola dell’IA