La IA no necesita reemplazar a los humanos para debilitar la capacidad humana.

      TL;DRAI aumenta la productividad (25% menos tiempo en correos electrónicos, 26% más tareas completadas), pero la investigación de EEG del MIT muestra que los escritores asistidos por LLM tenían un menor compromiso cerebral y un peor rendimiento cuando se retiraba la herramienta. El Dr. Vishal Kapoor llama a esto erosión cognitiva y propone una disciplina "alimentada por IA, liderada por humanos": pensar antes de solicitar, no externalizar la primera pregunta ni la decisión final. Argumenta que la adopción de IA debería ser racionada según el tipo de tarea, especialmente en educación e investigación original.

      La inteligencia artificial se está convirtiendo en una de las formas más rápidas de eliminar la fricción del trabajo del conocimiento. Un experimento de campo de 2025 denominado Cambiando Patrones de Trabajo con IA Generativa que involucró a 6,000 trabajadores encontró que el acceso a IA generativa redujo el tiempo dedicado a correos electrónicos, con algunos usuarios gastando un 25% menos de tiempo en ello cada semana. Otro estudio de investigación titulado Los Efectos de la IA Generativa en el Trabajo Altamente Calificado que involucró a 4,867 desarrolladores de software encontró que la asistencia de IA aumentó las tareas completadas en un 26.08%.

      La productividad se ha convertido en la métrica más fácil en la conversación sobre IA porque es visible y atractiva de inmediato para las empresas. La capacidad cognitiva es más difícil de contar. Un documento más rápido le dice a una empresa qué tan rápido se completó el trabajo; no revela si la persona que lo produce se ha vuelto menos capaz de formar un argumento sin asistencia.

      Investigadores del Media Lab del MIT encontraron algo similar utilizando monitores de EEG en sujetos que escribían ensayos con y sin la ayuda de un chatbot. Aquellos que usaron un LLM produjeron borradores más rápidos pero mostraron un compromiso cerebral notablemente menor mientras escribían, y tuvieron un rendimiento peor que sus pares no asistidos una vez que se retiró la herramienta.

      Los autores dieron un nombre al patrón: deuda cognitiva, un déficit que se acumula lentamente y se debe solo una vez que la asistencia desaparece.

      Crédito: Dr. Vishal Kapoor

      La descarga cognitiva, o el acto de delegar una tarea mental a una herramienta externa, no es nueva. Las calculadoras y los motores de búsqueda hicieron versiones de lo mismo. Lo que distingue a la IA generativa, argumentan los investigadores, es que no solo recupera información o calcula una suma; razona en nombre de una persona, entregando conclusiones en lugar de material bruto para que una mente lo procese. Repetido durante meses y años, esa sustitución puede arriesgar producir un flujo de trabajo fluido en la solicitud pero subdesarrollado en el razonamiento, la memoria, la imaginación y el juicio que la solicitud estaba destinada a apoyar.

      El Dr. Vishal Kapoor, un investigador y estratega en importantes bancos multinacionales, cree que la conversación sobre productividad necesita otra variable: la condición de la mente humana que realiza el trabajo. Su preocupación es la erosión cognitiva por la dependencia excesiva de la IA, un riesgo que argumenta que aún es difícil de medir de manera concluyente incluso a medida que se acumula evidencia sobre la descarga cognitiva.

      "Creo que es importante que lo mencionemos en este momento", argumenta el Dr. Kapoor. "Estamos utilizando tanto de la IA sin ninguna consideración por la erosión cognitiva".

      El Dr. Kapoor no está argumentando a favor de un retroceso de la IA. La utiliza extensamente y ha desarrollado una filosofía de trabajo que llama "alimentada por IA, liderada por humanos", colocando al humano al frente del proceso de razonamiento mientras utiliza la IA para acelerar o fortalecer el trabajo. Su propia experiencia agudizó la preocupación. Después de usar IA para razonar, observó una disminución en su perfil cognitivo en una herramienta de entrenamiento cerebral, un resultado que midió en aproximadamente 40 a 50 puntos en una escala de 1,000 puntos.

      Percibe esa observación como una advertencia personal sobre lo que puede suceder cuando el razonamiento se externaliza de manera rutinaria.

      "Cuando la IA se convierte en una parte dominante del proceso, el razonamiento suele ser lo primero en desaparecer", dice el Dr. Kapoor. También identifica la memoria y la imaginación como facultades que podrían volverse vulnerables a medida que las personas dependen cada vez más de las máquinas para recuperar información y generar posibilidades.

      Su disciplina propuesta es una práctica que teme que se esté volviendo obsoleta: pensar antes de solicitar. El Dr. Kapoor da el ejemplo de la investigación. Un usuario pasivo podría pedir a la IA que investigue un país y esperar la respuesta. Un usuario liderado por humanos llega con observaciones, una hipótesis y una brecha definida, luego pide a la IA que investigue la evidencia faltante y desafíe el razonamiento. "No externalices la primera pregunta ni la decisión final", argumenta.

      Según el Dr. Kapoor, este enfoque es significativo dentro de las organizaciones porque la IA puede amplificar un juicio débil tan eficientemente como un juicio fuerte. Una fuerza laboral entrenada para operar sistemas de IA sin mantener un razonamiento independiente podría volverse altamente productiva mientras pierde la experiencia necesaria para desafiar un resultado, reconocer una suposición defectuosa o tomar una decisión en condiciones desconocidas.

      El Dr. Kapoor cree que la política tiene un papel en prevenir que ese intercambio se vuelva estructural. La adopción de IA, argumenta, debería ser racionada según la naturaleza de la tarea, con especial precaución en torno a la educación y la investigación original. "El propósito de la educación es desarrollar el cerebro humano. Si el cerebro humano no se desarrolla como parte de esa educación, entonces, ¿cuál es el uso de esa educación?", argumenta.

      Su argumento coloca la responsabilidad en el centro de la gobernanza de la IA. Las máquinas pueden procesar información a una velocidad extraordinaria, sin embargo, los seres humanos aportan responsabilidades, valores, discernimiento y filosofías a las decisiones. Esas cualidades se vuelven especialmente importantes en la formulación de políticas y en el juicio empresarial de alto riesgo, donde una respuesta eficiente aún puede ser la respuesta incorrecta.

      Por lo tanto, la siguiente etapa de la estrategia de IA requiere una tesis de inversión diferente. Las organizaciones necesitarán medir lo que sus sistemas pueden automatizar mientras prestan atención a si su gente sigue siendo capaz de razonar sin ellos.

      El Dr. Kapoor imagina un trabajo futuro asesorando a soberanos, responsables de políticas y líderes empresariales en torno a precisamente esta pregunta: ¿cómo se ve una sociedad cuando los humanos viven y trabajan junto a una IA cada vez más capaz?

      La carrera de IA, en su opinión, se ha enmarcado casi por completo en torno a la construcción de máquinas más capaces. Preferiría que se enmarcara en torno a un segundo debate, más humano: si las personas que utilizan esas máquinas siguen siendo capaces de pensar sin ellas.