En un reciente working paper (por lo tanto, sin revisión por pares) titulado “IA, cognición humana y colapso del conocimiento”, Daron Acemoglu, Dingwen Kong y Asuman Ozdaglar han defendido, basándose en los resultados de un modelo matemático, una idea inquietante. Si utilizamos en el futuro de manera habitual una IA agéntica (que no solo informa, sino que también actúa por nosotros) lo suficientemente sofisticada para tomar decisiones de manera rutinaria y aunque estas decisiones individuales mejoren durante un tiempo, en caso de que la IA sea muy precisa y específica en sus recomendaciones, podría verse dañada nuestra capacidad para crear conocimiento general, es decir, para crear saberes compartidos por la comunidad. Eso minaría, según estos autores, la base epistémica que generó esa tecnología y deterioraría los datos de origen humano que son necesarios en el entrenamiento de los modelos de inteligencia artificial de modo que no se vuelvan autorreferenciales y desconectados de la realidad.
En la forma habitual de aprendizaje, los seres humanos adquirimos conocimientos acerca de los casos particulares, pero igualmente, a través de ellos, alcanzamos un conocimiento general que nos permite entender lo que de común hay en muchos casos concretos. El uso de la IA podría romper esta conexión, al ofrecernos soluciones muy buenas a problemas concretos que desincentivarían la búsqueda de explicaciones más genéricas que proporcionen una comprensión más profunda de las causas que hay detrás de esos problemas. Ese conocimiento general es, sin embargo, el que tiene más relevancia social y constituye la base de la ciencia. “Un modelo de IA agéntica potente –escriben– puede ayudar de forma estática a los responsables humanos de la toma de decisiones, pero puede perjudicar de forma dinámica la construcción del conocimiento colectivo. De hecho, puede conducir a lo que denominamos «colapso del conocimiento», por el cual, en el equilibrio a largo plazo, todo el conocimiento humano acaba destruyéndose”.
Es decir, el uso de una IA lo suficientemente precisa y ajustada podría desincentivar la búsqueda de conocimientos y llevar al colapso cognitivo correspondiente; si una máquina ofrece la respuesta correcta en segundos a cualquier pregunta, el incentivo para dominar una disciplina desaparece, aunque este efecto podría contrarrestarse mediante el establecimiento de un límite permanente en la precisión de la IA, manteniendo así algunos incentivos para el aprendizaje humano en un nivel adecuado. Y eso es lo que los autores recomiendan que se haga llegado el caso.
Se trata, como he dicho, de un estudio realizado mediante modelización teórica y, por lo tanto, la verdad de la conclusión dependerá de la validez del modelo. No podemos, pues, más que establecer una relación condicional: si el modelo que proponen estos autores es exacto, entonces cierto uso de la IA en el futuro podría ser perjudicial para el conocimiento humano. De hecho, podría ser muy perjudicial, hasta el punto de eliminar los incentivos para el aprendizaje y la formación de conocimiento general, y, por tanto, para la elaboración de la ciencia. Por el momento, no puede decirse más que ese peligro es factible en las condiciones que el modelo establece. No podemos tomar esto como una predicción segura acerca del futuro.
Una tesis parecida, aunque menos radical, había sido ya defendida por Nicholas Carr hace algo más de una década en su libro Atrapados. Los algoritmos, según Carr, estarían menoscabando las habilidades humanas, incluyendo las cognitivas, como habría sucedido, por ejemplo, con los pilotos de avión, que se han vuelto dependientes del piloto automático y han perdido capacidad para reaccionar adecuadamente en situaciones de emergencia. Carr llama a esto “la jaula de cristal”. Estaría produciendo también una disminución del pensamiento crítico y una deshumanización del trabajo.
También el neurocientífico Michel Desmurget autor del libro La fábrica de cretinos digitales (2020) relaciona la reversión que en los últimos años y en varios países ha experimentado el anterior crecimiento paulatino del CI durante generaciones (el llamado “Efecto Flynn”) con el creciente número de horas que los niños y jóvenes (hasta casi 7 horas diarias en los adolescentes) pasan delante de las pantallas. Estos excesos estarían, según el autor, produciendo daños cognitivos y emocionales, retrasando la maduración cerebral, y también daños en la salud, debido al sedentarismo y a la pérdida de horas de sueño.
No suele mencionarse, sin embargo, que las tasas de deterioro cognitivo y de demencia ligados al envejecimiento vienen disminuyendo desde la década de los noventa en Estados Unidos y Europa, y que el uso de las tecnologías digitales por parte de personas mayores tiene al parecer un efecto positivo en la prevención de ese deterioro cognitivo (Benge y Scullin 2023).
Uno de los análisis más detallados del posible impacto de la IA en el pensamiento humano es el de Rénald Gesnot (2025), por el momento publicado solo como pre-print. Gesnot avisa del peligro, entre otros, de sufrir una atrofia cognitiva por el uso cada vez más extendido de la IA y la delegación en ella de tareas reflexivas o memorísticas (esta externalización cognitiva es lo que se conoce como ‘descarga cognitiva’). Ve un peligro de estandarización del pensamiento, en la medida en que la IA induce a una homogenización cultural global y nos encierra en “cárceles mentales”, protegidas de la crítica y la contradicción, y también un peligro de manipulación algorítmica, debido a su capacidad para explotar nuestros sesgos y emociones, lo que puede dar lugar a una ingeniería del comportamiento a gran escala. En definitiva, Gesnot augura un deterioro del pensamiento crítico, una tendencia a la aceptación de soluciones predefinidas y un sometimiento a los dictados de los algoritmos como efecto del uso prolongado de la IA.
Pero ¿qué dicen los estudios empíricos al respecto? No es que haya demasiados sobre este asunto. En un estudio mencionado en la revista Nature en junio de 2026 (Lenharo 2026), realizado en Polonia con médicos especializados en la práctica de endoscopias que tuvieran en su haber más de dos mil colonoscopias, se comprobó que después de acostumbrarse a usar una herramienta de IA especializada en la detección de pólipos en las imágenes de las colonoscopias, cuando ya no tenían a su disposición dicha herramienta, su capacidad de detección de adenomas disminuía. Los médicos que usaron la herramienta de IA detectaban adenomas en un 28,4% de las colonoscopias realizadas tres meses antes de empezar a usarla, mientras que su tasa de detección tres meses después de usar la IA, y cuando ya no podían usarla, caía al 22,4% (el estudio puede verse en Budzyń et al. 2025).
En ese mismo artículo de Nature se menciona otro estudio realizado en Anthropic con 52 ingenieros a la mitad de los cuales se les permitió que usaran asistencia de la IA para resolver una tarea básica de codificación. A continuación, tuvieron que contestar a un cuestionario acerca de lo que habían hecho. El resultado fue que los ingenieros que habían usado la IA dieron peores puntuaciones en el cuestionario:
[E]l puntaje promedio fue del 50% en el grupo de IA frente al 67% en el grupo que no era de IA. Los participantes asistidos por IA lo hicieron particularmente mal en cuestiones que les exigían diagnosticar errores en el código, lo que sugiere que no habían aprendido los conceptos detrás del código que acababan de producir. (Lenharo 2026, p. 16).
Los autores del estudio mencionado (que puede verse en Shen y Tamkin 2026) afirman lo siguiente:
Observamos que el uso de la IA perjudica la comprensión conceptual, la lectura del código y las habilidades de depuración, sin aportar, en promedio, mejoras significativas en la eficiencia. […] Nuestros hallazgos sugieren que la productividad potenciada por la IA no es un atajo hacia la competencia y que la asistencia de la IA debe integrarse con cuidado en los flujos de trabajo para preservar la adquisición de habilidades, especialmente en ámbitos en los que la seguridad es fundamental.
Previamente a la publicación de estos estudios, Michael Gerlich publicó otro, con entrevistas realizadas en Gran Bretaña a 666 participantes de diferentes edades y niveles educativos, en el que se constataba que el uso habitual de herramientas de IA en la resolución de diversas tareas que implicaban descarga cognitiva reducía el pensamiento crítico, entendido como la capacidad para analizar y evaluar ideas y argumentos y tomar decisiones razonadas. Aunque el estudio también mostraba que ese descenso del pensamiento crítico no afectaba de forma significativa a las personas con mayor nivel educativo, que disponen de más recursos para ejercitarlo (Gerlich 2025).
Lo que también parecen confirmar los estudios empíricos es que algunas de las promesas que se hicieron acerca de los beneficios que traería el uso generalizado de la IA no solo no se están cumpliendo, sino que, por el contrario, se están produciendo disfuncionalidades imprevistas. Se nos dijo, por ejemplo, que la IA permitiría ahorrar esfuerzo y horas de trabajo y, sin embargo, los empleados que son obligados a usarla se quejan de tener más carga de trabajo que nunca; se nos dijo que disminuiría los costes de producción y aumentaría la productividad y, sin embargo, las empresas tecnológicas empiezan a pedirle a sus empleados que la usen durante menos horas y consuman menos tokens debido al alto precio que han comenzado a pagar por ello sin que el aumento de productividad lo justifique, ahora que los precios reales de la IA empiezan a hacerse evidentes (Amazon gastó en un mes 500 millones de dólares) (Orlowski 2026); se nos dijo que facilitaría el control sobre nuestra producción y los trabajadores se quejan fatiga mental y de estar al límite de sus capacidades cognitivas. Un estudio realizado con más de 1500 trabajadores en los Estados Unidos ha constatado señales claras en el 14% de ellos de este agotamiento cognitivo, especialmente en tareas de supervisión de la IA. Los autores explican que “[l]os participantes describieron una sensación de «zumbido» o confusión mental con dificultad para concentrarse, lentitud en la toma de decisiones y dolores de cabeza. Esta tensión mental asociada a la IA conlleva costos significativos en forma de aumento de errores de los empleados, fatiga por la toma de decisiones e intención de renunciar” (Bedard et al. 2026). Aunque ese mismo estudio constata que el uso de la IA para aliviar tareas repetitivas, desagradables y rutinarias contribuye igualmente a aliviar el estrés laboral y aumenta la motivación de los trabajadores. Como se viene comprobando en diversos análisis en los últimos años, los efectos de la IA dependen del modo en que se use y de las tareas para las que se use. Un uso de la IA que no aumente la carga de trabajo (algo que suele ser habitual cuando se empieza a utilizar) y estimule la creatividad, la adquisición de nuevas habilidades y la interacción social puede ser beneficioso, pero un uso excesivo o inadecuado resulta perjudicial.
Sobre el impacto en un futuro más lejano de la IA en el ser humano y, en especial, en la mente humana solo cabe especular. Las predicciones de los transhumanistas y de los directivos de Silicon Valley son bien conocidas. Ellos apuestan por el advenimiento (en el plazo de pocos años y mediante un proceso recursivo de mejoras operado por las propias máquinas) de una superinteligencia artificial, seguido de la Singularidad, es decir, la toma del control por parte de las máquinas superinteligentes y la fusión final con ellas de los seres humanos que así lo deseen y no quieran desaparecer mediante el volcado de la mente (mind uploading). Todo esto, por el momento, es ciencia ficción y no son pocos analistas, entre ellos el que esto escribe, los que piensan que, a diferencia de la buena ciencia ficción, esta es de la que desorienta y no divierte (Diéguez y García Barranquero 2023, Togelius 2024, Véliz 2026).
¿Pero, y si el futuro, el inmediato al menos, nos trajera más bien lo que algunos llaman inteligencia híbrida, una manifestación de la IA centrada en el ser humano, o sea, de la IA desarrollada con el objetivo prioritario de favorecer al ser humano y sus necesidades (Xu (ed.), 2026)? La idea que hay detrás de esta propuesta es que la inteligencia humana y la inteligencia artificial son muy distintas y pueden por ello cooperar en múltiples tareas, consiguiéndose de este modo una mejora del rendimiento que cada una de ellas presenta por separado, y ello sin perder nunca de vista que el liderazgo debe corresponder a los seres humanos, quienes habrán de tener siempre el control y la capacidad de supervisión, en especial cuando se trate de tomar decisiones difíciles y con implicaciones éticas. La inteligencia humana es buena entendiendo los matices que proporciona el contexto, es flexible y creativa, y razona eficientemente sobre las relaciones causales y sobre analogías, a esto se añade que puede tomar decisiones rápidas basándose en un conocimiento tácito e intuitivo, con frecuencia cargado emocionalmente, lo que ha mostrado ser útil para la supervivencia; la IA, en cambio, es buena procesando, en una magnitud fuera del alcance de la mente humana, cantidades masivas de datos y obteniendo de ellos regularidades y predicciones precisas en problemas específicos y bien delimitados (Dellermann et al. 2019, Jarrahi et al. 2022, Lutz et al. 2026). De ahí que haya quien piense que la cooperación entre ellas puede ser un paso beneficioso para el ser humano. La IA híbrida llevaría a una mejora de nuestra inteligencia lejos de las visiones transhumanistas de la fusión y el volcado de la mente.
Tal como la caracterizan Akata et al. (2020), la inteligencia híbrida (IH) sería la unión o combinación de la inteligencia humana y la artificial con el objetivo, no de sustituir a la primera, sino de potenciarla. Así lo expresan:
En las últimas décadas, las técnicas de inteligencia artificial (IA), que permiten a los humanos “aumentar” al proporcionar un apoyo cada vez más inteligente a las decisiones, se han convertido en la última incorporación a este conjunto de herramientas [usadas por el ser humano]. Hasta ahora, sin embargo, estas herramientas han sido utilizadas principalmente por expertos. La inteligencia híbrida (IH) puede ir mucho más allá, al crear sistemas que operan como equipos mixtos, en los que los humanos y las máquinas cooperan de manera sinérgica, proactiva y deliberada para lograr objetivos compartidos, mostrando el potencial de la IA para amplificar en lugar de reemplazar la inteligencia humana. (p. 19).
Y añaden una página después:
Es mejor ver los sistemas de IA no como “máquinas de pensamiento” sino como prótesis cognitivas que pueden ayudar a los humanos a pensar y actuar mejor.
Sus defensores sostienen que esta colaboración o ‘hibridación’, como ellos dicen, entre la inteligencia artificial y la humana puede producir enormes beneficios en el ámbito sanitario (aunque se ha visto que tiene sus limitaciones (Liu et al. 2025)), el educativo, el artístico, el de la investigación científica, el de la ciberseguridad, el de la fabricación de productos y otros muchos. Es lógico pensar que esos beneficios se podrían dar también en el ámbito educativo. Esto, obviamente, es un reto y, en principio, un buen deseo, puesto que las dificultades para conseguir algo así son grandes y tampoco está muy claro que en muchos casos esa cooperación o unión entre el ser humano y la máquina no produzca resultados indeseables, como podrían ser la pérdida de confianza del ser humano en su propia inteligencia, el agotamiento de la originalidad o la dilución de lo que de auténticamente humano pueda haber en los resultados (pensemos, por ejemplo, en la generación de un texto literario). Cabe también el peligro de que en las decisiones que se tomen los dictados de la IA se conviertan en la práctica en órdenes de imposible desacato. No obstante, las dificultades y los inconvenientes no deben ocultar los beneficios posibles. Basta con ver la gran ayuda que la IA está ofreciendo ya en algunos de los ámbitos señalados. Habrá que ver si compensan.
Referencias
Acemoglu, D., Kong, D. y Ozdaglar, A. (2026), AI, human cognition and knowledge collapse. NBER Working Papers. Working Paper 34910, DOI 10.3386/w34910. https://www.nber.org/papers/w34910
Akata, Z. et al. (2020), A research agenda for hybrid intelligence: Augmenting human intellect with collaborative, adaptive, responsible, and explainable artificial intelligence. Computer, 53(8), 18-28. https://doi.org/10.1109/MC.2020.2996587
Bedard, J. et al. (2026), When using AI leads to “Brain Fry”. Harvard Business Review, 5 de marzo, https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry
Benge, J.F. y Scullin, M.K. (2023), A meta-analysis of technology use and cognitive aging. Nature Human Behaviour, 9, 1405-1419. https://doi.org/10.1038/s41562-025-02159-9
Budzyń, K. et al. (2025), Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: A multicentre, observational study. Lancet Gastroenterol. Hepatol. 10(10), 896-903. https://doi.org/10.1016/S2468-1253(25)00133-5
Carr, N. (2014), Atrapados. Cómo las máquinas se apoderan de nuestras vidas, Madrid: Taurus.
Dellermann, D. et al. (2029), Hybrid Intelligence. Bus Inf Syst Eng, 61(5), 637-643. https://doi.org/10.1007/s12599-019-00595-2
Desmurget, M. (2020), La fábrica de cretinos digitales, Barcelona: Península.
Diéguez, A. y García Barranquero, P. (2023), The Singularity, Superintelligent Machines, and Mind Uploading: The Technological Future?, en F. Lara y J. Deckers (eds.), Ethics of Artificial Intelligence, The International Library of Ethics, Law and Technology, vol 41, pp. 37-255, Cham: Springer. https://doi.org/10.1007/978-3-031-48135-2_12
Gerlich, M. (2025), AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15, 6. https://doi.org/10.3390/soc15010006
Gesnot, R. (2025), The impact of Artificial Intelligence on the human mind. arXiv:2508.16628v1. https://doi.org/10.48550/arXiv.2508.16628
Jarrahi, M.H., Lutz, C. y Newlands, G. (2022), Artificial intelligence, human intelligence and hybrid intelligence based on mutual augmentation. Big Data & Society, 9(2). https://doi.org/10.1177/20539517221142824
Lenharo, M. (2026), Is AI ruining our skills? Early results are in — and they’re not good. Nature, 18 de junio. https://www.nature.com/articles/d41586-026-01947-1
Liu, P. et al. (2025), Human-AI teaming in healthcare: 1 + 1 > 2?. npj Artif. Intell. 1, 47. https://doi.org/10.1038/s44387-025-00052-4
Lutz, C. et al. (2026), Hybrid intelligence, en Xu, W. (ed.) (2026), Handbook of Human-Centered Artificial Intelligence, Singapore: Springer, pp. 193-224. https://doi.org/10.1007/978-981-95-3658-0_87
Orlowski, A. (2026), When AI is more expensive than people, why replace the people?, The Telegraph, 1 de junio. https://www.telegraph.co.uk/business/2026/06/01/when-ai-is-more-expensive-than-people-why-replace-people/
Shen, J.H. y Tamkin, A. (2026), How AI impacts skill formation. Preprint at arXiv https://doi.org/10.48550/arXiv.2601.20245 .
Togelius, J. (2024), Artificial General Intelligence, Cambridge, MA: MIT Press.
Véliz, C. (2026), Prophecy. Prediction, Power, and the Fight for the Future, from Ancient Oracles to AI, New York: Doubleday.
Xu, W. (ed.) (2026), Handbook of Human-Centered Artificial Intelligence, Singapore: Springer. https://doi.org/10.1007/978-981-97-8440-0
