Usar herramientas de inteligencia artificial durante apenas diez minutos es suficiente para reducir de forma medible la capacidad de resolver problemas complejos sin asistencia. Esa es la conclusión central de un estudio con mil 222 participantes que analizó el impacto cognitivo del uso de IA generativa en tareas de matemáticas y comprensión lectora.
Los resultados son consistentes en tres experimentos independientes. En el primero, 354 participantes resolvieron problemas de fracciones: quienes usaron ChatGPT obtuvieron mejores resultados mientras contaron con la herramienta, pero al retirarla, su rendimiento cayó por debajo del grupo que trabajó de forma autónoma desde el inicio. El segundo experimento, con 667 participantes, replicó el patrón con mayor contundencia: el grupo que dependió de la IA resolvió correctamente solo el 57% de los problemas en la fase sin asistencia, frente al 73% del grupo de control, una brecha de 16 puntos porcentuales.
El mecanismo detrás del deterioro
Los investigadores identifican un efecto de sustitución cognitiva: cuando una herramienta externa provee respuestas rápidas, el cerebro reduce su actividad reflexiva. La sensación de esfuerzo productivo —clave para el aprendizaje y la consolidación de habilidades— se debilita con cada interacción delegada. No se trata de un daño permanente, pero sí de un efecto inmediato y cuantificable que aparece tras sesiones breves de uso.
Brian Christian, uno de los investigadores, sintetizó la paradoja central del fenómeno: "Creamos estos sistemas para que sean útiles, pero ¿realmente nos están ayudando? A menudo, sus beneficios resultan contraproducentes".
Implicaciones para entornos de trabajo y formación
El estudio no plantea una prohibición del uso de IA, pero sí abre una pregunta de diseño organizacional que pocas empresas están respondiendo con datos: ¿cómo integrar estas herramientas sin erosionar las capacidades analíticas del equipo humano?
En contextos donde la toma de decisiones bajo incertidumbre es crítica —análisis estratégico, evaluación de riesgos, negociación— la dependencia no supervisada de IA generativa puede traducirse en equipos menos capaces de operar cuando los sistemas fallan, los datos son ambiguos o la situación exige criterio propio.
El debate que abre este estudio no es tecnológico sino de gobernanza: definir en qué tareas la IA amplifica capacidades humanas y en cuáles las sustituye de forma que compromete el desarrollo de habilidades fundamentales. Esa distinción, hoy ausente en la mayoría de las políticas de adopción corporativa, podría convertirse en una variable de competitividad a mediano plazo.
