Por qué la promesa de que la inteligencia artificial desarrolla el pensamiento crítico es falsa mientras no cambiemos de raíz cómo enseñamos.

Cuando les pregunto a los profesores qué ha cambiado de verdad en sus aulas desde que la inteligencia artificial se sentó en la última fila, casi todos terminan contándome alguna versión de la misma escena, y casi siempre bajando un poco la voz: los trabajos que reciben son cada vez mejores, y los alumnos que los firman, cada vez menos capaces de defenderlos. Entregan análisis impecables sobre los que, cuando se les pregunta en clase por una sola de sus afirmaciones, no saben sostener el argumento. Han producido un texto correcto que, en rigor, no han llegado a pensar.

¡Aquí está la clave! entregar algo que no se ha pensado, es el centro de lo que quiero contar, y esto no solo se queda en el aula, es la misma escena que se repite en una reunión cuando alguien presenta un informe pulido que no sabe explicar. La diferencia es que en clase todavía hay alguien cuyo oficio es preguntar. Por eso, aunque el problema sea de todos, la responsabilidad de resolverlo empieza en quien enseña.

Cuento esto porque choca de frente con casi todo lo que se está diciendo sobre IA estos meses. La narrativa dominante es reconfortante: la inteligencia artificial nos libera de lo tedioso para que dediquemos nuestra cabeza a lo importante, potencia el análisis, la creatividad, el pensamiento crítico. Es una promesa muy atractiva, que he repetido yo mismo en alguna mesa redonda, debate o reunión, y la evidencia de los últimos doce meses sugiere que, tal y como la estamos usando, ocurre justo lo contrario.

La idea incómoda, y luego los datos

La tesis es sencilla de enunciar y difícil de digerir: la IA no desarrolla el pensamiento crítico por defecto; por defecto, lo erosiona. No porque la herramienta sea mala, sino porque el camino más cómodo que ofrece, pedir la respuesta y aceptarla, es precisamente el que desactiva el músculo que decimos querer entrenar. Y a un músculo que no se usa ya sabemos lo que le ocurre.

La evidencia más sólida en esta dirección es el trabajo de Michael Gerlich, publicado en Societies a principios de 2025 sobre una muestra de 666 participantes. Encontró una correlación negativa y significativa entre el uso frecuente de IA y la capacidad de pensamiento crítico, mediada por un fenómeno que la literatura ya tiene bautizado: la descarga cognitiva, esa tentación de delegar en la máquina el esfuerzo mental hasta que dejamos de hacerlo por nosotros mismos. El matiz que más debería interesar a cualquiera que trabaje con jóvenes es que los participantes más jóvenes eran a la vez los más dependientes de la herramienta y los que peor puntuaban en criterio propio. (mdpi.com/2075-4698/15/1/6)

Si fuera un dato aislado lo dejaría correr, porque no me gusta el alarmismo tecnológico tanto como el optimismo de folleto. Pero no lo es. En junio de 2025, un equipo del MIT Media Lab midió con electroencefalografía la actividad cerebral de personas que escribían ensayos en tres condiciones, solo con su cabeza, con un buscador y con un modelo de lenguaje, durante cuatro meses. El grupo que escribió con IA mostró la conectividad neuronal más débil de los tres, y una imagen que cuesta quitarse de encima: la gran mayoría de quienes la usaron fue incapaz de citar después una sola frase del texto que acababan de «escribir». Lo llamaron deuda cognitiva. Es un preprint con muestra pequeña y ha recibido críticas metodológicas que conviene tener presentes, pero la intuición que ilustra encaja demasiado bien con todo lo demás. (arxiv.org/abs/2506.08872)

EDUCAUSE, que no es precisamente un reducto tecnófobo, resumió la paradoja en un titular difícil de mejorar: mejores resultados, peor pensamiento. (er.educause.edu) Y esa frase debería incomodar de manera especial a quienes vivimos del conocimiento, porque en una escuela lo que tiene valor no es nunca el documento, sino la cabeza capaz de producirlo y de sostenerlo.

Por qué la herramienta empuja hacia abajo

Aquí está la parte que casi nadie cuenta, y la que más me interesa. El problema no es solo que delegar resulte cómodo; es que la propia herramienta está diseñada para complacernos.

La IA generativa arrastra un sesgo bien documentado, la sycophancy: la tendencia a darnos la razón, a validar lo que ya pensamos, a devolvernos una versión mejorada de nuestra propia idea, aunque esa idea fuera mediocre. No es una anécdota. En marzo de 2026, un estudio publicado en Science analizó once de los modelos más avanzados del mercado y halló que sus respuestas eran casi un cincuenta por ciento más complacientes que las de una persona, incluso cuando el usuario describía conductas dudosas. (science.org) Y el hallazgo que explica por qué esto no va a corregirse solo es aún más revelador: los usuarios prefieren y confían más en los modelos que les dan la razón, de modo que el mercado premia justamente la adulación. (news.stanford.edu)

Pongámonos un momento en la piel de quien aprende. Tiene a su disposición un interlocutor que casi nunca le lleva la contraria, que reformula sus intuiciones hasta hacerlas sonar brillantes y que está optimizado para que se sienta competente. Es difícil imaginar un peor compañero para desarrollar criterio, porque el criterio nace precisamente de la fricción: de que alguien, en algún momento, nos diga que eso no se sostiene. La IA, por defecto, ha sustituido esa fricción por un aplauso permanente.

La herramienta es neutra; el diseño pedagógico no

Y aquí viene el giro, porque no escribo esto para sumarme al tecnopánico, que me parece tan estéril como el entusiasmo de catálogo. La inteligencia artificial no es el problema. El problema es enseñar a usarla como si fuera una calculadora de ideas a la que se le pide el resultado y se acepta sin más.

La afirmación que quiero defender es esta: la IA no desarrolla el pensamiento crítico por el mero hecho de estar presente; lo desarrolla una pedagogía que obliga al alumno a discrepar de ella, a contrastarla y a firmar la decisión final contra su recomendación cuando hace falta. Quien pide la respuesta y la copia se entrena para la dependencia. Quien negocia con la máquina, cuestiona su salida, detecta dónde le está dando la razón por inercia, defiende una postura distinta y asume él la autoría, se entrena en la única competencia que seguirá teniendo valor cuando generar texto cueste cero. La herramienta es la misma en ambos casos. Lo que cambia es el diseño.

No es una intuición de sobremesa. Es el corazón del marco de competencias en IA que la UNESCO publicó en 2024, que sitúa al estudiante como co-creador y no como consumidor, y que sostiene sin matices que la decisión humana no debe cederse a la máquina en los asuntos de alto riesgo; el propio documento afirma que la competencia técnica es necesaria pero insuficiente, y que lo que marca la diferencia es el juicio y la conciencia ética con que se usa. (unesco.org) Ethan Mollick, en Wharton, le ha puesto nombre a la versión práctica de todo esto cuando insiste en ser siempre «el humano en el bucle». El problema es que ese bucle no se mantiene solo: hay que diseñarlo. (oneusefulthing.org)

Diseñar la fricción

Diseñarlo significa, en lo concreto, dejar de evaluar lo que la IA ya hace gratis. Si lo único que mide una institución es el resultado terminado, el ensayo, el plan, el análisis, estará premiando exactamente aquello que un modelo produce en segundos y sin alma. Lo que tenemos que aprender a observar y a valorar es el proceso de juicio que hay detrás: en qué momento la persona discrepó de la máquina, qué contrastó por su cuenta, qué descartó de lo que le proponía y por qué. Es más difícil de corregir que un examen clásico, y es también mucho más valioso, porque es lo único que distingue a quien piensa de quien solo entrega.

Y se puede entrenar con gestos pequeños. Los mismos investigadores de Stanford que midieron la complacencia descubrieron un detalle revelador: basta con pedirle al modelo que empiece su respuesta con un «espera un momento» para que se vuelva sensiblemente más crítico consigo mismo. (news.stanford.edu) Enseñar a un alumno a tensar deliberadamente la conversación, a pedirle a la IA que defienda la postura contraria, a no quedarse nunca con la primera respuesta, no es una técnica de prompting: es pensamiento crítico con otro nombre. La diferencia entre formar criterio y entrenar dependencia cabe, muchas veces, en cómo está diseñada la consigna.

Esto, conviene decirlo, trasciende en el aula. La competencia que describo, saber cuándo confiar en la IA, cuándo desconfiar y asumir la responsabilidad de la decisión final, es hoy la habilidad más escasa también en las organizaciones: la encuesta de Grant Thornton de 2026 reveló que el setenta y ocho por ciento de los directivos no confía en poder demostrar cómo y quién toma las decisiones asistidas por IA en su empresa. (grantthornton.com) Esa firma humana sobre la decisión sensible es, en el fondo, lo mismo que le pedimos a un alumno cuando le exigimos defender por qué descartó lo que la máquina le proponía. Es la misma competencia a los dos lados de la misma puerta, y por eso formarla es, hoy, la tarea más estratégica que tiene una institución educativa.

La inteligencia artificial, bien usada, es probablemente el mejor instrumento de aprendizaje que hemos tenido nunca. Pero «bien usada» carga con todo el peso de esa frase, y hoy en día casi nadie la está usando bien. Cambiar eso no es un problema de tecnología. Es un problema de diseño, de criterio y de quién está dispuesto a firmar.

Una pregunta concreta, y no es retórica: en tu aula, en tu equipo o en tu empresa, ¿qué estás midiendo en realidad, el resultado que produce una persona con ayuda de la IA, o la calidad del juicio con el que la cuestiona? Porque de esa respuesta depende si estás formando criterio o entrenando dependencia.

Felipe Ynzenga