La colisión entre la IA, nuestro cerebro y la sociedad: qué está en juego

Introducción

La inteligencia artificial ya no es solo una herramienta experimental: está integrada en flujos de trabajo, tareas académicas y procesos de decisión. En su nuevo libro, “The Collision: What AI Does to Us”, el profesor Eric So (Sloan Distinguished Professor of Global Economics and Behavioral Science, MIT Sloan) ofrece una síntesis amplia sobre lo que ocurre cuando la IA choca con la mente humana y con estructuras sociales existentes.

So reconoce que la IA acelera tareas y ha dado lugar a herramientas útiles en dominios específicos. Sin embargo, su principal preocupación es el costo de un uso excesivo o indiscriminado: una pérdida progresiva de capacidades de pensamiento que él describe como una forma de atrofia cognitiva.

Lo que observa So: hábitos, incentivos y “gravedad de la IA”

El punto de partida del libro es personal y observacional. So relata cómo, en situaciones cotidianas, termina delegando tareas de pensamiento a modelos como ChatGPT en vez de completar procesos mentales que antes realizaba por sí mismo. Esa anécdota personal ejemplifica una tendencia mayor: estudiantes y profesionales que externalizan la resolución de problemas a la IA en lugar de trabajar para dominar un tema.

So introduce el concepto de “AI gravity” o gravedad de la IA: un conjunto de fuerzas —biológicas, sociales y organizacionales— que empujan al uso constante de herramientas de IA. Biológicamente, tendemos a conservar energía mental; socialmente, existe la presión competitiva cuando otros usan IA para avanzar más rápido; organizacionalmente, algunas empresas transforman el uso de IA en un criterio de evaluación laboral. Estos factores no actúan aisladamente, sino que se refuerzan entre sí.

Un dato que So cita para ilustrar el problema proviene de la industria: un estudio de Anthropic encontró que aproximadamente la mitad de las consultas de estudiantes universitarios eran preguntas de bajo esfuerzo, orientadas a obtener respuestas simples en lugar de fomentar el aprendizaje profundo.

¿Qué le pasa a nuestra mente? Riesgos de la solución inmediata

El mensaje central es que la IA no solo cambia lo que hacemos, sino cómo pensamos. Al eliminar la fricción —esa dificultad inicial que obliga a pensar, equivocarse y corregir— las herramientas de IA pueden interferir con la construcción de dominio y la retención de conocimiento.

So destaca varios efectos:

• Pérdida de la capacidad para perseverar ante un problema: la facilidad de obtener respuestas conduce a una menor tolerancia a la fricción cognitiva.
• Menor retención y memoria: recurrir siempre a la IA como acceso primario a la información afecta nuestra habilidad para recordar y conectar ideas.
• Cambios en la interacción social: los modelos tienden a ser complacientes (soycophantic) y persuasivos, lo que puede entrenarnos a esperar acuerdo inmediato y reducir la práctica del diálogo desafiante con otras personas.

Estas dinámicas no son solo individuales; se alimentan de incentivos organizacionales y de la dificultad práctica para detectar el uso de IA en tareas y evaluaciones.

La importancia de la “lucha productiva”

Un concepto clave del libro es la “lucha productiva” (productive struggle). So propone recodificar la lucha cognitiva: no como sufrimiento innecesario, sino como el proceso formativo que construye dominio y pensamiento crítico. Cuando enfrentamos problemas, experimentamos fallos iniciales, iteramos y finalmente consolidamos comprensión y habilidades.

So traza un paralelo histórico: tras la industrialización muchas actividades físicas dejaron de ser necesarias para producir valor económico, y la sociedad tuvo que reconfigurar cómo entendemos y cultivamos el esfuerzo físico (por ejemplo, el ejercicio intencional). De manera análoga, debemos redefinir y conservar prácticas que fomenten la lucha cognitiva en una era donde la IA reduce automáticamente esas fricciones.

Incentivos organizacionales y académicos: el riesgo de dependencia

So advierte que el problema es sistémico. Muchas organizaciones no solo recomiendan el uso de IA, sino que lo transforman en un criterio de evaluación: usar IA puede ser percibido como un requisito para obtener ascensos, bonos o empleos. En educación, hay un efecto anticipatorio: estudiantes asumen que sus futuros empleadores exigirán manejo de IA y por ello empiezan a delegar ahora, erosionando habilidades que deberían desarrollar durante su formación.

Esa retroalimentación crea una profecía autocumplida: cuanto más dependemos de la IA para producir resultados, menos practicamos las capacidades subyacentes, y más indispensable resulta la IA.

Implicaciones para América Latina

Aunque gran parte de la evidencia y los debates se generan en universidades y empresas de Estados Unidos y Europa, las reflexiones de So tienen relevancia directa para América Latina. En la región existen desafíos educativos y laborales que pueden amplificar riesgos:

• Sistemas educativos con recursos limitados pueden ver la IA como una vía rápida para mejorar resultados, pero sin políticas que preserven la enseñanza de habilidades fundamentales, la dependencia podría profundizar brechas.
• En mercados laborales donde la informalidad y la competencia por empleos cualificados son intensas, la presión por adoptar IA puede acelerar el uso sin considerar su impacto formativo.

Estas realidades hacen urgente que gobiernos, universidades y empresas latinoamericanas diseñen estrategias que integren la IA sin sacrificar la formación cognitiva de largo plazo.

Qué propone So y qué pueden hacer individuos y organizaciones

So propone, a nivel personal, cuatro principios para navegar la era de la IA. En el material disponible del libro se explican al menos dos de ellos con claridad: 1) abrazar la lucha productiva como parte del aprendizaje; 2) valorar quiénes somos y qué podemos hacer sin depender de la IA. El libro desarrolla con mayor detalle las restantes recomendaciones y ofrece orientaciones prácticas para aplicarlas en entornos laborales y educativos.

A nivel organizacional y social, las lecciones implícitas en su análisis sugieren algunas líneas de acción:

• Revisar incentivos: evitar que el uso de IA se convierta en un requisito automático para evaluación de desempeño sin considerar habilidades subyacentes.
• Diseñar evaluaciones que requieran proceso, no solo resultado: valorar el razonamiento, la iteración y la documentación del aprendizaje.
• Promover alfabetizaciones digitales críticas: enseñar no solo a usar IA, sino a entender sus límites, sesgos y efectos en la memoria y el juicio.

Conclusión

La contribución de Eric So es una llamada a equilibrar los beneficios inmediatos de la IA con la preservación de capacidades humanas esenciales. La “colisión” que describe no es un fallo inevitable: es el resultado de decisiones individuales y colectivas sobre cómo incorporar estas herramientas.

Para América Latina, el libro plantea un reto práctico: integrar IA de manera que complemente, y no reemplace, el proceso formativo y las habilidades de pensamiento. Ese equilibrio requerirá políticas, prácticas educativas y culturas organizacionales que valoren la lucha productiva y eviten convertir la IA en una muleta permanente.

Para quienes toman decisiones en empresas y universidades, la pregunta central que deja So es sencilla pero profunda: ¿queremos acelerar resultados hoy a costa de empobrecer la capacidad de pensar mañana?”