Por qué nuestras mentes no están diseñadas para la IA (y qué hacer al respecto)

La metáfora que domina la IA

Durante décadas la industria tecnológica ha descrito al cerebro como una máquina de cómputo. Figuras como Alan Turing inspiraron ese marco y pensadores contemporáneos —desde Demis Hassabis hasta Elon Musk— han reforzado la idea de que pensar es, en esencia, procesar información como una computadora.

Esa imagen impulsó avances enormes: redes neuronales artificiales, modelos generativos y aplicaciones que hoy influyen en trabajo, educación y política. Pero también ha creado una premisa silenciosa y problemática: si la mente es un procesador de datos, entonces replicar o optimizar sus procesos mediante software es lo más lógico y deseable.

Dos modelos para entender la mente

Hay al menos dos maneras muy distintas de concebir lo que hace el cerebro. El primero es el modelo computacional clásico: percepción como entrada, cómputo interno y comportamiento como salida. Ese enfoque es útil para diseñar algoritmos y sistemas que imiten algunas tareas humanas.

El segundo lo propone la neurociencia evolutiva contemporánea. Investigadores como Paul Cisek sugieren que, en lugar de ser solamente receptores de información, nuestros sistemas nerviosos funcionan como sistemas de control por retroalimentación. Es decir: el cuerpo actúa para cambiar lo que percibe. No solo procesamos datos pasivamente; movemos nuestras manos, ojos y cuerpo para modificar la información que llega a nuestros sentidos.

John Dewey ya lo había esbozado hace más de un siglo: la respuesta motora determina el estímulo tanto como el estímulo determina la respuesta. Y John von Neumann advirtió que el modelo computacional no capta la complejidad excepcional del sistema nervioso humano.

Un ejemplo práctico: atrapar una pelota

Imaginen a un jardinero o a un outfielder en un partido de béisbol persiguiendo una pelota. Según el modelo computacional, la persona haría cálculos complejos sobre velocidad y trayectoria para predecir la posición futura donde estará la pelota.

La visión desde el control por retroalimentación es mucho más simple y realista: la estrategia es mantener la pelota en la misma posición relativa dentro del campo visual y moverse hasta que esto se logre. No hay necesidad de estimaciones complejas; hay acciones continuas que modifican el estímulo.

Este tipo de heurística dinámica encaja mejor con la anatomía y la historia evolutiva del cerebro: las estructuras se fueron agregando y especializando para extender el control del organismo sobre su entorno.

La IA como ‘comida chatarra’ para la mente

Una frase provocadora que circula entre algunos críticos —y que aparece en la pieza original— es comparar la IA con comida chatarra: atractiva, cómoda y con efectos adversos si la consumimos en exceso. ¿Por qué aplica la metáfora?

Primero, porque muchas interfaces de IA están diseñadas para entregar respuestas inmediatas, agradables y de baja fricción. Eso refuerza hábitos de consumo cognitivo pasivo: en vez de buscar, evaluar o experimentar, la persona acepta la salida generada por un modelo.

Segundo, porque repetir ese patrón puede debilitar habilidades que se desarrollaron precisamente para interactuar con un mundo que requiere exploración, juicio y acción. Si la mente aprende a depender de atajos externos para organizar información, podríamos ver una degradación en capacidades como la memoria episódica, la deliberación compleja o la resolución creativa de problemas.

Tercero, porque la arquitectura de muchas herramientas digitales explota sesgos atencionales y motivacionales —lo inmediato, lo gratificante— que chocan con cómo evolucionaron nuestras capacidades cognitivas para funcionar en entornos ricos en señales físicas y sociales.

¿Por qué esto importa para América Latina?

En la región ya estamos adoptando IA en sectores clave: educación, servicios públicos, banca y comunicaciones. Si no ponemos atención al diseño y a la regulación, corremos el riesgo de introducir sistemas que, además de automatizar tareas, modifiquen hábitos cognitivos a gran escala.

Esto no es solo un asunto técnico: tiene implicaciones culturales y de equidad. Por ejemplo, poblaciones con menor acceso a educación crítica sobre tecnología pueden volverse más dependientes de soluciones que priorizan eficiencia sobre desarrollo de capacidades. Además, modelos entrenados con datos globales pueden ofrecer recomendaciones poco contextualizadas para realidades locales.

Recomendaciones para tomadores de decisión

• Promover alfabetización digital crítica: la formación no debe limitarse a usar herramientas, sino a entender sus límites, sesgos y efectos en la cognición.

• Evaluar diseño centrado en el refuerzo de capacidades: las interfaces de IA deberían incentivar la exploración, la comprobación y la práctica, no solo la respuesta inmediata.

• Regular con criterios cognitivos y sociales: más allá de privacidad y sesgo algorítmico, considerar evaluaciones de impacto sobre habilidades cognitivas y bienestar mental comunitario.

• Favorecer soluciones contextualizadas: apoyar proyectos que adapten modelos a culturas, lenguajes y necesidades locales para evitar dependencia de patrones importados.

• Incentivar investigación regional: financiar estudios que midan efectos de la IA en procesos de aprendizaje, memoria y toma de decisiones en poblaciones latinoamericanas.

Conclusión: diseñar tecnología que fortalezca, no que debilite

La discusión no es renegar de la IA: sus beneficios productivos y sociales son reales. El punto es no aceptar acríticamente la metáfora dominante de la mente como una computadora aislada. Entender al cerebro como un sistema histórico y corporal nos obliga a repensar cómo integramos herramientas digitales a nuestras vidas.

Si la IA puede ser ‘comida chatarra’ cognitiva, entonces hay también espacio para diseñarla como alimento nutritivo: interfaces que desafíen, que enseñen a pensar y que amplíen nuestras capacidades en vez de suplantarlas. Para los líderes en América Latina, el desafío es doble: adoptar tecnologías que impulsen desarrollo, y al mismo tiempo proteger y fortalecer las capacidades cognitivas colectivas que sostienen sociedades sanas y resilientes.