La inteligencia artificial no nos volverá estúpidos, pero puede hacernos sentirlo
Las herramientas basadas en inteligencia artificial generativa están cambiando la forma de trabajar, estudiar y tomar decisiones. Los modelos de lenguaje de gran tamaño, conocidos como LLM, resuelven en segundos tareas que antes exigían buscar información, redactar borradores o analizar documentos durante horas. Esa aceleración, sin embargo, plantea una pregunta menos técnica y más humana: ¿qué ocurre con nuestro criterio cuando dejamos que una máquina piense, escriba o proponga por nosotros?
La respuesta no pasa por asumir que la inteligencia artificial va a convertirnos automáticamente en personas menos capaces. El riesgo más inmediato es distinto: que la facilidad de uso reduzca el esfuerzo que dedicamos a comprender un problema y, al mismo tiempo, aumente la sensación de que no estamos a la altura de la tecnología que utilizamos.
Más productividad no siempre significa más comprensión
Una de las principales ventajas de los LLM es su capacidad para eliminar tareas repetitivas. Pueden resumir un informe, ordenar ideas, generar código, traducir textos o preparar una primera versión de un documento en pocos segundos. En muchos casos, esa ayuda permite concentrarse en aspectos de mayor valor y completar el trabajo con más rapidez.
El problema aparece cuando el resultado se confunde con el conocimiento. Obtener una respuesta bien redactada no significa necesariamente entender el razonamiento que hay detrás, conocer sus límites o ser capaz de detectar un error. La herramienta puede elevar la productividad mientras reduce la implicación intelectual del usuario en determinadas fases del proceso.
Esta diferencia es especialmente importante en ámbitos como la educación, la programación, el periodismo o la investigación. Un texto generado por IA puede parecer correcto y, sin embargo, contener datos imprecisos, conclusiones débiles o una interpretación inadecuada del contexto. La velocidad de respuesta no sustituye a la capacidad de evaluar.
El espejismo de la confianza
Las primeras experiencias con estas herramientas suelen estar marcadas por la sorpresa. El usuario formula una petición y recibe una respuesta estructurada, fluida y aparentemente segura. Esa presentación transmite autoridad, aunque los modelos no comprendan la realidad como lo hace una persona ni dispongan de un mecanismo infalible para distinguir lo cierto de lo falso.
La confianza puede crecer con cada respuesta convincente. Cuando la inteligencia artificial acierta varias veces, resulta tentador dejar de revisar sus propuestas. Pero la fiabilidad de un sistema no se mide por los casos en los que funciona, sino también por su comportamiento ante preguntas ambiguas, información incompleta o asuntos que requieren conocimientos especializados.
Por eso conviene separar tres conceptos que a menudo se mezclan: la productividad, la confianza y el esfuerzo intelectual. Una persona puede terminar antes una tarea gracias a un LLM, sentirse más segura del resultado y, al mismo tiempo, haber dedicado menos tiempo a pensar de forma autónoma. Que el trabajo salga adelante no demuestra que se haya producido un aprendizaje equivalente.
La sensación de quedarse atrás
La comparación con la inteligencia artificial introduce además una dimensión emocional. Si una herramienta redacta, calcula o programa a una velocidad inalcanzable para cualquier ser humano, es fácil interpretar esa diferencia como una prueba de inferioridad personal. La máquina no tiene que hacernos menos inteligentes para que nosotros empecemos a sentirnos menos competentes.
Sin embargo, comparar directamente a una persona con un modelo de lenguaje conduce a una conclusión equivocada. Los LLM son sistemas optimizados para generar respuestas a partir de enormes cantidades de datos y patrones lingüísticos. No tienen experiencia vital, responsabilidad moral ni una comprensión del mundo idéntica a la humana. Su rapidez en determinadas tareas no equivale a una inteligencia general superior.
El reto, por tanto, no consiste en competir con la máquina en velocidad, sino en conservar la capacidad de decidir cuándo utilizarla y cómo supervisar su trabajo. La ventaja humana está también en formular buenas preguntas, establecer objetivos, interpretar consecuencias y asumir la responsabilidad de las decisiones.
Cómo conservar el criterio propio
El uso responsable de la inteligencia artificial exige introducir fricción allí donde la herramienta ofrece una solución demasiado cómoda. Antes de aceptar una respuesta, es útil pedir explicaciones, contrastar los datos relevantes y revisar si el resultado responde realmente al problema planteado. En tareas importantes, la comprobación no debería ser una fase opcional.
- Definir el objetivo: saber qué se quiere conseguir evita aceptar una respuesta correcta solo en apariencia.
- Separar borrador y versión final: la IA puede ayudar a empezar, pero la revisión debe incorporar criterio humano.
- Comprobar los datos: las afirmaciones verificables necesitan fuentes fiables y contexto.
- Mantener el aprendizaje: delegar una tarea no debería implicar renunciar a entender sus fundamentos.
- Asumir la responsabilidad: la decisión final corresponde a la persona, no al sistema que generó la propuesta.
La cuestión no es usar menos IA, sino usarla mejor
La inteligencia artificial generativa no tiene por qué empobrecer nuestras capacidades. Puede convertirse en una herramienta para explorar alternativas, detectar errores, aprender más deprisa y dedicar tiempo a problemas complejos. Pero sus beneficios dependen de que el usuario no entregue también su criterio junto con la tarea.
Los LLM no nos van a volver estúpidos por el simple hecho de utilizarlos. El riesgo aparece cuando dejamos de ejercitar las habilidades que queremos conservar o confundimos una respuesta convincente con una respuesta verdadera. La tecnología puede hacer el trabajo más rápido; mantener el pensamiento propio seguirá siendo una tarea humana.
