La continuidad del aprendizaje en la era de la IA

Cómo escapar de la atrofia cerebral justo cuando más la necesitamos

La inteligencia artificial, al ofrecer una respuesta instantánea a cada pregunta, cortocircuita silenciosamente los mecanismos cognitivos que hacen del aprendizaje no un resultado, sino un proceso: el esfuerzo, la frustración, la reactivación memorística, la lenta construcción de esquemas mentales duraderos. Lo que ganamos en fluidez, corremos el riesgo de perderlo en profundidad: y es precisamente en el momento en que la complejidad del mundo exige mentes más ágiles, más críticas y más autónomas, cuando nos sentimos tentados de delegar nuestra inteligencia en una máquina.

La IA, espejo sin azogue de nuestra inteligencia

En 2023, un estudiante de derecho de una gran universidad estadounidense entregó un trabajo de sesenta páginas redactado íntegramente por un modelo de lenguaje generativo. Sus profesores no detectaron nada inusual. Ni en la estructura, ni en los argumentos, ni en el estilo. Todo era coherente, documentado, convincente. Lo que faltaba, en cambio, era invisible: ningún rastro del esfuerzo intelectual que transforma una información en saber, un dato en comprensión, una respuesta en juicio. El estudiante había obtenido una nota. No había aprendido nada.

La inteligencia artificial es una trampa imparable: refleja la totalidad del saber humano acumulado, pero oculta a quien la consulta la imagen de su propio pensamiento en proceso de borrarse. Por un lado, representa una de las amplificaciones más espectaculares del acceso al conocimiento desde la invención de la imprenta, instantánea, personalizada, disponible en todas las lenguas y a cualquier hora. Por el otro, cortocircuita silenciosamente los mecanismos cognitivos que hacen del aprendizaje no un resultado, sino un proceso: el esfuerzo, la frustración, la reactivación memorística, la construcción progresiva de esquemas mentales.

Esta tensión no es anecdótica. Define uno de los desafíos educativos más profundos de nuestra época. Para comprenderlo, hay que remontarse a la larga historia de las revoluciones cognitivas, examinar lo que las neurociencias nos dicen del cerebro que aprende, medir los riesgos propios de la era del oráculo algorítmico y, finalmente, proponer vías concretas para no sacrificar la inteligencia humana en el altar de la comodidad digital.

Cinco ejes, interdependientes, componen esta cartografía de los desafíos.

Una inquietud tan vieja como el progreso

La historia de la educación está jalonada de revoluciones tecnológicas, y cada una de ellas desencadenó las mismas angustias fundamentales. Sócrates, recogido por Platón en el Fedro, temía que la escritura debilitara la memoria e inculcara en los espíritus una apariencia de saber en lugar de un saber verdadero. No se equivocaba en el diagnóstico, pero sí en la conclusión: la escritura no embruteció a la humanidad, reconfiguró sus modalidades de aprendizaje. La paideia griega (ideal educativo y cultural de la Grecia antigua), fundada en la dialéctica y el esfuerzo del pensamiento, valoraba precisamente lo que la escritura amenazaba con diluir: la confrontación viva con la incertidumbre.

En la Edad Media, los monjes copistas encarnaban otra figura del aprendizaje por el esfuerzo. Reproducir un texto a mano no era una tarea mecánica, sino una práctica memorística total, una inmersión en la estructura misma del pensamiento ajeno. Cuando Gutenberg revolucionó la difusión de las ideas, Erasmo se entusiasmó, pero otros percibieron en la multiplicación de los libros una amenaza para la formación del espíritu crítico: ¿para qué pensar por uno mismo si todo ya está escrito?

Erasmo, por Quentin Metsys, 1517.

Los siglos XVIII y XIX vieron nacer la escuela republicana, impulsada por Condorcet y su sueño de igualdad por el saber. Pero Rousseau ya había advertido contra la instrucción puramente transmisiva, la que llena los espíritus sin formarlos. Dewey, a caballo entre los siglos XIX y XX, teorizó lo que hoy llamaríamos aprendizaje experiencial: aprender es hacer, tantear, recomenzar. Luego llegaron la radio, la televisión y, con ellas, McLuhan y Postman, que alertaron sobre la superficialidad de una cultura fundada en el consumo pasivo de imágenes y sonidos. Cada época tuvo sus profetas del declive cognitivo, y cada época tuvo parcialmente razón.

La IA no es una ruptura absoluta. Es el último acto de una dialéctica milenaria entre la herramienta y la inteligencia que la utiliza. Pero su intensidad, su velocidad y su ubicuidad le confieren una dimensión inédita. No se limita a difundir el saber: pretende producirlo, sintetizarlo y, desde ahora, encarnarlo pedagógicamente. ¿Cómo no ver ahí el punto de fusión del medio no solo con el mensaje, sino también con su destinatario? Es ahí donde el desafío cambia de naturaleza.

El esfuerzo contra la fluidez: lo que se pierde al ganar tiempo

Durante milenios, los métodos de aprendizaje fueron lentos, costosos y a menudo dolorosos. Era precisamente esa lentitud la que garantizaba su eficacia. La repetición espaciada, codificada por Hermann Ebbinghaus desde finales del siglo XIX, reposa en un principio simple: es el retorno regular sobre una información, a intervalos crecientes, lo que ancla duraderamente un recuerdo en la memoria a largo plazo. El método mayéutico de Sócrates se basaba en la misma lógica: obligar al alumno a dar a luz por sí mismo el conocimiento, colocándolo frente a sus propias contradicciones. Estos procesos son costosos cognitivamente. Y es justamente su costo lo que los hace eficaces.

Los nuevos enfoques digitales han optimizado el acceso, pero a veces en detrimento de la profundidad. Plataformas como Khanmigo o Duolingo Max ofrecen una personalización pedagógica notable, adaptando el ritmo, el nivel y el formato a las necesidades de cada aprendiz. La ludificación capta la atención y suscita el compromiso, al menos inicialmente. El micro-learning permite integrar el aprendizaje en los intersticios de lo cotidiano. Estas innovaciones son reales y valiosas.

Pero conllevan un ángulo muerto: favorecen la motivación extrínseca (la recompensa, la insignia, la puntuación) en detrimento de la motivación intrínseca, la única que permite un aprendizaje duradero y autodirigido. Kahneman (a quien hoy cita gustosamente Yann Le Cun en sus conferencias), con su distinción entre Sistema 1 (pensamiento rápido, automático) y Sistema 2 (pensamiento lento, deliberativo), nos ofrece un marco analítico valioso: las herramientas digitales concebidas para la fluidez activan casi exclusivamente el Sistema 1. Ahora bien, es el Sistema 2, laborioso, incómodo, resistente, el que construye la comprensión profunda.

La síntesis no consiste en rechazar los nuevos métodos, sino en reconocer que exigen una gobernanza pedagógica consciente. La IA optimiza el acceso al saber, pero no reemplaza los mecanismos lentos y costosos que forjan la inteligencia humana: el esfuerzo, la frustración y el tiempo.

Lo que el cerebro pierde cuando una máquina piensa en su lugar

Las neurociencias ofrecen hoy una luz escalofriante sobre los efectos de la externalización cognitiva. El principio de plasticidad cerebral, formalizado por Donald Hebb, estipula que las conexiones neuronales se refuerzan con el uso repetido y se debilitan cuando dejan de ser solicitadas. El cerebro se reconfigura literalmente en función de las tareas que le confiamos o que le ahorramos. Cuando una máquina piensa en nuestro lugar, no son solo segundos de reflexión los que ahorramos: son circuitos neuronales que dejamos atrofiarse.

Betsy Sparrow y sus colegas demostraron en 2011 lo que llamaron el «efecto Google»: cuando sabemos que una información es accesible inmediatamente en línea, nuestro cerebro invierte menos esfuerzo en memorizarla. El hipocampo, sede de la memoria a largo plazo, es menos solicitado. La corteza prefrontal, que gobierna el razonamiento abstracto y la toma de decisiones, es rodeada. Ya no almacenamos el conocimiento, sino la dirección donde encontrarlo. Stanislas Dehaene, en sus trabajos sobre el aprendizaje, subraya que la lectura profunda, la escritura manual y la resolución de problemas complejos activan redes neuronales extensas y difusas, exactamente las que el uso delegado de la IA tiende a infrautilizar.

La metacognición, esa capacidad de pensar sobre el propio pensamiento, teorizada por Flavell, constituye quizá la víctima más silenciosa de esa delegación. Un estudiante que utiliza un modelo de lenguaje para redactar un ensayo no activa las mismas redes neuronales que el que lee, sintetiza, duda, reformula y escribe. El primero almacena respuestas; el segundo construye esquemas mentales. Vygotski nos recuerda que el desarrollo cognitivo opera en la zona proximal, ese espacio incómodo entre lo que ya sabemos hacer y lo que todavía no sabemos hacer solos. Colocar una IA en ese espacio es suprimir precisamente el lugar donde el cerebro crece.

El oráculo algorítmico y la ilusión del saber total

Más allá de los mecanismos individuales, la IA genera un problema epistemológico de una magnitud nueva: da respuestas. No preguntas. Ahora bien, el corazón de la formación intelectual, desde Sócrates hasta Popper, reside precisamente en el arte de dudar, de formular hipótesis, de aceptar la incertidumbre como condición del pensamiento vivo.

Cuando un futuro médico delega en un sistema algorítmico la identificación de un diagnóstico diferencial, quizá obtenga una respuesta correcta. Pero no desarrolla el razonamiento clínico que le permitirá gestionar los casos atípicos, los síntomas contradictorios, los pacientes que no corresponden a los modelos de entrenamiento. Tampoco desarrolla lo que Michael Polanyi llamaba el saber tácito, esa inteligencia incorporada, no formalizable, que se adquiere por la experiencia repetida, el fracaso y la relación humana. Un médico formado en el oráculo algorítmico sabrá diagnosticar, pero será poco proclive a la escucha y a la anticipación.

Hay un tercer riesgo, más estructural: los grandes modelos de lenguaje reproducen y amplifican los sesgos estadísticos de sus datos de entrenamiento. Harari, en su reflexión sobre el Homo Deus, anticipa una humanidad que delega progresivamente sus decisiones en sistemas opacos. Cathy O'Neil, por su parte, ha documentado cómo los algoritmos pueden institucionalizar las desigualdades bajo un barniz de objetividad matemática. La IA no nos enseña lo que no le hemos sabido enseñar y, al estandarizar los saberes, corre el riesgo de empobrecer la diversidad epistémica que constituye la verdadera riqueza del pensamiento humano.

Reaprender a aprender en la era de las máquinas

Frente a estos riesgos, la tentación del rechazo radical es comprensible pero estéril. La IA está ahí, y sus beneficios son reales. La cuestión no es elegir entre ella y la inteligencia humana, sino definir las condiciones de una cohabitación emancipadora.

Para los estudiantes, eso implica adoptar lo que podríamos llamar la regla de las tres E: el Esfuerzo como postura por defecto, el Error como etapa constitutiva del saber, la Exploración como rechazo de las respuestas prefabricadas. En la práctica, esto se traduce en el recurso a técnicas de memorización activa, cartografía mental, principio Feynman de enseñanza mutua, reactivación espaciada y un uso deliberadamente limitado de la IA para las tareas que solicitan el pensamiento crítico.

Para los docentes, la prioridad es pedagógica antes que tecnológica: aprender a cuestionar la IA en lugar de obedecerla, construir secuencias híbridas donde la herramienta digital gestiona el acceso a la información mientras el humano asume la síntesis, el debate, el juicio. La relación maestro-alumno, en su dimensión afectiva e improvisadora, sigue siendo insustituible. Es en esa relación donde se opera la transmisión de los saberes tácitos.

Para las instituciones, la reforma de los modos de evaluación es urgente. Menos restitución memorizada, más proyectos transversales, situaciones abiertas, problemas sin solución única. Formar en los límites de la IA, sus sesgos, sus alucinaciones, su incapacidad de generar verdaderas preguntas, debe convertirse en una competencia fundamental al mismo nivel que la lectura o el cálculo. Todavía estamos muy lejos, aunque parecen asomar señales de buena voluntad.

Una inteligencia por defender

La IA es un acelerador de saberes, pero sin esfuerzo se convierte en un freno a la inteligencia. Esta paradoja no es un destino: es un desafío de gobernanza cognitiva, pedagógica e institucional.

En el escenario optimista, la IA se convierte en lo que las mejores tecnologías siempre han sido: un amplificador de las capacidades humanas, que libera el espíritu de las tareas mecánicas para permitirle elevarse hacia la creación, el matiz y la empatía. En el escenario pesimista, se convierte en el sustituto del pensamiento para generaciones de aprendices que jamás habrán desarrollado los músculos cognitivos necesarios para impugnar sus respuestas.

La elección entre esos dos escenarios no es tecnológica. Es profundamente humana. Depende de la voluntad colectiva de mantener el esfuerzo en el corazón de la educación, de valorar la lentitud deliberativa en una cultura de lo instantáneo y de resistir a la ilusión de que la comodidad es sinónimo de progreso.

El desafío último es este: ¿cómo hacer de la IA una herramienta de emancipación y no de dependencia? La respuesta no está ni en los algoritmos ni en las políticas públicas solas; está en nuestros cerebros y en la decisión consciente de seguir ejerciéndolos.

Anexo: fuentes y referencias

Neurociencias y cognición

• Dehaene, S. (2018). Apprendre ! Les talents du cerveau, le défi des machines. Odile Jacob.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google Effects on Memory: Cognitive
• Consequences of Having Information at Our Fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745
• Hebb, D. O. (1949). The Organization of Behavior. Wiley.
• Ebbinghaus, H. (1885). Über das Gedächtnis. Duncker & Humblot.

Ciencias de la educación

• Vygotski, L. S. (1934/1985). Pensée et Langage. Éditions Sociales.
• Dewey, J. (1897/1990). The School and Society. University of Chicago Press. Flavell, J. H. (1979). Metacognition and Cognitive Monitoring. American Psychologist, 34(10), 906–911.
• Piaget, J. (1970). L'Épistémologie génétique. Presses Universitaires de France.

IA, sociedad y epistemología

• O'Neil, C. (2016). Weapons of Math Destruction. Crown Publishers.
• Polanyi, M. (1966). The Tacit Dimension. Doubleday.
• Postman, N. (1985). Amusing Ourselves to Death. Viking Penguin.
• McLuhan, M. (1964). Understanding Media: The Extensions of Man. McGraw-Hill.

Referencias históricas y filosóficas

• Platón. Fedro (trad. L. Robin). Gallimard, coll. Pléiade.
• Condorcet, N. de (1791/1994). Cinq mémoires sur l'instruction publique. Flammarion.
• Erasmo, D. (1511). Elogio de la locura. (ed. de referencia: Flammarion, 2011).