El neurocientífico y psicoanalista Miguel Benasayag suele recurrir a un episodio ya clásico de la neurociencia contemporánea para pensar nuestra relación con las tecnologías: las investigaciones que Eleanor Maguire dedicó al hipocampo de los taxistas de Londres.
Para obtener su licencia, los aspirantes deben aprobar The Knowledge, una prueba que exige conocer decenas de miles de calles, puntos de interés y recorridos posibles. La preparación puede extenderse durante varios años e implica estudiar mapas, recorrer físicamente la ciudad y construir una representación mental flexible de su trama.
En 2000, Maguire y su equipo compararon mediante resonancia magnética los cerebros de dieciséis taxistas londinenses con los de un grupo de control. Encontraron que el hipocampo posterior —una región vinculada con la memoria espacial— presentaba en los taxistas un volumen de materia gris significativamente mayor. Esa diferencia, además, se relacionaba con la cantidad de años que cada conductor llevaba ejerciendo el oficio. Investigaciones posteriores reforzaron la hipótesis.
No deberíamos concluir que el cerebro funciona exactamente como un músculo que crece con cada ejercicio. La neuroplasticidad es más compleja: fortalece algunas redes, reorganiza otras y depende de la intensidad, la duración y la naturaleza de la tarea. Los estudios de Maguire mostraron, sin embargo, algo fundamental. Una capacidad ejercitada de manera sostenida puede dejar una huella material en el cerebro adulto.
Entonces, la pregunta por el movimiento inverso aparece de inmediato: ¿qué ocurre cuando esa misma función deja de ejercitarse porque una herramienta la realiza por nosotros?
Como venimos señalando en esta serie, pensar nunca fue una actividad encerrada por completo dentro de la cabeza. Las herramientas amplían nuestras posibilidades, pero también modifican las operaciones que realizamos. La cuestión no es, por lo tanto, si debemos delegar o dejar de hacerlo, sino qué funciones entregamos a los dispositivos, cuáles continuamos ejercitando y qué permanece en nosotros cuando la asistencia desaparece.
Platón formuló tempranamente esta ambivalencia en el Fedro. Cuando el dios Theuth presenta la escritura como un remedio para la memoria, el rey Thamus responde que también producirá olvido, porque las personas confiarán en signos externos y dejarán de ejercitar por sí mismas el recuerdo. La escritura permitió conservar y transmitir conocimientos que ninguna memoria individual habría podido retener, pero volvió menos necesarias ciertas prácticas de memorización. La ganancia fue extraordinaria, aunque no gratuita.
Con la inteligencia artificial, esa tensión adquiere una escala diferente. Ya no se externaliza solamente el recuerdo. Un agente conversacional puede redactar, resumir, traducir, comparar, programar, proponer argumentos y revisar sus propios resultados. Puede intervenir, en suma, en buena parte de las operaciones que asociamos con el trabajo intelectual.
Para comprender qué está en juego, resulta útil recuperar una distinción propuesta en 2016 por David Krakauer, científico de la complejidad y presidente del Santa Fe Institute. Krakauer denomina «artefactos cognitivos» a las herramientas, técnicas o sistemas capaces de ampliar, reorganizar o sustituir alguna operación del pensamiento, y los divide en complementarios y competitivos.
Los primeros no solo permiten resolver una tarea, sino que transforman a quien aprende a utilizarlos. Su ejemplo es el ábaco. Los usuarios expertos pueden interiorizar una representación visoespacial del instrumento —el llamado «ábaco mental»— y realizar cálculos aun cuando el objeto ya no está presente. La herramienta desaparece, pero deja tras de sí una capacidad.
Los artefactos competitivos, en cambio, ejecutan la operación sin necesidad de que el usuario la incorpore. La calculadora y el GPS resuelven la tarea con eficacia, pero no garantizan que la competencia permanezca disponible cuando faltan. El resultado pertenece al conjunto formado por la persona y el dispositivo, no necesariamente a la persona considerada por separado.
La diferencia, sin embargo, no reside de manera absoluta en el objeto. Una calculadora puede ayudar a comprobar un procedimiento previamente comprendido, del mismo modo que un GPS puede utilizarse para comparar rutas. La relación depende del modo de uso y, sobre todo, de las operaciones que el usuario conserva dentro del proceso.
La pregunta es, entonces, qué tipo de artefacto constituye un agente de inteligencia artificial. Puede funcionar como complemento cuando ayuda a detectar errores, comparar planteos o explorar alternativas. También puede ser competitivo si entrega una solución que el usuario no aprende a producir.
En 2025, un equipo vinculado con el MIT Media Lab difundió una prepublicación sobre el uso de modelos de lenguaje durante la escritura de ensayos. Los participantes trabajaron bajo tres condiciones: sin asistencia digital, con un buscador convencional o con acceso a ChatGPT. Los registros electroencefalográficos mostraron diferencias entre los grupos. Quienes escribieron sin herramientas presentaron patrones de conectividad funcional más extensos; quienes recurrieron al buscador ocuparon una posición intermedia, y quienes utilizaron el modelo exhibieron una conectividad menor en las bandas analizadas. También manifestaron mayores dificultades para citar pasajes de los textos que acababan de entregar y un menor sentimiento de autoría.
Los autores denominaron «deuda cognitiva» al posible costo diferido de haber delegado un esfuerzo que, en otras condiciones, habría requerido atención, elaboración y memoria. Y, si bien, el estudio presenta limitaciones importantes como una muestra reducida, y no demuestra que ChatGPT produzca daño cerebral, sí señala, sin embargo, una diferencia que no deberíamos ignorar. La calidad del producto obtenido y la actividad cognitiva necesaria para generarlo pueden seguir trayectorias distintas.
Una investigación de mayor escala llegó a una conclusión compatible. En The Generative AI Learning Penalty, publicado en 2026, se analizaron treinta meses de datos correspondientes a 26.811 estudiantes chinos de nivel secundario. Después de adoptar herramientas generativas, las calificaciones de las tareas aumentaron alrededor de un 18% y el tiempo necesario para completarlas se redujo un 30%. Sin embargo, el rendimiento en exámenes presenciales y sin asistencia descendió aproximadamente un 20% durante los seis meses siguientes.
La herramienta mejoró el desempeño visible, pero esa ventaja no se convirtió necesariamente en una capacidad disponible cuando la asistencia fue retirada. El problema no residía en utilizar inteligencia artificial, sino en delegar en ella la operación principal del aprendizaje.
El ámbito profesional ofrece un indicio semejante. En 2025, un estudio publicado en The Lancet Gastroenterology & Hepatology analizó el trabajo de endoscopistas polacos habituados a utilizar sistemas de inteligencia artificial para detectar pólipos. Al comparar procedimientos realizados sin asistencia antes y después de la incorporación habitual del sistema, la tasa de detección de adenomas descendió del 28,4% al 22,4%.
El carácter observacional del estudio no permite determinar qué mecanismo produjo esa caída. Los investigadores no demostraron una pérdida de conocimiento ni midieron modificaciones cerebrales. Plantearon, entre otras posibilidades, que la exposición continua a las señales automáticas habría reducido la vigilancia o alterado el patrón de búsqueda visual cuando la herramienta no estaba disponible.
El dato inquietante es que el profesional no parece menos eficaz mientras trabaja con la máquina. La fragilidad aparece cuando debe volver a actuar sin ella. El sistema mejora el rendimiento del conjunto, pero puede dejar al especialista individual en peores condiciones para responder de manera autónoma.
A partir de estos indicios algunos investigadores comienzan a delinear una tercera categoría, capaz de ampliar la clasificación de Krakauer: la del artefacto sustractivo. Llaman así a una herramienta que, al sustituir reiteradamente una operación previamente adquirida, puede contribuir a su decrecimiento. El artefacto complementario deja una capacidad; el competitivo entrega un resultado; el sustractivo puede dejar una capacidad debilitada.
No podemos ubicar sin más a la inteligencia artificial dentro de esta tercera categoría. La misma tecnología puede funcionar de maneras diferentes según la tarea, la frecuencia de uso y la distribución del esfuerzo entre el usuario y el sistema. Sin embargo, su carácter sustractivo puede aparecer cuando reemplaza de forma sostenida la elaboración conceptual, la atención selectiva, la formulación de alternativas o la evaluación crítica. La operación delegada deja entonces de ser convocada, ejercitada y corregida.
¿Cómo convertir, entonces, al sustituto en entrenador?
Aunque estas investigaciones se encuentran todavía en una etapa inicial, comienzan a delinearse algunas orientaciones de uso. La primera consiste en producir algo propio antes de recurrir al modelo: una hipótesis, un esquema, una estructura argumental o una primera respuesta. Esa elaboración proporciona un criterio desde el cual evaluar lo que la máquina propone.
La segunda es introducir una verdadera fricción evaluativa. No basta con leer el resultado y corregir su estilo. Es necesario localizar errores, verificar datos, identificar supuestos, cuestionar argumentos y formular alternativas. El esfuerzo que la herramienta ahorra en una etapa debería desplazarse hacia una operación de mayor complejidad, no desaparecer.
La tercera condición consiste en preservar instancias periódicas de resolución autónoma, sin asistencia de inteligencia artificial. No es necesario que sean actividades analógicas, pero sí que se realicen sin una herramienta que ejecute la capacidad que se intenta conservar. Solo al retirar la asistencia podemos comprobar qué permanece en nosotros.
Estas medidas son razonables, aunque todavía no constituyen soluciones probadas. Deben enfrentar, además, una dificultad persistente. Tendemos a confiar en los sistemas que suelen acertar y a elegir estrategias que reducen el esfuerzo. La fatiga, la urgencia productiva y el sesgo de automatización pueden volver insuficiente una actitud crítica sostenida únicamente por la voluntad individual.
Por eso, la preservación de la autonomía no puede depender solo del usuario. Requiere diseños pedagógicos, laborales e institucionales que distribuyan la asistencia sin eliminar las ocasiones de práctica. Una herramienta complementaria no es simplemente una herramienta bien utilizada. Es también una herramienta situada de modo tal que la persona siga teniendo algo que comprender, decidir y aprender.
La inteligencia artificial puede ayudarnos a explorar posibilidades antes inaccesibles, contrastar hipótesis y dedicar más tiempo a problemas complejos. Pero esa promesa solo se cumple si el esfuerzo liberado se reinvierte en otra forma de elaboración por parte de los humanos. Cuando el ahorro termina en pasividad, la ampliación externa puede convertirse en empobrecimiento interno.
La pregunta decisiva, entonces, no es únicamente qué puede hacer la máquina por nosotros. Es qué dejamos de hacer nosotros mientras la máquina lo hace.
PARA ENTENDER MEJOR | La neuroplasticidad
La idea de que el cerebro puede transformarse a partir de la experiencia comenzó a delinearse mucho antes de que existieran las técnicas actuales para observarlo. A fines del siglo XIX, William James utilizó el término «plasticidad» para describir la capacidad del sistema nervioso de modificar sus recorridos mediante la formación de hábitos. Poco después, Santiago Ramón y Cajal sostuvo que el aprendizaje podía producir cambios en las conexiones entre las neuronas, y durante la primera mitad del siglo XX Donald Hebb dio a esa intuición una formulación decisiva al proponer que la activación conjunta y reiterada de ciertas neuronas fortalece sus conexiones. Aunque durante mucho tiempo se creyó que esa capacidad pertenecía casi exclusivamente a la infancia, desde las últimas décadas del siglo XX numerosos estudios demostraron que el cerebro adulto conserva un margen de reorganización mucho mayor de lo supuesto.
En los últimos años, el concepto se ha ampliado. La neuroplasticidad ya no se entiende como un mecanismo único ni como la simple creación de nuevas conexiones. Comprende cambios en la eficacia de las sinapsis, remodelaciones de dendritas y axones, reorganizaciones funcionales de los circuitos, modificaciones en la mielina y, en determinadas regiones, la producción de nuevas neuronas. Las técnicas contemporáneas de neuroimagen, estimulación cerebral y registro celular permiten estudiar estos procesos en distintas escalas y explorar su importancia para la rehabilitación posterior a accidentes cerebrovasculares, lesiones y enfermedades neurológicas.
Estos avances también obligaron a abandonar una visión ingenuamente optimista. La plasticidad no es beneficiosa por definición: el cerebro puede reorganizarse de maneras adaptativas, pero también consolidar dolor crónico o respuestas disfuncionales. Tampoco implica que cualquier capacidad pueda desarrollarse o recuperarse sin límites. Su alcance depende de la edad, la región cerebral, la intensidad y duración de la experiencia, el estado general del organismo y las condiciones del entorno. La neuroplasticidad designa, en suma, la posibilidad permanente —aunque desigual y condicionada— de que aquello que hacemos transforme las redes con las que podremos actuar después.