Algunas personas que usan la IA con frecuencia notan que les cuesta más empezar una tarea sin ayuda después de pedir repetidamente a un modelo que prepare el primer borrador. Esa observación no demuestra una pérdida permanente de habilidades, y este artículo tampoco lo afirma. Sí ofrece un motivo para comprobar si el flujo de trabajo aún incluye práctica de las capacidades que quieres mantener.
No se trata de un argumento contra el uso de la IA para escribir, programar o analizar. Se trata de detectar en qué tareas estás delegando, casi sin darte cuenta, la parte del trabajo en la que realmente se aprende, para que puedas conservar un intento sin ayuda en las pocas habilidades que te interesa proteger.
Lo que muestra realmente la evidencia
En junio de 2025, investigadores del MIT Media Lab publicaron Your Brain on ChatGPT, una prepublicación sobre 54 participantes que escribieron ensayos en tres condiciones: con un LLM, con un buscador o sin ayuda. Los autores informaron de diferencias de conectividad cerebral medida mediante EEG. En su análisis, el grupo que escribió sin ayuda mostró la conectividad más intensa y el grupo que utilizó el LLM, la más débil (Kosmyna et al., MIT Media Lab, 2025). Los autores emplean «deuda cognitiva» como metáfora interpretativa. El estudio no establece una afección clínica, un deterioro permanente ni una relación dosis-respuesta por la que el daño se acumule necesariamente con cada uso.
Dos resultados del estudio merecen atención. Primero, el grupo que usó el LLM declaró la menor sensación de autoría sobre los ensayos que acababa de escribir, y muchos participantes no pudieron citar con exactitud una línea de su propio texto pocos minutos después de terminarlo (prepublicación completa, arXiv:2506.08872). Segundo, y esta es la parte alentadora con una salvedad importante, solo 18 de los 54 participantes completaron una cuarta sesión opcional, nueve reasignados en cada dirección. Los nueve que pasaron de usar el LLM a escribir sin ayuda mostraron una conectividad neural poco activada, mientras que los nueve que hicieron el recorrido inverso, de escribir sin ayuda a utilizar un LLM, recordaron mejor y mostraron una reactivación de regiones cerebrales asociadas con la escritura concentrada. La salvedad es que en la cuarta sesión escribieron sobre temas que ya habían tratado. Por eso, el estudio describe el resultado como lo ocurrido «cuando se les permitió usar un LLM en un tema conocido»: el diseño no permite separar el efecto del orden de trabajo del efecto de conocer ya el tema.
Esto coincide con una idea más amplia de la literatura sobre el sesgo de automatización: el patrón del «tacaño cognitivo», según el cual tendemos a elegir la opción que exige menos esfuerzo mental en ese momento (What is Wrong With Automation Bias?, Philosophy & Technology, 2026). Un borrador fluido generado por IA casi siempre ofrece el camino de menor esfuerzo. Precisamente por eso requiere un contrapeso deliberado, en vez de confiar en que el propio uso se regule por sí solo.
El malentendido habitual
El malentendido habitual no es la frase «la IA te vuelve más tonto»: esa formulación, como afirmación universal y permanente, no está demostrada y tampoco refleja lo que dice la investigación. El estudio del MIT es una sola prepublicación con 54 participantes observados durante cuatro meses. El resultado de la cuarta sesión, que quizá sea el de mayor interés práctico, se basa en los 18 participantes que decidieron volver, nueve por condición. Es evidencia de un patrón medible a corto plazo, no una prueba de deterioro cognitivo irreversible. Los propios investigadores presentan sus hallazgos como preguntas que requieren «una investigación más profunda», no como un veredicto definitivo.
La afirmación más precisa y útil es más limitada: si omites el intento sin ayuda en una tarea que quieres aprender a hacer mejor, eliminas la dificultad concreta que ayuda a desarrollar esa capacidad. Esto no nació con la IA. Es la misma razón por la que un estudiante que copia una solución ya desarrollada sin intentar antes el problema aprende menos que quien primero se esfuerza y después comprueba el resultado. La IA pone ese atajo al alcance para casi cualquier tarea y en todo momento, por lo que decidir no tomarlo debe ser más deliberado que antes.
La auditoría para conservar habilidades
Para cualquier tarea recurrente, plantéate cuatro preguntas antes de decidir cómo usar la IA en ella:
- ¿Es una habilidad que estoy desarrollando o una tarea que solo necesito terminar? Redactar una actualización de estado periódica es una tarea que hay que completar. Aprender a estructurar un argumento persuasivo es una habilidad que hay que desarrollar. La misma herramienta se utiliza de manera distinta en cada caso.
- ¿En qué consiste un intento sincero sin ayuda y puedo limitar su duración? Dedicar diez minutos a intentarlo por tu cuenta antes de abrir un modelo suele bastar para descubrir qué es lo que aún no sabes. Esa es precisamente la parte en la que merece la pena centrar la conversación con la IA.
- ¿Qué añade la fase asistida que no aportó el intento sin ayuda? Puede ser retroalimentación, un contraargumento, un segundo borrador más rápido o formulaciones que no se te habrían ocurrido. La asistencia debe añadir algo concreto, no limitarse a sustituir el trabajo.
- ¿Cómo comprobaré, más adelante, que aún puedo hacer la versión sin ayuda? Sin una comprobación independiente periódica, la erosión de la habilidad es invisible hasta el día en que necesitas la habilidad y la herramienta no está disponible, no es fiable o no encaja en la situación.
| Tipo de tarea | Referencia inicial (intento sin ayuda) | Fase asistida | Comprobación independiente | Frecuencia de revisión |
|---|---|---|---|---|
| Escribir un argumento persuasivo | Esquema breve y aproximado, sin herramientas | Pedir a la IA que refuerce los puntos débiles y ofrezca un contraargumento | Escribir periódicamente un argumento completo sin ayuda y compararlo con un intento anterior | La elige quien aprende |
| Depurar tu propio código | Intentar aislar el error antes de pedir pistas | Pedir a la IA que revise el diagnóstico y sugiera causas que se te escaparon | Depurar un problema comparable sin usar la herramienta | La elige quien aprende |
| Una frase en una lengua extranjera | Escribir primero tu propia versión | Pedir a la IA que la corrija y explique los cambios | Mantener una conversación breve sin ayuda y anotar nuevas carencias | La elige quien aprende |
| Aritmética para una estimación laboral | Hacer el cálculo a mano | Verificarlo con una calculadora o una fórmula comprobada de forma independiente | Repetir una estimación comparable sin ayuda | La elige quien aprende |
La auditoría del uso de IA para conservar habilidades incluye esta tabla en blanco, con espacio para registrar tus propias tareas, referencias iniciales y fechas de revisión.
No apliques esta disciplina a tareas con consecuencias reales de seguridad, jurídicas, médicas o financieras dando por suficiente un primer intento sin ayuda para actuar. La auditoría busca conservar una habilidad mediante la práctica deliberada, no eludir la verificación en una tarea donde un primer intento erróneo podría causar daño antes de llegar a la fase asistida.
Dónde más importa el orden de las operaciones
El resultado de la cuarta sesión del estudio del MIT, con nueve participantes que pasaron de escribir sin ayuda a utilizar asistencia en un tema que ya habían tratado, es demasiado pequeño y está sujeto a demasiados factores de confusión para zanjar la comparación. Aun así, apunta a un hábito cuyo coste es lo bastante bajo como para adoptarlo: cuando aprendas algo nuevo, haz un intento preliminar antes de pedir ayuda, aunque salga mal. Cuando ya dominas la habilidad y produces a gran escala, como un escritor profesional que redacta su correo número cincuenta de ese tipo o un desarrollador que escribe código rutinario, el cálculo cambia porque la capacidad ya está adquirida y otro intento sin ayuda aporta menos. Práctica deliberada con IA explica el ciclo completo de intento, rúbrica, retroalimentación y nuevo intento para convertir el principio en un hábito repetible, no en un propósito aislado.
Esto también se relaciona directamente con decisiones de delegación más amplias. Si aún no lo has hecho, somete las nuevas tareas recurrentes a la comprobación de seis dimensiones descrita en «qué no delegar a la IA». La dimensión «habilidad» plantea exactamente esta pregunta, aplicada a cada tarea en lugar de formulada como una preocupación general.
Una trampa habitual: tratar la vigilancia como un esfuerzo permanente
La trampa opuesta consiste en agotarte intentando hacerlo todo sin ayuda por miedo a «perder» capacidades que nunca pretendías desarrollar. Nadie necesita redactar cada correo desde cero y sin asistencia para conservar su capacidad de escritura. Esta disciplina merece aplicarse al pequeño número de tareas que has decidido que te importan, no a toda tu carga de trabajo. Si no puedes nombrar la habilidad concreta que proteges ni explicar por qué te importa, probablemente puedas «delegar libremente» esa tarea en vez de «preservarla deliberadamente».
Pruébalo hoy
Elige una tarea recurrente que hayas delegado por completo en la IA y que aún quieras saber hacer sin ayuda. Reserva un periodo breve que se ajuste a la tarea, inténtala sin la herramienta y recurre después a la IA solo para las partes en las que te hayas atascado. Registra la tarea, las condiciones y la fecha como referencia inicial. Repite la misma comprobación con una frecuencia que puedas mantener; este artículo no prescribe ningún intervalo validado científicamente.
