Lo que la investigación ya diferencia
El concepto de partida no es nuevo ni exclusivo de la IA generativa: se llama cognitive offloading, o descarga cognitiva, y fue descrito por Risko y Gilbert en un artículo de 2016 en Trends in Cognitive Sciences. La idea central: cuando delegamos una tarea mental en una herramienta externa, una calculadora, un buscador, ahora un modelo de lenguaje, liberamos recursos de atención, pero también dejamos de ejercitar el proceso cognitivo que esa tarea exigía. No es dañino por definición. Es un intercambio, y el resultado depende de qué se delega y por qué.
Describe al menos dos, y son casi opuestas en su efecto. Una ayuda a pensar. La otra reemplaza el acto de pensar. Confundirlas es el riesgo detrás de todo el entusiasmo.
Ahí está la distinción que importa para diseñar capacitación con IA. Una investigación reciente, con estudiantes universitarios como sujetos, encontró algo específico: usar IA generativa para sostener conversaciones profundas y pedir explicaciones mejoró el aprendizaje, mientras que usarla para obtener respuestas directas lo perjudicó. No es la herramienta la que determina el resultado. Es el patrón de uso.
El tutor y el sustituto no se ven igual, pero se sienten igual de cómodos
Un tutor humano o de IA hace preguntas antes de dar respuestas, señala el error sin corregirlo de inmediato, y obliga a la persona a mantener la incomodidad de no saber algo todavía. Un sustituto resuelve el problema y entrega el resultado. Desde la experiencia de quien lo usa, ambos se sienten igual de útiles en el momento, la diferencia solo aparece después, cuando hay que resolver algo parecido sin la herramienta a la mano.
Esto conecta con un fenómeno que varios estudios recientes han empezado a documentar bajo el nombre de «pereza metacognitiva»: el hábito, reforzado por el uso frecuente de IA generativa, de dejar de monitorear el propio proceso de pensamiento porque la herramienta ya entrega la respuesta terminada. Es importante decir con honestidad que buena parte de esta investigación todavía está en fase de preprint, sin revisión por pares completa, así que se trata de un hallazgo reciente, no de un consenso cerrado. Pero la dirección de la evidencia, incluyendo un estudio del MIT Media Lab que comparó la actividad cerebral de personas usando ChatGPT frente a un buscador tradicional y frente a ninguna herramienta, encontrando menor conexión cognitiva medida en el grupo que usó IA generativa, apunta de forma consistente hacia el mismo riesgo.
Por qué esto importa en capacitación
En la mayoría de los usos de IA generativa en el trabajo, el objetivo es el resultado: un resumen de un documento extenso, un conjunto de ideas dispersas ordenadas en una estructura clara, el esqueleto de un informe listo para completar con datos propios. Ahí la descarga cognitiva no solo es aceptable, es el punto. Pero en capacitación el objetivo no es el resultado del ejercicio, es la habilidad que se supone que la persona debía desarrollar al resolverlo. Si un participante le pide a un asistente de IA la respuesta a un caso práctico en lugar de intentarlo primero, completa la actividad, pero no adquiere la habilidad que la actividad estaba diseñada para construir. El indicador de «actividad completada», el mismo problema que ya vimos en el artículo sobre horas de capacitación, vuelve a aparecer aquí, ahora disfrazado de innovación tecnológica.
En resumen,
Antes de decidir dónde meter IA generativa en un programa de capacitación, la pregunta importante no es «¿cómo usamos IA aquí?», sino «¿en qué parte de este ejercicio queremos que la persona luche con el problema antes de recibir ayuda, y en qué parte esa lucha no aporta nada y solo es un obstáculo administrativo que no debería estar ahí?» Si el objetivo de un ejercicio es que alguien practique cómo dar una retroalimentación difícil a un colaborador, no hay ningún valor pedagógico en que antes pierda quince minutos buscando el formato correcto de una plantilla de evaluación o recordando de memoria una política interna que no es el punto del ejercicio. Ahí la IA puede resolver ese paso sin costo alguno para el aprendizaje, porque nunca fue parte de la habilidad que se buscaba desarrollar. La primera parte del ejercicio, la conversación difícil en sí, debería diseñarse para que la IA pregunte, no para que responda. La segunda puede delegarse sin culpa. Tratar todo el proceso de la misma manera, ya sea prohibiendo la IA por completo o dejándola resolver cualquier cosa que se le pida, es evitar la pregunta de diseño más importante, no responderla.
