Las personas que dependen de inteligencia artificial (IA) para resolver problemas simples obtienen peores resultados en tareas similares cuando se retira esa ayuda, y tienen más probabilidades de abandonar, en comparación con quienes no usan IA para respuestas rápidas, según un nuevo estudio.
El estudio, presentado en la Conferencia 2026 sobre Modelado del Lenguaje en San Francisco a principios de este mes, examinó los impactos de trasladar el trabajo mental a un chatbot de IA en tareas de aritmética y comprensión lectora. Un creciente cuerpo de investigaciones sugiere que este proceso de externalización cognitiva daña el aprendizaje a largo plazo y las habilidades de pensamiento crítico.
“La preocupación es acerca de lo que los científicos cognitivos llaman ‘desafíos deseables’ —la lucha productiva que construye la habilidad con el tiempo—”, dijo la Grace Liu, una estudiante de doctorado en aprendizaje automático en la Universidad Carnegie Mellon, a Live Science por correo. “Si la IA elimina rutinariamente esa lucha, las personas pueden obtener la respuesta correcta en el momento, pero desarrollar capacidades independientes menos robustas”.
Liu y sus colegas reclutaron a 1,222 participantes para el estudio, que se publicó como preimpresión a principios de este año y que ahora ha pasado revisión por pares. Los investigadores diseñaron tres experimentos aleatorizados y controlados, que incluían dos series de problemas de fracciones y una serie de preguntas de comprensión de lectura. Los participantes se dividieron en tres grupos, de modo que no hubo solapamiento entre los experimentos. Cada experimento tomó entre 13 y 15 minutos para completar.
En el primer experimento, el equipo asignó al azar a 354 participantes a dos grupos: uno con acceso a un chatbot de IA y otro sin él. A ambos grupos se les entregaron los mismos 12 problemas de fracciones, que al grupo de IA podían resolver de inmediato o obtener pistas sobre ellos al solicitar al chatbot. Luego, los investigadores retiraron la asistencia de IA sin previo aviso para un conjunto final de tres fracciones, que se les dio a todos los participantes, independientemente de su grupo.
Ambos grupos tenían la opción de omitir los problemas. Los investigadores dijeron explícitamente a los participantes que no había penalización por respuestas incorrectas, por lo que omitir un problema fue una decisión deliberada de no involucrarse, escribieron en el estudio. A los participantes de ambos grupos también se les dio la respuesta correcta a cada problema si se equivocaban, para que pudieran aprender de sus errores.
Este primer experimento mostró que los participantes del grupo con IA tenían más probabilidades de resolver fracciones y menos probabilidades de rendirse cuando tenían acceso al chatbot, en comparación con el otro grupo. Pero cuando se retiró la IA, su desempeño cayó y omitieron o fallaron más problemas, lo que sugiere que usar IA afectó el rendimiento de las tareas sin ayuda, la persistencia y la motivación.
El segundo experimento fue una réplica del primero, pero con 667 participantes y pequeños ajustes en el diseño del ensayo, incluida la adición de una fase de pretest que ayudó a los investigadores a eliminar a participantes que no podían resolver los problemas más básicos. Los hallazgos fueron similares a los del primer experimento, lo que sugiere que el uso de IA para tareas simples perjudica la perseverancia y la motivación para completar esas mismas tareas sin IA, especialmente cuando se utiliza IA para obtener soluciones directas.
Liu reconoció que las calculadoras también permiten externalizar cálculos, lo que podría provocar caídas similares en el rendimiento independiente. Pero “la razón por la que estudiamos la IA específicamente es que permite externalizar el razonamiento en múltiples tareas en diversos dominios”, afirmó.
En un tercer experimento, el equipo exploró los impactos de la asistencia de IA en la comprensión de lectura, que se apoya en habilidades de interpretación del significado y en la construcción de modelos mentales —el proceso cognitivo de construir representaciones internas de la realidad externa. El ensayo incluyó 201 participantes, divididos entre un grupo con acceso a IA y un grupo de control. A ambos grupos se les presentaron cinco preguntas de comprensión antes de desactivar el chatbot de IA y entregar a cada participante tres preguntas adicionales.
Los resultados fueron coherentes con los de los dos primeros experimentos, lo que sugiere que la reducción de la persistencia, en particular, no es un artefacto de los problemas de matemáticas sino un resultado general de la externalización cognitiva hacia la IA.
“El hallazgo más significativo es que las personas que externalizan más tienen mayores pérdidas en la persistencia (un aumento en la tasa de omisiones), lo cual es una habilidad importante que se aplica a múltiples dominios”, dijo Liu.
Una posible razón por la que las personas dejan de intentarlo una vez que han recibido ayuda de IA es que se acostumbran a la inmediatez de las respuestas y perciben que cualquier método que toma más tiempo es ineficiente, escribieron los investigadores en el estudio. Pero estudios muestran que la persistencia frente a la dificultad es esencial para la adquisición de habilidades y el aprendizaje, lo que genera preocupaciones sobre los impactos a largo plazo de usar IA para tareas simples.
Los científicos aún no tienen una visión completa de cómo los pequeños episodios de externalización cognitiva afectan la competencia duradera y la capacidad independiente. Para descubrirlo, los investigadores tendrían que rastrear a las mismas personas durante mucho tiempo y medir regularmente sus resultados de aprendizaje en una amplia gama de tareas, dijo Liu. Pero la investigación hasta ahora sugiere que una dependencia excesiva de la IA erosiona nuestra aptitud cognitiva y dominio de las materias, según el estudio.
Para fomentar el aprendizaje a largo plazo, la capacidad y la autonomía de las personas, los modelos de IA y los chatbots deberían diseñarse para dar indicaciones e instrucciones hacia una solución, en lugar de la solución en sí misma —más parecido a un tutor—, argumentaron los investigadores.
“Necesitamos avanzar hacia un futuro en el que las habilidades humanas sean, en la medida de lo posible, aumentadas en lugar de suplantadas”, dijo el coautor del estudio Brian Christian, científico computacional e investigador del Center for Human-Compatible AI en la Universidad de California, Berkeley, en una declaración.
