La IA no te hace tonto, produce una redistribución cognitiva.

Hay una narrativa que se repite cada vez que surge una tecnología transformadora: «nos está volviendo tontos». Lo dijeron de la escritura (Platón, en el Fedro, advertía que escribir destruiría la memoria). Lo dijeron de la imprenta. Lo dijeron de la calculadora, del GPS y de Google. Y ahora lo dicen de la inteligencia artificial.

Pero la neurociencia cuenta una historia muy diferente. Más precisa. Más interesante.

La IA no reduce la inteligencia. Reconfigura dónde y cómo aplicas tu esfuerzo cognitivo. Lo que cambia es la distribución del pensamiento, no necesariamente su profundidad. Y esa distinción lo cambia todo.

Para entender qué ocurre cuando delegamos tareas cognitivas a la IA, necesitamos partir de un principio fundamental de la neurociencia: el cerebro no es un órgano estático. Es un sistema que asigna recursos de forma dinámica según las demandas del entorno.

La neuroplasticidad —la capacidad del cerebro para modificar la eficacia sináptica, formar nuevas conexiones neuronales y reorganizar redes a lo largo de toda la vida— es el mecanismo que lo hace posible. Como describe la investigación publicada en npj Artificial Intelligence (enero de 2026), la plasticidad cerebral es un fenómeno activo que necesita mantenerse mediante el compromiso constante con funciones cognitivas, motoras o perceptivas específicas. Es el clásico principio neurocientífico: «use it or lose it» —úsalo o piérdelo.

Pero este principio tiene una consecuencia que se menciona mucho menos: cuando dejas de usar una capacidad, los recursos neuronales que la sostenían no desaparecen. Se reasignan. El cerebro es extraordinariamente eficiente y no mantiene circuitos ociosos. Los redirige hacia las funciones que ahora demandan más actividad.

La corteza prefrontal, una de las regiones cerebrales que más ha crecido durante la evolución de los primates, es la que soporta el pensamiento abstracto: el razonamiento relacional, la planificación a largo plazo, la integración de información autogenerada y la capacidad de desvincularse del entorno inmediato para manipular representaciones abstractas. La investigación de Dumontheil y otros demuestra que esta región se sitúa en la cima de la jerarquía rostro-caudal del córtex frontal: cuanto más anterior, más abstracto el pensamiento que soporta.

La pregunta entonces no es si la IA «debilita» el cerebro, sino hacia dónde redirige su actividad.

El término técnico para lo que la IA hace con nuestro pensamiento es cognitive offloading: la externalización de procesos cognitivos hacia herramientas externas para reducir la demanda mental interna. Risko y Gilbert, del University College de Londres, lo definen como el uso de acciones físicas para alterar los requisitos de procesamiento de información de una tarea, de modo que se reduzca la carga cognitiva.

Esto no es nuevo. Llevamos 2,5 millones de años haciéndolo. Desde las primeras piedras talladas para descuartizar presas hasta los smartphones que nos recuerdan citas, la externalización cognitiva es una constante en la evolución humana. Lo que varía es la potencia del medio externo.

El ejemplo más estudiado es el llamado Efecto Google. En 2011, Betsy Sparrow y sus colegas de Columbia y Harvard publicaron en Science un hallazgo fundamental: cuando las personas saben que van a tener acceso futuro a información (por ejemplo, a través de un buscador), recuerdan menos los datos concretos pero recuerdan mejor dónde encontrarlos. Internet se había convertido en una forma de memoria transactiva —un repositorio externo colectivo que complementa nuestra memoria interna.

Como la propia Sparrow señaló: nuestros cerebros tratan a Internet de forma similar a como tratan la memoria de un amigo, familiar o compañero de trabajo. No almacenamos todo; almacenamos quién sabe qué y dónde buscarlo. Es el mismo mecanismo que ha permitido a las comunidades humanas superar las limitaciones de la memoria individual durante milenios.

El mapa de externalizaciones que nos precede es elocuente:

Cada salto tecnológico ha movido el nivel de abstracción del pensamiento humano un peldaño hacia arriba. La IA generativa es, simplemente, el salto más grande que hemos dado hasta ahora.

Los estudios de Grinschgl, Papenmeier y Meyerhoff (2021) sobre cognitive offloading revelan algo crucial: cuando se externalizan procesos de memoria de trabajo, el rendimiento inmediato en la tarea mejora, pero la retención posterior de esa información disminuye. A primera vista, esto parece confirmar la narrativa del «la IA te hace tonto».

Pero el mismo estudio muestra algo que rara vez se cita: los participantes que eran conscientes de que necesitarían la información después podían contrarrestar casi por completo el efecto negativo de la externalización. En otras palabras, la externalización no destruye la memoria; la condiciona. El objetivo consciente de aprender sigue siendo el factor determinante.

Esto nos da la clave: lo que la IA cambia no es la capacidad cognitiva, sino la distribución del esfuerzo cognitivo. Y esa redistribución sigue un patrón claro:

Las tareas cognitivas que la IA absorbe son las que podemos llamar razonamiento operativo: recordar información específica, ejecutar pasos manuales en secuencia, producir texto o código desde una plantilla mental, estructurar documentos según convenciones estándar. Son tareas que requieren esfuerzo pero siguen patrones predecibles. El cerebro las procesa fundamentalmente en áreas de control motor, memoria procedimental y áreas de ejecución del córtex prefrontal dorsolateral.

Cuando estas tareas se externalizan, los recursos cognitivos liberados no se quedan sin uso. Se redirigen hacia funciones de orden superior:

Definir el problema. Antes de que la IA pueda ayudarte, tienes que saber qué necesitas. Esto activa la corteza prefrontal medial (MPFC) y la RLPFC, áreas asociadas con la formulación de objetivos abstractos y la autogeneración de representaciones mentales.

Diseñar instrucciones. El prompting eficaz no es escribir una frase; es una forma de especificación técnica que requiere descomponer problemas complejos en componentes manejables, anticipar ambigüedades y estructurar conocimiento de forma explícita. Es pensamiento de alto nivel.

Evaluar resultados críticamente. Una investigación de 2023 del Journal of Experimental Psychology: General encontró que las personas que practican regularmente la externalización cognitiva muestran mayor activación en regiones cerebrales asociadas con la metacognición y la función ejecutiva. Evaluar lo que produce la IA —detectar errores, validar coherencia, verificar contra la realidad— ejercita exactamente estas áreas.

Integrar sistemas. Conectar herramientas, diseñar flujos, orquestar agentes. Esta es quizá la función más nueva y más crítica que la IA demanda del cerebro humano, y está directamente relacionada con la capacidad de la RLPFC para gestionar representaciones temporalmente extendidas y relacionalmente abstractas.

En términos neurocientíficos, el pensamiento se mueve de regiones posteriores y laterales del córtex prefrontal (ejecución, memoria de trabajo concreta) hacia regiones anteriores y rostrolaterales (abstracción, planificación, integración). El pensamiento se mueve de la ejecución a la arquitectura.

Aquí es donde la tesis se vuelve verdaderamente interesante. La IA no solo redistribuye el pensamiento dentro de capacidades conocidas. Está activando y fortaleciendo circuitos neuronales que, en la mayoría de personas, apenas se usaban.

Así como la investigación de Earl K. Miller en el MIT demostró que la corteza prefrontal no juega el juego sino que determina las reglas del juego, la era de la IA está empujando a millones de personas a trabajar a ese nivel por primera vez.

Las habilidades emergentes se agrupan en cuatro categorías:

Conectar herramientas entre sí, diseñar flujos de trabajo, orquestar agentes que ejecutan tareas en paralelo. Antes, esto era territorio exclusivo de arquitectos de software y diseñadores de procesos industriales. Hoy, cualquier profesional que usa IA de forma activa está ejercitando pensamiento de sistema. Está construyendo mapas mentales que representan cómo interactúan múltiples componentes —y eso activa exactamente las redes que la neurociencia asocia con el razonamiento abstracto y relacional.

Definir con precisión qué quieres que ocurra. Esto suena trivial hasta que intentas hacerlo. Estructurar conocimiento de forma explícita, desambiguar requisitos, anticipar excepciones: todo esto requiere una claridad de pensamiento que antes solo se demandaba a ingenieros de requisitos y analistas funcionales. La IA democratiza la necesidad de pensar con precisión.

Detectar errores que la IA genera con total confianza. Validar si un output es correcto, coherente, útil. Distinguir una respuesta brillante de una alucinación convincente. Esta capacidad de evaluación metacognitiva —pensar sobre el pensamiento— es una de las funciones más sofisticadas del córtex prefrontal. Y la IA, por su propia naturaleza probabilística, la ejercita constantemente en el usuario atento.

Pasar de «cómo hacerlo» a «qué debe ocurrir». Es el salto cognitivo más importante que la IA cataliza. El programador deja de pensar en la sintaxis de un for loop y empieza a pensar en la arquitectura de un sistema. El redactor deja de preocuparse por la estructura del párrafo y empieza a concentrarse en la estrategia del mensaje. El analista deja de limpiar datos manualmente y pasa a diseñar el marco interpretativo.

Esto es muy similar a lo que ocurrió con cada salto histórico de abstracción en tecnología: de lenguaje máquina a ensamblador, de ensamblador a lenguajes de alto nivel, de línea de comandos a interfaces gráficas, de bases de datos relacionales a APIs. Cada salto subió el nivel en el que el humano piensa. La IA es el siguiente.

Un estudio reciente publicado en npj Artificial Intelligence propone el «principio 3R» (Results, Responses, Responsibility) como marco preventivo para lo que los autores llaman «higiene cognitiva» en la era de la IA. Su hipótesis central distingue dos modos de interacción humano-IA que producen efectos opuestos sobre la plasticidad cerebral.

Aquí la neurociencia confirma con datos lo que la intuición ya sugiere: el problema no es la IA. El problema es cómo se usa.

Emergen dos perfiles claramente diferenciados:

Copia y pega sin evaluar. No verifica resultados. No entiende el proceso detrás del output. Acepta las respuestas de la IA con la misma pasividad con la que acepta el resultado de una calculadora, pero aplicada a dominios donde la verificación es esencial.

En este perfil, sí hay riesgo de atrofia cognitiva. Si la interacción con la IA es puramente pasiva e acrítica, se debilita la plasticidad dependiente de la actividad. No solo se externalizan las capacidades operativas, sino también —y esto es lo peligroso— la agencia intencional. Se deja de decidir. Se deja de evaluar. Se deja de generar significado.

Usa la IA como amplificador. Entiende el sistema. Diseña procesos. Verifica. Itera. Integra. Piensa en términos de qué debe ocurrir y delega el cómo a la máquina.

En este perfil, hay expansión cognitiva. La co-creación activa con IA puede sostener o incluso potenciar la plasticidad cerebral. Los circuitos de razonamiento abstracto, metacognición y pensamiento sistémico se fortalecen porque se usan más que nunca.

Esta bifurcación no es teórica. Es observable. Ya está ocurriendo.

La IA es como pasar de trabajar con pala a trabajar con excavadora.

Si no sabes qué excavar, la excavadora no sirve. Pero si sabes dónde cavar, cuánto y para qué, multiplicas tu capacidad.

Esta analogía es neurológicamente precisa. La investigación de Miller y Cohen en su teoría integrativa de la corteza prefrontal establece que el córtex prefrontal no ejecuta las acciones; las orquesta. Mantiene activamente patrones de actividad que representan objetivos y los medios para alcanzarlos, y envía señales de sesgo a otras estructuras cerebrales para guiar el procesamiento. Sin la corteza prefrontal, predominarían las vías neuronales más frecuentemente usadas (las rutinas, los hábitos). El comportamiento se volvería impulsivo y desorganizado.

Cuando usas IA como arquitecto, estás ejercitando exactamente esta función prefrontal: no estás «haciendo»; estás dirigiendo. No estás en la zanja con la pala; estás en la cabina de la excavadora con un plano en la mano.

En los años 90, saber programar era una habilidad rara que creaba una ventaja desproporcionada. Los programadores veían el mundo de forma diferente: en sistemas, en lógica, en automatización. No era solo una habilidad técnica; era una forma de pensar que reconfiguraba la relación con la realidad.

La IA está creando una dinámica similar. Está emergiendo una nueva clase cognitiva: personas que piensan en términos de sistemas y agentes. El humano deja de ejecutar tareas y pasa a diseñar sistemas que ejecutan tareas. Eso es, literalmente, cambiar el tipo de inteligencia que se utiliza.

El perfil emergente es el de Maestro de Agentes: alguien que no programa los agentes (eso lo puede hacer la IA), pero que define qué deben hacer, cómo deben coordinarse, cuándo escalará un humano y cómo se medirá el éxito del sistema. Es el equivalente cognitivo de un director de orquesta: no toca ningún instrumento en particular, pero sin él no hay música.

Los profesionales que desarrollan esta forma de pensar están, literalmente, construyendo nuevas «sinapsis cognitivas» —fortaleciendo circuitos de abstracción, planificación y pensamiento relacional que antes estaban infrautilizados. No se están volviendo tontos. Están recableándose para pensar en un nivel superior.

Si la neurociencia nos dice que el uso activo de la IA potencia el pensamiento abstracto y el uso pasivo lo erosiona, entonces la pregunta no es «si usar IA» sino «cómo usarla para recablearte en la dirección correcta».

Antes de usar la IA, define el problema tú. No le pidas a la IA que también diagnostique. Formular el problema es el acto cognitivo de mayor valor. Si lo delegas, estás externalizando exactamente la función que más te conviene ejercitar.

Evalúa siempre el output. La investigación sobre cognitive offloading muestra que la intención consciente de aprender contrarresta los efectos negativos de la externalización. Si simplemente copias y pegas, el efecto sobre tu memoria es negativo. Si evalúas críticamente, activas circuitos metacognitivos que se fortalecen con el uso.

Piensa en sistemas, no en tareas. Cada vez que uses IA para resolver una tarea puntual, pregúntate: ¿Puedo convertir esto en un sistema que se ejecute sin mí? Esa pregunta sola te mueve del perfil pasivo al perfil arquitecto.

Mantente en el nivel de la especificación. Cuando trabajes con IA, tu trabajo ya no es escribir código o redactar texto. Tu trabajo es escribir las especificaciones que producen el código o el texto correcto. Esa es la habilidad de la nueva clase cognitiva.

La neurociencia nos muestra que el cerebro no es un recipiente que se llena o se vacía. Es una red que se reconfigura según las demandas que le imponemos. Cada tecnología transformadora ha redistribuido el mapa cognitivo humano. La escritura potenció el análisis. La imprenta potenció la síntesis. Internet potenció la navegación de información.

La IA potencia el pensamiento de sistemas.

La pregunta que deberías hacerte no es «me está haciendo tonto la IA». La pregunta es: ¿qué nuevos circuitos neuronales estoy construyendo con cómo la uso?

Porque tu cerebro se va a recablear de todas formas. La cuestión es si lo haces tú con intención, o si dejas que ocurra por inercia.