Delegación cognitiva. El músculo que no usas se atrofia

El estudio del MIT Media Lab Your Brain on ChatGPT (2025) mostró con EEG que los usuarios de LLM tenían la conectividad cerebral más débil de tres grupos (cerebro solo, buscador, LLM) durante una tarea de redacción. Estás externalizando partes del pensamiento cada vez que pides que algo «te resuma esto» o «te diga si está bien». No es inocuo. Cada delegación es un músculo que no usas y que se atrofia. No es alarmismo, es fisiología cognitiva básica. Y nadie está midiendo el desgaste — lo veremos a los diez años, cuando ya no haya marcha atrás.

La cifra que sí se ha medido

Conviene empezar por el dato porque el dato existe y porque la conversación pública sobre delegación cognitiva todavía se hace en términos especulativos cuando ya no le toca. Investigadores del MIT Media Lab publicaron en 2025 Your Brain on ChatGPT. Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (arXiv 2506.08872), con 54 participantes en tres condiciones experimentales: grupo «cerebro solo» (sin herramientas), grupo «buscador» (con motor de búsqueda) y grupo «LLM» (con ChatGPT). Se midió la actividad cerebral con EEG durante la tarea de redactar un ensayo breve.

Los resultados, en una sola frase: el grupo LLM mostró la conectividad neural más débil de los tres grupos, y el grupo cerebro-solo la más fuerte. El grupo buscador quedó en medio. La métrica no era satisfacción del usuario ni calidad superficial del texto producido. Era actividad eléctrica medible de las redes neuronales durante la ejecución de la tarea. Cuando el modelo hace parte del trabajo, el cerebro deja de hacer esa parte del trabajo. No es metáfora. Es lo que el electrodo registra.

Hubo un hallazgo conductual añadido que conviene retener. Tras la primera sesión, el 83 % de los participantes del grupo LLM declaró dificultad para citar una frase del ensayo que acababan de presentar como propio — una proporción que descendió al 33 % en la tercera sesión. El grupo LLM reportó además el sentido de autoría más bajo de los tres. Los ensayos producidos por el grupo LLM eran estadísticamente más homogéneos entre sí, con menos variación temática, que los de los otros dos grupos. El texto era suyo en sentido legal y administrativo. Cognitivamente no lo había sido.

El precedente del que rara vez se habla

Los investigadores del MIT no descubrieron una clase de fenómeno nuevo. Lo que documentaron tiene precedente directo en la literatura. Sparrow, Liu y Wegner, en Google Effects on Memory. Cognitive Consequences of Having Information at Our Fingertips (Science 333(6043), 2011), midieron lo que llamaron el efecto Google: cuando los participantes esperaban poder volver a consultar una información, su capacidad de recordarla descendía significativamente respecto a cuando esperaban no poder hacerlo. La memoria se ajustó a la disponibilidad de la fuente externa. La cifra estaba ahí desde 2011. Lo único que cambió en 2025 fue la sofisticación del externalizador.

Risko y Gilbert, en Cognitive Offloading (Trends in Cognitive Sciences 20(9), 2016), generalizaron el marco. Cognitive offloading, la transferencia parcial de procesos mentales a herramientas externas, es un fenómeno universal y adaptativo en sí mismo. Usar un cuaderno para no memorizar la lista de la compra es offloading. Apuntar una cita en el calendario es offloading. La cuestión no es si delegamos cognición — siempre lo hemos hecho con los soportes que tuviéramos a mano — sino qué función concreta se delega, con qué frecuencia, y qué precio cognitivo paga el agente que delega.

Lo que un cuaderno no hace, y un LLM sí, es ejecutar las funciones cognitivas de orden superior que componen el pensamiento: estructuración argumentativa, comparación entre alternativas, evaluación crítica, redacción que organiza el pensamiento mientras se escribe. El cuaderno almacena; el LLM compone. La diferencia importa porque la composición es el lugar donde el pensamiento se forma.

Lo que delegas sin notar

Conviene listar, sin moralina, lo que un usuario activo de IA delega en una semana cotidiana de trabajo intelectual.

Pidió al modelo que resumiera dos informes largos para no leerlos enteros. Le pidió que reformulara un párrafo propio para que sonara más profesional. Le pidió que comparara dos opciones técnicas y le dijera ventajas e inconvenientes. Le pidió que estructurara un argumento que tenía a medio cocinar. Le pidió que revisara un texto y le dijera si estaba bien. Le pidió que decidiera entre dos formulaciones para un correo difícil. Le pidió que buscara y filtrara información sobre un tema antes que abrir un buscador y leer cinco fuentes. Le pidió que explicara un concepto técnico para no leer el paper. Le pidió que redactara un primer borrador sobre el cual luego él «sólo retocaría».

Cada una de estas operaciones, por separado, parece ahorro razonable de tiempo. La factura cognitiva no se paga en la operación individual. Se paga en agregado, cuando el músculo de hacer cada una de esas operaciones a mano se ha dejado de practicar durante meses. La práctica era la operación. La operación era el pensamiento.

El músculo y la plasticidad bidireccional

Y aquí es donde la analogía con el músculo deja de ser metáfora cómoda. La fisiología muscular es bien conocida. Un brazo inmovilizado seis semanas pierde masa medible. El pensamiento crítico, la capacidad argumentativa, la habilidad de redactar bajo presión, la memoria de trabajo aplicada a temas complejos — todas estas son funciones que la neurociencia cognitiva trata como dependientes del uso, con plasticidad bidireccional. Lo que no se ejercita se debilita. Lo que se ejercita se sostiene o se fortalece. La literatura sobre cognitive load theory de Sweller y otros documenta este principio en contexto educativo desde los noventa.

La intuición común dice que el cerebro no es músculo y por tanto la analogía no aplica. La intuición común se equivoca a medias. El cerebro no es músculo, sí, pero la regla úsalo o piérdelo tiene base empírica en habilidades cognitivas específicas. Lo que la literatura discute es la magnitud del efecto y el tiempo de recuperación tras periodos de no uso, no si el efecto existe. Existe.

La asimetría temporal que nadie compensa

Hay una propiedad del ahorro por delegación que conviene nombrar porque explica por qué la voluntad no basta para corregirlo. El beneficio es inmediato y visible. El coste es diferido e invisible.

Cuando delegas en el LLM la redacción del párrafo, ahorras quince minutos. Esos quince minutos son tuyos hoy, comprobables, gastables en otra cosa. Cuando, seis meses después, te sientas a redactar algo importante sin el LLM disponible y notas que te cuesta más que antes, no asocias la dificultad con los cientos de delegaciones pequeñas previas. La asocias con un mal día, con cansancio, con que el tema es difícil. La cadena causal está demasiado distribuida en el tiempo para que el sistema cognitivo la reconozca.

Este patrón de asimetría temporal es el mismo de la dieta poco saludable, el sedentarismo, el endeudamiento de consumo, el ahorro previsional. La economía conductual lleva décadas documentando que los humanos descontamos el futuro de manera no lineal: damos más peso al beneficio inmediato pequeño que al coste futuro mucho mayor. Kahneman lo formalizó. Daniel Ariely escribió libros sobre ello. La fisiología cognitiva de la delegación está sujeta a la misma asimetría, y la voluntad por sí sola no la corrige porque la voluntad opera en el presente y el coste no se ve.

Lo que sí podría corregirlo es información distribuida en el tiempo sobre el coste. Pero esa información no existe. No hay marcador que te diga «tu capacidad de redactar bajo presión ha caído un 11 % en seis meses de uso intensivo». No hay benchmark personal de pensamiento crítico que se actualice cuando lo delegas. No hay alarma. Y como no hay alarma, no hay corrección.

Gerlich y la otra punta del dato

Michael Gerlich, en AI Tools in Society. Impacts on Cognitive Offloading and the Future of Critical Thinking (Societies, 2025), aporta evidencia transversal complementaria a la del MIT. Encontró una correlación negativa significativa entre frecuencia de uso de herramientas de IA y puntuación en pruebas estandarizadas de pensamiento crítico, con efecto mayor en participantes más jóvenes. La causalidad, como en todo estudio transversal, no queda establecida. Lo que sí queda establecido es la coincidencia entre uso intensivo y rendimiento bajo en las medidas concretas.

Hay también un trabajo reciente de Jiang, Wu y Leung publicado en Frontiers in Computational Neuroscience (2025) que añade datos EEG sobre interacciones con LLM en tareas de resolución de problemas y toma de decisiones. Sus autores leen el dato en clave casi opuesta: la asistencia del modelo reduce la carga cognitiva al externalizar el razonamiento, lo que se refleja en menor actividad theta frontal durante la tarea. El mismo descenso de esfuerzo medible que el MIT interpreta como deuda, este equipo lo interpreta como eficiencia. Que dos laboratorios midan lo mismo y discrepen sobre si es bueno o malo es, en sí, el dato más honesto: lo que el cerebro deja de hacer no se discute, lo que se discute es si importa que lo deje de hacer.

Lo notable es que el dato bruto ya está sobre la mesa, sea cual sea su signo. La conversación pública sobre productividad por IA sigue, sin embargo, contando solamente la mitad del balance: el 26 % de aumento de tareas completadas por desarrolladores con Copilot (Cui y otros, 2025), las horas ahorradas por trabajadores de oficina, la velocidad de redacción multiplicada. Esa mitad es real. La otra mitad, el coste cognitivo acumulado, no aparece en los informes McKinsey ni en las presentaciones a inversores. No porque no exista. Porque todavía no toca contarla.

La conversación que no se está teniendo

Hay una pregunta que excede este artículo y que vale la pena formular igual. ¿Qué pasa con una generación de profesionales jóvenes que entra al mercado laboral habiendo delegado, desde la universidad, la parte de redactar, comparar, estructurar, decidir, revisar? La intuición optimista dice que liberados de esas tareas dedicarán su tiempo a tareas de orden superior. La intuición pesimista dice que las tareas de orden superior requieren precisamente las habilidades que no han practicado.

Las dos intuiciones tienen el mismo defecto: son especulación. Lo que sí se sabe, a la luz de la literatura disponible, es que la habilidad de redactar críticamente bajo presión no aparece por ósmosis. Se construye con horas de práctica deliberada, con fricción, con error y corrección, con tiempo a solas frente al texto. La que no la haya practicado entre los 18 y los 25 no la va a tener a los 30 sin un programa explícito de recuperación. Y los programas explícitos de recuperación de habilidades cognitivas son largos y costosos, y no escalan a la población general.

Carr, en The Shallows (Norton, 2010), planteó el problema en su forma anterior — internet y atención dispersa — y lo planteó bien. La parte de su libro que envejeció peor es la prescriptiva, la receta para mitigar el efecto. La parte que envejeció mejor es la descriptiva: cuando un soporte tecnológico nuevo y muy potente media en buena parte de las operaciones cognitivas cotidianas, la arquitectura cognitiva del usuario se reorganiza alrededor de ese soporte, a velocidad mayor que la velocidad a la que la sociedad puede discutir si la reorganización es deseable.

¿Está mal delegar en la IA? La pregunta así está mal hecha. Está mal delegar lo que constituye el pensamiento que querías desarrollar. Está bien delegar lo que no querías desarrollar de todos modos. La línea entre las dos no es obvia y, sobre todo, no la dibuja la interfaz, la dibuja el usuario. La interfaz, por su parte, está diseñada para que sea fácil cruzar la línea en una dirección y costoso volver en la otra.

Definiciones

Cognitive offloading. Transferencia parcial de procesos mentales a herramientas externas — papel, calendarios, motores de búsqueda, ahora LLM. Fenómeno universal y adaptativo en general; problemático cuando la función delegada es estructural para el pensamiento.

Cognitive debt. Término acuñado por los investigadores del MIT Media Lab (2025) para describir el coste diferido del uso intensivo de LLM en tareas cognitivas: ahorro inmediato de esfuerzo y deterioro acumulado de las capacidades involucradas.

Conectividad neural. Patrón de actividad coordinada entre regiones cerebrales, medible con EEG. Se asocia a la intensidad y profundidad de procesamiento cognitivo durante una tarea. Disminuye consistentemente cuando el sujeto delega parte de la tarea en un LLM.

Cognitive Load Theory. Marco propuesto por John Sweller y colaboradores. Postula que el aprendizaje y la adquisición de habilidades cognitivas dependen del esfuerzo activo de procesamiento en memoria de trabajo. La delegación de ese esfuerzo reduce la consolidación.

Efecto Google. Patrón documentado por Sparrow, Liu y Wegner (2011) según el cual la memoria de información se ajusta a su disponibilidad externa. Precedente directo de los fenómenos observados con LLM en 2025.

Referencias

Carr, N. (2010). The Shallows. What the Internet Is Doing to Our Brains. W. W. Norton. Análisis precoz del impacto cognitivo del soporte digital sobre la atención y la profundidad de lectura.

Cui, K. Z. et al. (2025). The Effects of Generative AI on High-Skilled Work. Evidence from Three Field Experiments with Software Developers. Management Science. Aumento del 26 % en tareas completadas con asistencia de Copilot; citado como contraparte al balance ausente de coste cognitivo.

Gerlich, M. (2025). AI Tools in Society. Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies 15(1), 6. Correlación negativa entre uso intensivo de herramientas de IA y rendimiento en pruebas de pensamiento crítico, con mayor efecto en participantes jóvenes.

Jiang, T., Wu, J. & Leung, S. C. H. (2025). The cognitive impacts of large language model interactions on problem solving and decision making using EEG analysis. Frontiers in Computational Neuroscience 19. Datos EEG sobre interacción con LLM; los autores leen la menor actividad theta frontal como reducción de carga cognitiva.

MIT Media Lab (Kosmyna, N. et al.) (2025). Your Brain on ChatGPT. Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv: 2506.08872. Conectividad neural más débil en el grupo LLM frente a los grupos buscador y cerebro-solo; dificultad para citar el propio ensayo en el 83 % de los participantes del grupo LLM tras la primera sesión, descendiendo al 33 % en la tercera.

Risko, E. F. & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences 20(9), 676–688. Marco metacognitivo general sobre la transferencia de procesos mentales a herramientas externas.

Sparrow, B., Liu, J. & Wegner, D. M. (2011). Google Effects on Memory. Cognitive Consequences of Having Information at Our Fingertips. Science 333(6043), 776–778. Estudio fundacional sobre el ajuste de la memoria a la disponibilidad de fuentes externas.

Sweller, J., van Merriënboer, J. J. G. & Paas, F. (2019). Cognitive Architecture and Instructional Design. 20 Years Later. Educational Psychology Review 31. Síntesis actualizada de Cognitive Load Theory aplicada a contextos educativos y de delegación cognitiva.

Para profundizar

Newport, C. (2016). Deep Work. Rules for Focused Success in a Distracted World. Grand Central. Aplicación práctica del coste de las interrupciones y de la delegación constante al trabajo intelectual contemporáneo.

También te interesa

• El coste de pensar menos
• La pereza cognitiva aumentada
• Qué le pasa a tu cerebro cuando usas ChatGPT, según el MIT
• Externalización del conocimiento

En otros sitios

• Your Brain on ChatGPT — Project Overview (MIT Media Lab)
• The 2025 AI Index Report (Stanford HAI)