La dependencia de validación. La antesala de no decidir nunca tú

Antes de actuar, consultas. Antes de decidir, preguntas. Antes de opinar, verificas. La IA siempre disponible significa que nunca tomas decisiones sin pasar por ella. La validación previa universal es nueva en la historia, nunca antes hubo un consultor disponible 24/7 que no cobrara y no juzgara. Y por más útil que parezca, es también la antesala de no decidir nunca tú. La línea entre apoyarse y depender se cruza sin que la palabra «dependencia» se nombre.

El gesto antes del gesto

Antes de mandar un correo importante, lo pasas por el modelo para que te diga si suena bien. Antes de tomar una decisión médica menor, le preguntas. Antes de aceptar un contrato, le pides un resumen y una opinión. Antes de discutir con tu pareja, le consultas qué decir. Antes de escribir un post, le pides que afile el argumento. Antes de hacer cualquier cosa, hay un paso previo que hace cinco años no existía: pasar por la IA.

El gesto se ha vuelto tan cotidiano que cuesta mirarlo. Conviene mirarlo, porque tiene una propiedad histórica nueva. No es que antes no consultáramos. Consultábamos al cónyuge, al colega, al amigo experto, al manual, al cura, al psicólogo, al abogado de la familia. Lo que es nuevo no es la consulta. Es la disponibilidad universal, gratuita, sin juicio y sin agenda del consultor. Esa combinación de propiedades no había existido nunca antes en la historia humana.

La asimetría con todo lo anterior

El oráculo de Delfos pedía un viaje, un ritual y un pago. Los libros pedían leer y tener acceso a la biblioteca. El mentor pedía tiempo, reciprocidad social, y juzgaba. El terapeuta pedía sesiones espaciadas, dinero y vínculo. Incluso Google, en su forma clásica, exigía formular la consulta como búsqueda y procesar los resultados.

La IA generativa elimina todas esas fricciones a la vez. No hay viaje, no hay pago, no hay turno, no hay juicio explícito, no hay procesamiento posterior. Hablas con ella como hablarías contigo mismo en voz alta, pero con respuesta. La barrera para consultar se ha hundido a su mínimo histórico, y todo lo que tiene barrera baja tiende a usarse mucho más de lo necesario. Esto no es un juicio moral: es una observación de física conductual.

Gerd Gigerenzer, en Risk Savvy (2014), defendió que la pericia decisional humana se construye en buena medida tomando decisiones bajo incertidumbre y conviviendo con las consecuencias. La heurística sólida (eso que llamamos «buen criterio») no se enseña en un manual, se sedimenta tras suficientes ciclos de decisión-resultado-corrección. Si la consulta previa universal interrumpe ese ciclo (porque cada decisión pasa por una validación externa antes de ejecutarse y antes de fallar), el sedimento no se forma. La pericia decisional individual deja de entrenarse.

La línea que nadie nombra

La psicología clínica tiene un nombre técnico para el fenómeno de buscar reaseguro constante antes de actuar: reassurance-seeking. En contextos de ansiedad, es un comportamiento bien estudiado. Quien lo padece pide repetidamente que alguien le confirme que no pasa nada, que está bien, que la decisión es correcta. A corto plazo reduce la ansiedad. A medio plazo la consolida: el cerebro aprende que las decisiones requieren ese paso adicional para sentirse seguras, y cada vez se siente menos capaz sin él.

La IA generativa ha generalizado el mecanismo. No estamos hablando ya de un trastorno de ansiedad en una minoría: estamos hablando del flujo de trabajo cotidiano de una mayoría que, sin reconocerse como ansiosa, ha incorporado la búsqueda de reaseguro como paso obligado. La diferencia es solo que en lugar de pedírselo a una persona, se lo pide a un modelo. La estructura del refuerzo es idéntica.

Hay una segunda asimetría que conviene marcar. Cuando le pides reaseguro a una persona, la persona se cansa, te dice que decidas tú, te pone un límite. El reaseguro humano tiene mecanismo de corte. El reaseguro de un modelo no. Está disponible siempre, no se cansa, no juzga. No tiene incentivo en empujarte a la autonomía. Está optimizado para que vuelvas. Esa asimetría es exactamente la que define lo que en otros campos se llama dependencia.

Lo que se atrofia

El estudio más sólido publicado hasta ahora sobre este efecto es el de Hao-Ping Lee, Advait Sarkar y colaboradores en Microsoft Research, presentado en CHI 2025. Encuestaron a 319 trabajadores del conocimiento que aportaron 936 ejemplos reales de uso de IA generativa en el trabajo. El hallazgo central, formulado en términos sobrios: cuanto mayor es la confianza del usuario en la IA, menor es el esfuerzo de pensamiento crítico que reporta haber empleado. La correlación opuesta también aparece: cuanto mayor es la confianza del usuario en sí mismo, más esfuerzo crítico mantiene.

Conviene leerlo dos veces. La variable no es la capacidad real de pensamiento crítico, que el estudio no mide. Es el esfuerzo desplegado. Quien confía en la IA, simplemente despliega menos. No porque el modelo lo prohíba, sino porque la confianza en su output reduce la motivación intrínseca para revisar, contrastar, dudar. La naturaleza del pensamiento crítico, dice el estudio, se desplaza: ya no se piensa sobre el problema, se piensa sobre cómo verificar lo que el modelo dijo. Lee y sus coautores lo llaman task stewardship: pasas de hacer la tarea a supervisar a quien la hace.

Michael Gerlich, en Societies (15/1, 2025), encontró una correlación negativa entre uso frecuente de IA generativa y puntuación en escalas de pensamiento crítico, mediada por cognitive offloading. La cadena causal hipotetizada (que el estudio no demuestra causalmente, solo correlaciona) es: uso frecuente → más offloading → menos pensamiento crítico. Coincide en dirección con Lee et al., con la diferencia de que Gerlich mide pensamiento crítico vía test y no autorreporte.

Hay un tercer ladrillo más antiguo pero relevante. Raja Parasuraman y Victor Riley, en Human Factors (1997), describieron tres modos de mal uso de los sistemas automatizados: misuse (confiar más de la cuenta), disuse (desconfiar más de la cuenta) y abuse (diseñar pensando solo en la máquina). El misuse tiene una propiedad documentada: tiende a aumentar con el tiempo aunque la fiabilidad real del sistema no cambie. La confianza se vuelve un hábito independiente de su justificación empírica.

El experimento clásico que da nombre al fondo

Hay un experimento que conviene mencionar aunque trasladarlo a la IA generativa solo es legítimo como analogía, no como aplicación literal. En 1967, Martin Seligman y Steven Maier publicaron en Journal of Experimental Psychology un trabajo sobre perros sometidos a descargas eléctricas inescapables. La parte del experimento que pasó al léxico común es esta: los animales que aprenden que sus respuestas no modifican el resultado, dejan de intentarlo incluso cuando luego sí podrían escapar. Es el learned helplessness, indefensión aprendida.

La aplicación directa a IA es un tópico facilón de ensayo divulgativo y conviene no abusar de ella. Pero el mecanismo psicológico de fondo es relevante en versión atenuada. Cuando la decisión propia ya no es la unidad causal con la que el sujeto se relaciona con el mundo (porque hay siempre una mediación que asume parte de la decisión), la sensación de agencia decisional se debilita. No se aprende indefensión en el sentido clínico, pero sí se aprende subagencia: la convicción de que decidir solo es subóptimo por definición, porque siempre habría podido haber un paso previo de consulta.

La tolerancia a la incertidumbre, que es lo opuesto a la subagencia, se atrofia por desuso. La incertidumbre era el caldo donde se entrenaba el criterio. Si ese caldo se evita sistemáticamente, el criterio no se entrena. Y cuando llega un momento en que no hay IA disponible (porque la decisión es íntima, urgente o privada), la persona se encuentra con un músculo que no ha ejercitado en años, intentando levantar un peso que sí podía levantar antes.

La redefinición silenciosa de decidir

Aquí está la parte que merece más atención. La pregunta no es si la IA es útil para tomar mejores decisiones en cada caso aislado. En muchos casos lo es. La pregunta es qué significa decidir cuando entre la duda y la acción se ha intercalado, por defecto, un sistema de validación externa permanentemente disponible.

Hasta hace cinco años, decidir incluía intrínsecamente cargar con la incertidumbre. Ahora, cargar con la incertidumbre se ha vuelto opcional. La redefinición es enorme y se ha producido sin discusión pública. Nadie convocó una conferencia internacional sobre qué significa decidir en la era de los modelos de lenguaje. Sencillamente, cientos de millones de personas empezaron a hacer todas sus decisiones intermedias con consulta previa, y la categoría cultural de «decidir» mutó por debajo del radar.

El blog no juzga aquí, marca. Puede que la redefinición sea benigna y produzca, en agregado, mejores decisiones humanas. Puede ser. También puede que produzca un tipo de adulto que técnicamente decide menos veces a la semana sin pasar por mediación, y que el efecto a veinte años sobre la autonomía individual y la responsabilidad ciudadana sea grave. Ambas hipótesis son compatibles con los datos disponibles hoy. La asimetría es que la segunda hipótesis solo se podrá testear cuando ya sea tarde, porque la generación que nunca decidió sin red ya estará tomando las decisiones colectivas.

Turkle y Carr, habilidades que se atrofian

Sherry Turkle, en Reclaiming Conversation (2015), trabajó una línea próxima sobre la sustitución del diálogo humano por la mediación técnica. Su tesis era que las habilidades conversacionales adultas se entrenan en conversaciones adultas, no en sus sustitutos. Trasladada al terreno decisional la idea aguanta: las habilidades decisionales adultas se entrenan decidiendo de adulto, no consultando antes de cada paso. Si la consulta previa se generaliza, el adulto decisional, como tipo cognitivo, deja de producirse.

Nicholas Carr, en The Glass Cage (2014), había anticipado todo esto en clave de automatización industrial. Su párrafo más útil para esta discusión decía algo cercano a: cuando la herramienta toma las decisiones intermedias, el operador deja de saber tomar las decisiones intermedias, y cuando la herramienta falla, el operador descubre que ya no recuerda cómo hacer su propio trabajo. Lo escribió pensando en pilotos. Vale exactamente igual para abogados, médicos, redactores, profesores y, en general, ciudadanos.

El problema sin nombre

Hay algo curioso en cómo se nombra esta dependencia: no se nombra. Si una persona dice no puedo dejar de mirar el móvil, hay un vocabulario social entero para describirlo, criticarlo y sugerir intervenciones. Si una persona dice no puedo tomar decisiones sin consultarlo antes con ChatGPT, el comentario más probable no es preocupación, es: «yo igual». La normalización es tan rápida y tan profunda que el síntoma se ha vuelto la norma.

Definiciones

• Consulta previa: hábito de someter una decisión, expresión o acción a la validación de un sistema externo antes de ejecutarla, como paso por defecto del flujo decisional.
• Reassurance-seeking: búsqueda repetida de confirmación externa sobre la corrección de una decisión o estado, característica de ciertos cuadros ansiosos; aplicada aquí en su versión generalizada y no clínica.
• Cognitive offloading: descarga voluntaria de operaciones cognitivas en un soporte externo (memoria, cálculo, generación de texto, valoración de opciones), reduciendo la carga procesada internamente.
• Task stewardship: en Lee et al. (2025), reorientación del trabajo cognitivo desde resolver la tarea hacia supervisar y verificar la solución producida por una IA.
• Learned helplessness: patrón conductual descrito por Seligman y Maier (1967) en el que un sujeto, tras experimentar que sus respuestas no afectan al resultado, deja de intentar modificarlo aunque luego sea posible.

Referencias

• Gigerenzer, G. — Risk Savvy. How to Make Good Decisions (Viking, 2014).
• Carr, N. — The Glass Cage. Automation and Us (Norton, 2014).
• Turkle, S. — Reclaiming Conversation. The Power of Talk in a Digital Age (Penguin Press, 2015).
• Parasuraman, R. & Riley, V. — Humans and Automation. Use, Misuse, Disuse, Abuse. Human Factors 39(2), 230-253 (1997).
• Seligman, M. E. P. & Maier, S. F. — Failure to escape traumatic shock. Journal of Experimental Psychology 74(1), 1-9 (1967).
• Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R. & Wilson, N. — The Impact of Generative AI on Critical Thinking. Self-Reported Reductions in Cognitive Effort and Confidence Effects from a Survey of Knowledge Workers. En Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). 319 trabajadores del conocimiento, 936 ejemplos. DOI: 10.1145/3706598.3713778. https://dl.acm.org/doi/full/10.1145/3706598.3713778
• Gerlich, M. — AI Tools in Society. Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies 15(1), 6 (2025).

Para profundizar

• Buçinca, Z., Malaya, M. B. & Gajos, K. Z. — To Trust or to Think. Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-Assisted Decision-Making. En Proceedings of the ACM on Human-Computer Interaction CSCW1 (2021). Estudia intervenciones de diseño (forzar al usuario a deliberar antes de aceptar la sugerencia) que sí reducen la sobredependencia. Útil porque desplaza la conversación del «no uses IA» al «cómo se diseñan los flujos para que la dependencia no se cuele por defecto».

También te interesa

• La erosión del criterio propio
• La sumisión cognitiva
• La ilusión de aprendizaje
• La falsa sensación de guía

En otros sitios

• MIT News — 3 Questions: Sherry Turkle on «Reclaiming Conversation»
• APA Speaking of Psychology — Why our attention spans are shrinking