El silencio de los teclados

Hoy hablamos de una observación pequeña y cotidiana que conviene nombrar antes de que pase como si no hubiera ocurrido. En cafeterías, en aeropuertos, en salas de espera, en oficinas abiertas, el ruido suave del tecleo se ha reducido notablemente entre 2022 y 2026. La proporción de gente que articula texto frente a la que lee y pulsa confirmaciones cortas ha cambiado. La tesis: el silencio de los teclados es síntoma de algo más amplio que la mera digitalización móvil. Es síntoma de cesión de la articulación verbal a asistentes que escriben por nosotros y a flujos de trabajo donde la persona aprueba en lugar de redactar. Mi opinión está sesgada por mi propia profesión, que es escribir. Forma la tuya: ve un día a una cafetería céntrica y cuenta cuántas pantallas tienen texto largo y cuántas tienen botones.

Llevo dos años con un pequeño juego mental cuando entro en cafeterías o coworkings. Cuento las pantallas con texto largo —documentos abiertos, correos extensos, redacciones a media composición— y las pantallas con interfaz de pulsación —Slack, Teams, WhatsApp, formularios, dashboards—. La proporción se ha desplazado claramente. No es prueba estadística, es observación informal. Pero coincide con lo que están reportando ergonomistas, sociólogos del trabajo y los pocos etnógrafos digitales que se atreven a estudiar cambios tan sutiles.

La observación, sin alarmismo

Antes de 2020, una persona profesional media producía durante la jornada laboral varios miles de palabras propias en distintos canales —correos, informes, mensajes, redacciones—. Esa producción no era literatura ni se evaluaba como tal, pero era articulación verbal sostenida. Implicaba elegir palabras, construir frases, mantener coherencia entre el inicio y el final de un párrafo, decidir tono según destinatario.

Entre 2020 y 2022, con el teletrabajo masivo derivado de la pandemia, hubo un aumento temporal de la producción textual porque las reuniones presenciales se sustituyeron parcialmente por intercambios escritos. Ese pico se observó en informes de productividad y de herramientas de comunicación corporativa.

A partir de finales de 2022, con la generalización de ChatGPT y de asistentes equivalentes, empezó la inversión. Y a partir de 2023, con la incorporación de asistentes a las propias plataformas de productividad —Copilot en Office, Gemini en Workspace, asistentes integrados en Notion, Slack, Asana, Salesforce—, el cambio se aceleró. La producción de texto largo por trabajador medio no ha desaparecido, pero ha disminuido sustancialmente. Lo que aumenta es la revisión, la aprobación, la modificación marginal de texto producido por máquina.

El silencio de los teclados es, literalmente, eso. Menos teclas pulsadas para producir palabras nuevas. Más clics y pulsaciones cortas para aprobar palabras ya producidas.

Lo que el tecleo hacía internamente

Aquí entra la parte que merece detalle, porque la diferencia entre articular y revisar no es trivial.

Cuando una persona escribe una frase larga, ocurren varias cosas cognitivas en paralelo. Ensaya en la cabeza —y en los dedos— distintas formulaciones posibles antes de fijar una. Mantiene en memoria de trabajo el comienzo de la frase mientras decide el final, asegurándose de que el final responda al inicio sin contradicción. Descarta opciones por intuición rítmica, fruto de años de exposición a textos similares. Cuando una frase se va por mal camino —ritmo torpe, repetición léxica, ambigüedad referencial—, el cerebro lo detecta y la corrige sobre la marcha, generalmente antes incluso de terminar de tipearla.

Todo eso ocurre con frecuencia altísima durante una jornada normal de trabajo intelectual. Cien frases largas al día implican cientos de pequeños ejercicios de planificación, mantenimiento de memoria de trabajo, evaluación intuitiva. La acumulación sostenida durante años produce un perfil cognitivo específico: el de la persona acostumbrada a articular pensamiento en lenguaje propio en tiempo real.

Cuando esa misma persona pasa a revisar texto producido por una máquina, ocurren cosas distintas y, sobre todo, menos. La revisión activa procesamiento más superficial. Se lee, se evalúa si encaja con la intención general, se corrigen detalles. No hay planificación inicial, no hay mantenimiento sostenido de memoria de trabajo, no hay descarte intuitivo de opciones, porque las opciones ya han sido descartadas por otro —por el modelo—. El procesamiento es más rápido pero también más superficial. Menos profundo en la coherencia interna.

La diferencia neurológica entre ambos modos de trabajo está empezando a documentarse. El estudio de Kosmyna y colaboradores del MIT Media Lab que vimos en 0101 mide específicamente esta diferencia. Los usuarios de asistentes mostraban menor activación en regiones asociadas a planificación lingüística durante la producción, lo cual es consistente con la observación cualitativa de que la persona delega buena parte de la planificación al modelo.

Lo que la confirmación no entrena

Para una persona que ha hecho ese cambio progresivo a lo largo de tres años, el perfil cognitivo medible se ha desplazado. No de manera dramática —no es deterioro neurológico—, pero sí en habilidades concretas.

La capacidad de mantener un argumento complejo en la memoria de trabajo durante minutos, mientras se construye en tiempo real, se debilita. La habilidad sigue existiendo como potencial, pero la fluidez operativa se reduce.

La capacidad de descartar formulaciones inadecuadas por intuición rítmica, antes de fijarlas, también. La persona que durante años ha leído y aceptado en lugar de articular pierde calibración del oído interno.

La capacidad de generar varias opciones expresivas simultáneamente para elegir la mejor se reduce, también. El cerebro deja de invertir esfuerzo en producir alternativas cuando una alternativa razonable está disponible inmediatamente por petición.

Y, lo más sutil, la capacidad de transición entre frases —los pequeños giros gramaticales que conectan el final de una idea con el inicio de la siguiente— se debilita. Esas transiciones se entrenan solo escribiendo prosa larga. Si uno deja de escribirla, deja de entrenarlas.

Ninguno de estos déficits es catastrófico. Cualquiera de ellos se puede recuperar con práctica deliberada. Pero, sin ese reentrenamiento explícito, el perfil cognitivo del trabajador profesional medio en 2026 es distinto al de 2020. Más rápido en pulsación de aprobación. Menos fluido en articulación sostenida. La acumulación social de ese cambio es lo que vale la pena observar.

La pérdida que no se mide en exámenes

Las evaluaciones cognitivas estándar —pruebas de IQ, exámenes académicos, evaluaciones de comprensión lectora, tests de fluidez verbal en condiciones controladas— no capturan esta diferencia. Las pruebas miden capacidades discretas en condiciones acotadas. La habilidad de mantener un argumento sostenido durante minutos sin asistencia, mientras se construye, no aparece en ninguna prueba estándar porque las pruebas no duran lo suficiente y se realizan en condiciones donde no hay alternativa de asistencia disponible.

Eso significa que el cambio cognitivo agregado de la sociedad, si está ocurriendo, pasará por debajo del radar de los sistemas de medición existentes. Los exámenes universitarios seguirán arrojando resultados que probablemente parezcan estables, mientras la habilidad real medida en contexto natural cambia. Las evaluaciones laborales mostrarán productividad medible que probablemente parezca igual o superior, mientras la calidad del pensamiento subyacente cambia.

Esto no es teoría especulativa. Es lo que han documentado los estudios sobre el efecto de la información a un clic —Sparrow, Liu y Wegner publicaron en Science en 2011 Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips— sobre el cambio en cómo el cerebro almacena información cuando sabe que la información está accesible externamente. Risko y Gilbert ampliaron el marco en Cognitive Offloading (Trends in Cognitive Sciences, 2016). La generalización contemporánea a la articulación lingüística por asistentes de IA es coherente con esa línea de investigación previa.

La consecuencia agregada que más preocupa

Si la observación es correcta —y los datos disponibles, aún preliminares, sugieren que lo es—, la consecuencia agregada sobre la conversación pública merece atención.

Una sociedad donde la mayor parte de la producción textual en ámbitos profesionales se realiza mediante asistentes y se aprueba por humanos tiene una conversación pública mediada por modelos de manera profunda y no obvia. Los informes profesionales, los comunicados corporativos, las notas de prensa, las propuestas técnicas, los borradores legales, los informes pedagógicos, las redacciones académicas: si una proporción creciente de estos textos pasa por modelos como primer borrador, el vocabulario compartido, los giros frecuentes, las estructuras argumentativas predominantes empiezan a converger hacia las que los modelos producen.

Eso no significa que los humanos pierdan su voz. Significa que la voz humana se canaliza cada vez más por marcos que la máquina facilita. Los tics estilísticos característicos de los modelos —ciertas estructuras de párrafo, ciertos giros como «no es X, es Y», ciertas tendencias a la enumeración tripartita— se filtran a la prosa profesional media, y desde ahí a la conversación pública.

Esto es observable hoy en sectores específicos. Quien lleve meses leyendo informes corporativos, notas de prensa o comunicaciones institucionales puede reconocer el estilo de los modelos con relativa facilidad. La proporción de textos con esos rasgos sube cada trimestre. Y, a medida que esos textos forman parte del corpus de entrenamiento de los siguientes modelos, el ciclo se cierra. El modelo entrena sobre su propio output mediado por humanos. Lo que en el sector se llama, con razón preocupante, model collapse del lenguaje humano.

La cuestión política

Esto es opinión personal pero la sostienen las observaciones acumuladas. La concentración silenciosa de la articulación lingüística profesional en manos de asistentes de IA tiene consecuencias culturales que no se están dimensionando.

La conversación pública democrática depende de la capacidad ciudadana de articular argumentos propios. Cuando una proporción significativa de los textos que circulan en el espacio público —incluidos textos firmados por humanos en ámbitos profesionales y académicos— pasa por modelos como primer borrador, la diversidad real de marcos argumentativos se reduce. No por censura. Por convergencia estadística.

Lo que pediría yo —y otra vez con realismo limitado— es que las instituciones educativas y profesionales mantengan deliberadamente espacios de articulación sin asistencia. Exámenes universitarios con escritura en papel sin asistente, al menos algunos. Sesiones de trabajo profesional con prohibición explícita de asistente, al menos algunas. No por nostalgia. Por preservación de la habilidad agregada.

En el plano individual, la decisión es de cada uno. Pero hay algo que conviene saber. La habilidad de articular pensamiento en lenguaje propio en tiempo real se entrena con la práctica continuada. Si uno la deja, se debilita. Si quiere mantenerla, debe practicarla con cierta regularidad, incluso si en su trabajo no es operativamente necesaria. Es ejercicio cognitivo, como caminar es ejercicio físico. No hace falta competir; basta con no dejarlo del todo.

El dato concreto que cierra. Según el informe State of Workplace AI 2025 publicado por Microsoft Work Trend Index en mayo de 2025, basado en encuesta a unos 31.000 trabajadores en 31 países, el 75% de los profesionales encuestados utilizaba algún asistente de IA generativa al menos semanalmente en su trabajo, frente al 22% un año antes. El 39% declaraba que la mayoría del texto que entregaba en su trabajo se producía con asistencia inicial del asistente. Esa cifra —39%— es la traducción cuantitativa del silencio de los teclados. No es percepción anecdótica de quien escribe; es realidad mayoritaria del trabajo intelectual profesional contemporáneo. Que ese cambio sea bueno o malo agregado depende de qué se haga con él. Pero ignorarlo es no entender la transformación cultural que estamos atravesando.

Definiciones

Memoria de trabajo: capacidad cognitiva limitada para mantener temporalmente activa información mientras se procesa. Es crítica para sostener argumentos largos durante la escritura.

Cognitive offloading / Descarga cognitiva: práctica de transferir tareas mentales a herramientas externas. Estudiada desde hace décadas para calculadora, GPS, agenda; ahora aplicada a la articulación lingüística vía asistentes de IA.

Google effect: efecto documentado por Sparrow, Liu y Wegner (Science, 2011) según el cual el cerebro recuerda peor información cuando sabe que la información está accesible externamente. Es base conceptual para entender el cambio cognitivo asociado al uso de asistentes.

Articulación sostenida: capacidad de mantener un argumento complejo durante minutos mientras se produce en lenguaje, sin asistencia externa. Es la habilidad cuyo entrenamiento más se ve reducido por la generalización de asistentes.

Referencias

Betsy Sparrow, Jenny Liu, Daniel M. Wegner, Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips (Science 333:776-778, agosto de 2011). Paper fundacional sobre el cambio en la memoria por la disponibilidad externa de información.

Evan F. Risko & Sam J. Gilbert, Cognitive Offloading (Trends in Cognitive Sciences 20:676-688, septiembre de 2016). Revisión teórica sobre cómo el cerebro distribuye carga cognitiva a herramientas externas.

Nataliya Kosmyna et al., Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (arXiv:2506.08872, MIT Media Lab, junio de 2025). Estudio sobre los efectos cerebrales medibles de la asistencia de IA en escritura.

Maryanne Wolf, Reader, Come Home: The Reading Brain in a Digital World (Harper, 2018). Marco neurocognitivo sobre los cambios en el cerebro lector y escritor.

Microsoft Work Trend Index, State of Workplace AI 2025 (Microsoft, mayo de 2025). Cifras sobre uso de asistentes de IA en entornos profesionales globales.

Lev Vygotsky, Thought and Language (MIT Press, 1962). Marco clásico sobre la relación entre lenguaje articulado y pensamiento.

Nicholas Carr, The Glass Cage: Automation and Us (W. W. Norton, 2014). Análisis sobre cómo la automatización debilita habilidades humanas previamente ejercidas.

Para profundizar

John Sutton et al., The Cambridge Handbook of Cognitive Extension (en preparación, Cambridge University Press, 2026). Marco interdisciplinario sobre cognición distribuida y sus efectos contemporáneos.

Susan Greenfield, Mind Change: How Digital Technologies Are Leaving Their Mark on Our Brains (Random House, 2014). Marco neurocientífico de divulgación sobre los efectos cerebrales de las tecnologías digitales.

Sherry Turkle, Reclaiming Conversation: The Power of Talk in a Digital Age (Penguin Press, 2015). Marco sobre la pérdida de habilidades conversacionales y articulativas en la era digital, antecedente directo del fenómeno actual.

Howard Rheingold, Net Smart: How to Thrive Online (MIT Press, 2012). Manual práctico sobre cómo mantener habilidades cognitivas frente a la sobrecarga digital, transferible a la era de asistentes.

También te interesa

• El precio de que la IA escriba por ti
• Por qué cada vez te cuesta más empezar un texto
• La domesticación de la IA

En otros sitios

• AI models collapse when trained on recursively generated data (Nature, Shumailov et al. 2024)
• What Is Model Collapse? (IBM)