){kind=logo}
){kind=icon}
){kind=logo}
){kind=icon}
Formalmente, el campo de la Inteligencia Artificial (IA) inició en los años 50 con Alan Turing, mucho antes de la creación de Google en 1998. Sin embargo, en ese entonces, mucho antes de que apareciera la IA como la conocemos en la actualidad, muchos expertos ya estaban preocupados por el Google effect, es decir, la disponibilidad de información al alcance de la mano, lo que reducía la memoria interna. Este efecto sugería que las personas recuerdan más dónde encontraron la información que la información en sí.
En el ámbito académico, el buscador de Google fue polémico entre muchos docentes de la época, ya que al principio se consideró más una amenaza que una herramienta educativa. Los estudiantes podían copiar y pegar información sin haber leído ni analizado su contenido para tareas académicas, lo que provocaba no solo faltas graves en aspectos éticos, sino también en el desarrollo de habilidades críticas, como el pensamiento crítico.
El Google effect, la falta de alfabetización digital y las escasas competencias en tecnologías de la información llevaron a los docentes a buscar otras estrategias análogas o desenchufadas para fomentar el aprendizaje significativo, dejando de lado el uso de Internet y de Google como aliados en los procesos de enseñanza-aprendizaje. No obstante, sabemos que, con el paso del tiempo, la tecnología educativa y la innovación se abrieron paso, dando lugar a la educación potenciada por el desarrollo tecnológico.
En tiempos actuales, el hype de la IA gen es innegable, por lo que la preocupación ahora se centra en cómo esta herramienta puede perjudicar nuestra capacidad cognitiva y las habilidades de orden superior, etc., fomentando a su vez la cultura de la conveniencia que permea fuertemente en la sociedad.
Los efectos de la IA en el aprendizaje
La IA generativa tiene efectos positivos en la educación, ya que puede mejorar las habilidades cognitivas de nivel inferior, por ejemplo, la comprensión lingüística y de imágenes, la decodificación de palabras, etc. (Liu et al., 2025; Rahyuni et al., 2024), así como fomentar habilidades de comunicación y argumentación (Rahyuni et al., 2024).
Sin embargo, aunque esta tecnología ha traído cambios significativos en la educación, han emergido nuevas líneas de investigación sobre sus efectos negativos, sobre todo cognitivos, en los procesos de aprendizaje, que se describirán más a fondo.
La deuda cognitiva
El término “deuda cognitiva” proviene del campo de la neurología clínica, en específico del ámbito de la investigación sobre el Alzheimer. Este concepto sugiere que existen procesos cognitivos que no promueven el desarrollo mental y pueden agotar las reservas cognitivas (Watts, 2025). En dicho proceso, el mecanismo principal es el pensamiento negativo repetitivo (PNR), común en afecciones como la depresión y la ansiedad (Marchant y Howard, 2015, como se citó en Watts, 2025).
En el contexto educativo, la deuda cognitiva se define como «un costo de oportunidad acumulado por la ausencia de un proceso interno beneficioso: el pensamiento reflexivo, el procesamiento profundo y la construcción de esquemas que constituyen el aprendizaje genuino» (Kintoni et al., 2025; Sweller, 1988, como se cita en Watts, 2025). Según estos estudios, cada vez que se utiliza la IA para realizar tareas de pensamiento crítico sin un propósito pedagógico, se pierde la oportunidad de invertir en las propias reservas cognitivas, lo que, con el tiempo, genera una deuda cognitiva perjudicial.
A saber, existen dos mecanismos que promueven la deuda cognitiva en la educación: la descarga cognitiva y el sesgo de automatización.
En este sentido, hay estudios que demuestran que la automatización disminuye la carga cognitiva, lo que impacta positivamente en la eficiencia y el rendimiento, ya que ayuda a que los procesos cognitivos se centren en el pensamiento de orden superior, es decir, en procesos relacionados con el análisis, la evaluación y la creación, entre otros (Gerlich, 2025). No obstante, la dependencia de estas herramientas puede impedir el desarrollo de procesos mentales complejos, lo que provoca una degradación de las habilidades cognitivas (Watts, 2025).
Por su parte, el sesgo de automatización puede tener dos instancias: errores de omisión y de comisión; los primeros se producen cuando el estudiante no puede resolver los problemas que pueda contener la información; y el segundo, cuando se acepta la información dada por los sistemas de IA, pero no la verifica y la toma por correcta.
El polémico estudio del MIT
Recientemente, un estudio de frontera del MIT (Instituto Tecnológico de Massachusetts) titulado Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task de Kosmyna et al. (2025) reveló efectos negativos en el cerebro por el uso de LLM (Large Language Models), como ChatGPT, en tareas de redacción.
De forma breve, este estudio utilizó electroencefalografía (estudio que registra la actividad cerebral mediante electrodos colocados en la cabeza) para evaluar dos variables: el compromiso cognitivo y la carga cognitiva. Por ende, debido a la naturaleza del estudio, se emplearon bandas de frecuencia para obtener datos específicos de los estudios de EEG (electroencefalogramas).
A continuación, se explica de forma resumida cuáles fueron las bandas empleadas en el estudio del MIT (Kosmyna et al., 2025):
- Conectividad de banda alfa: se asocia con la atención interna y el pensamiento semántico durante la ideación creativa.
- Conectividad de banda beta: se relaciona con el procesamiento cognitivo, la atención focalizada y la integración sensoriomotora.
- Conectividad de banda delta: refleja una integración cortical amplia* y de gran escala, relacionada con los procesos de atención, monitoreo, lenguaje, entre otros.
- Conectividad de banda theta: se vincula con la memoria de trabajo y el control ejecutivo**.
*Las funciones corticales se refieren a los procesos y habilidades cognitivas de la corteza cerebral.
**El control ejecutivo se refiere a los procesos cognitivos de alto nivel (de la corteza prefrontal), tales como la memoria de trabajo, la flexibilidad cognitiva, la fluidez verbal, la planificación, la velocidad de pensamiento, el control de la atención, entre otros.
Los resultados del estudio demostraron que los estudiantes asistidos por el LLM presentaron un perfil de conectividad inferior al del grupo que no lo utilizó, o que solamente utilizó motores de búsqueda (como Google), así como una activación cognitiva reducida en comparación con los otros grupos. Esto significa que hubo una menor demanda de trabajo cerebral debido a la asistencia del sistema de IA. Asimismo, los resultados mostraron que los alumnos no se involucraron activamente con los temas ni profundizaron en el material que se les brindó.
Debido a estos resultados, se concluyó que el uso de LLM puede conllevar una deuda cognitiva, es decir, «una condición en la que la dependencia repetida de sistemas externos, como los LLM, reemplaza los procesos cognitivos que requieren esfuerzo para el pensamiento independiente» (Kosmyna et al., 2025). Por tanto, esta deuda pospone los esfuerzos mentales a corto plazo, generando, a su vez, una capacidad de indagación crítica disminuida, una mayor vulnerabilidad a la manipulación o al sesgo y una menor creatividad.
El pensamiento crítico
Otro efecto negativo del uso prolongado de la IA generativa se relaciona con la capacidad de pensamiento crítico, que se caracteriza por ser una habilidad racional y reflexiva centrada en evaluar y tomar decisiones. Asimismo, el pensamiento crítico permite analizar y evaluar información para desarrollar soluciones creativas, por lo que complementa otras habilidades de razonamiento, tales como la reflexión, la resolución de problemas y el pensamiento reflexivo.
Otras definiciones sugieren que el pensamiento crítico permite que las personas se cuestionen y revisen sus opiniones basadas en hechos verificados, por lo que esta habilidad también engloba la inferencia, la interpretación y la autorregulación.
Por ende, los estudiantes con habilidades de pensamiento crítico (Gerlich, 2025):
- Tienen mejor rendimiento académico.
- Son mejores resolviendo problemas.
- Son menos susceptibles a la manipulación.
Ahora bien, para comprender cómo afecta el uso de la IA al pensamiento crítico, hay que volver al concepto de descarga cognitiva, el cual se refiere al uso de herramientas o agentes externos (IA, calculadoras, etc.) que reducen la carga cognitiva.
Debido a que las herramientas de IA reducen esta carga, los procesos cognitivos se aminoran; por tanto, las oportunidades de aprendizaje para desarrollar estas habilidades se ven obstaculizadas y no potenciadas por esta tecnología, lo que afecta la capacidad de retención de la memoria y las habilidades de análisis crítico.
Aunado a esto, el uso de esta tecnología puede generar una dependencia cognitiva. Esta se define como una dependencia regresiva, en donde la persona, a pesar de tener los recursos propios para realizar una tarea, decide utilizar otros medios para lograrla, impidiendo que se fortalezcan los dominios cognitivos asociados a la ejecución de esta (tarea). Esto provoca una regresión en el desarrollo, así como la ideación de la inutilidad (Correa, 2023). Esta dependencia cognitiva se traduce en un deterioro importante de las habilidades cognitivas, lo cual fomenta a su vez el sesgo de automatización, ya que no cuestionan ni verifican la información que proviene de la IA.
Más allá de copiar y pegar, se deben encontrar formas estratégicas de integrar la IA en la educación, ya que, según una encuesta del Digital Education Council, a nivel global, el 80 % de los docentes indican una falta de claridad sobre cómo aplicar la IA en la enseñanza.
Las herramientas de IA generativa son grandes aliadas; sin embargo, hay que tomar medidas para mitigar sus efectos en el pensamiento crítico y en el desarrollo cognitivo. Aunque otros estudios han demostrado que al reducir la carga cognitiva mediante las herramientas de IA se obtiene una mayor producción y eficiencia, así como una mejor tensión mental, esto conlleva un costo cognitivo considerable.
En este sentido, hay que fomentar actividades que desarrollen habilidades de pensamiento profundo y razonamiento analítico, así como encontrar estrategias que permitan utilizar estas herramientas con responsabilidad y propósito.
Si bien el cerebro es un órgano impresionante, con habilidades excepcionales de neuroplasticidad, habrá que seguir revisando estudios de frontera para explorar los efectos de la IA y evaluar si habrá alguna forma de mitigarlos.
¿Te gustó esta publicación? ¿Te gustaría publicarla en un sitio web, revista, blog o repositorio? Todos nuestros contenidos son de acceso abierto. Para dudas sobre cómo reutilizar este y otros contenidos del Observatorio, contacta a nuestra editora en jefe: karinafuerte@tec.mx
){kind=icon}
){kind=icon}
Este artículo del Observatorio del Instituto para el Futuro de la Educación puede ser compartido bajo los términos de la licencia CC BY-NC-SA 4.0 
