Cómo la autopercepción y el rendimiento real difieren en el uso de IA

Cómo la autopercepción y el rendimiento real difieren en el uso de IA

Contenido
  1. Resumen en 30 segundos: las siete cifras que importan
  2. El informe detrás de los titulares
  3. El experimento que apunta al revés
  4. La paradoja: usarla mejor genera más dependencia
  5. Los dos factores que modifican el signo
  6. Qué hacer con esto, en la práctica
  7. Preguntas frecuentes
  8. Lo que no sabemos
  9. Referencias

Un análisis elaborado en 2025, que contó con 666 sujetos y superó el millar de referencias, reveló una marcada correlación inversa entre el empleo de tecnologías de inteligencia artificial y la aptitud para el pensamiento crítico. Dicha investigación sustenta gran parte de los encabezados mediáticos sobre la materia. Por otra parte, existe una prueba práctica realizada en 2026 donde se dividió a 120 chicos para que afrontaran un ejercicio de identificación de errores argumentales empleando o prescindiendo de ChatGPT: los usuarios asistidos por la IA lograron mayor precisión y percibieron un desgaste cognitivo considerablemente menor. Ambos informes son verídicos. Sucede que el primero evalúa un vínculo estadístico mientras que el segundo examina la eficacia operativa, existiendo entre ambos conceptos una diferencia que rara vez suele clarificarse.

Resumen en 30 segundos: las siete cifras que importan

Cada fila indica el estudio y el año. Nótese cuántos de estos trabajos son transversales y basados en autoinforme.

HallazgoResultadoEstudio y año
Relación entre uso de IA y pensamiento críticoCorrelación negativa significativa, con 666 participantesGerlich, Societies (2025)
Quién muestra más dependenciaLos más jóvenes, con peores puntuacionesGerlich, Societies (2025)
Aciertos en una tarea de falacias lógicas con IAMás correctos que sin ella (H = 7,044; p < 0,01)Jain et al., Cognitive Processing (2026)
Esfuerzo mental declarado en esa tareaSignificativamente menor (H = 27,434; p < 0,01)Jain et al., Cognitive Processing (2026)
Profundidad del uso y renuncia a la autonomíaβ = 0,25: a más sofisticación, más dependenciaSi et al., J. of Intelligence (2026)
Mejor predictor del pensamiento críticoLa motivación de aprendizaje (β = 0,42), no el uso de IASi et al., J. of Intelligence (2026)
Papel de la alfabetización en IAAmortigua el efecto negativo de confiar en la herramientaKulal, JCIS (2025)

Lo que vas a hallar en este espacio

• Qué midió exactamente el estudio del que salen todos los titulares.

  • El experimento cuyo resultado va en dirección contraria.

• La paradoja de que usar mejor la herramienta genere más dependencia.

• Las dos variables que, basándose en los registros, determinan el sentido del impacto.

El informe detrás de los titulares

Michael Gerlich publicó en Societies en enero de 2025 una investigación de metodología mixta que contó con 666 participantes de diversos grupos de edad y formación académica, integrando encuestas junto con entrevistas en profundidad. La vertiente cuantitativa se evaluó mediante ANOVA y análisis correlacionales, mientras que la parte cualitativa se examinó a través de un enfoque temático.

El hallazgo central: una correlación negativa significativa entre el uso frecuente de herramientas de IA y la capacidad de pensamiento crítico, con la descarga cognitiva como factor mediador. Además, los participantes más jóvenes mostraron mayor dependencia de las herramientas y puntuaciones de pensamiento crítico más bajas que los mayores.

Hay un tercer resultado en ese mismo estudio que se cita mucho menos y que conviene retener: un nivel educativo más alto se asoció con mejor pensamiento crítico con independencia del uso de IA. Es decir, en los propios datos del trabajo hay una variable que predice el resultado sin pasar por la herramienta.

Lo que un diseño así no puede decir

Es una investigación de carácter transversal: evalúa simultáneamente la adopción de inteligencia artificial y el pensamiento crítico en un único momento a través de cuestionarios autoadministrados. Este esquema metodológico impide discernir si el empleo de la inteligencia artificial erosiona el pensamiento crítico o si las personas con menor puntuación en dicha competencia recurren con mayor frecuencia a estas herramientas. Ambas hipótesis resultan perfectamente viables y se ajustan al mismo conjunto de registros.

EstudioDiseñoQué encontróQué no permite concluir
Gerlich, Societies (2025)Transversal, método mixto, 666 participantesCorrelación negativa mediada por descarga cognitivaNo establece dirección causal; todo es autoinforme
Jain et al., Cognitive Processing (2026)Experimental, 120 jóvenes, tarea de falacias lógicasMás aciertos y menos esfuerzo mental con IAEs una tarea única; no mide qué pasa después
Si et al., J. of Intelligence (2026)Transversal, 353 universitarios, análisis de perfilesLa profundidad de uso predice más renuncia a la autonomíaAutoinforme; refleja percepciones, no conductas medidas
Tian y Zhang, Acta Psychologica (2025)Transversal, 580 universitarios, mediación moderadaLa fatiga cognitiva media parcialmente el efectoNo distingue causa de consecuencia
Kulal, JCIS (2025)Transversal, 625 posgrados, docentes e investigadoresLa confianza amplifica el efecto; la alfabetización lo amortiguaMismo límite: una sola medición en el tiempo

El experimento que apunta al revés

En 2026, Purvi Jain y su equipo publicaron en Cognitive Processing el trabajo que falta en casi todas las discusiones sobre este tema: un diseño experimental, no una encuesta. Repartieron a 120 jóvenes adultos entre resolver una tarea de identificación de falacias lógicas con ChatGPT (57 personas) o sin él (63 personas), con tres cuestionarios cuantitativos y un subconjunto de 54 participantes analizado cualitativamente.

Ambos resultados cuantitativos apuntan hacia el mismo sentido, el cual difiere de lo sugerido por los encabezados. El equipo apoyado por IA logró un mayor número de aciertos (H = 7,044; p < 0,01) y reportó una carga cognitiva notablemente inferior (H = 27,434; p < 0,01).

El análisis cualitativo es donde aparece el matiz importante. Entre los participantes sin IA se observó razonamiento independiente, verificación y monitorización metacognitiva. En la condición con IA apareció una mezcla: unos delegaban por completo y otros hacían un uso selectivo y estratégico.

La conclusión de los investigadores constituye el enunciado que condensan mejor toda esta documentación: la perspectiva del usuario —delegación frente a participación estratégica— define si el recurso funciona como reemplazo o como soporte. Asimismo, señalan que la inteligencia artificial no recorta el tiempo de forma automática, ni incrementa o disminuye el pensamiento crítico de manera homogénea.

La paradoja: usarla mejor genera más dependencia

El trabajo de Shuai Si y su equipo, publicado en el Journal of Intelligence en 2026, encuestó a 353 universitarios chinos de varias provincias y aplicó análisis de conglomerados para identificar perfiles de uso. Salieron cuatro, desde los «usuarios de preguntas y respuestas simples» (25,2 %) hasta los «cothinkers críticos» (15,6 %).

VariableEfectoLectura
Motivación de aprendizajeβ = 0,42 sobre las ganancias de pensamiento críticoEl predictor más fuerte, y no depende de la IA
Motivación de aprendizajeβ = −0,35 sobre la renuncia a la autonomía cognitivaProtege frente a la dependencia
Profundidad de la descarga cognitivaβ = 0,25 sobre la renuncia a la autonomíaA más sofisticación de uso, más dependencia
Subgrupo de alta profundidad y alta dependencia25,8 % de la muestraSobrerrepresentado en mujeres y en carreras de informática
Perfil de «cothinker crítico»15,6 % de la muestraEl uso que la literatura recomienda es minoritario

El tercer descubrimiento resulta paradójico. A mayor profundidad en la descarga cognitiva, el alumnado abdica en mayor medida de su autonomía, desmintiendo así el supuesto de que un empleo más avanzado de la herramienta genera de forma automática ventajas intelectuales. Los propios creadores alertan de que la totalidad de las mediciones se basó en autoinformes, por lo que los datos plasman meramente las impresiones del estudiantado en cuanto a sus propias actitudes y destrezas.

Los dos factores que modifican el signo

Dos trabajos de 2025 coinciden en señalar qué modula el efecto. Jin-Rui Tian y Ronghua Zhang publicaron en Acta Psychologica un estudio con 580 universitarios chinos donde la dependencia de la IA se asociaba a menor pensamiento crítico, con la fatiga cognitiva mediando parcialmente esa relación. Y encontraron un papel doble de la alfabetización informacional: amortigua el impacto negativo, pero amplifica la fatiga cognitiva cuando la dependencia es alta.

Abhinandan Kulal publicó en el Journal of Computer Information Systems un estudio con 625 estudiantes de posgrado, docentes e investigadores que señala la otra variable. La confianza en la IA amplifica la relación negativa con el pensamiento crítico, y una alfabetización alta en IA amortigua de forma significativa el efecto perjudicial de esa confianza.

Puestos uno junto a otro, los cinco trabajos dibujan algo bastante distinto de «la IA nos vuelve tontos». Lo que predice el resultado no es si se usa la herramienta, sino con qué motivación, con cuánta confianza ciega y con qué preparación para evaluar lo que devuelve.

Qué hacer con esto, en la práctica

Ordenado por solidez de la evidencia que lo respalda:

• No cites la correlación como si fuera una causa. El estudio de 666 participantes es transversal y de autoinforme; en sus propios datos, el nivel educativo predice el pensamiento crítico al margen del uso de IA.

  • Distingue delegar de apoyarse. En el único experimento disponible, tal diferencia separaba a los voluntarios que empleaban el recurso a modo de andamiaje de aquellos que lo convertían en un reemplazo.

• Trabaja la motivación antes que la técnica. La motivación de aprendizaje fue el predictor más fuerte, con β = 0,42, muy por encima de cualquier variable de uso.

• Enseña a desconfiar, no solo a usar. La confianza en la herramienta amplifica el efecto negativo; la alfabetización en IA lo amortigua.

• Vigila a quien se maneja muy bien. La profundidad de uso predice más renuncia a la autonomía, no menos.

Preguntas frecuentes

¿Reduce la inteligencia artificial el pensamiento crítico?

Los estudios de encuesta encuentran una asociación negativa, pero no son causales. La investigación de Gerlich de 2025, efectuada con 666 voluntarios, descubrió una correlación negativa notable entre el empleo constante de la IA y el pensamiento crítico, la cual está mediada por la descarga cognitiva. Puesto que se trata de un diseño transversal basado en el autoinforme, resulta imposible discernir si la inteligencia artificial merma la capacidad crítica o si los individuos con menor pensamiento crítico recurren con mayor frecuencia a la IA.

¿Hay algún experimento que lo haya puesto a prueba?

Sí, y su resultado va en otra dirección. En el estudio de Jain y su equipo, de 2026, con 120 jóvenes adultos repartidos entre resolver una tarea de falacias lógicas con ChatGPT o sin él, el grupo con IA obtuvo más respuestas correctas (H = 7,044; p < 0,01) y declaró un esfuerzo mental significativamente menor (H = 27,434; p < 0,01).

¿Emplear de forma óptima el recurso previene la dependencia?

Los datos disponibles dicen que no. En el estudio con 353 universitarios publicado en el Journal of Intelligence, la profundidad de la descarga cognitiva predijo una mayor renuncia a la autonomía cognitiva, con β = 0,25, y un 25,8 % de la muestra formaba un subgrupo de alta profundidad y alta dependencia.

¿Qué predice mejor el pensamiento crítico de un estudiante?

La motivación, por encima de cualquier variable relacionada con la herramienta. En ese mismo estudio, la motivación de aprendizaje fue el predictor más fuerte tanto de las ganancias de pensamiento crítico (β = 0,42) como de una menor renuncia a la autonomía cognitiva (β = −0,35).

¿Qué se puede hacer para reducir el riesgo?

Trabajar la alfabetización en IA y la calibración de la confianza. En el estudio con 625 participantes publicado en el Journal of Computer Information Systems, la confianza en la IA amplificaba la relación negativa con el pensamiento crítico, mientras que una alfabetización alta en IA amortiguaba de forma significativa ese efecto.

Lo que no sabemos

• Prácticamente nada con diseños longitudinales. Cuatro de los cinco estudios evalúan las variables en un solo momento temporal, imposibilitando así determinar la causalidad.

  • Qué ocurre con las métricas objetivas. El análisis crítico suele medirse mediante cuestionarios autoadministrados y rara vez a través de evaluaciones de rendimiento.
  • Si el efecto revierte. No se dispone de pruebas que indiquen que una modificación en la pauta de utilización restablezca aquello que posiblemente se haya extraviado, ni tampoco de que se produzca una pérdida irreversible.
  • Cómo se calcula la profundidad de uso. El indicador con mayor capacidad predictiva sobre la dependencia se elabora mediante autoinformes, sin registrar las acciones reales del usuario.

Referencias

1. Gerlich, M. AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 2025. DOI: 10.3390/soc15010006

2. Jain, P. et al. Cognitive offloading, critical thinking and attitudes towards artificial intelligence in the era of ChatGPT. Cognitive Processing, 2026. DOI: 10.1007/s10339-026-01375-z

3. Si, S. et al. When Thinking Is Outsourced: Cognitive Offloading and the Heterogeneity of Critical Thinking Among Chinese University Students Using Generative Artificial Intelligence. Journal of Intelligence, 2026. DOI: 10.3390/jintelligence14070116

4. Tian, J.-R. y Zhang, R. Learners’ AI dependence and critical thinking: The psychological mechanism of fatigue and the social buffering role of AI literacy. Acta Psychologica, 2025. DOI: 10.1016/j.actpsy.2025.105725

5. Kulal, A. Cognitive Risks of AI: Literacy, Trust, and Critical Thinking. Journal of Computer Information Systems, 2025. DOI: 10.1080/08874417.2025.2582050

Este contenido posee un carácter meramente informativo y no pretende reemplazar la orientación educativa ni psicológica. Buena parte de las investigaciones mencionadas tienen un diseño transversal y se apoyan en cuestionarios autoadministrados, de modo que reflejan vínculos y vivencias, más no nexos causales.

Por Javier Mendoza