Contenido
- Resumen en 30 segundos: las siete cifras que importan
- El estudio del que salen los titulares
- El experimento que apunta al revés
- La paradoja: emplearla con mayor eficiencia incrementa la dependencia
- Los dos factores que modifican el signo
- Qué hacer con esto, en la práctica
- Preguntas frecuentes
- Lo que no sabemos
- 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.
| Hallazgo | Resultado | Estudio y año |
|---|---|---|
| Relación entre uso de IA y pensamiento crítico | Correlación negativa significativa, con 666 participantes | Gerlich, Societies (2025) |
| Quién muestra más dependencia | Los más jóvenes, con peores puntuaciones | Gerlich, Societies (2025) |
| Aciertos en una tarea de falacias lógicas con IA | Más correctos que sin ella (H = 7,044; p < 0,01) | Jain et al., Cognitive Processing (2026) |
| Esfuerzo mental declarado en esa tarea | Significativamente menor (H = 27,434; p < 0,01) | Jain et al., Cognitive Processing (2026) |
| Profundidad del uso y renuncia a la autonomía | β = 0,25: a más sofisticación, más dependencia | Si et al., J. of Intelligence (2026) |
| Mejor predictor del pensamiento crítico | La motivación de aprendizaje (β = 0,42), no el uso de IA | Si et al., J. of Intelligence (2026) |
| Papel de la alfabetización en IA | Amortigua el efecto negativo de confiar en la herramienta | Kulal, 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 utilizar de forma más eficiente el instrumento fomenta una mayor dependencia.
• Las dos variables que, según los datos, deciden el signo del efecto.
El estudio del que salen los titulares
Michael Gerlich publicó en Societies en enero de 2025 un trabajo de método mixto con 666 participantes de distintas edades y niveles educativos, combinando encuestas y entrevistas en profundidad. El análisis cuantitativo se hizo con ANOVA y correlaciones, y el cualitativo con análisis 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 de esta naturaleza jamás logrará transmitir
Es un estudio transversal: mide a la vez el uso de IA y el pensamiento crítico, en el mismo momento, mediante instrumentos de autoinforme. Con ese diseño no se puede distinguir si usar IA deteriora el pensamiento crítico o si quienes puntúan más bajo en pensamiento crítico tienden a usar más la IA. Son dos explicaciones compatibles con exactamente los mismos datos.
| Estudio | Diseño | Qué encontró | Qué no permite concluir |
|---|---|---|---|
| Gerlich, Societies (2025) | Transversal, método mixto, 666 participantes | Correlación negativa mediada por descarga cognitiva | No establece dirección causal; todo es autoinforme |
| Jain et al., Cognitive Processing (2026) | Experimental, 120 jóvenes, tarea de falacias lógicas | Más aciertos y menos esfuerzo mental con IA | Es una tarea única; no mide qué pasa después |
| Si et al., J. of Intelligence (2026) | Transversal, 353 universitarios, análisis de perfiles | La profundidad de uso predice más renuncia a la autonomía | Autoinforme; refleja percepciones, no conductas medidas |
| Tian y Zhang, Acta Psychologica (2025) | Transversal, 580 universitarios, mediación moderada | La fatiga cognitiva media parcialmente el efecto | No distingue causa de consecuencia |
| Kulal, JCIS (2025) | Transversal, 625 posgrados, docentes e investigadores | La confianza amplifica el efecto; la alfabetización lo amortigua | Mismo límite: una sola medición en el tiempo |
El experimento que apunta al revés
En 2026, Purvi Jain junto a sus colaboradores dieron a conocer en Cognitive Processing aquella investigación ausente en prácticamente todos los debates sobre la materia: un planteamiento experimental y no una simple encuesta. Se asignó a un grupo de 120 adultos jóvenes la resolución de un ejercicio para detectar falacias lógicas, dividiéndolos entre quienes contaron con ChatGPT (57 sujetos) y quienes prescindieron de él (63 individuos), aplicando además tres test cuantitativos y evaluando de forma cualitativa a una muestra reducida de 54 voluntarios.
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 autores es la frase que mejor resume toda esta literatura: el enfoque del usuario —delegación frente a implicación estratégica— determina si la herramienta actúa como sustituto o como andamio. Y añaden que la IA no ahorra tiempo necesariamente, ni mejora ni reduce el pensamiento crítico de manera uniforme.
La paradoja: emplearla con mayor eficiencia incrementa la 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 %).
| Variable | Efecto | Lectura |
|---|---|---|
| Motivación de aprendizaje | β = 0,42 sobre las ganancias de pensamiento crítico | El predictor más fuerte, y no depende de la IA |
| Motivación de aprendizaje | β = −0,35 sobre la renuncia a la autonomía cognitiva | Protege frente a la dependencia |
| Profundidad de la descarga cognitiva | β = 0,25 sobre la renuncia a la autonomía | A más sofisticación de uso, más dependencia |
| Subgrupo de alta profundidad y alta dependencia | 25,8 % de la muestra | Sobrerrepresentado en mujeres y en carreras de informática |
| Perfil de «cothinker crítico» | 15,6 % de la muestra | El uso que la literatura recomienda es minoritario |
El hallazgo contraintuitivo es el tercero. Cuanto más profunda era la descarga cognitiva, más renunciaba el estudiante a su autonomía, lo que contradice la idea de que un uso más sofisticado de la herramienta produce automáticamente beneficios cognitivos. Los propios autores advierten de que todo se midió por autoinforme, de modo que lo que reflejan son percepciones de los estudiantes sobre sus conductas y capacidades.
Los dos factores que modifican el signo
Dos investigaciones de 2025 coinciden al identificar los factores que modulan este efecto. Jin-Rui Tian y Ronghua Zhang dieron a conocer en Acta Psychologica una investigación con 580 universitarios chinos, en la cual se vinculaba la dependencia de la IA con un descenso del pensamiento crítico, ejerciendo la fatiga cognitiva una mediación parcial en dicho vínculo. Asimismo, descubrieron una doble función de la alfabetización informacional: si bien mitiga la consecuencia adversa, también incrementa la fatiga mental cuando el grado de dependencia resulta elevado.
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 en fila, estos cinco empleos perfilan una realidad muy alejada de la idea de que la inteligencia artificial embrutece. El factor determinante no radica en emplear el recurso, sino en la intención con la que se hace, el grado de seguridad ciega depositada en él y la capacidad formativa para juzgar sus respuestas.
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, esa distinción separaba a los participantes que usaban la herramienta como andamio de los que la usaban como sustituto.
- Trabaja la motivación antes que la técnica. La motivación de aprendizaje resultó ser el factor predictivo más determinante, registrando un β = 0,42, muy por encima de cualquier parámetro de uso.
- Fomenta la suspicacia, en lugar de limitarte a instruir en el uso. La fe ciega en la tecnología magnifica sus perjuicios, mientras que la formación en IA actúa como un escudo protector.
- Vigila a quien se maneja muy bien. El nivel de uso profundo anticipa un mayor abandono de la autonomía, no lo contrario.
Preguntas frecuentes
¿Reduce la inteligencia artificial el pensamiento crítico?
Los estudios de encuesta encuentran una asociación negativa, pero no son causales. El trabajo de Gerlich, de 2025, con 666 participantes, halló una correlación negativa significativa entre uso frecuente de IA y pensamiento crítico, mediada por la descarga cognitiva. Al ser un diseño transversal con autoinforme, no puede distinguir si la IA deteriora el pensamiento crítico o si quien tiene menos pensamiento crítico usa más la IA.
¿Existe alguna prueba científica que lo haya validado?
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 la investigación que incluyó a 625 personas, dada a conocer por el Journal of Computer Information Systems, se observó que la confianza depositada en la inteligencia artificial acentuaba el vínculo adverso con el razonamiento crítico, al tiempo que un nivel elevado de alfabetización tecnológica atenuaba de manera notable dicho impacto.
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 pasa con medidas objetivas. El pensamiento crítico se evalúa casi siempre con escalas autoinformadas, no con pruebas de desempeño.
- 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 mide la profundidad de uso. La variable que mejor predice la dependencia se construye con autoinforme, no observando lo que el usuario hace realmente.
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 tiene finalidad informativa y no constituye asesoramiento educativo ni psicológico. La mayoría de los estudios citados son transversales y se basan en autoinforme, por lo que describen asociaciones y percepciones, no relaciones de causa y efecto.
