Introducción
En abril de 2026, Enrique Dans publicó un texto titulado «Pensar cansa». Su tesis era sencilla e incómoda: la mayoría de las veces empezamos a usar la IA no para pensar mejor, sino para no tener que pensar. Dans lo vinculaba a una tendencia que algunos investigadores llaman «rendición cognitiva»: aprobamos la respuesta presentada en un estilo bien construido, fluido y seguro, la copiamos y seguimos nuestro camino. Sin embargo, negamos a los textos producidos por la IA el examen que exigiríamos si la misma respuesta viniera de un humano.
Lo que decía más que el texto mismo fueron las reacciones que se repetían en sus comentarios y en discusiones en línea semejantes.
Ante el mismo fenómeno, los lectores se veían arrojados hacia polos diametralmente opuestos, y esa dispersión se repetía tanto en los comentarios de ese texto como en discusiones en línea semejantes. Un comentarista sostenía que era erróneo imputar la responsabilidad a la herramienta: la calculadora, el libro, el lápiz, la IA son todos herramientas neutras; lo verdaderamente determinante es la actitud de la persona que está detrás de ellas. Quien quiere aprender aprende incluso con una enciclopedia; quien no quiere no tiende a aprender, ni siquiera con la herramienta más perfeccionada. La posición de Dans, en cambio, subrayaba lo contrario: la herramienta no está concebida como neutra; está concebida para reducir la fricción, no para suscitar la duda. Otro comentarista desplazaba la línea de división a otro lugar: la IA puede procesar con fluidez un conjunto de reglas codificadas y discutibles, pero no puede acceder del mismo modo a una moral arraigada en el cuerpo y en lo vivido, acumulada a lo largo de toda una vida; es más, como enuncia con la misma soltura la regla que alcanza y la moral que no alcanza, apenas deja que el lector perciba esa diferencia. Un cuarto los refutaba a todos: no dejamos de pensar, empezamos a pensar de otro modo.
La verdadera pregunta, aquí, no es quién tiene razón. Otra la precede: ¿por qué personas que miran el mismo objeto llegan a posiciones tan distintas? Y aún otra: ¿qué revelan en el fondo estas reacciones? ¿La IA, o la posición de quien la mira? ¿Aquello para lo que la herramienta fue concebida, o aquello en lo que se convierte en cada uno?
La observación de partida de este texto es la siguiente: cada uno de estos comentarios revela el lugar donde se sitúa quien lo formula. Quien tiene la herramienta por neutra y vincula la responsabilidad a la voluntad del individuo habla desde cierta visión del mundo. Quien subraya el carácter encarnado de la moral expone su propio suelo, profesional o filosófico. Quien afirma que la IA solo ofrece una manera «distinta» de pensar defiende su propio modo de uso. Más que el objeto sobre el que recae la reacción, la IA funciona como una superficie que devuelve la posición de quien reacciona.
Esta es la tesis que este texto sostendrá: la reacción a la IA la mayoría de las veces no habla de la IA, sino de la posición propia de quien reacciona. La IA opera esta proyección en tres modos, y el texto se construye en torno a estos tres modos.
El primero es el espejo. La persona ve en la IA su propia posición (su competencia, su privilegio, su virtud) y la defiende; el contenido de su reacción muestra también lo que defiende.
El segundo es la lupa. Quien intenta ocultar su insuficiencia con la IA no lo consigue; pues, al no conocer bastante el tema, no puede ni controlar ni penetrar la producción fluida y convincente de la herramienta. Así, en lugar de ocultarse, la insuficiencia crece y se revela. La misma lupa funciona también en el otro sentido: si se coloca bajo ella un acervo, una materia, una pregunta bien planteada, multiplica la capacidad. La lente es neutra; lo que marca la diferencia es lo que se coloca bajo ella y la mano que la sostiene, es decir, el acervo y la orientación con que la persona mira la herramienta.
El tercero es el tornasol. (El papel de tornasol es un instrumento de medida que, al cambiar de color, revela si el líquido en el que se sumerge es ácido o básico.) Producir bien con la IA es también un saber hacer, y ese saber hacer es en gran parte no codificable: madura por la experiencia vivida y el acompañamiento. Es precisamente por eso que la IA no lo iguala, lo separa: cuando dos personas toman en sus manos la misma herramienta, una no puede hacer lo que hace la otra. Es una afirmación que va en contra del discurso según el cual «la IA iguala a todos y abre la pericia a todos», un discurso que aborda de frente y somete a una prueba rigurosa.
A estas tres lentes se añade una cuarta capa: el escudo. La observación de que «la IA inventa» es técnicamente exacta, pero esa constatación puede convertirse en una excusa que desplaza la responsabilidad del agente a la herramienta. Aquel a quien pertenece el error puede verse tentado de preservar su propia posición remitiendo la culpa a la naturaleza de la herramienta.
Todo lo anterior apunta una lente hacia el otro. La verdadera columna vertebral del texto es volver esa lente hacia uno mismo: la lente es de doble sentido. El bando que la porta, es decir, el que defiende la IA y dice a su interlocutor «tienes miedo, te resistes por un privilegio que vas a perder», puede también él usar la misma lente para confirmar su propia posición. Cada uno ve al otro en el espejo y lee en él su móvil; lo más difícil es verse a uno mismo. Si este texto no sometiera su propia posición (la del bando que usa la IA y saca provecho de ella) a la misma prueba, se convertiría en un ejemplo de lo que diagnostica. Por eso la lente se construirá aquí no como un arma de diagnóstico, sino como una lectura puesta a prueba.
Por último, una declaración de límite: este texto no pretende descubrir un mecanismo nuevo. Propone una lectura que reúne, al nivel del discurso público, trabajos hasta ahora dispersos (la mayoría de los cuales han quedado en el contexto del trabajo o del laboratorio): amenaza a la identidad, conocimiento tácito, alarde moral, laguna de responsabilidad. La originalidad no reside en los resultados tomados uno a uno, sino en el marco capaz de relacionarlos y en la disciplina de aplicarse ese marco a uno mismo. Los comentaristas de foro citados a lo largo del texto serán tratados no como personas, sino como posiciones; ninguno será etiquetado, pues la cuestión no es saber quién es qué, sino lo que revelan las reacciones; nuestro objetivo no es tener razón. Dans cierra su texto con esta frase: «la frontera no está en la tecnología, sino en la actitud». El único añadido de este texto es la exigencia de que esa actitud sea puesta a prueba en los dos sentidos.
I. Espejo: ¿de quién habla la reacción?
Para desenredar la reacción a la IA, puede ser útil un concepto procedente de una investigación en sistemas de información: la «amenaza a la identidad». Mirbabaie y colegas, retomando una definición de Craig y colegas, la expresan como «la expectativa de que el uso de un producto de las tecnologías de la información dañe las creencias que un individuo tiene sobre sí mismo» (Mirbabaie et al., 2021, p. 75). El mecanismo es simple: cuando una experiencia entra en contradicción con la identidad de la persona, el individuo sufre una pérdida de autoestima y se activa para proteger la autoestima ligada a esa identidad; ese acto adopta la mayoría de las veces la forma de una resistencia (en el mismo lugar, p. 77).
Lo decisivo es el objeto de la amenaza. Lo amenazado no es la mayoría de las veces ni el trabajo ni el ingreso de la persona, sino la respuesta que da a la pregunta «¿quién soy?». El estudio que Mirbabaie y colegas llevaron a cabo en el entorno laboral encuentra tres predictores de la amenaza a la identidad ligada a la IA: la transformación del trabajo, la pérdida de posición estatutaria y la identidad que la persona construye con la IA (Mirbabaie et al., 2021, p. 73). Los tres tienen que ver menos con una pérdida material que con la posición.
Bankins y colegas sitúan la misma amenaza en el nivel del grupo. Para ellos, la identidad profesional es la respuesta común que un grupo profesional da a las preguntas «¿quiénes somos?, ¿dónde están los límites de nuestra pericia, cuáles son nuestros valores?» (Bankins et al., 2024, p. 164). Si esa respuesta común es fuerte, absorbe la herramienta: los oficios dotados de una identidad arraigada y bien definida prueban con más gusto las nuevas tecnologías, pues unos presupuestos comunes y sólidos hacen aceptable el riesgo del cambio. Pero si la identidad es débil o incierta, la misma herramienta se recibe como una amenaza.
De ahí surge una constatación contraintuitiva que lleva a la observación central de este ensayo. Quien más resiste no es el más insuficiente. Los trabajos reunidos por Bankins y colegas muestran que las personas dotadas de una fuerte pericia de dominio resisten más a la recomendación algorítmica: por un lado, porque son ellas las que deberán responder del resultado producido por la IA (se apropian de la producción), no se fían ciegamente de él y quieren verificarlo; por otro, considerando que sus propias capacidades son superiores a las de la herramienta, estiman que apenas hay interés en usarla (Allen & Choudhury, 2022, citado en Bankins et al., 2024, p. 164). No es la insuficiencia, sino la percepción de pericia lo que acrecienta la resistencia.
He aquí el núcleo del espejo. La resistencia informa menos sobre una propiedad de la IA que sobre la posición de quien resiste: sobre la pericia que cree poseer y sobre el privilegio que esa pericia confiere. La intensidad de la reacción mide el valor subjetivo de lo que se protege. Que una herramienta sea rechazada con el argumento de que «no puede hacer lo que yo hago» procede la mayoría de las veces menos del límite de esa herramienta que del sentido que el hablante atribuye a su propia competencia.
Esta literatura nació en el entorno laboral, pero el motivo aparece también en el debate público. En los comentarios a un artículo sobre tecnología, si unos llaman a la misma herramienta «lo que por fin aligera la carga de pensar» mientras otros la llaman «una amenaza que empobrece al humano», esa divergencia tiene que ver la mayoría de las veces no con lo que hace la herramienta, sino con el lugar donde cada parte coloca su propio trabajo y su propia identidad. Una observación frecuente en este tipo de discusiones muestra que encontramos la IA formidable cuando no se equivoca, y que la declaramos «estúpida de todos modos» cuando se equivoca; nuestra evaluación de la herramienta es la mayoría de las veces el espejo de nuestra propia expectativa y de si esta se cumple o no.
Una última distinción, pues esta sección es la que más fácilmente se presta al malentendido. Que el contenido de la reacción revele la posición de la persona no significa que haya que etiquetar esa reacción como «complejo», «celos» o «miedo». Tal etiquetado equivaldría a juzgar el argumento de quien reacciona no por su contenido sino por su móvil, lo cual es otro tipo de error, tratado en la sección V. La afirmación, aquí, es más mesurada: la reacción a la IA porta menos la información de una propiedad objetiva de la herramienta que la de la posición propia de quien reacciona ante la IA. El espejo no dice lo que es la persona; muestra dónde mira.
II. Lupa: el intento de ocultación se expone
El espejo decía que el contenido de la reacción revela la posición. La lupa va un paso más allá: hace visible no solo la reacción, sino el trabajo mismo. El núcleo de la metáfora reside en su neutralidad. La lupa agranda lo que se coloca bajo ella: si se coloca la insuficiencia, la insuficiencia; si se coloca el acervo, el acervo. Lo que los distingue no es la lente misma, sino lo que se coloca bajo ella y el modo en que la usa la mano que la sostiene. Esta sección sigue una de las vertientes de la lente, el modo en que el intento de ocultación se vuelve en contra; la otra vertiente, la que multiplica la capacidad, la enlazará más adelante con la sección del tornasol, a través de la pregunta de por qué la misma herramienta da un resultado distinto en dos manos.
El mecanismo parece simple, pero se anuda en un punto contraintuitivo. La producción de la IA se presenta en un estilo fluido, ordenado y seguro. Estas tres cualidades son independientes de la veracidad del contenido, pero el humano las lee la mayoría de las veces como un signo de veracidad. El experimento de Buçinca y colegas midió precisamente este punto: añadir una justificación a la decisión de la IA acrecienta la confianza que el usuario le otorga. Y esa confianza aumenta incluso cuando la IA se equivoca; es ahí donde nace precisamente la confianza excesiva (Buçinca et al., 2021, p. 2). Lo que los investigadores llaman «confianza excesiva» (overreliance) recibe aquí una definición técnica: la tendencia del usuario a conformarse pese a todo con la recomendación de la IA cuando es falsa o inadecuada (en el mismo lugar). La revisión institucional de Passi y Vorvoreanu, que recorre unos sesenta trabajos, ve el mismo motivo a mayor escala: las explicaciones acrecientan la confianza no solo hacia las recomendaciones correctas sino incluso hacia las falsas, y el sesgo de automatización y la complacencia arrastran al usuario hacia el error (Passi & Vorvoreanu, 2022).
Esta tendencia se convierte en un comportamiento mensurable. Los tres experimentos prerregistrados de Shaw y Nave encontraron que los participantes, cuando consultaban la IA y la IA se equivocaba, adoptaban en gran medida el mal consejo (en el primer estudio, el 79,8% de los ensayos erróneos en los que había habido consulta; en el segundo, el 74,6%, y bajo presión temporal en el tercero, el 72,3%; Shaw & Nave, 2026, p. 22, 28). Los autores subrayan una condición: esa tasa está ligada al hecho de elegir consultar la IA en la cuestión, pues la tasa de consulta misma ronda el cincuenta por ciento. Dicho de otro modo, no todos capitulan en cada cuestión; pero allí donde hay capitulación, el error se asume en lo esencial. El resultado neto es una baja de la exactitud: cuando la IA acierta, los participantes ganan unos veinticinco puntos, cuando se equivoca, pierden quince (h de Cohen = 0,81; en el mismo lugar, p. 22). El nombre que los autores dan a este motivo coincide con el término que emplea también Enrique Dans: la rendición cognitiva.
Una observación repetida en lenguaje corriente en los foros tecnológicos describe el mismo mecanismo: cuando se delega en la IA todo el pensar contentándose con plantear preguntas, la mente se pone fuera de circuito; ahora bien, plantear una pregunta no es pensar, el verdadero pensar está en la construcción de la respuesta. Es la descripción ordinaria de una relajación del autocontrol. La persona se libra de la pena de producir su propia respuesta, pero esa pena era al mismo tiempo la ocasión de poner a prueba la respuesta.
Lo que precede prepara la razón por la cual el intento de ocultación fracasa. Se impone aquí una distinción: fiarse demasiado de una producción fluida es una tendencia extendida, pero carecer del saber que permite controlarla es otra cosa; una es una negligencia, la otra una imposibilidad. Quien intenta ocultar su insuficiencia con la IA, a falta del saber que permite controlar la producción fluida, la toma tal cual; entonces la insuficiencia no se oculta, al contrario, crece. Pues la laguna ocultada entra en la producción, y cuando esta se hace pública, la laguna se hace visible con ella. El ejemplo más nítido vino del derecho: en un caso muy comentado, un abogado fue sancionado por haber insertado en su escrito casos ficticios inventados por la IA, y otros casos siguieron (recogido en Magesh et al., 2024, p. 2). El aporte verdadero de Magesh y colegas no es mencionar ese caso, sino medir con qué frecuencia inventan las herramientas de IA concebidas especialmente para el derecho: las herramientas jurídicas especializadas producen alucinaciones en el 17% al 33% de las consultas, y mientras que la herramienta más eficaz responde correctamente al 65% de las consultas, otra se estanca en el 42%, inventando casi el doble de veces (en el mismo lugar, p. 1). La fluidez de la herramienta es constante, su fiabilidad no; el usuario que no distingue las dos documenta la laguna que quería ocultar.
¿Por qué este ciclo no se corrige por sí mismo? El resultado clásico de Kruger y Dunning se aplica aquí: la insuficiencia amputa de golpe dos competencias, la de realizar la tarea y la de percatarse de que se la realiza mal. Quienes se situaban en el cuartil inferior, en realidad en el percentil 12, se creían en el 62 (Kruger & Dunning, 1999, p. 1121). La ceguera metacognitiva hace precisamente que quien más necesita ocultar sea quien menos ve que el velo no recubre nada. La lupa es por ello implacable: la laguna que más agranda es aquella de la que su portador es menos consciente. El costo a largo plazo se mide también. El estudio que Gerlich llevó a cabo con 666 participantes encuentra una fuerte correlación negativa entre el uso frecuente de la IA y la capacidad de pensamiento crítico (r = −0,68), y una correlación negativa aún más fuerte entre la descarga cognitiva y el pensamiento crítico (r = −0,75). En regresión múltiple, el uso de la IA absorbía negativamente el pensamiento crítico (β = −1,76, p < 0,001; Gerlich, 2025a, p. 14, 16). Es un cuadro correlacional, que no establece por sí solo causalidad; pero muestra una acumulación en el sentido que espera la metáfora de la lupa. Dos estudios adicionales refuerzan este cuadro. El primero muestra que el motivo no se limita ni al estudiante ni al laboratorio: Lee y colegas interrogaron a 319 trabajadores del conocimiento sobre 936 casos reales en los que habían usado la IA en el trabajo y los analizaron uno a uno. El resultado convierte la intuición de la «mano que sostiene la lupa» en un coeficiente medido. A medida que la confianza puesta en la IA aumenta, la entrada en juego del pensamiento crítico disminuye (β = −0,69, p < 0,001); en cambio, la confianza de la persona en su propia tarea (β = 0,26) y la confianza en su capacidad de evaluar la respuesta de la IA (β = 0,31) acrecientan el pensamiento crítico, siendo el efecto positivo más fuerte la propensión a la reflexión (β = 0,52, p < 0,001; Lee et al., 2025). Lo determinante no es la presencia de la confianza sino su dirección: la confianza que se entrega a la herramienta reduce el pensar, mientras que la confianza vuelta hacia uno mismo y hacia el control lo acrecienta. El segundo salda en parte la deuda de causalidad. El estudio experimental del mismo autor comparó, con 150 participantes en tres países (Alemania, Suiza, Reino Unido), cuatro condiciones (humano solo, humano más IA sin guía, humano más IA con orientación estructurada, IA sola): el uso sin guía produjo descarga cognitiva sin mejorar la calidad del razonamiento, mientras que la orientación estructurada acrecentó de manera significativa tanto el razonamiento crítico como el compromiso reflexivo (Gerlich, 2025b). La diferencia no tenía que ver con la herramienta misma, sino con el modo de uso; la flecha direccional que la correlación no podía establecer aparece allí donde apunta el brazo experimental.
Hay que dar vuelta ahora a la lupa, pues la afirmación de neutralidad solo se sostiene si se muestra también lo inverso. Cuando, bajo la misma producción fluida, se halla no una laguna sino un acervo, una materia, una pregunta bien planteada, la lupa agranda la capacidad. En las mismas discusiones se expresa también la experiencia inversa: un usuario experimentado cuenta que se sirve de la IA como de un amplificador cognitivo, que aprende mucho más rápido con ella, pero que no depende de ella para nada. La diferencia entre los dos polos no tiene que ver con la herramienta misma, sino con la materia colocada bajo ella y la mano que la sostiene. La misma crítica apunta también al diseño del experimento: lo que este tipo de trabajos muestra no es que la IA pudra el cerebro, sino que se convierte en un instrumento de medida que capta a la gente en los estados más torpes posibles.
Este doble rostro recuerda también que lo que la herramienta reduce no siempre es una ganancia. Una de las cosas que la IA más reduce es la fricción: la pena de intentar y equivocarse sin cesar, bloqueado ante un problema. Ahora bien, el estudio de Kapur sobre el «fracaso productivo» (productive failure) muestra que la lucha sin apoyo de los estudiantes con un problema difícil, aunque a corto plazo se parezca a un fracaso, produce en la etapa siguiente una profundidad que supera la de los aprendices asistidos por la IA (Kapur, 2008). Esta misma distinción tiene un nuevo respaldo empírico: en el experimento aleatorizado que Fan y colegas llevaron a cabo con 117 estudiantes universitarios, el grupo ChatGPT tomó ventaja en la puntuación de examen a corto plazo, pero no mostró ninguna diferencia significativa en cuanto a la adquisición y la transferencia de conocimientos; ese motivo, que los autores llaman «pereza metacognitiva», es que la puntuación sube en la superficie mientras que en profundidad nada cambia (Fan et al., 2025). Un uso que borra enteramente la fricción puede borrar también esa productividad oculta; por eso la mano que sostiene la lupa debe distinguir qué fricción es un fardo que arrojar y cuál una ocasión que preservar.
La distinción hecha aquí no debe confundirse con un concepto vecino de la literatura. Ehsan y colegas afirman que la IA porta una «paradoja del amplificador» (AI-as-Amplifier Paradox): la herramienta, al reforzar el desempeño, erosiona la pericia subyacente, a la vez amplificador y disolvente (Ehsan et al., 2026, p. 1). El eje de esa paradoja está entre la herramienta y la pericia, entre el refuerzo y la erosión. La lupa que emplea este texto, en cambio, apunta a otra dirección: el hecho de que la lente agranda la posición propia de la persona, lo que coloca bajo ella. Las dos no se contradicen, operan en planos diferentes; la paradoja de Ehsan nutre la vertiente negativa de esta sección (la erosión de la competencia), pero la pregunta de cuánto agranda la lente la entrada está ausente de su marco. En realidad, las dos lupas pueden leerse como los dos extremos de una misma cadena. El amplificador de Ehsan trabaja en el sentido del tiempo: la pericia de quien usa constantemente la herramienta se erosiona a largo plazo, la mayoría de las veces sin que uno se dé cuenta. La lupa de este texto, en cambio, trabaja en el sentido del instante: la insuficiencia o el acervo que la persona aporta a la herramienta en el momento se hace enseguida visible en la producción. Las dos no se contradicen, se suceden; quien oculta su insuficiencia con la herramienta queda expuesto a corto plazo, y a medida que ese ocultamiento se prolonga, pierde también su competencia real. La exposición y la erosión son los dos rostros, a corto y a largo plazo, de una misma dependencia.
Así la lupa no emite un juicio por sí misma, aguza una pregunta: ¿qué hay bajo la lente y qué hace la mano que la sostiene? Esta pregunta nos lleva a la razón por la cual la misma herramienta da un resultado tan distinto en dos manos, es decir, a la sección del «tornasol».
III. Tornasol: la IA no iguala, separa
El papel de tornasol cambia de color cuando se sumerge en una solución; el color que toma revela qué es la solución. Ese es el papel de la metáfora: cuando la IA pasa del mismo modo entre las manos de dos personas, no las lleva al mismo lugar, hace visible la diferencia entre ellas. La tesis de esta sección nombra de dónde viene esa diferencia. Producir bien con la IA es también un saber hacer, y ese saber hacer es en gran parte no codificable, tampoco cambia de manos con facilidad; no se halla por entero ni en la herramienta misma ni en un manual, se vuelve accesible por la experiencia vivida y el acompañamiento. Es precisamente por eso que la IA no lo iguala, lo separa.
Como esta afirmación se sitúa en el extremo opuesto de un discurso muy extendido, hay que confrontar ese discurso con sus fuentes más sólidas. La tesis según la cual «la IA iguala a todos y abre la pericia a todos» no es un eslogan, sino una tesis apoyada en serias pruebas de campo. En el experimento prerregistrado de Noy y Zhang, cuando se confían tareas de escritura a profesionales con título universitario y se dota a la mitad de ellos de acceso a la IA, la productividad media aumenta netamente: el tiempo empleado baja 0,8 desviaciones típicas, la calidad de la producción sube 0,4 desviaciones típicas, y la desigualdad entre trabajadores disminuye también, pues la herramienta beneficia sobre todo a los de baja aptitud (Noy & Zhang, 2023). El estudio que Brynjolfsson, Li y Raymond llevaron a cabo con 5.172 agentes de atención al cliente apunta en el mismo sentido: el acceso a la IA acrecienta la productividad un 15% en promedio, pero la ganancia no se reparte por igual, sube al 36% en el segmento de competencia más bajo, alcanzando su máximo en los agentes más inexpertos (Brynjolfsson et al., 2025, p. 889, 911). El experimento de campo de Dell'Acqua y colegas con consultores confirma también el sentido de la igualación: aquellos cuyo desempeño estaba por debajo de la media mejoran un 43%, los que estaban por encima un 17%, es decir, la brecha se estrecha (Dell'Acqua et al., 2023). Ese discurso tiene también su voz en el espacio público. Una objeción frecuente en los debates tecnológicos, dirigiéndose a los expertos del dominio, dice esto: no conozco ni me intereso por lo que va más allá de la definición básica de este dominio técnico, lo que me interesa es lo que puedo hacer con él; la insistencia en la pericia se convierte la mayoría de las veces en orgullo intelectual. Esa voz, que dice que la barrera ha caído, describe una experiencia real.
Pero en los tres estudios de campo, una limitación va unida a la constatación de igualación; la tesis del tornasol empieza precisamente en esa limitación. El experimento de Dell'Acqua usaba dos tareas: una quedaba dentro de las capacidades de la IA, la otra fuera. La igualación se produjo en la primera tarea. En la segunda, la que caía fuera del límite de la IA, los consultores que usaban la IA lograban alcanzar la solución correcta con 19 puntos menos que los que no la usaban (Dell'Acqua et al., 2023). Los datos de Brynjolfsson muestran también otro rostro del mismo límite: mientras que los trabajadores más inexpertos ganaban lo máximo, los más experimentados y competentes conocían una pequeña ganancia en velocidad y una pequeña baja en calidad, concentrándose la ganancia sobre todo en las cuestiones rutinarias y repetitivas (Brynjolfsson et al., 2025, p. 889). El motivo es coherente: la igualación se produce en la parte codificable del trabajo, la que queda dentro del límite de la IA. Fuera del límite, es decir, en la parte no codificable del trabajo, la herramienta no iguala; al contrario, induce a error y hace bajar el desempeño de quien, fiándose de ella, la lleva fuera de su límite. Las dos constataciones no se contradicen, miden capas diferentes; una el interior del límite, la otra el exterior. La misma separación aparece también en un experimento controlado. El estudio de cuatro brazos mencionado en la sección de la lupa no es solo una prueba de causalidad, sino también el más nítido correlato de laboratorio del tornasol: la misma herramienta, en la mano de quien la usa con una orientación estructurada, nutría el razonamiento crítico, mientras que en la mano de quien la usaba sin guía, no producía más que descarga (Gerlich, 2025b). La separación que apuntan los estudios de campo, un marco controlado la confirma también.
Pero ¿qué hay entonces fuera del límite? El saber no codificable. El estudio de Hadjimichael, Ribeiro y Tsoukas, que va de Polanyi a Merleau-Ponty, explica cómo se adquiere el conocimiento tácito: por la capacidad del cuerpo de aferrarse a la tarea que tiene entre manos, de encontrar el asidero más justo. Esa capacidad, según las palabras de los autores, se desarrolla «por el acompañamiento autorizado de los más experimentados» (Hadjimichael et al., 2024). Un punto que subrayan los autores es el pilar más fuerte de la tesis: ninguna tarea, sea manual o intelectual, ordinaria o creativa, puede realizarse sin recurrir al conocimiento tácito (en el mismo lugar). Dicho de otro modo, el saber hacer no codificable no es una excepción marginal, está en el corazón de todo trabajo. Esa dimensión del acompañamiento, Lave y Wenger la abren más: para ellos, el aprendizaje no es un acto mental aislado, tiene lugar por la participación en una comunidad de práctica; el novato se hace maestro junto a los maestros, progresando de la periferia hacia el centro del trabajo, haciendo juntos (Lave & Wenger, 1991). Lo que porta el saber hacer no es un manual o un curso colectivo, sino esa relación de participación; según sus palabras, «incluso el saber supuestamente general solo tiene fuerza en condiciones particulares» (en el mismo lugar, p. 33). La revisión de Tsao y colegas, que recorre los oficios creativos, asienta esta distinción sobre dos ejes: la codificabilidad del saber (su paso de lo tácito y lo encarnado a lo explícito y codificable) y la materialidad de la producción; encuentra así que los dominios que privilegian la práctica encarnada son los que más resisten a la sustitución por la IA (Tsao et al., 2026). La misma revisión señala que la etapa de carrera es un factor determinante: los principiantes acogen la IA con entusiasmo, como una prolongación natural de las herramientas digitales, mientras que los practicantes veteranos miran con recelo la devaluación de la pericia (en el mismo lugar).
La diferencia individual misma se mide también. La revisión de Lovett refiere que personas de trayectoria semejante llegan con la misma herramienta a resultados netamente distintos, trazándose la distinción por la orientación de la meta de aprendizaje: la dependencia vuelta hacia el desempeño convierte la herramienta en una baja de competencia, mientras que la orientación hacia el dominio convierte la misma herramienta en un alza de competencia (resultado de Yang et al. 2026, recogido en Lovett 2026). La expresión «la misma herramienta» es el corazón del tornasol: lo que varía no es la herramienta, sino la orientación que la sostiene.
La expresión pública más límpida de esta distinción se sitúa entre dos voces que se enfrentan en los debates. Una cuenta su propio método: hace producir a la IA un gran número de opciones, luego las filtra con su propia base de conocimientos, añadiendo después que eso no podría hacerse sin un acervo previo. La voz adversa es la otra cara de la moneda: quien no tiene acervo filtrará también, pero creerá filtrar y elegirá sin calidad, y por añadidura no sabrá nunca que se ha equivocado. La misma herramienta: el experto filtra, el novato cree filtrar. La misma distinción se plantea también desde el punto de vista del aprendizaje: el uso de la herramienta por alguien que ha aprendido los fundamentos de antemano difiere de lo que vivirá quien parte de cero; aprender un tema avanzado cuando una herramienta que produce soluciones ya hechas está al alcance de la mano puede lisiar el aprendizaje a largo plazo. El tornasol cambia aquí de color: el papel sumergido en la misma solución muestra lo que aporta quien lo sumerge.
Hay que prevenir aquí una confusión. La tesis del tornasol, «separa», puede parecer contradecir la observación, expresada en ciertos debates, según la cual «la IA uniformiza a todos». El fenómeno que Sarkar llama «convergencia mecanizada» es real: los usuarios de la IA tienden a producir una producción menos variada en una misma tarea (Sarkar 2023, citado en Lee et al., 2025). Pero eso es el parecido de las producciones entre sí; lo que el tornasol separa es la diferencia de competencia entre las personas. Las dos se sitúan en planos distintos: mientras que las producciones convergen en la superficie, la capacidad de quienes las producen de filtrar, verificar e integrar sigue separándose. Además, la advertencia propia de Lee es valiosa aquí: la variedad de las producciones es un criterio imperfecto del pensamiento crítico; quien usa la recomendación de la herramienta sin modificarla puede muy bien haber emitido un juicio crítico. La convergencia no es lo contrario de la separación, es un fenómeno distinto que se sitúa en otro eje.
Otra deuda de honestidad: el optimismo que sugiere esta sección, a saber, la expectativa de que «en una buena mano, la herramienta agranda la capacidad», tampoco es incuestionable. Una simulación basada en agentes, que propone cuatro criterios para distinguir la amplificación cognitiva de la delegación cognitiva, avanza que ninguno de los regímenes de interacción probados alcanzó una verdadera amplificación, que incluso en el régimen mixto que más preserva la capacidad humana la ganancia de cooperación seguía siendo negativa, y que incluso reduciendo a cero la erosión cognitiva, no aparecía ninguna ganancia positiva (Di Santi, 2026). Ese resultado tiene dos límites, y ambos deben señalarse: el primero, es una simulación NetLogo, no datos de campo empíricos, y el propio autor la califica de abstracción; el segundo, la definición de la «amplificación» es allí saber si la producción híbrida supera al mejor agente solo (en la mayoría de los casos la IA misma), lo cual no es exactamente lo mismo que el «alza de la capacidad propia de la persona» de la que habla esta sección. No deja de ser, sin embargo, una advertencia limitada: la presencia de una mano que extrae una producción de la herramienta no significa que esa producción se convierta en toda circunstancia en una verdadera ganancia cognitiva. Es también aquí una lupa que el ensayo vuelve hacia su propia mitad optimista.
Por último, una deuda de honestidad. Decir «no codificable» no quiere decir «no enseñable», y este ensayo no asume ese absoluto. El acento de Hadjimichael dice exactamente lo contrario: el saber hacer tácito madura por el acompañamiento del experimentado. Dicho de otro modo, el saber hacer no es una intuición intransmisible, es transmisible, pero solo en presencia del experimentado y viviéndolo con él. Lo que el tornasol separa no es una jerarquía innata de aptitudes, sino la presencia o la ausencia del acervo y de la orientación. Convertir esta distinción en una proclamación de superioridad, es decir, decir «nosotros que sabemos filtrar, ellos que no saben», da la ocasión de interpretar en su propio favor la lupa que construye esta sección. Esa tentación es real y liga al ensayo mismo; la sección siguiente trata precisamente esa trampa.
IV. Escudo: el desplazamiento de la responsabilidad del agente a la herramienta
Las tres lentes miraban todas en una dirección: la posición propia de la persona. El escudo debe añadirse a ellas como un cuarto gesto, pues no es una lente, sino un medio de escapar a la lente. La frase «la IA inventa» es técnicamente exacta; la segunda sección lo mostró con datos medidos. Pero una observación justa puede ser uncida a una mala tarea. Esa frase deja la mayoría de las veces de ser una descripción para volverse una excusa: aquel a quien pertenece el error, remitiendo la culpa a la naturaleza de la herramienta, se libera de la obligación de control y de la propiedad del resultado. Cuando la observación se convierte en escudo, lo que protege no es la verdad, sino la posición.
El error lógico es simple pero invisible. La proposición «la herramienta puede inventar» es verdadera; la inferencia «luego el error de la producción no es mío» es inválida, pues hay un paso que rompe el vínculo entre las dos: el agente que adopta, usa y hace pública la producción. Para hacer visible ese paso, hay que preguntar a quién puede pertenecer la responsabilidad.
El estudio de Fuchs cierra esta salida de manera decisiva: la herramienta no puede cargar con la responsabilidad, pues no es un agente moral. La IA no tiene ni cuerpo ni vida; aunque su fuerza de expresión despierte en nosotros una empatía involuntaria, según las palabras de Fuchs, cuando el objeto es una estructura capaz de expresarse bastante bien y semejante a lo vivo, no debemos dejarnos atrapar por esa empatía que se apodera de nosotros, pues no hay allí nadie para ser feliz, para entristecerse, para rendir cuentas (Fuchs, 2022). La verdadera advertencia de Fuchs se convierte en un principio de diseño: la imitación sistemática de la subjetividad debe impedirse, el sistema debe presentarse solo por lo que es, una simulación (en el mismo lugar). De ahí surge el punto débil del escudo. Descargar la responsabilidad en la IA equivale a prestarle un atributo que no tiene, el de «ser un agente». Como la herramienta no puede ser un agente, la responsabilidad no puede quedar en ella, vuelve inevitablemente al humano.
Una pregunta, sin embargo, queda abierta: ¿y si de verdad nadie pudiera prever? Matthias muestra que existe, en los sistemas que aprenden, una verdadera laguna de responsabilidad: cuando un sistema aprende de la experiencia y modifica su comportamiento durante el funcionamiento, su fabricante o su programador ya no puede prever ni controlar del todo su comportamiento futuro; la atribución tradicional de responsabilidad, que exige que el agente conozca y pueda controlar su acción, encuentra aquí una laguna (Matthias, 2004). Pero el lugar donde se abre esa laguna es determinante. La laguna de Matthias está en la pérdida de previsión del fabricante, de quien concibe el sistema; no del lado del usuario-agente que toma, adopta y hace pública la producción. El escudo enturbia precisamente esta distinción: usa la imprevisibilidad del fabricante como la excusa del usuario que se apropia de la producción. Ahora bien, la incapacidad del fabricante para prever no abole la responsabilidad de control y de apropiación del usuario.
La laguna que señala Matthias no es más que un ejemplo. Santoni de Sio y Mecacci definen cuatro lagunas de responsabilidad distintas ligadas a la IA; la primera es la laguna de culpabilidad: situaciones en las que un humano provoca un mal resultado pudiendo tener a la vez una excusa legítima, que nadie podía razonablemente prever ni impedir (Santoni de Sio & Mecacci, 2021, p. 1063). El concepto es legítimo; pero la verdadera advertencia de los autores se refiere al modo en que esta laguna se trata mal. Enumeran tres actitudes insuficientes: el «fatalismo» (fatalism), que declara el problema nuevo e insoluble, el «deflacionismo» (deflationism), que lo tiene por un falso problema y lo esquiva, y el «solucionismo tecnológico» (technical solutionism), que presenta todo como soluble mediante la mejora técnica (en el mismo lugar). El escudo es el disfraz cotidiano del primero: decir «la herramienta es así, no hay nada que hacer» es presentar un error previsible y evitable como un destino imprevisible. La vía de salida que proponen los autores exige lo contrario: los sistemas sociotécnicos deben concebirse para un «control humano significativo», es decir, permanecer ligados a las razones y a las facultades del humano (en el mismo lugar). Así el agente sigue siendo el humano.
Pero rechazar el escudo no equivale a declarar la herramienta neutra; ese es el punto más fino de la sección. En el debate público, un polo fuerte dice que el diseño de la herramienta no es inocente. Una voz de ese polo dice que existen usos capaces de potenciar el cerebro, pero que el futuro que propondrán las empresas no será ese, pues hacer funcionar un modelo que aprueba al usuario será siempre más rentable. Otra lee el propio discurso institucional como un escudo: fórmulas del tipo «mientras verifiques sus resultados» son expresiones a las que las empresas recurren para no ser tenidas por responsables de eventuales problemas. Ese polo señala un lugar justo. Como Enrique Dans subraya en su propio texto, la herramienta está concebida para reducir la fricción, no para suscitar la duda; la capa fluida de lenguaje natural disimula sus límites. La herramienta está en este sentido inclinada. Pero hay aquí una cuestión de prioridad: lo que es determinante, ¿es aquello para lo que la herramienta fue concebida, o aquello en lo que se convierte en cada uno? La inclinación de diseño es real, pero no explica el resultado por sí sola, pues la misma herramienta inclinada se convierte en producción en una mano, en deriva en otra. La constatación de Dans, según la cual la herramienta no es neutra, no es falsa; solo responde a otra pregunta, la de la inocencia de la herramienta. En la pregunta de saber qué determina el resultado, en cambio, el peso se desplaza de la intención de diseño a la mano que sostiene la lente.
Dos verdades se juntan aquí y cercan el escudo por los dos lados a la vez: la herramienta está inclinada, y sin embargo el agente sigue siendo el humano. La inclinación no borra al agente, complica su tarea. El diseño puede empujar a un usuario hacia un error fluido; pero apropiarse o no de ese error, controlarlo o no, sigue siendo el acto del agente. Quien descarga toda la responsabilidad en la herramienta (el escudo personal, que no ve la herramienta no neutra) y quien la descarga en el usuario (el escudo institucional, que no ve la inclinación) se sitúan en los dos extremos del mismo error: ambos quieren poner la carga en un solo lugar y hacer invisible el otro extremo. El control humano significativo quiere que la responsabilidad quede en el agente incluso con una herramienta inclinada; por eso admite al mismo tiempo la inclinación de la herramienta y la deuda de atención del agente.
Así el escudo es en realidad un cuarto espejo. Quien dice «la IA inventó, es su culpa» da una información sobre su propia posición: no quiere apropiarse del resultado, no asume la pena del control, quiere colocar su error fuera de sí mismo. Cuando se levanta el escudo, lo que protegía tras él se hace visible. Pero esta observación abre enseguida a una trampa: diagnosticar el mismo gesto en el otro, decir «mira, se refugia tras su escudo», puede ser a su vez el escudo de quien diagnostica. Ahora la lente debe volverse…
V. El doble sentido del espejo y sus trampas (el cerrojo autorreflexivo)
Las cuatro secciones anteriores apuntaban una lente hacia el exterior: mostraron cómo la reacción, el intento de ocultación, el saber hacer, la excusa revelan la posición de la persona. Pero esta lectura misma porta un poder peligroso: la misma lente puede entonces convertirse en arma en la mano de quien la usa. Esta sección, en cambio, la vuelve hacia quien la sostiene. Hay tres trampas; pero las tres valen no solo para «el bando adverso», sino también para este ensayo.
La primera trampa es confundir el origen y el contenido. Tener una afirmación por viciada en razón del humor o del interés de quien la enuncia se conoce en lógica con el nombre de falacia genética: desacreditar una opinión a causa de su origen. Ahora bien, el origen la mayoría de las veces no tiene relación con la verdad de la opinión (Dowden). Que haya una amenaza a la identidad detrás de la crítica que alguien dirige a la IA no vuelve esa crítica falsa por sí sola. La sección del espejo lo había señalado de entrada: mostrar la fuente de la reacción no hace las veces de refutación de su contenido. La frase «dices eso porque tienes miedo de perder tu privilegio» ataca el móvil del otro, no su argumento; ahora bien, el argumento seguirá siendo verdadero o falso con independencia del móvil. Si este ensayo creyera que la posición que diagnostica tiene la fuerza de una constatación de refutación, caería precisamente en esa falacia. Hay también una salida de esta trampa: una afirmación se pesa primero en sí misma, por su contenido; la lente no se vuelve hacia lo que de ella queda sino después. Además, esa afirmación se construye no en su versión más débil sino en la más fuerte: la sección del tornasol trató la tesis de la igualación que afronta no como un eslogan sino con las pruebas de campo más sólidas, pues una tesis solo se pone verdaderamente a prueba si se la afronta en su versión más fuerte. «La IA inventa» se admite primero por verdadero, la lente mira el uso selectivo de ese verdadero, su temperatura, el momento en que se lo esgrime. Si el orden se invierte, si la afirmación se marca de entrada con un móvil, el diagnóstico mismo toma esta vez el hábito de una refutación. Las cuatro secciones anteriores intentaron sostener la lente en ese orden: el escudo tuvo primero por verdadera la observación «la IA inventa», y solo examinó después su muda en excusa.
La segunda trampa es usar la lente en su propio favor. La sección del tornasol planteó una distinción: quien tiene el acervo y la orientación convierte la herramienta en saber hacer; quien no los tiene elige a ciegas y no se percata de que se ha equivocado. Convertir esta distinción en una jerarquía de personas, en un relato «nosotros que comprendemos, ellos los torpes», sería el paso más fácil y más sinuoso, pues coloca automáticamente a quien lo enuncia del lado de los ganadores. Una forma extrema de ese relato circula también en el discurso público: se alzan voces para trazar cuadros de un futuro donde la mayoría de la gente seguiría embotándose poco a poco, donde una parte se adaptaría y viviría en una especie de «ceguera funcional», y donde otra parte desarrollaría una inmunidad a la IA y se convertiría en un «linaje» aparte. Es la caricatura de la tesis del tornasol: convierte la separación en una superioridad de casta, en el linaje de élite al que pertenece quien habla. Si el ensayo llegara a acercarse un milímetro a ese lenguaje, habría rehusado volver hacia su propio rostro la lente que construye. Por eso la sección del tornasol subrayó en particular que la distinción no es una aptitud innata, sino un acervo y una orientación que se pueden adquirir.
La tercera trampa es reducir el argumento a la psicología. Las secciones del espejo y del escudo decían que la reacción y la excusa revelan una posición. Pasar de ahí a leer cada opinión adversa como el síntoma de un defecto psicológico, es decir, decir «en el fondo, eso le molesta», «en el fondo, compensa tal cosa», desplaza el debate del contenido hacia la persona. Este ensayo no hace diagnóstico de personas, y no debe hacerlo; los comentaristas de foro se toman como posiciones, no como casos. La lente es un instrumento de análisis que hace visibles las posiciones, no un aparato de diagnóstico que etiqueta a las personas.
Estas tres trampas no ligan solo a quien defiende la IA; ligan también a quien le resiste, e incluso a quien entra en pánico ante la IA. Hay que volver la lente hacia ese lado también. Tomemos el resultado más compartido en los últimos tiempos, «la IA pudre nuestro cerebro». Kosmyna y colegas, conectando al EEG a participantes que redactaban un ensayo, avanzaron que los usuarios de la IA acumulaban con el tiempo una «deuda cognitiva», que su conectividad neuronal, su sentimiento de propiedad y su rendimiento de recuerdo bajaban; el resultado se mudó pronto en la opinión pública en un titular «la IA pone fin al aprendizaje» (Kosmyna et al., 2025). Ahora bien, un comentario detallado escrito sobre ese mismo estudio sacude el resultado en varios puntos. Stanković y colegas muestran que la muestra es pequeña respecto al número de comparaciones efectuadas (allí donde un análisis de potencia exigiría unos 159 participantes, se trabajó con 54), que la medida de «conexión significativa» en el EEG mostraba una diferencia relativa entre grupos, de modo que la inferencia «poca conexión, cerebro débil» no puede decir nada de la potencia neuronal absoluta, que en la banda beta el grupo IA salía incluso más fuerte que el grupo sin herramienta, y que en la tarea de «citación» la diferencia entre el grupo motor de búsqueda y el grupo sin herramienta era insignificante (p = 1). Este último punto debilita por sí mismo la tesis «delegar en una herramienta externa acumula una deuda cognitiva»: el grupo motor de búsqueda, aunque usaba también una herramienta externa, no mostró ninguna degradación (Stanković et al., 2025). El punto no es aquí que Kosmyna esté equivocada; es saber a qué velocidad y con qué selectividad una preimpresión aún no pasada por la evaluación por pares puede leerse porque confirma el relato del pánico. Del mismo modo que la IA inventa, la idea de que la IA pudre el cerebro es también una afirmación técnicamente comprobable; el pánico es también una posición y puede leer selectivamente su propia prueba. Esto es simétrico del gesto de la sección del escudo y liga también a este ensayo: del mismo modo que afrontó la tesis de la igualación en su versión más fuerte, debe leer con prudencia el resultado del polo adverso.
El mismo equilibrio aparece en el conjunto de la literatura. Una revisión que recorre treinta estudios empíricos refiere que veintiuno de ellos encontraron que la IA tiene un efecto de predominio positivo sobre el pensamiento crítico, efecto que aparece sobre todo en un uso pedagógicamente estructurado (Raitskaya & Tikhonova, 2025). Esto muestra que el ensayo no se apoya en la literatura del pánico: el peso negativo de la sección de la lupa no significa que todo el dominio sea negativo. La diferencia está de nuevo en el uso mismo, en la mano que sostiene la lente.
Estas tres trampas se anudan todas en un solo lugar; ese nudo se hizo visible en un concepto que la literatura sobre el discurso moral ha debatido mucho en los últimos años. Tosi y Warmke definen lo que llaman «alarde moral» (moral grandstanding) como el uso del discurso moral para parecer respetable a los ojos de los demás por ese medio; quien hace alarde habla de un «deseo de reconocimiento» del que espera que lo haga parecer virtuoso (Tosi & Warmke, 2016). El concepto vecino que Westra llama «señalización de virtud» (virtue signaling) mira el mismo lugar: lo determinante no es el contenido del enunciado moral, sino el móvil de búsqueda de estatus que se tiene detrás de él (Westra, 2021). Zager, por su parte, nombra otro movimiento del modo siguiente: el hecho de que una persona acusada de una violación de regla neutralice la acusación deslizándose del lenguaje de la regla al lenguaje de la virtud, es decir, diciendo «puede que haya infringido la regla, pero soy alguien de bien», la «alternancia» (toggling) (Zager, 2023). Estos tres conceptos son poderosas lentes: hacen visible el móvil o la maniobra detrás de la postura moral del otro.
Pero es precisamente aquí donde se cierra el cerrojo autorreflexivo. Flowerree y Satta muestran que diagnosticar el alarde es en sí mismo una trampa: no podemos distinguir de manera fiable si alguien hace de verdad alarde o si habla con sinceridad; si no podemos distinguirlo, no estamos epistémicamente fundados para juzgar a alguien como alardeador; además, la propensión a juzgar así al otro señala una falta de humildad intelectual (Flowerree & Satta, 2023). Es el vuelco último y más tajante de la lente. Decir «en el fondo hace alarde, anda en busca de señalización de virtud» es la mayoría de las veces, para quien lo dice, una manera de establecer su propia posición de superioridad. Dicho de otro modo, el acto mismo de denunciar la señalización de virtud puede ser una señalización de virtud. Este ensayo, al leer las reacciones a la IA, exhibe una postura moral e intelectual: «ved la verdad, poneos también a prueba». Esa postura también está sometida al mismo cerrojo, no puede eximirse de él.
¿Nos lleva entonces todo esto a una duda infinita, a no poder decir nada? No; la salida la dan de nuevo Flowerree y Satta: en lugar de leer los móviles, hay que mirar las razones que la persona declara y el hecho de que su acción atestigüe o no el respeto hacia sus interlocutores. Es lo que este ensayo ha intentado hacer en todas sus etapas. No ha diagnosticado el móvil interior de los comentaristas de foro; ha examinado el argumento que enunciaban, y desde qué posición ese argumento es coherente. Ha sometido su propia posición (la del bando que usa la IA y saca provecho de ella) a la misma prueba: midiendo la neutralidad de la lupa, velando por no convertir la distinción del tornasol en una superioridad, rechazando el escudo en sus formas personal e institucional. Mientras la lente sigue siendo de doble sentido, es un instrumento de lectura; en el instante en que se traba en un solo sentido, se convierte en un ejemplo de lo que diagnostica.
VI. Encuadre: cómo ves la IA decide el resultado
La sección del tornasol mostró que la misma herramienta da un resultado distinto en dos manos, pero dejó una pregunta abierta: el saber hacer que crea la diferencia es exactamente el saber hacer ¿de qué? Esta sección da una breve respuesta, pues la respuesta nombra el mecanismo bajo el tornasol. Una gran parte de la distinción viene de lo que la persona ve en la IA.
Orlikowski y Gash dan el nombre de «marco tecnológico» al conjunto de presupuestos, expectativas y saberes que la gente porta acerca de una tecnología; muestran también que grupos diferentes portan marcos diferentes, y que la inadecuación entre esos marcos explica los resultados inesperados vividos con una misma tecnología (Orlikowski & Gash, 1994). En el caso de la IA, dos marcos sobresalen. Uno ve la herramienta como una máquina de respuestas, como un oráculo: se plantea una pregunta, se recibe una respuesta, y la respuesta recibida es el producto mismo. El otro la ve como un motor de procesamiento: coloca ante él materia, contexto, un problema bien planteado; aquí, el arte es gestionar, controlar, realimentar lo que el motor hace dentro de esa materia.
Que esta distinción no sea una vana comparación, el experimento de Zamfirescu y colegas lo muestra. El estudio, que examina cómo los no expertos conciben sus peticiones a la IA, encuentra que los participantes transfieren a la herramienta expectativas venidas de sus experiencias de enseñanza entre humanos, hacen sobregeneralizaciones a partir de un solo ensayo, avanzan de manera oportunista y no sistemática, y que esos hábitos constituyen otros tantos obstáculos ante una concepción eficaz de las peticiones (Zamfirescu-Pereira et al., 2023). Dicho de otro modo, el enfoque que trata la herramienta como un interlocutor, como un oráculo al que se hablaría como a una persona ordinaria, fracasa. El marco del oráculo es el marco donde la herramienta patina. Lo que Long y Magerko llaman «alfabetización en IA» busca precisamente colmar esa diferencia: las competencias de evaluar la herramienta de manera crítica, de cooperar con ella, de reconocer sus límites (Long & Magerko, 2020). La palabra alfabetización es importante, pues designa una facultad, no un don innato.
Lo que el buen marco no es, Yiu, Kosoy y Gopnik lo plantean de manera tajante: pensar estos sistemas como una mente humana individual, como un agente, es erróneo. Para ellos, el marco más justo es ver la IA como una poderosa tecnología cultural, a semejanza de la escritura, la imprenta, la biblioteca; pues estos sistemas son extraordinarios motores de imitación que transmiten el acervo de la humanidad, pero no portan por sí mismos las facultades de buscar la verdad, de hacer descubrimientos originales (Yiu et al., 2023). Ese marco evita los dos errores: no tiene la herramienta ni por un sujeto pensante ni por un oráculo mágico, la tiene por un motor que procesa el acervo humano. Quien pone el motor en acción, coloca ante él su propia materia, controla su producción con su propio saber, extrae de él una producción; mientras que quien le plantea una pregunta como a un oráculo y toma la respuesta tal cual confunde el patinaje con la producción.
Este cambio de marco tiene también un correlato de campo medido. En los datos de trabajadores del conocimiento de Lee y colegas, la IA desplaza el peso del pensamiento crítico: de la producción misma hacia la verificación de lo que se produce, la integración de las partes y la gestión del proceso (Lee et al., 2025). El paso del marco del oráculo al marco del motor de procesamiento no es, en el buen usuario, una preferencia abstracta sino una diferencia de comportamiento medida; invierte su esfuerzo no en la recepción de la respuesta, sino en su control y su integración.
Esto hace visible también la diferencia entre el saber hacer mostrado y el saber hacer realmente poseído. Mei y Weber distinguen, en la era de la IA, el pensamiento crítico «demostrado» (demonstrated) del pensamiento crítico «efectuado» (performed): el producto que emerge con la ayuda de la herramienta y el proceso cognitivo que la persona puede llevar a cabo sin herramienta no son la misma cosa; además, las evaluaciones miden la mayoría de las veces el primero y hablan del segundo (Mei & Weber, 2025). El marco del oráculo se contenta con lo demostrado; el marco del motor de procesamiento nutre lo efectuado.
Así el encuadre nombra el núcleo del saber hacer que el tornasol separa. La misma herramienta da resultados diferentes porque los usuarios la asen con marcos diferentes; el marco es un modelo mental, y es ese modelo el que determina el resultado. Para decirlo en el lenguaje de la lupa de la segunda sección: la mano que sostiene la lente sostiene en realidad un encuadre. Y ese encuadre, como la quinta sección insistió, no es un privilegio innato, sino una alfabetización que se puede adquirir.
Conclusión: ver con claridad
La pregunta de partida era: ¿por qué personas que miran el mismo objeto llegan a resultados tan distintos? El método seguido a lo largo del texto ha desplazado hasta la pregunta misma. La gente llega a resultados diferentes porque lo que mira no es la mayoría de las veces el objeto, sino la sombra de su propia posición proyectada sobre el objeto. Más que un cuerpo sobre el que recae la reacción, la IA funciona como una superficie que devuelve dónde se sitúa quien reacciona.
Las cuatro lentes eran los cuatro modos de esa reflexión. El espejo mostró que el contenido de la reacción revela lo que la persona protege (su competencia, su privilegio). La lupa mostró que la lente es neutra, que hace visible agrandándolas tanto la insuficiencia como el acervo colocados bajo ella. El tornasol mostró que la herramienta separa más de lo que iguala; pues producir bien con ella es un saber hacer no codificable, que madura por la experiencia vivida y el acompañamiento. El escudo mostró cómo una observación técnicamente justa, como «la IA inventa», puede convertirse en una excusa que desplaza la responsabilidad del agente a la herramienta. La sexta sección reunió las cuatro en un mecanismo: lo que crea la diferencia es lo que la persona ve en la IA, el marco con el que la sostiene.
Pero la carga verdadera del texto no estaba en las lentes tomadas una a una, sino en su reversibilidad. La misma lente lee también la mano que lee al otro. Quien dice «te resistes porque tienes miedo» como quien dice «has dejado de pensar» puede usar el mismo aparato para confirmar su propia posición. Por eso la lente no ha sido aquí un arma de diagnóstico; si lo hubiera sido, se habría convertido en un ejemplo de lo que diagnostica. Ha seguido siendo una lectura, una lectura que se lee también a sí misma.
Esto no significa que nada esté determinado. Lo que se puede decir pasa no por la lectura de los móviles, sino por la mirada puesta en la razón declarada y en el respeto manifestado. Una reacción a la IA porta una información sobre la posición de quien la formula; pero esa información no determina por sí sola si esa reacción es fundada o no. No confundir las dos es una honestidad que debemos tanto a nuestro interlocutor como a nosotros mismos.
Este texto no ha pretendido descubrir un mecanismo nuevo, y no podía hacerlo. Ha reunido, al nivel del discurso público, trabajos hasta ahora dispersos, como la amenaza a la identidad, el conocimiento tácito, la confianza excesiva, la laguna de responsabilidad, el alarde moral, ha establecido el vínculo entre ellos, y ha aplicado ese vínculo a sí mismo. Su valor, si tiene alguno, no reside en los resultados tomados uno a uno, sino en la disciplina de esa mezcla y de esa puesta a prueba de sí.
Queda una actitud. El texto que lanzó la rendición cognitiva había atado también su cierre a este lugar: «la frontera no está en la tecnología, sino en la actitud». Esa actitud es la de la persona que usa la herramienta. El único añadido de este texto es que esa actitud no se aplique en un solo sentido: buscar leer la posición del otro sin ver la nuestra frente a la IA es lo que más ciega la lente que sostenemos. Ver con claridad empieza la mayoría de las veces por ver primero desde dónde se mira.
Referencias
Según el principio de la dirección alcanzable, la bibliografía da las fuentes bajo una forma única, la de su referencia original (aunque los conceptos en el texto estén en español, la referencia es la dirección que lleva al lector a la misma edición). Cuando, en las publicaciones primero en línea, el año de cita en el texto difiere del año del volumen, la información de volumen se indica en la referencia.
Bankins, S., Ocampo, A. C., Marrone, M., Restubog, S. L. D., & Woo, S. E. (2024). A multilevel review of artificial intelligence in organizations: Implications for organizational behavior research and practice. Journal of Organizational Behavior, 45(2), 159-182. https://doi.org/10.1002/job.2735
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188. https://doi.org/10.1145/3449287
Dans, E. (2026, abril). Pensar cansa [Entrada de blog]. Enrique Dans. https://www.enriquedans.com/2026/04/pensar-cansa-por-eso-estamos-empezando-a-dejar-que-la-inteligencia-artificial-lo-haga-por-nosotros.html (La versión inglesa, adaptada por el propio autor, es accesible: «Thinking hurts, so why not surrender to AI?» Medium. https://medium.com/enrique-dans/thinking-hurts-so-why-not-surrender-to-ai-68da41119eb2)
Dell'Acqua, F., Rajendran, S., McFowland, E., III, Krayer, L., Mollick, E., Candelon, F., Lifshitz-Assaf, H., Kellogg, K., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality (Harvard Business School Working Paper No. 24-013). https://ssrn.com/abstract=4573321
Di Santi, E. (2026). Cognitive amplification vs. cognitive delegation in human–AI systems: A metric framework [Preimpresión]. arXiv:2603.18677. https://arxiv.org/abs/2603.18677
Dowden, B. (s.f.). Fallacies (Genetic fallacy). Internet Encyclopedia of Philosophy. ISSN 2161-0002. https://iep.utm.edu/fallacy/
Ehsan, U., Passi, S., Saha, K., McNutt, T., Riedl, M. O., & Alcorn, S. (2026). From future of work to future of workers: Addressing asymptomatic AI harms for dignified human-AI interaction. Proceedings of CHI 2026. https://doi.org/10.1145/3772318.3791081 (Preimpresión: arXiv:2601.21920.)
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544
Flowerree, A. K., & Satta, M. (2023). Moral grandstanding and the norms of moral discourse. Journal of the American Philosophical Association, 10(3), 483-502. https://doi.org/10.1017/apa.2023.8
Fuchs, T. (2022). Understanding Sophia? On human interaction with artificial agents. Phenomenology and the Cognitive Sciences, 23(1), 21-42 (vol. 2024). https://doi.org/10.1007/s11097-022-09848-0
Gerlich, M. (2025a). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
Gerlich, M. (2025b). From offloading to engagement: An experimental study on structured prompting and critical reasoning with generative AI. Data, 10(11), 172. https://doi.org/10.3390/data10110172
Hadjimichael, D., Ribeiro, R., & Tsoukas, H. (2024). How does embodiment enable the acquisition of tacit knowledge in organizations? From Polanyi to Merleau-Ponty. Organization Studies, 45(4), 545-570. https://doi.org/10.1177/01708406241228374
Kapur, M. (2008). Productive failure. Cognition and Instruction, 26(3), 379-424. https://doi.org/10.1080/07370000802212669
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Preimpresión]. arXiv:2506.08872. https://arxiv.org/abs/2506.08872
Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134. https://doi.org/10.1037/0022-3514.77.6.1121
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press. ISBN 978-0-521-42374-8.
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). https://doi.org/10.1145/3706598.3713778
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1-16. https://doi.org/10.1145/3313831.3376727
Lovett, M. (2026). Individual differences in generative AI effectiveness: An empirical puzzle for HRD research. New Horizons in Adult Education and Human Resource Development. https://doi.org/10.1177/19394225261472792
Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2024). Hallucination-free? Assessing the reliability of leading AI legal research tools (arXiv:2405.20362). https://arxiv.org/abs/2405.20362
Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology, 6(3), 175-183. https://doi.org/10.1007/s10676-004-3422-1
Mei, K. X., & Weber, N. (2025). Designing AI systems that augment human performed vs. demonstrated critical thinking [Preimpresión]. arXiv:2504.14689. https://arxiv.org/abs/2504.14689
Mirbabaie, M., Brünker, F., Möllmann Frick, N. R. J., & Stieglitz, S. (2021). The rise of artificial intelligence: Understanding the AI identity threat at the workplace. Electronic Markets, 32(1), 73-99 (vol. 2022). https://doi.org/10.1007/s12525-021-00496-x
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence [documento de trabajo del MIT; versión revisada por pares: Science, 381(6654), 187-192]. https://doi.org/10.1126/science.adh2586
Orlikowski, W. J., & Gash, D. C. (1994). Technological frames: Making sense of information technology in organizations. ACM Transactions on Information Systems, 12(2), 174-207. https://doi.org/10.1145/196734.196745
Passi, S., & Vorvoreanu, M. (2022). Overreliance on AI: Literature review (informe Microsoft Research / Aether).
Raitskaya, L., & Tikhonova, E. (2025). Enhancing critical thinking skills in ChatGPT-human interaction: A scoping review. Journal of Language and Education, 11(2), 5-19. https://doi.org/10.17323/jle.2025.27387
Santoni de Sio, F., & Mecacci, G. (2021). Four responsibility gaps with artificial intelligence: Why they matter and how to address them. Philosophy & Technology, 34(4), 1057-1084. https://doi.org/10.1007/s13347-021-00450-x
Shaw, S. D., & Nave, G. (2026). Thinking, fast, slow, and artificial: How AI is reshaping human reasoning and the rise of cognitive surrender [documento de trabajo de Wharton; en el título original hay una raya después de la palabra «Thinking»]. SSRN 6097646. https://doi.org/10.31234/osf.io/yk25n_v1
Stanković, M., Hirche, E., Kollatzsch, S., & Doetsch, J. N. (2025). Comment on: Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks [Preimpresión]. arXiv:2601.00856. https://arxiv.org/abs/2601.00856
Tosi, J., & Warmke, B. (2016). Moral grandstanding. Philosophy & Public Affairs, 44(3), 197-217. https://doi.org/10.1111/papa.12075
Tsao, J., Liang, C. X., Nogues, C., & Wong, A. (2026). Perceptions and integration of generative artificial intelligence in creative practices and industries: A scoping review and conceptual model. AI & Society, 41(3), 2259-2278. https://doi.org/10.1007/s00146-025-02667-2
Westra, E. (2021). Virtue signaling and moral progress. Philosophy & Public Affairs, 49(2), 156-178. https://doi.org/10.1111/papa.12187
Yiu, E., Kosoy, E., & Gopnik, A. (2023). Transmission versus truth, imitation versus innovation: What children can do that large language and language-and-vision models cannot (yet). Perspectives on Psychological Science, 19(5), 874-883. https://doi.org/10.1177/17456916231201401
Zager, S. (2023). Toggling: How shifts between deontology and virtue ethics undermine public moral discourse about gender and race. Hypatia, 38, 294-315. https://doi.org/10.1017/hyp.2023.25
Zamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023). Why Johnny can't prompt: How non-AI experts try (and fail) to design LLM prompts. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, Article 437, 1-21. https://doi.org/10.1145/3544548.3581388
Versión y registro de cambios
Tornasol · v1.1 · 12 de agosto de 2026 · dos correcciones fácticas
Esta versión incorpora, en la ronda de traducción multilingüe, dos correcciones fácticas surgidas de fuentes primarias; el argumento medular y la estructura permanecen sin cambios. ① La paradoja del amplificador de Ehsan et al. ha sido armonizada bajo su nombre original (AI-as-Amplifier Paradox). ② La cita de Lave y Wenger (p. 33) se corrigió conforme al modo del original inglés (no adquisición: «only has power in specific circumstances»). La bibliografía, 38 entradas, permanece igual.
Tornasol · v1.0 · 11 de agosto de 2026 · primera edición española
La versión española se estableció a partir del original turco (Tornasol, v1.0, 10 de agosto de 2026). Esta es la primera edición pública en español.
Régimen de traducción. El cuerpo se tradujo desde el original turco. Régimen de citación: toda cita cuyo original esté en otra lengua se restituye según la fuente primaria. Para la cita de cierre de Enrique Dans, «la frontera no está en la tecnología, sino en la actitud», se usa el original español del propio autor y no una traducción, pues la lengua de esta versión coincide con la lengua de la fuente; en su propia versión inglesa el autor formula ese punto de otro modo («challenging our cultural instincts»). Terminología: los términos académicos establecidos se dan en su forma española, con el término inglés de origen entre paréntesis en cursiva en su primera aparición (moral grandstanding → alarde moral, virtue signaling → señalización de virtud, toggling → alternancia, overreliance → confianza excesiva, meaningful human control → control humano significativo, technical solutionism → solucionismo tecnológico, AI-as-Amplifier Paradox → paradoja del amplificador). Los números siguen el uso español (coma decimal, como en turco).
Bibliografía: 38 referencias, APA 7. Según el principio de la dirección alcanzable, las referencias se dan en su forma original; aunque los conceptos del texto estén en español, la referencia es la dirección que lleva al lector a la misma edición.