Estamos hablando mucho de descarga cognitiva. Y tiene sentido que lo hagamos.
La llegada de la inteligencia artificial generativa a la educación ha abierto una preocupación que no deberíamos tratar como una exageración ni como una reacción defensiva ante una tecnología nueva. Si una herramienta puede resumir un texto, redactar una respuesta, comparar argumentos, resolver una tarea o producir una explicación completa, es razonable preguntarse qué ocurre con el aprendizaje cuando una parte del esfuerzo intelectual deja de ser necesaria.
El problema no está únicamente en que el alumnado pueda entregar algo hecho con IA. Esa es la capa más visible, pero no la más profunda. La cuestión de fondo es qué procesos dejan de ocurrir cuando una herramienta asume parte del trabajo mental. Aprender no consiste solo en llegar a una respuesta correcta. Aprender implica comprender, recordar, relacionar, seleccionar, revisar, argumentar, equivocarse, reconstruir y transferir. Si la IA permite saltarse una parte significativa de ese recorrido, entonces no estamos solo ante un debate sobre honestidad académica, sino ante un debate sobre la calidad del aprendizaje.
Por eso nos ha parecido especialmente interesante el artículo “Cognitive Superloading”, de Wess Trabelsi. No porque niegue los riesgos de la descarga cognitiva, sino porque formula una pregunta más compleja: si una herramienta puede hacer que pensemos menos, ¿podría esa misma herramienta, utilizada de otra manera, ayudarnos a pensar mejor o a pensar más lejos?
Esa pregunta desplaza el debate. No basta con afirmar que la IA reducirá el esfuerzo cognitivo, aunque a veces lo haga. Tampoco basta con afirmar que ampliará automáticamente nuestras capacidades, porque eso sería igual de simplista. Lo interesante está en analizar qué tipo de pensamiento se descarga, con qué intención se hace y qué ocurre después con los recursos cognitivos que quedan disponibles.
1. Estamos hablando mucho de descarga cognitiva, y con razón
La preocupación por la descarga cognitiva tiene una base real. La IA generativa puede producir textos, explicaciones, síntesis y argumentos que se parecen mucho al resultado de haber pensado. Eso altera una premisa que durante mucho tiempo ha sostenido muchas tareas escolares y universitarias: la idea de que un producto final permite inferir, al menos parcialmente, el proceso cognitivo que lo ha generado.
Antes de la IA generativa, un ensayo, un resumen o una explicación escrita no garantizaban aprendizaje profundo, pero sí solían exigir algún grado de lectura, selección, organización y elaboración. Hoy esa relación se ha debilitado. Un estudiante puede presentar una respuesta formalmente correcta, bien estructurada y aparentemente razonada sin haber realizado necesariamente el proceso intelectual que esa respuesta sugiere.
El informe de Jason M. Lodge y Leslie Loble sobre IA y descarga cognitiva en educación plantea precisamente este riesgo. Su advertencia no se limita a que el alumnado pueda usar IA para resolver tareas, sino a que el uso no estructurado de estas herramientas puede externalizar procesos necesarios para construir conocimiento, desarrollar competencias y consolidar esquemas de comprensión.
Por eso la conversación sobre descarga cognitiva es necesaria. No se trata de demonizar cualquier ayuda externa ni de asumir que todo esfuerzo debe conservarse intacto. Se trata de identificar qué esfuerzo tiene valor formativo. Hay dificultades que son simplemente ruido, pero hay otras que forman parte del aprendizaje. Si la IA elimina las segundas, el problema no es que la tarea sea más fácil; el problema es que puede dejar de cumplir su función educativa.
2. La descarga cognitiva no es nueva. Lo nuevo es la profundidad de lo que ahora podemos delegar
Ahora bien, Trabelsi comienza su artículo recordando algo importante: la descarga cognitiva no empezó con ChatGPT. Los seres humanos siempre hemos apoyado nuestro pensamiento en herramientas externas. Escribimos listas para no recordarlo todo, usamos calendarios para organizar compromisos, tomamos apuntes para estabilizar ideas, consultamos mapas para orientarnos y recurrimos a otras personas cuando necesitamos conocimiento que no tenemos.
Esta idea no es anecdótica. Trabelsi la conecta con la tradición de investigación sobre cognitive offloading, formalizada por Risko y Gilbert, pero también con marcos anteriores como la mente extendida, la cognición distribuida, la memoria transaccional o las acciones epistémicas. La idea de fondo es que pensar nunca ha sido una actividad completamente aislada dentro de la cabeza. Pensamos con herramientas, con textos, con objetos, con conversaciones y con entornos que nos permiten reducir, reorganizar o ampliar la carga mental.
Esto es importante porque evita una lectura demasiado pobre del problema. Si toda descarga cognitiva fuera negativa, entonces muchas herramientas fundamentales para aprender serían sospechosas. Un esquema, una calculadora, una biblioteca o un buscador no eliminan necesariamente el pensamiento; en muchos casos lo hacen posible, lo ordenan o lo llevan más lejos.
La diferencia con la IA generativa no es que por primera vez descarguemos cognición. La diferencia es la profundidad de lo que ahora podemos delegar. Una agenda nos ayuda a descargar parte de la memoria prospectiva: no tenemos que mantener mentalmente todas nuestras intenciones futuras, porque el sistema nos recuerda qué debemos hacer y cuándo. Una calculadora descarga cálculo. Un buscador ayuda a localizar información. Pero una IA generativa puede intervenir en procesos mucho más próximos al razonamiento: sintetizar fuentes, formular argumentos, proponer hipótesis, redactar explicaciones, comparar perspectivas o producir una respuesta completa.
Lodge y Loble subrayan precisamente este cambio: la IA no solo permite descargar tareas habituales como recordar, organizar o calcular, sino también tareas cognitivas de una complejidad inédita, como el análisis, la síntesis y la creación. Por eso, la descarga cognitiva con IA puede afectar no solo a cargas extrínsecas o aspectos instrumentales de la tarea, sino también al trabajo cognitivo intrínseco que sostiene el aprendizaje: generar ideas, recuperar conocimiento, analizar conexiones y sintetizar argumentos.
Ahí está el salto cualitativo. La IA no inaugura la descarga cognitiva, pero sí amplía enormemente el tipo de procesos que pueden ser externalizados. Por eso el debate educativo no puede resolverse con una postura simple de aceptación o rechazo. Necesitamos una distinción más fina.
3. El artículo plantea una pregunta más interesante: ¿puede la IA ayudarnos a pensar mejor?
El giro más valioso del artículo de Trabelsi aparece cuando plantea el reverso de la preocupación habitual. Si aceptamos que una herramienta puede hacer que pensemos menos porque absorbe parte del trabajo cognitivo, también deberíamos preguntarnos si, bajo determinadas condiciones, puede ayudarnos a pensar más o mejor. A esa posibilidad la llama cognitive superloading.
La traducción literal no funciona del todo bien en español. “Supercarga cognitiva” se parece demasiado a “sobrecarga cognitiva”, que en educación tiene una connotación negativa. Quizá sea más claro hablar de amplificación cognitiva o de pensamiento aumentado. No se trataría de añadir más carga hasta saturarnos, sino de usar una herramienta para sostener procesos que serían más difíciles de mantener en solitario: trabajar con más información, contrastar más alternativas, revisar más iteraciones, explorar perspectivas distintas o recibir retroalimentación más inmediata.
Lo interesante es que Trabelsi no presenta esta posibilidad como una promesa tecnológica automática. Su punto es más matizado. La misma tecnología que puede cerrar el pensamiento cuando se usa para obtener una respuesta rápida también puede abrirlo cuando se usa para contrastar, revisar, problematizar o ampliar una idea. La diferencia no está solo en la herramienta, sino en el tipo de actividad cognitiva que organizamos alrededor de ella.
Este es un cambio importante para educación. La pregunta no puede quedarse en si la IA hará que el alumnado piense menos, aunque esa preocupación siga siendo legítima. También debemos preguntarnos si somos capaces de diseñar situaciones donde la IA ayude al alumnado a pensar con más profundidad. Esa segunda pregunta es más difícil, porque no se resuelve con permitir el uso de IA ni con prohibirlo. Exige mirar la tarea, el conocimiento previo, el acompañamiento docente, el tipo de evaluación y el papel que conserva el estudiante en el proceso.
4. Los usuarios avanzados no usan la IA para pensar menos, sino para pensar de otra manera
Una de las partes más sugerentes del artículo es que Trabelsi no se limita al contexto escolar. Observa también cómo están utilizando la IA algunos profesionales avanzados y conecta esa práctica con sistemas de gestión personal del conocimiento, flujos de trabajo, bases documentales, conversaciones reutilizables, proyectos en Claude, GPTs personalizados, Notion, Obsidian y otros entornos donde la IA no se usa solo para producir una respuesta, sino para sostener procesos de pensamiento a lo largo del tiempo.
Esta parte del artículo es importante porque cambia la imagen habitual del usuario de IA. El usuario sofisticado no es simplemente quien escribe mejores prompts ni quien consigue terminar más rápido una tarea. Según Trabelsi, los usuarios avanzados integran la IA en sistemas más amplios de trabajo intelectual: recuperan contexto, conectan ideas, refinan hipótesis, contrastan posibilidades, documentan procesos y vuelven sobre conversaciones previas para seguir pensando desde ahí.
Trabelsi apoya esta idea en un estudio publicado en Harvard Business Review sobre el uso de IA en KPMG, desarrollado con investigadores de la Universidad de Texas. El estudio analizó más de 1,4 millones de prompts y respuestas generadas por unos 2.500 empleados durante ocho meses. La idea relevante no es solo el volumen de datos, sino la diferencia entre medir uso y medir sofisticación: contar prompts o frecuencia de uso no basta para saber si alguien está usando bien la IA.
Lo que diferencia a los usuarios sofisticados, según la lectura de Trabelsi, no es que usen más la IA, sino cómo la incorporan a su razonamiento. Mantienen interacciones más largas, iteran, refinan instrucciones, verifican resultados, cambian de modelo según la tarea, definen roles y delegan tareas complejas con objetivos claros. En lugar de tratar la IA como un atajo estrecho de productividad, la utilizan como una herramienta cognitiva general.
Este punto tiene una implicación educativa directa. Los mejores usuarios de IA no parecen ser quienes piensan menos, sino quienes saben dirigir mejor el proceso. Para sacar valor de la herramienta necesitan formular problemas, aportar contexto, revisar salidas, detectar insuficiencias, cambiar de estrategia y decidir qué parte de la respuesta merece ser conservada, modificada o descartada. Eso no es solo competencia técnica. Es criterio, conocimiento y metacognición aplicados a una interacción con IA.
Aquí aparece una idea incómoda, pero muy importante: la IA no reduce la necesidad de conocimiento previo, la aumenta. Cuanto más capaz es la herramienta de producir respuestas plausibles, más necesario es que la persona pueda evaluarlas. Sin conocimiento, la IA puede parecer una autoridad. Con conocimiento, puede convertirse en interlocutor, apoyo o contrapunto.
5. La clave está en distinguir entre descargar carga extrínseca y delegar el núcleo del pensamiento
A partir de ahí, la pregunta decisiva no es si se usa IA o no, sino qué parte del proceso se delega. Para formularlo con precisión, conviene evitar expresiones demasiado vagas como “tareas periféricas” y utilizar una distinción más sólida: descargar carga extrínseca no es lo mismo que delegar el trabajo cognitivo intrínseco.
Lodge y Loble distinguen entre descarga cognitiva beneficiosa y perjudicial. La primera puede ocurrir cuando la IA ayuda a reducir carga extrínseca, por ejemplo, revisando aspectos formales, de modo que la memoria de trabajo pueda concentrarse en procesos más relevantes para el aprendizaje. La segunda aparece cuando la herramienta sustituye el trabajo cognitivo que permite construir comprensión, como generar ideas, recuperar conocimiento, analizar relaciones o sintetizar una posición.
Trabelsi recoge esta distinción al explicar que descargar aspectos como la gramática, el formato o tareas de menor orden puede liberar recursos para un pensamiento más profundo, mientras que descargar el razonamiento real implica saltarse el aprendizaje. La misma herramienta puede apoyar o debilitar el proceso dependiendo de qué se le entrega.
Este matiz es fundamental. Usar IA para revisar la claridad de una explicación no tiene el mismo valor cognitivo que usarla para generar una tesis que el estudiante no ha construido. Pedir contraargumentos para poner a prueba una postura no equivale a aceptar sin revisión una argumentación completa. Apoyarse en la IA para organizar información no es lo mismo que delegar la comprensión del problema.
Por eso una política educativa centrada únicamente en declarar si la IA está permitida o prohibida se queda corta. La pregunta importante es qué parte del pensamiento sigue siendo responsabilidad del estudiante. Si la herramienta ayuda a reducir carga extrínseca, puede liberar recursos para analizar, evaluar, sintetizar o revisar. Si asume el núcleo del proceso, el producto puede mejorar mientras el aprendizaje se debilita.
Dicho de otra forma, la IA puede liberar espacio mental, pero ese espacio no tiene valor educativo por sí mismo. Puede llenarse de análisis más profundo, de revisión crítica y de mejores decisiones, o puede convertirse simplemente en comodidad cognitiva. La diferencia depende del diseño de la tarea y del control intelectual que conserve la persona.
6. En educación, esto solo funciona si diseñamos tareas con intención, conocimiento previo, supervisión y exigencia intelectual
Aquí es donde el artículo de Trabelsi resulta especialmente útil para educación. Su argumento no nos lleva a permitir la IA sin más, sino a revisar el diseño de las tareas. Si una actividad solo pide producir un resultado, la IA puede producirlo. Si la actividad exige comprender, revisar, justificar y transferir, entonces el uso de IA puede formar parte de un proceso más exigente.
Trabelsi señala que muchos estudios sobre IA y aprendizaje se desarrollan con tareas de bajo riesgo, poco motivadoras y sin incentivos reales para sostener el esfuerzo cognitivo. En esas condiciones, que una persona delegue trabajo en la IA no demuestra necesariamente que la herramienta destruya el aprendizaje; también puede mostrar que la tarea no ofrecía razones suficientes para implicarse cognitivamente.
Esta idea es muy relevante. La IA no solo introduce problemas nuevos, también revela debilidades antiguas. Hace visibles tareas centradas en el producto final, actividades que podían completarse sin demasiada comprensión y evaluaciones donde importaba más entregar algo que mostrar cómo se había llegado hasta ahí. En ese sentido, la IA no rompe todas las tareas por igual. Rompe con más facilidad aquellas que ya dependían demasiado de la producción superficial.
Si queremos que la IA ayude a pensar mejor, el diseño debe cuidar varias condiciones. La primera es la intención pedagógica: el docente debe saber qué proceso cognitivo quiere provocar y qué parte de la tarea tiene valor formativo. La segunda es el conocimiento previo: no se puede revisar críticamente una salida de IA sobre un tema del que no se sabe nada. La tercera es la supervisión, entendida no como vigilancia policial, sino como acompañamiento intelectual para aprender a interrogar, contrastar y revisar. La cuarta es la exigencia: si el estudiante no tiene que justificar decisiones, explicar cambios o defender su razonamiento, la IA tenderá a cerrar el proceso demasiado pronto.
El informe de Lodge y Loble insiste en esta dirección cuando señala que el uso no estructurado de IA puede generar riesgos importantes, mientras que las intervenciones diseñadas con enseñanza explícita, reducción de carga adecuada y apoyos metacognitivos pueden favorecer una relación más productiva con la herramienta.
Por eso el debate no es solo tecnológico. Es didáctico. La IA puede formar parte de una experiencia de aprendizaje rica, pero no convertirá automáticamente una tarea pobre en una tarea profunda. Si la estructura de la actividad no exige pensamiento, la herramienta no lo añadirá por sí sola.
7. La IA puede ayudarnos a alcanzar pensamiento de orden superior, pero no por defecto
Esta es probablemente la tesis más delicada del artículo. La IA puede ayudar a alcanzar procesos de pensamiento de orden superior, pero no por el simple hecho de estar presente. Puede hacerlo cuando libera recursos de menor valor y desplaza el esfuerzo hacia análisis, evaluación, síntesis, revisión crítica o toma de decisiones. Pero también puede hacer lo contrario si sustituye precisamente esos procesos.
Trabelsi recurre a investigaciones recientes para sostener esta posibilidad sin convertirla en una afirmación absoluta. Una de ellas, recogida también por Lodge y Loble, muestra que cuando se enseña explícitamente al alumnado a delegar en la IA tareas de escritura de menor orden y se mantiene el esfuerzo humano en procesos como análisis y evaluación, pueden aparecer mejoras en pensamiento crítico. La conclusión no es que cualquier uso de IA mejore el pensamiento, sino que ciertos usos bien delimitados pueden apoyar procesos de mayor nivel.
También comenta el estudio de Wang y Zhang sobre alianzas pedagógicas con IA generativa en educación superior. Este trabajo plantea dos vías cognitivas relevantes: la vigilancia crítica, que implica evaluar lo que produce la IA, y la descarga estratégica, que implica delegar ciertas tareas para liberar recursos mentales. Sus resultados apuntan a que ambas pueden relacionarse con experiencias de aprendizaje transformador, aunque los propios límites del estudio obligan a ser prudentes, especialmente porque trabaja con percepciones autoinformadas.
Esa prudencia es fundamental. No deberíamos convertir una posibilidad en promesa. La IA puede ayudar a formular mejores preguntas, contrastar perspectivas o revisar argumentos, pero también puede producir respuestas fluidas que oculten una comprensión débil. Puede ampliar el pensamiento cuando el estudiante conserva la responsabilidad intelectual del proceso; puede empobrecerlo cuando se convierte en sustituta de la comprensión.
Por eso el pensamiento de orden superior no aparece porque haya IA. Aparece cuando la tarea obliga a usar la IA dentro de una arquitectura cognitiva exigente. El estudiante tiene que comprender lo suficiente para valorar la respuesta, revisar con criterio, justificar decisiones y sostener una posición propia. Sin esas condiciones, lo que parece pensamiento avanzado puede ser solo una respuesta bien redactada.
8. El reto no es usar IA para producir más, sino para pensar mejor
El valor del artículo de Trabelsi está en que no se conforma con la pregunta más inmediata. No se limita a advertir que la IA puede descargar pensamiento, sino que plantea qué podría ocurrir si esa descarga se usa de manera estratégica. La cuestión no es solo cuánto esfuerzo ahorra la IA, sino qué hacemos con el esfuerzo que queda liberado.
Esta distinción es clave. Muchas conversaciones sobre IA se han centrado en la productividad: preparar más materiales, redactar más rápido, corregir antes, generar más ideas o producir más recursos en menos tiempo. Todo eso puede ser útil en determinados contextos, pero producir más no equivale necesariamente a aprender más. La eficiencia solo tiene valor educativo si libera espacio para procesos de mayor calidad.
Desde esta perspectiva, la pregunta final no debería ser si la IA puede hacer parte del trabajo. Sabemos que puede. La pregunta es si, al hacerlo, deja menos aprendizaje o abre la posibilidad de un pensamiento más profundo. Si la herramienta se usa para evitar la dificultad que construye comprensión, tendremos una descarga cognitiva empobrecedora. Si se usa para reducir carga extrínseca y sostener mejor el análisis, la revisión, la comparación y la toma de decisiones, entonces puede convertirse en una ayuda real para pensar mejor.
Ahí está el reto educativo. No consiste en introducir IA en cada tarea, ni en convertir el prompting en el centro de la alfabetización, ni en medir el valor de la tecnología por la cantidad de productos que genera. Consiste en diseñar experiencias donde la herramienta no sustituya el trabajo intelectual del alumnado, sino que lo haga más visible, más exigente y mejor acompañado.
Trabelsi abre una conversación necesaria porque nos obliga a formular una pregunta más madura. Durante mucho tiempo hemos preguntado si la IA hará que el alumnado piense menos. Esa pregunta sigue siendo imprescindible. Pero quizá el siguiente paso sea preguntarnos en qué condiciones podría ayudarle a pensar mejor.
La respuesta no está garantizada por la tecnología. Dependerá de las tareas que diseñemos, del conocimiento que construyamos antes de usarla, de los criterios con los que revisemos sus respuestas y de la cultura de aprendizaje que creemos alrededor de ella. La IA puede convertirse en una máquina de atajos o en una herramienta para ampliar el pensamiento. La diferencia no está solo en el modelo, sino en el tipo de relación pedagógica que construyamos con él.
El objetivo no debería ser usar IA para producir más, sino aprender a usarla, cuando tenga sentido, para pensar mejor.
