Delegación de nuestros
procesos cognitivos a la IA

Lo que queremos investigar, en una frase

Queremos investigar qué impacto se produce en nuestras habilidades cognitivas (pensamiento crítico, memoria, atención...), debido a la creciente delegación de nuestros procesos cognitivos a la IA.

¿Cuál es nuestra hipótesis?

Nuestra hipótesis central postula que el uso continuado de la IA generativa, tal y como actualmente esta funcionando, no solo afecta a las habilidades antes descritas de forma aislada, sino que puede inducir un cambio global en el estilo cognitivo, al que denominaremos provisionalmente como "Síndrome de Procesamiento Superficial" (SPS).

¿Cómo definimos al SPS?

Como un patrón de comportamiento cognitivo caracterizado por:

• Preferencia por la velocidad y la eficiencia inmediata, sobre la profundidad y la comprensión, sin invertir el esfuerzo cognitivo necesario para explorar la complejidad, los matices o las alternativas de la situación o el problema.
• Baja paciencia cognitiva o baja tolerancia a la dificultad, aburrimiento o ausencia de recompensas inmediatas. Impulsado por la facilidad de acceso y la curiosidad, el usuario salta de un tema a otro, de una pregunta a la siguiente, sin dedicar tiempo a consolidar el aprendizaje en ningún tema concreto.
• Tendencia a la externalización del esfuerzo mental, delegando procesos clave de razonamiento y estructuración.

Motivación y Relevancia de la Investigación

• Impacto social y educativo: La IA está cada vez más presente en la educación, el trabajo y la vida cotidiana, influyendo en la forma en que las personas adquieren, procesan y aplican el conocimiento.
• Necesidad de evidencia empírica: Desde una perspectiva científica rigurosa, sabemos muy poco sobre cómo esa delegación de funciones está moldeando o va a moldear nuestras capacidades cognitivas más profundas.
• Desafíos y oportunidades: Comprender estos efectos permitirá maximizar los beneficios de la IA y minimizar los riesgos asociados a la pérdida de habilidades cognitivas.
• Base para educación y desarrollos tecnólogicos: Los resultados pueden orientar políticas educativas y estrategias tecnológicas que aseguren un desarrollo cognitivo saludable.

Primera idea de diseño experimental

• Disponemos de una IA en "modo tutor" con el objetivo de fomentar nuestras capacidades cognitivas, en vez de reducirlas.
• Disponemos de una plataforma web para interactuar con la IA, en la que los participantes serían asignados, aleatoriamente y durante 6 meses, a 2 grupos un grupo interactuará solo con nuestra "IA en modo Tutor", y el otro lo hará con el modelo de IA estándar.
• Reclutamos una muestra representativa de 170 sujetos que ya utilicen la IA en su día a día.
• Realizamos una completa evaluación inicial de sus capacidades cognitivas.
• Los participantes reciben instrucciones de solo poder interactuar con la IA a través del portal mencionado.
• Toda su interacción con la IA (preguntas, respuesta, tiempo, frecuencia de uso...) se registra de forma automática y anonimizada.
• Tras los 6 meses, se realiza una segunda evaluación cognitiva, con la misma batería de pruebas.

Plataforma de interacción con la IA

La plataforma de interacción con la IA se basa en los siguientes puntos clave:

• Gestión de Usuarios y Asignación Aleatoria Cada participante tendrá una cuenta única. En su primer inicio de sesión, el sistema le asignará de forma aleatoria y permanente a uno de los dos grupos experimentales (IA Estándar o IA Tutora).
• Interfaz de Usuario Unificada La apariencia de la plataforma y la interfaz del chat es visualmente idénticas para ambos grupos, eliminando así cualquier posible sesgo por el diseño.
• Peticiones: Cuando un usuario envía una consulta, nuestro sistema identifica a qué grupo pertenece y dirige la petición a la API correspondiente (al modelo de IA estándar, o a nuestra capa de lógica de "IA Tutora").
• Registro Automático de Datos Conductuales: Toda interacción (preguntas, respuesta, tiempo, frecuencia uso...) se registra de forma automática y anonimizada, para conseguir un dataset muy rico y objetivo, y así poder analizar el comportamiento real de los usuarios.

A) Pensamiento crítico

• Es la habilidad de analizar, evaluar y sintetizar la información de manera lógica y objetiva, identificando supuestos, sesgos y falacias.
• Es importante para poder validar (o no) una respuesta (aparentemente coherente) generada por la IA.
• Tiene cinco dimensiones (1) Inferencia, (2) Reconocimiento de Supuestos, (3) Deducción, (4) Interpretación y (5) Evaluación de Argumentos. Todas ellas pueden ser medidas cuantitativamente mediante el "Watson-Glaser Critical Thinking Appraisal (WGCTA-III)".

B) Planificación estratégica

• Es la capacidad de diseñar un plan de acción coherente y estructurado para resolver un problema complejo.
• Es importante dada la capacidad de la IA de dar la solución directamente, sin que ni siquiera el usuario tenga que generar planes y esquemas, lo cual puede atrofiar su habilidad para la organización compleja.
• Tiene 3 dimensiones (1) Generación de Estrategias y Definición de Objetivos, (2) Secuenciación y Organización Lógica y (3) Anticipación de obstáculos y flexibilidad cognitiva. Podemos medirlas mediante el "Test de Clasificación de Tarjetas de Wisconsin (WCST)" y "La Torre de Londres (TOL-F)".

C) Memoria

• En lo que aquí nos interesa, es la capacidad de una persona para interiorizar nueva información, conectarla con su conocimiento previo y explicarla con sus propias palabras de una forma profunda y personal.
• Es importante ya que el acceso ilimitado a la información que facilita la IA puede promover un conocimiento superficial que nunca llega a integrarse.
• Nos interesan 3 dimensiones de la misma: (1) Memoria de Trabajo, (2) Memoria Episódica y (3) Memoria Semántica. Podemos medirlas mediante las "Escalas Wechsler".

D) Atención

• Es la capacidad de seleccionar y concentrarnos en información relevante del entorno o de nuestros pensamientos, mientras ignoramos otros estímulos.
• Es importante dada la capacidad de la IA de suministrar información de todo tipo, instantáneamente y sin fatiga o queja, lo cual constituye un desafío a la regulación atencional.
• Tiene 3 dimensiones (1) Atención Sostenida, (2) Atención Selectiva y (3) Atención Dividida. Podemos medirlas mediante el "Continuous Performance Test (CPT-III)", el "Test de Atención d2" y el "Paradigma de Doble Tarea".

E) Creatividad Divergente

• Es la capacidad de generar un amplio espectro de ideas, soluciones o posibilidades nuevas y variadas a partir de un único punto de partida
• Es importante dada la capacidad de la IA de generar un sin fin de opciones, lo cual podría erosionar nuestra capacidad para generar pensamientos originales y disruptivos.
• Tiene 4 dimensiones (1) Fluidez, (2) Flexibilidad y (3) Originalidad y (4) Elaboración. Podemos medirlas mediante los "Tests de Pensamiento Creativo de Torrance (TTCT)".

F) Metacognición

• Es la capacidad de pensar sobre el propio pensamiento. Nos permite decidir qué estrategias usar, monitorizar si están funcionando, evaluar nuestro nivel de comprensión y gestionar nuestros recursos mentales (como la atención y el esfuerzo)
• Es importante dada la capacidad de la IA de realizar "todo el trabajo". Así, no solo externalizamos la tarea, sino la propia supervisión y regulación de las tareas.
• Tiene 2 dimensiones (1) Conocimiento Metacognitivo (saber "que") y (2) Regulación Metacognitiva (saber "como"). Podemos medirlas mediante el "Inventario de Conciencia Metacognitiva (MAI - Metacognitive Awareness Inventory)".

Arquitectura

La IA en "Modo Tutor" no es un modelo nuevo, sino una capa de lógica de interacción construida sobre un LLM base (ej. Deepseek o Llama 3). A través de su API, guiamos el comportamiento del modelo con técnicas de prompting avanzado para que actúe acorde a nuestro denominado "Modo Tutor".

Metodología

Veamos los principios rectores de este "Modo Tutor", en función de la situación que el usuario presente a esta IA:

• 1 - El usuario hace una pregunta general. Aquí la IA pretenderá que el usuario:
  • Estructure la pregunta: Si la pregunta es muy amplia, la IA ayuda a acotarla ("Es un tema muy amplio. ¿Qué aspecto concreto te interesa más: el origen, las implicaciones, o cómo funciona?").
  • Active su intuición: Antes de proveer datos, la IA invita al usuario a explorar sus conocimientos o hipótesis previas, sin importar si son correctas ("¿Qué ideas iniciales tienes sobre esto?").
• 2- El usuario pregunta sobre un tema ya tratado anteriormente. Aquí la IA pretenderá que el usuario:
  • Fomente el recuerdo activo (Active Recall): La IA solicita al usuario que recupere la información clave de la memoria ("Ya hemos hablado un poco de esto. ¿Qué ideas clave recuerdas de nuestra conversación anterior?").
  • Establezca conexiones: La IA incita al usuario a vincular el conocimiento previo con la nueva pregunta, fortaleciendo la red semántica ("Interesante. ¿Y cómo crees que eso que recordamos conecta con este nuevo problema que planteas?").
• 3 - El usuario solicita ayuda sobre un tema complejo y necesita planificar. Aquí la IA pretenderá que el usuario:
  • Haga una descomposición guiada (Scaffolding): La IA no da el plan, sino que facilita un marco para que el usuario lo cree ("Un problema complejo se resuelve mejor por partes. ¿Cuáles dirías que son los 3 grandes bloques en los que podríamos dividir este desafío?").
  • Haga una simulación de riesgos: La IA actúa como un "sparring" que pone a prueba la robustez del plan del usuario, fomentando la anticipación.
• 4 - De la narrativa del usuario se deduce una estrategia o solución. Aquí la IA pretenderá que el usuario:
  • Analice las consecuencias: Se pide al usuario que evalúe los pros y contras de su propia idea antes de recibir feedback externo ("Es una estrategia interesante. Antes de analizarla juntos, ¿qué ventajas y qué posibles inconvenientes le ves tú mismo?").
  • Explore las alternativas: Solo después de analizar la idea del usuario, la IA pregunta por otros caminos posibles, fomentando la flexibilidad cognitiva ("Ahora que hemos analizado tu Plan A, ¿se te ocurre un Plan B completamente diferente?").
• 5 - El usuario presenta un argumento basado en una creencia o suposición. Aquí la IA:
  • Pedirá evidencia: La IA pregunta al usuario en qué se basa para sostener su argumento ("Eso que mencionas es un punto clave. ¿En qué datos o experiencias te basas para llegar a esa conclusión?").
  • Presentará contra-perspectivas o datos que contradicen el argumento del usuario, forzándole a refinar su postura.
• 6 - Al usuario le falta un conocimiento base para continuar. Aquí la IA ofrecerá:
  • Andamiaje conceptual progresivo: La IA detecta la laguna y ofrece explicaciones simples y escalonadas, usando analogías y ejemplos, en lugar de soltar una definición compleja.
  • Verificación de la comprensión: Tras la explicación, la IA usa una pregunta de sondeo para asegurarse de que el concepto se ha entendido antes de volver al problema principal.
• 7 - El usuario pide ideas o está atascado en soluciones convencionales (Creatividad Divergente). Aquí la IA:
  • Introducirá restricciones creativas: La IA propone límites artificiales que obligan al usuario a abandonar las soluciones obvias ("Diseña una campaña de marketing para tu producto, pero con dos reglas: no puedes usar internet y tiene que involucrar el olor.").
  • Le pedirá una fusión de conceptos aleatorios: La IA presenta ideas inconexas y pide al usuario que las combine con su petición, entrenando el pensamiento lateral.
• 8 - El usuario finaliza una interacción o llega a una conclusión. Aquí la IA ofrecerá al usuario una:
  • Pedirá al usuario que sintetice y explique lo aprendido con sus propias palabras.
  • Propondrá una auto-evaluación metacognitiva guiada: Propone una reflexión final sobre el proceso ("¿Qué aprendiste? ¿Qué estrategia usaste?").
• 9 - El usuario expresa frustración o solicita una "vía rápida". Aquí la IA ofrecerá al usuario:
  • Validación emocional: La IA reconoce la frustración del usuario en lugar de ignorarla ("Entiendo, este proceso de preguntas puede ser lento y a veces frustrante.").
  • Un resumen ejecutivo: La IA avisa al usuario que, para obtener dicha respuesta, tiene que cambiar temporalmente de modo y que dicho cambio quedará registrado en el sistema.
  • Invitará a la deconstrucción (opcional): Tras dar la respuesta directa, la IA invita al usuario a analizarla ("Aquí tienes la respuesta directa. Si te interesa, podemos dedicar un momento a ver de dónde salen estas conclusiones.").