Un trabajo divulgado en ArXiv, aún sin revisión por pares, postula que la adopción excesiva de modelos de lenguaje puede debilitar capacidades cognitivas. Sus autores aclaran que la comparación no presenta a estas herramientas como una enfermedad
“¿Puede la inteligencia artificial (IA) propagarse como un virus y erosionar la autonomía cognitiva?”. Eso se preguntó el científico Ricard Solé, del Laboratorio de Sistemas Complejos de la Universitat Pompeu Fabra, en un artículo elaborado junto a un grupo internacional de colegas.
El trabajo divulgado en ArXiv plantea que la expansión de los denominados “modelos de lenguaje extenso (LLM, por sus siglas en inglés)” puede seguir dinámicas parecidas a las de un contagio social y, bajo ciertas condiciones, generar una dependencia tecnológica persistente
Un LLM “es un sistema de IA específico que ha sido entrenado con una gran cantidad de datos de texto para interpretar el lenguaje natural y generar respuestas similares a las humanas a preguntas o indicaciones textuales”, de acuerdo con la Biblioteca Nacional de Medicina de Estados Unidos.
En términos cotidianos, son herramientas capaces de redactar, resumir o responder a partir de lo que una persona escribe, entre otras funciones. El nuevo trabajo del que participó Solé, titulado “Los modelos de lenguaje extenso como virus cognitivo”, todavía no fue revisado por pares. El planteo sostiene que la adopción de LLM puede producir cambios colectivos con consecuencias para la autonomía cognitiva
La comparación con un virus no presenta a la IA como una enfermedad ni concluye que cada uso de estas herramientas deteriore las capacidades humanas. Su objetivo es ofrecer un modelo teórico sobre la difusión social de una tecnología que puede ser útil y que, a la vez, puede arraigarse en prácticas culturales hasta volverse difícil de abandonar.
La investigación reúne a Solé, del Laboratorio de Sistemas Complejos de la Universitat Pompeu Fabra (MELIS); a Giulio Ruffini, de la Fundación Computacional de Barcelona (BCOM) y Neuroelectrics, y a Michael Levin, del Centro de Descubrimiento Allen de la Universidad de Tufts, en Medford, Estados Unidos, y del Instituto Wyss de Ingeniería de Inspiración Biológica de la Universidad de Harvard, en Boston, Estados Unidos, entre otros autores.
Un proceso de “contagio social”
Según escribieron, los LLM se están integrando con rapidez en la cultura humana y cambian la manera de producir, transmitir y usar información. El modelo distingue entre personas no conectadas, conectadas y persistentemente dependientes de estas herramientas. A partir de esa clasificación, estudia la relación entre transmisión social, recuperación y refuerzo colectivo.
Los autores advierten que esa interacción puede generar puntos de inflexión. Una vez que se supera un umbral crítico, un aumento pequeño de la adopción puede impulsar un cambio rápido de la población hacia una dependencia persistente, con una disminución abrupta de las competencias cognitivas. El mismo marco, agregan, permite identificar condiciones para una “inmunización cognitiva”, mediante la reducción de la transmisión y mecanismos que faciliten volver atrás
Los modelos de lenguaje dejaron de limitarse a búsquedas de información o a la elaboración de borradores. Hoy forman parte del entorno textual en el que se lee, se escribe, se investiga y se toman decisiones. Frente a eso, el artículo desplaza la discusión de la conveniencia de usar inteligencia artificial hacia otra pregunta: qué relación cognitiva están construyendo las personas con ella.
A diferencia de un buscador convencional, un LLM genera textos plausibles, ordenados y adaptados a cada pedido. Esa facilidad permite delegar resúmenes, redacción, traducciones, argumentos, correcciones, programación, planificación y decisiones. Sin embargo, también deja abierta una cuestión central: qué parte del esfuerzo intelectual continúa a cargo de la persona.
Los investigadores diferencian entre apoyo cognitivo y sustitución de tareas
Los investigadores describieron a los LLM como “motores de cambio cognitivo y social” cuya difusión modifica capacidades humanas. Primero comparan estas herramientas con agentes infecciosos y luego presentan un modelo poblacional basado en enfoques matemáticos de la epidemiología, métodos que también se han utilizado para analizar la adopción de tecnologías.
La analogía, aclararon, no presupone una relación intrínsecamente parasitaria entre humanos y modelos. Los virus biológicos pueden ser patógenos, mutualistas o socios evolutivos; de manera similar, el efecto de los LLM depende de su utilización. Pueden ampliar la exploración, el acceso a conocimientos especializados y la productividad, aunque también pueden fomentar la descarga cognitiva, la dependencia y la pérdida de competencias
El beneficio para una persona tampoco necesariamente se traslada al conjunto de la población, según el trabajo. La comparación resulta útil, explicaron los autores, porque el uso de los LLM puede generar persistencia y circuitos de transmisión. Esos circuitos incluyen prácticas que se expanden culturalmente y linajes de modelos que se mantienen y modifican mediante retroalimentaciones tecnológicas y económicas.
El documento recupera una anticipación de 1960 de Joseph Licklider sobre una relación entre personas y computadoras que iría más allá del uso de herramientas. “La simbiosis hombre-computadora probablemente no sea el paradigma definitivo para los sistemas tecnológicos complejos. Parece totalmente posible que, con el tiempo, las máquinas electrónicas o químicas superen al cerebro humano en la mayoría de las funciones que ahora consideramos exclusivas de su ámbito”, escribió.
Más de seis décadas después, los autores consideran que los LLM vuelven concreta aquella hipótesis. El alcance de estas herramientas no depende solo de las tareas que ejecutan, sino de los acoplamientos que pueden establecer entre la cognición humana y la artificial. En uno de los extremos, la IA podría funcionar como un “exocórtex”, una extensión externa capaz de buscar en grandes cuerpos de conocimiento, mientras el investigador humano conserva la interpretación y el juicio de alto nivel.
La educación y las instituciones sostienen la autonomía que el modelo busca medir
Los seres humanos han delegado desde hace tiempo partes de la cognición en el lenguaje, la escritura, las instituciones y la tecnología. Para los investigadores, esa externalización impulsó un cambio cultural acelerado. La inteligencia artificial representa otra etapa de ese proceso porque la maquinaria cognitiva externa se vuelve más activa y puede actuar como un agente; estudios anteriores, señalan, sugieren que se trataría de una transición evolutiva “sintética”
El modelo sostiene que las consecuencias no pueden medirse solo desde el uso individual. Por un lado, las nuevas formas de emplear LLM se transmiten porque las personas aprenden unas de otras, los lugares de trabajo y las escuelas los incorporan, y se imitan las prácticas que dan resultado. Por eso, la adopción tiene un componente de contagio.
Por otro lado, la cognición autónoma también posee una base social. La educación y las instituciones no solo comparten información: crean ámbitos donde se ejercitan y se premian la lectura, la escritura, el razonamiento, la verificación y la resolución independiente de problemas. Cuando esas prácticas son habituales, se refuerzan entre sí.
El punto central del modelo está en la relación entre ambos procesos. A medida que se generaliza la delegación de tareas cognitivas, puede debilitarse el entorno social que sostiene el razonamiento autónomo. Y, si ese entorno se debilita, delegar se vuelve todavía más fácil y atractivo.
De ahí que un crecimiento gradual del uso de LLM pueda provocar una respuesta colectiva desproporcionada. Superado un punto crítico, la pérdida de autonomía puede alimentarse a sí misma y llevar rápidamente a una población hacia una descarga cognitiva más extendida y menores competencias. El estudio no dice que ese desenlace sea inevitable, pero sostiene que puede darse bajo formas plausibles de aprendizaje social y refuerzo cooperativo.
También advierte una dificultad adicional: cuando ese estado de dependencia ya se consolidó, volver a las condiciones anteriores podría no alcanzar para recuperar la situación previa. En ese escenario, la prevención resultaría bastante más sencilla que la reversión.
La “inmunización cognitiva” apunta a conservar prácticas humanas activas
El trabajo insiste en que los beneficios de los LLM son sustanciales. La diferencia relevante no estaría entre usar o rechazar la IA, sino entre formas de acoplamiento que extienden las competencias humanas y aquellas que sustituyen las operaciones cognitivas mediante las cuales esas capacidades se mantienen.
En esa línea, los autores contraponen la IA como andamiaje a la IA como sustitución. A escala poblacional, la inmunización cognitiva no equivale a impedir el contacto con estas herramientas. Consiste en mantener prácticas e instituciones que preserven activa la cognición humana.
Entre esas prácticas incluyen resolver problemas sin ayuda, verificar información, sostener discusiones críticas, establecer períodos deliberados de desconexión, conservar habilidades ajenas a la IA y diseñar entornos educativos donde el modelo apoye el trabajo sin completar la tarea cognitiva
Cuando ya existe una dependencia persistente, agregan, el desafío no puede resolverse únicamente con educación o diseño de herramientas. Trabajos recientes sobre usos problemáticos de LLM apuntan a mecanismos psicológicos y conductuales vinculados con pérdida de control, regulación emocional, sesgos cognitivos y dependencia habitual. Por eso, la autorregulación conductual y, en los casos más graves, intervenciones como la terapia cognitivo-conductual podrían cobrar relevancia.
Así, la noción de inmunización abarca desde la prevención cultural e institucional hasta la recuperación individual. Los autores proponen que investigaciones futuras analicen la autonomía, la dependencia y la capacidad de acción como propiedades continuas y en evolución dentro de patrones distribuidos entre humanos y máquinas, en lugar de tratarlas como compartimentos fijos. La pregunta sería bajo qué condiciones interacciones pasajeras pasan a ser formas autosostenidas de organización cognitiva.
Investigadores ya habían alertado que la IA estaría dañando de forma activa capacidades cognitivas. Los estudiantes, en particular, recurren a herramientas de inteligencia artificial en el aula, con la posibilidad de delegar una parte considerable de su pensamiento crítico.
El artículo retoma la idea de que esta adaptación a los LLM tiene un componente de contagio porque “la gente aprende de otras personas”. Desde esa perspectiva, sus autores describen una pendiente en la que la pérdida de autonomía puede convertirse en un círculo de retroalimentación, hasta que la población avance hacia una descarga cognitiva mayor y una competencia menor.
Estos especialistas aplicaron a ChatGPT y Claude cálculos matemáticos utilizados para estudiar epidemias reales. Su interpretación es que un LLM se comporta como un virus en aspectos centrales: por sí mismo no cumple una función autónoma de propagación y requiere de personas, de su escritura y de sus redes para extenderse
Bajo esa lectura, cada correo electrónico, fragmento de código o decisión delegada transferiría a los modelos parte de una maquinaria cognitiva que antes realizaba el usuario. El nuevo estudio los define como “replicadores culturales hipereficientes”, alimentados por datos humanos, ajustados para resultar fluidos y adictivos, y capaces de modificar de forma silenciosa cómo miles de millones de personas escriben, deciden y recuerdan.
La propuesta final no plantea temor ante la IA, sino un uso deliberado, para evitar que la herramienta termine dirigiendo a quien la utiliza.
Un uso saludable
La Universidad de Londres sostiene que la inteligencia artificial debe utilizarse como apoyo para potenciar, no como sustituto del pensamiento humano.
Asimismo, Eric So, profesor de la Escuela de Administración Sloan del Instituto Tecnológico de Massachusetts (MIT), advirtió que las empresas deben evitar que IA sustituya el razonamiento y el conocimiento que sostienen su capital cognitivo. Su primera estrategia consiste en preservar la “fricción” mental: resolver desafíos sin recurrir de inmediato a respuestas automáticas fortalece el pensamiento crítico y la capacidad de encontrar soluciones.
También propone identificar las habilidades que conservan valor fuera del entorno digital, como la comunicación, la negociación, la improvisación y la lectura de señales humanas.
La segunda línea de acción apunta a reinvertir el tiempo que la IA libera de tareas rutinarias en actividades de mayor valor, como el aprendizaje, la mejora de procesos y el diseño de nuevos modelos de trabajo. So sostiene que la tecnología no debería limitarse a acelerar funciones existentes, sino facilitar nuevas posibilidades. Además, plantea configurar herramientas que acompañen la resolución de problemas mediante preguntas, orientación y práctica, en lugar de entregar respuestas inmediatas que fomenten la dependencia
Dejar una contestacion