Introducción

La integración generalizada de la inteligencia artificial (IA) en diversos aspectos de la vida cotidiana y profesional ha catalizado transformaciones profundas en la interacción humana con la información y la cognición. Esta penetración tecnológica genera un debate sustancial sobre sus efectos en las capacidades cognitivas intrínsecas del ser humano, específicamente el pensamiento autónomo y el juicio crítico (Zhang & Xiao, 2025). Si bien la IA ofrece herramientas potentes para aumentar la eficiencia y facilitar procesos complejos, emerge una preocupación central: la creciente tendencia a la externalización cognitiva, donde los individuos delegan tareas intelectuales a sistemas automatizados. Esta delegación plantea una interrogante fundamental sobre la preservación de la capacidad humana para el pensamiento independiente.

La dependencia tecnológica, definida históricamente como la concentración de conocimiento y habilidades tecnológicas en centros de poder (Boon, 1977), ahora se manifiesta en una relación asimétrica entre el intelecto humano y las máquinas. La pregunta crucial que se formula es si la constante consulta a los sistemas de IA, antes de la toma de decisiones, diluye el juicio humano, transformando la deliberación en una mera confirmación de sugerencias algorítmicas (Schemmer et al., 2022)(Schemmer et al., 2022a). El presente artículo examina la «paradoja de la dependencia», analizando cómo la delegación de tareas cognitivas a modelos predictivos y asistentes inteligentes puede resultar en una degradación del pensamiento crítico en profesionales y estudiantes, particularmente cuando la verificación independiente de las respuestas algorítmicas es insuficiente o ausente (Moluayonge, 2025).

La externalización cognitiva en la era de la inteligencia artificial

El auge de modelos predictivos y asistentes inteligentes

Los modelos predictivos y asistentes inteligentes, cimentados en algoritmos avanzados y vastos conjuntos de datos, se han integrado en innumerables dominios. Desde la asistencia en la redacción académica hasta el análisis de grandes volúmenes de datos en contextos profesionales, estas herramientas prometen optimizar el rendimiento y la productividad (Ros & Samuel, 2024). Los sistemas de IA no solo procesan información a velocidades inalcanzables para el intelecto humano, sino que también ofrecen capacidades generativas, facilitando la creación de contenido, la síntesis de información y la resolución de problemas (Wertman & Wagner, 2024). Esta expansión tecnológica reconfigura las expectativas sobre las habilidades necesarias en la fuerza laboral y en el ámbito educativo (Lee et al., 2025). Sin embargo, la facilidad con la que la IA proporciona soluciones puede, paradójicamente, socavar el desarrollo de las capacidades cognitivas humanas que tradicionalmente se cultivaban mediante el esfuerzo intelectual directo.

Cambios en el desarrollo del pensamiento crítico: Profesionales y estudiantes frente a la delegación cognitiva

La adopción de la IA en entornos educativos y profesionales ha modificado las trayectorias de desarrollo del pensamiento crítico. En la academia, por ejemplo, el uso de herramientas de IA para la escritura, el razonamiento matemático o el diagnóstico de problemas puede conducir a una delegación cognitiva sustancial (Moluayonge, 2025)(2025). Esta delegación se manifiesta cuando los estudiantes y profesionales confían en las respuestas de la IA sin una verificación rigurosa o una comprensión profunda de los procesos subyacentes. Un estudio encontró que el uso de IA predice positivamente la descarga cognitiva, lo que a su vez impacta negativamente el pensamiento crítico (Moluayonge, 2025). Esto sugiere que, a medida que la IA asume más funciones cognitivas, la necesidad percibida de ejercitar el pensamiento independiente disminuye, comprometiendo la habilidad de analizar, evaluar y sintetizar información de manera autónoma (Kim, 2025). La capacidad para discernir la calidad del consejo de la IA y actuar en consecuencia es crucial para una dependencia adecuada (Schemmer et al., 2022).

De la ayuda al reemplazo: Externalización progresiva de competencias fundamentales

La evolución de la IA ha transformado su papel de una herramienta auxiliar a un posible sustituto en ciertas esferas cognitivas. Lo que inicialmente se concibió como un apoyo para aumentar las capacidades humanas, corre el riesgo de convertirse en un reemplazo de las competencias fundamentales (Westover, 2025)(Fügener et al., 2022). Este fenómeno se observa en áreas como la escritura, donde las herramientas generativas pueden producir textos coherentes y estilísticamente aceptables, reduciendo la práctica necesaria para desarrollar la expresión escrita propia (Ros & Samuel, 2024). De igual modo, en el razonamiento matemático, la delegación de cálculos complejos a la IA puede limitar la comprensión de los principios subyacentes y la capacidad de resolución de problemas sin asistencia (2025). Un patrón similar ocurre en campos como el diagnóstico, donde la confianza excesiva en sistemas expertos puede atenuar la agudeza diagnóstica de los profesionales. Esta externalización progresiva de tareas complejas plantea la cuestión de si, a largo plazo, la IA no solo complementa, sino que desplaza, las habilidades cognitivas que definen la autonomía intelectual humana (Zhang & Xiao, 2025).

El impacto de la dependencia tecnológica en el razonamiento humano

Cognición delegada: Definición y mecanismos de la sobrecarga cognitiva

La cognición delegada o «cognitive offloading» se refiere a la práctica de externalizar procesos cognitivos a herramientas o sistemas externos, con el objetivo de reducir la carga mental inherente a una tarea . En el contexto de la IA, esto significa confiar en algoritmos para tareas como recordar información, realizar cálculos, generar ideas o incluso tomar decisiones iniciales. Si bien la descarga cognitiva puede, en ciertos escenarios, liberar recursos cognitivos para actividades de mayor nivel (Andini Noviyanti Fitriani et al., 2026), su uso indiscriminado o excesivo se asocia con efectos adversos en el desarrollo de habilidades cognitivas fundamentales (Moluayonge, 2025). El mecanismo subyacente a esta degradación es que, al delegar repetidamente una función cognitiva a la IA, el cerebro humano reduce la inversión en las redes neuronales responsables de esa función, lo que potencialmente conduce a un deterioro de la habilidad con el tiempo. La dependencia de la IA se ha correlacionado con una disminución de la capacidad cognitiva, particularmente en la Generación Z, donde la autoevaluación académica, el estrés y las expectativas de rendimiento influyen en este patrón de uso (Tamrin et al., 2024). La investigación muestra una correlación negativa entre el uso frecuente de herramientas de IA y las habilidades de pensamiento crítico, mediada por la descarga cognitiva .

Consecuencias en la toma de decisiones: El juicio humano ante la consulta automática

La consulta automática a sistemas de IA antes de la toma de decisiones transforma la naturaleza del juicio humano. Tradicionalmente, el juicio implica una síntesis compleja de conocimientos, experiencia, intuición y razonamiento crítico (Xu, 2026)(Xu, 2026a). Cuando la IA proporciona una recomendación o una respuesta preferida, existe una propensión a aceptar esa sugerencia, incluso si es incorrecta, un fenómeno conocido como «sobrerreliance en la IA» (Schemmer et al., 2022)(Schemmer et al., 2022a). Este sesgo algorítmico no solo puede conducir a decisiones subóptimas, sino que también erosiona la confianza en la propia capacidad de juzgar y deliberar. La habilidad para discriminar la calidad del consejo de la IA y actuar en consecuencia, es decir, establecer una dependencia adecuada, resulta crucial (Schemmer et al., 2022). La ausencia de un análisis crítico de las propuestas de la IA puede llevar a una atrofia de la facultad de discernimiento, donde la decisión final se convierte en la elección de no decidir de forma independiente, sino de adherirse a la sugerencia de la máquina (Kimura, 2026).

Deterioro y desplazamiento de habilidades críticas: Escritura, matemática y diagnóstico

La delegación de tareas a la IA impacta directamente en habilidades cognitivas específicas. En la escritura, el uso de herramientas generativas reduce la práctica en la estructuración de argumentos, la selección lexical y la síntesis de ideas, esenciales para una comunicación efectiva (Ros & Samuel, 2024). Un estudio ha mostrado que, si bien la IA puede producir textos aceptables, carece de la profundidad interpretativa del juicio humano (Ataseven et al., 2025). En el razonamiento matemático, la dependencia de calculadoras avanzadas o solucionadores de problemas de IA puede impedir el desarrollo de la lógica algorítmica y la comprensión conceptual (2025). Los estudiantes que utilizan IA para la resolución de problemas pueden perder oportunidades para fortalecer sus habilidades analíticas y de deducción. En el ámbito profesional, como el diagnóstico médico, la confianza en sistemas de IA para identificar patrones en datos clínicos puede, si no se equilibra con el razonamiento humano, llevar a una disminución de la capacidad de los profesionales para integrar información compleja, reconocer matices o aplicar el juicio clínico en casos atípicos. Estos ejemplos ilustran cómo la conveniencia de la IA puede, sin una aplicación consciente y crítica, desplazar el desarrollo y mantenimiento de competencias intelectuales esenciales (Moluayonge, 2025).

Implicaciones éticas, educativas y sociales

Responsabilidad, autonomía y accountability en la era de la inteligencia artificial

La proliferación de la IA plantea cuestiones complejas sobre la responsabilidad, la autonomía y la rendición de cuentas. Cuando las decisiones, incluso las delegadas, se toman con la asistencia de sistemas de IA, la línea entre la responsabilidad humana y algorítmica se difumina (Barletta et al., 2023). El principio de autonomía se ve desafiado si los individuos se vuelven excesivamente dependientes de las recomendaciones de la IA, lo que potencialmente reduce su capacidad para tomar decisiones informadas e independientes (Kimura, 2026). Es esencial establecer marcos éticos claros que definan la responsabilidad cuando los resultados de la IA son defectuosos o sesgados (Barletta et al., 2023)(KEHINDE-AWOYELE & ADEOWU, 2024). Las políticas y prácticas deben priorizar estándares éticos, asegurando que la IA sirva como una herramienta para la equidad y la mejora del aprendizaje, y no para exacerbar las desigualdades existentes (Pragya Mishara, 2024). La «accountability» requiere que los usuarios entiendan cómo funcionan los sistemas de IA y sean capaces de cuestionar sus resultados, en lugar de aceptarlos pasivamente (Lāma & Lastovska, 2025).

Desafíos para la educación: Fomentar el pensamiento crítico en entornos asistidos por IA

El sector educativo enfrenta el desafío de adaptar sus metodologías para fomentar el pensamiento crítico en un entorno cada vez más asistido por IA (Lee et al., 2025). Es crucial que los educadores desarrollen estrategias que equilibren el uso de la IA con la promoción del compromiso cognitivo profundo (Moluayonge, 2025)(2025). Esto incluye enseñar a los estudiantes a evaluar críticamente las salidas de la IA, comprender sus limitaciones y utilizarla como una herramienta para la exploración, no como un sustituto del intelecto propio (Kim, 2025). La formación del profesorado en el uso ético de la IA y en estrategias pedagógicas para integrar la IA de forma constructiva es fundamental (Al-Saadi et al., 2025). Las instituciones deben crear entornos de aprendizaje que alienten la participación activa y no la dependencia pasiva de la IA (Moluayonge, 2025). El desarrollo de habilidades de alfabetización en IA se presenta como un componente esencial para asegurar que los estudiantes puedan interactuar con estas tecnologías de manera informada y responsable (Andini Noviyanti Fitriani et al., 2026).

La paradoja del juicio humano: ¿Decidimos o elegimos no decidir?

La paradoja central reside en la tensión entre la capacidad humana para el juicio y la creciente inclinación a delegar este juicio a la IA. A medida que los sistemas de IA se vuelven más sofisticados, la tentación de confiar en sus recomendaciones aumenta, llevando a una situación donde la «decisión» humana podría ser simplemente la elección de aceptar una sugerencia algorítmica sin un escrutinio profundo (Schemmer et al., 2022). Esta práctica podría conducir a una atrofia de las facultades deliberativas, donde la capacidad de sopesar alternativas, considerar implicaciones éticas y contextuales, y formular un juicio independiente se debilita. La cuestión fundamental es si, al externalizar la carga cognitiva a la IA, los humanos están, de hecho, abdicando de su prerrogativa de pensar por sí mismos. La investigación sugiere que el objetivo no debería ser depender ciegamente de la IA, sino más bien desarrollar la capacidad de discernir la calidad de su consejo y actuar en consecuencia, fomentando una dependencia adecuada en cada caso (Schemmer et al., 2022). La preservación del juicio humano exige una interacción consciente y crítica con la IA, reconociendo su valor como herramienta, pero resistiendo la tendencia a que reemplace el proceso cognitivo fundamental.

Conclusión

La interacción humana con la inteligencia artificial presenta una paradoja compleja: si bien la IA ofrece una amplificación sin precedentes de las capacidades intelectuales, su uso sin discernimiento puede erosionar la autonomía cognitiva fundamental. La delegación de tareas intelectuales a sistemas de IA, particularmente sin una verificación crítica y un entendimiento profundo, contribuye a una externalización cognitiva que potencialmente disminuye el pensamiento crítico y el juicio independiente en profesionales y estudiantes (Moluayonge, 2025). La pregunta central de si el juicio humano persiste cuando siempre se consulta a la máquina antes de decidir, subraya la necesidad de una reflexión profunda sobre la relación simbiótica emergente entre el ser humano y la IA (Schemmer et al., 2022).

Para mitigar los riesgos de la dependencia excesiva, es indispensable adoptar un enfoque equilibrado en la integración de la IA. Esto significa cultivar una alfabetización en IA que no solo abarque su manejo técnico, sino también la capacidad de evaluar críticamente sus resultados y comprender sus limitaciones inherentes (Lāma & Lastovska, 2025)(Andini Noviyanti Fitriani et al., 2026). En el ámbito educativo, la prioridad debe ser el fomento de habilidades cognitivas superiores, como el análisis, la síntesis y la evaluación, que capaciten a los individuos para interactuar con la IA de manera proactiva y no pasiva (Kim, 2025). La adopción de la IA debe concebirse como una oportunidad para mejorar la cognición humana, no para su reemplazo (Zhang & Xiao, 2025). La responsabilidad recae en los individuos, las instituciones educativas y los diseñadores de políticas para asegurar que la IA fortalezca, en lugar de menoscabar, la capacidad humana de pensar y decidir por sí mismos.

References

Al-Saadi, Z., Khalil, H., & Yousef, A. M. F. (2025). Exploring Omani EFL Student Teachers’ Perceptions on Fostering Critical Thinking Through Ethical Use of AI. In Educational Process International Journal (Vol. 17, Issue 1). Universitepark. https://doi.org/10.22521/edupij.2025.17.319

Andini Noviyanti Fitriani, Risaldy, R., Rauf, A., & Afidatunisa, S. (2026). Academic Dependency, AI Literacy, and Cognitive Offloading Predict Students’ Cognitive Ability in Generative AI Learning. In Artificial Intelligence in Lifelong and Life-Course Education (Vol. 1, Issue 2, pp. 53–66). PT. Academic Bright Collaboration. https://doi.org/10.66053/aillce.v1i2.18

Ataseven, H., Çokluk Bökeoğlu, Ö., & Taşdemir, F. (2025). Can AI Assess Writing Skills Like a Human? A Reliability Analysis. In Kuramsal Eğitimbilim (Vol. 18, Issue 4, pp. 757–775). Afyon Kocatepe University. https://doi.org/10.30831/akukeg.1718511

Barletta, V. S., Caivano, D., Gigante, D., & Ragone, A. (2023). A Rapid Review of Responsible AI frameworks: How to guide the development of ethical AI. In Proceedings of the 27th International Conference on Evaluation and Assessment in Software Engineering (pp. 358–367). ACM. https://doi.org/10.1145/3593434.3593478

Boon, G. K. (1977). Consideraciones sobre la dependencia tecnológica. In Estudios Demográficos y Urbanos (Vol. 11, Issue 01, p. 37). El Colegio de Mexico, A.C. https://doi.org/10.24201/edu.v11i01.380

Fügener, A., Grahl, J., Gupta, A., & Ketter, W. (2022). Cognitive Challenges in Human–Artificial Intelligence Collaboration: Investigating the Path Toward Productive Delegation. In Information Systems Research (Vol. 33, Issue 2, pp. 678–696). Institute for Operations Research and the Management Sciences (INFORMS). https://doi.org/10.1287/isre.2021.1079

KEHINDE-AWOYELE, A. A., & ADEOWU, A. W. (2024). Exploring Students Perceptions, Academic Outcomes, and Ethical Implications of AI in Social Studies Education. In Social Science and Humanities Journal (Vol. 8, Issue 12, pp. 6003–6013). Valley International. https://doi.org/10.18535/sshj.v8i12.1490

Kim, E. (2025). A Reflection on Critical Thinking Education in the Age of AI and Its Ethical Implication. In The Korean Journal of Ethics (Vol. 14, Issue 2, pp. 93–120). The Korean Society of Ethics. https://doi.org/10.38199/kje.14.7

Kimura, H. (2026). How to Read This Series: Judgment, Responsibility, and Irreversibility in AI Society. https://doi.org/10.5281/zenodo.18287399

Lāma, G., & Lastovska, A. (2025). Exploring public sector workforce attitudes toward AI competence and its impact on AI competence self-assessment. In Social Sciences & Humanities Open (Vol. 12, p. 101809). Elsevier BV. https://doi.org/10.1016/j.ssaho.2025.101809

Lee, K., Bae, H., Suh, M., & Jin, M. (2025). An exploratory study on redefining teachers’ roles and core competencies in the age of AI. In The Korea Association for Care Competency Education (Vol. 10, Issue 1, pp. 1–22). The Korea Association for Care Competency Education. https://doi.org/10.52616/jccer.2025.10.1.1

Moluayonge, G. E. (2025). Cognitive Offload as a Mediator of AI Usage and Critical Thinking Development in Cameroonian Higher Education Learners. In Asian Journal of Education and Social Studies (Vol. 51, Issue 8, pp. 467–476). Sciencedomain International. https://doi.org/10.9734/ajess/2025/v51i82253

Pragya Mishara. (2024). The Ethical Implications of AI in Education: Privacy, Bias, and Accountability. In Journal of Informatics Education and Research (Vol. 4, Issue 2). Science Research Society. https://doi.org/10.52783/jier.v4i2.1827

Ros, T., & Samuel, A. (2024). Navigating the AI Frontier: A guide for ethical academic writing. In eLearn (Vol. 2024, Issue 10). Association for Computing Machinery (ACM). https://doi.org/10.1145/3703094.3694981

Schemmer, M., Hemmer, P., Kühl, N., Benz, C., & Satzger, G. (2022a). Should I Follow AI-based Advice? Measuring Appropriate Reliance in Human-AI Decision-Making. Repository KITopen (Karlsruhe Institute of Technology). https://doi.org/10.5445/ir/1000145647

Schemmer, M., Hemmer, P., Kühl, N., Benz, C., & Satzger, G. (2022b). Should I Follow AI-based Advice? Measuring Appropriate Reliance in Human-AI Decision-Making. https://doi.org/10.48550/arxiv.2204.06916

Tamrin, S. I., Omar, N. F., Kamaruzaman, K. N., Zaghlol, A. K., & Abdul Aziz, M. R. (2024). Evaluating the Impact of AI Dependency on Cognitive Ability among Generation Z in Higher Educational Institutions: A Conceptual Framework. In Information Management and Business Review (Vol. 16, Issue 3S(I)a, pp. 1027–1033). AMH International Conferences and Seminars Organizing LLC. https://doi.org/10.22610/imbr.v16i3s(i)a.4191

10. Madera, M., Lawas – Ong, A., R. Solivio, C. J., & L. Torres, Rev. Fr. R. (2025). Cognitive Offloading: Implications of AI Dependency for Senior High School Learners’ Deep Learning and Retention. In International Multidisciplinary Research Journal (Vol. 7, Issue 4). International Organization of Educators and Researchers Inc. https://doi.org/10.54476/ioer-imrj/434379

Wertman, L., & Wagner, M. (2024). Navigating the AI Era of Research: Ethical AI-Usage in Academic Publishing. NSUWorks (Nova Southeastern University).

Westover, J. H. (2025). The Human-AI Paradox: Strategic Tensions in Technology Transformation. In Human Capital Leadership Review (Vol. 26, Issue 2). Human Capital Innovations, LLC. https://doi.org/10.70175/hclreview.2020.26.2.6

Xu, L. X. (2026a). CESI Judgment Governance v1.0 – Attention, Irreversibility, and the Future of Human Judgment in the AI Era. https://doi.org/10.5281/zenodo.18470845

Xu, L. X. (2026b). CESI Judgment Governance v1.0 – Attention, Irreversibility, and the Future of Human Judgment in the AI Era. https://doi.org/10.5281/zenodo.18470846

Zhang, P., & Xiao, Y. (2025). Research on the Formation Mechanism and Mitigation Pathway of AI Cognitive Dependence in Education Context. In International Journal of Social Sciences and Public Administration (Vol. 9, Issue 2, pp. 86–98). Warwick Evans Publishing. https://doi.org/10.62051/ijsspa.v9n2.10