Educación e Inteligencia Artificial, el reto de construir significado

El peligro de delegar todo nuestro procesamiento en la Inteligencia Artificial no es que las máquinas piensen mejor que nosotros. Podríamos debatir durante meses solo para definir qué entendemos por ‘mejor’. El reto real es que dejemos de estructurar nuestro propio cerebro. Aprender es el arte puramente humano de construir significado, tener el valor de sostener un criterio propio, y ponerlo al servicio de la acción colectiva.

Es un martes cualquiera en la oficina. Tienes que preparar un análisis exhaustivo sobre un tema para el viernes. Abres tu herramienta de Inteligencia Artificial favorita, introduces un buen prompt y, en menos de quince segundos, la pantalla te devuelve un documento impecable de veinte páginas. Envías el informe por email a tu jefa, y ella, abrumada por el volumen de correos de su bandeja de entrada, abre su propio asistente de IA y le pide: “Resúmeme este informe en tres puntos clave”. En cinco segundos, ya lo tiene. Ambos sienten un subidón de dopamina. “La IA nos ha hecho hiperproductivos”, piensan.

El proceso ha sido perfecto; la eficiencia, máxima. Suponiendo que no hayan ‘alucinado’ ni un poquito, las máquinas han hecho su trabajo de forma brillante. Pero si miramos con atención lo que acaba de pasar, emerge una realidad incómoda: Nadie ha aprendido algo en el camino. Nadie ha procesado la información, ni construido un criterio.

Todo ha cambiado. Durante décadas la educación y el éxito profesional se han basado en una premisa simple: lo más importante era la producción o acumulación de información. Nos educaron para ser almacenes de respuestas. Pero hoy, cuando la máquina puede generar, empaquetar y resumir datos a una velocidad infinitamente superior a la biológica, esa ventaja competitiva se ha difuminado.

El verdadero cuello de botella de nuestra época se ha desplazado hacia el cómo transformamos ese océano de datos en comprensión real, en criterio propio y, sobre todo, en la capacidad para actuar con impacto junto a otras personas. Saber no es tener una respuesta instantánea en la pantalla, y el verdadero aprendizaje nunca ha consistido exclusivamente en acumular respuestas. Aprender, en realidad, es construir significado.

El esfuerzo que nos hace aprender

El peligro de delegar todo nuestro procesamiento en la Inteligencia Artificial no es que las máquinas piensen mejor que nosotros. Podríamos debatir durante meses solo para definir qué entendemos por ‘mejor’. El reto real es que dejemos de estructurar nuestro propio cerebro.

En el campo de la psicología cognitiva se estudia un fenómeno bien documentado, el llamado ‘efecto Google’, o amnesia digital. Si sabemos que una información está guardada de forma segura en un dispositivo externo, tendemos a olvidarla. Somos así, también ocurría en la época de los libros, solo que, tal vez, en menor medida. Pero se ha detectado que, con la llegada de los modelos de lenguaje (LLMs), este efecto se ha multiplicado, pues ya no solo externalizamos los datos (dónde está un restaurante, o cuál es la capital de un país). Ahora estamos externalizando también las conexiones entre esos datos. Es decir, estamos delegando, incluso, el análisis.

Para entender por qué esto es un problema, hay que observar cómo aprende el cerebro. El aprendizaje real requiere lo que los científicos llaman ‘fricción cognitiva’. Cuando nos esforzamos por comprender un concepto difícil, cuando nos equivocamos, corregimos y volvemos a intentar conectar dos ideas, nuestras neuronas crean y refuerzan caminos sinápticos. Ese esfuerzo es el ‘cemento’ que fija el conocimiento.

Si eliminamos esta fricción, eliminamos el andamiaje que lo hace sólido. Si, cada vez que nos enfrentamos a un problema complejo, le pedimos a la IA que nos dé la conclusión directa, nuestro cerebro se queda en la superficie. No continúa. Y, poco a poco, nos podemos volver expertos en ‘hacer clic’ y en consumir resúmenes, pero nos vaciaríamos por dentro. Nos convertiríamos en profesionales con acceso a infinitas respuestas, pero sin el marco mental necesario para juzgar si esas respuestas tienen sentido.

Es una paradoja: cuanta más información procesa la máquina por nosotros, menos capaces somos de desarrollar el criterio propio necesario para dirigir a esta máquina. Y así, nos arriesgamos a sufrir una desconexión cognitiva profunda, donde el brillo de los datos oculta la fragilidad de nuestra comprensión real.

Un salto cualitativo

Pero, entonces, si el conocimiento ya no se mide por la cantidad de respuestas que somos capaces de retener, o generar, ¿cómo se mide?

En la era de la Inteligencia Artificial, el ‘saber’ ya no es el destino al que llegamos tras una búsqueda de datos o información. Esta la puedes tener a mano en segundos. El reto intelectual ahora se ha desplazado hacia el filtro crítico con el que evaluamos lo que encontramos. El verdadero talento hoy es la madurez intelectual para dudar de la respuesta de la máquina, encontrar sus sesgos, cruzar perspectivas, y rellenar los espacios vinculados a la realidad del mundo y las sociedades, que los algoritmos no ven.

Es un salto cualitativo, sin duda. Y lo tendremos que dar. La gran pregunta es: ¿Cómo?

No pretenderé tener la respuesta, por supuesto. Este es un debate de fondo en nuestro tiempo, sobre todo cuando, además, nuestra propia relación con la IA atraviesa una época confusa y saturada de informaciones, intereses y tendencias a veces contrapuestas.

Solo me aventuraré a esbozar algunas ideas. La primera, que para transformar el bombardeo de datos en comprensión real, necesitamos cambiar el enfoque de nuestra propia forma de interactuar con la información. Debemos reaprender a detenernos a pensar. El valor ahora está en las preguntas que nos hacemos sobre todos esos informes que podemos generar cada hora. El pensamiento ‘lento’, la lectura profunda y la reflexión, serían los nuevos superpoderes corporativos.

La IA debe ser un copiloto cognitivo, el punto de partida que nos ahorre el arduo trabajo mecánico de recopilación, nunca el juez que dicte la conclusión final. La máquina te da los ingredientes; la receta y la sazón intelectual siguen siendo nuestros. Y como el criterio se demuestra en la práctica, en la toma de decisiones complejas bajo incertidumbre, y en la resolución de problemas donde no hay una ‘respuesta correcta’, preprogramada en una base de datos, el aprendizaje que se queda atrapado en la pantalla es solo ruido.

Construir criterio propio es arduo. Siempre lo ha sido. Exige salir de la comodidad del copy-paste y asumir la responsabilidad de pensar. Pero es el único camino para no volvernos irrelevantes. La máquina puede ser infinitamente mejor que nosotros procesando datos, pero sigue siendo ciega al contexto, al propósito y al valor real de las cosas. Ahí es donde empieza ahora nuestro verdadero trabajo.

Aprender junto a otros

Por otro lado, la Inteligencia Artificial es un interlocutor hiper-personalizado, un espejo impecable que nos devuelve respuestas a medida. Pero es solo eso: un espejo. Este es un límite insalvable para ella, y no es tecnológico, sino de su naturaleza, pues no se aprende a vivir, a decidir, o a liderar, mirando únicamente el propio reflejo.

El criterio real no se pule en el aislamiento de una pantalla; se construye en la plaza pública. Se afina cuando contrastas tus ideas con las de otra persona, cuando gestionas el disenso, cuando escuchas una perspectiva que rompe tus esquemas y te ves obligado a negociar un significado común.

Por eso, confieso que no temo al debate sobre cómo introducir las tecnologías en las aulas, etc. Discutamos, planteemos ideas, fórmulas, métodos. Lo que realmente me inquieta es ver a cada vez más gente inmersa y aislada en sus pantallas individuales, en sus redes cada vez más ‘personalizadas’. Si permitimos que este sea el impacto de la IA en nuestros jóvenes, en nuestras sociedades, estaremos ante una involución cognitiva que no me atrevo a aquilatar. Y pienso que, por lo tanto, el desafío definitivo de esta nueva época es no olvidar a aprender más profundamente junto a otros.

Es otra paradoja. En un tiempo en que la información se vuelve más híper-personalizada y abundante, el aprendizaje debe volverse más comunitario que nunca. Las organizaciones y los profesionales que marquen la diferencia serán aquellos capaces de crear espacios para pensar juntos, para conectar inteligencias y para transformar las respuestas del algoritmo en acciones con impacto real en el mundo físico y social.

Aprender, en mi opinión, es el arte puramente humano de construir significado, tener el valor de sostener un criterio propio, y ponerlo al servicio de la acción colectiva.