El primer humano que encendió un fuego hizo un descubrimiento, pero quien consiguió que otro pudiera encenderlo después de su muerte puso en marcha el mecanismo que hizo posible la civilización.
Cada uno de nosotros llega al mundo sin saber fabricar una aguja, cultivar trigo o calcular la órbita de un planeta. Aun así, no empezamos de cero. Nacemos sobre una montaña de conocimientos levantada por personas muertas, algunas de las cuales dedicaron la vida a resolver lo que hoy despachamos con una explicación de diez minutos. La ventaja decisiva de nuestra especie no es pensar. Otros animales también lo hacen. Es conseguir que lo aprendido por un cerebro sobreviva dentro de otro.
En «Cuando las máquinas tengan manos» imaginábamos una IA que abandona la pantalla y realiza buena parte del trabajo físico. Este capítulo mira el otro extremo. ¿Qué pasará cuando tampoco necesitemos ejecutar una parte creciente del esfuerzo mental, cuando una máquina pueda buscar, comparar, resumir, redactar y explicar antes de que hayamos decidido por dónde empezar?
La pregunta suele plantearse en términos de productividad o empleo. Cuántos puestos desaparecerán, qué profesiones resistirán o qué habilidades conviene aprender. Yo creo que la pregunta se queda corta. La inteligencia artificial no necesita volvernos menos inteligentes para cambiar nuestra relación con la inteligencia. Le basta con hacer que pensar sea opcional.
Michael Tomasello, Ann Kruger y Hilary Ratner llamaron efecto trinquete a esta capacidad en 1993. Una persona mejora una técnica, otra la aprende, una tercera añade algo y la siguiente generación arranca desde ahí. Cada diente del trinquete evita que una muerte devuelva a la comunidad al principio.
Un chimpancé puede aprender a romper una nuez con una piedra y otro puede imitarlo. Lo raro fuera de nuestra especie es la cadena en la que alguien añade un mango, otro corrige el ángulo y, cien generaciones después, sus descendientes fabrican una prensa hidráulica con manual de mantenimiento. Avanzamos porque las buenas ideas sobreviven a quien las tuvo.
Durante la mayor parte de nuestra historia, el conocimiento viajó dentro de personas. Alguien recordaba dónde encontrar agua, qué planta aliviaba la fiebre o qué valle convenía evitar de noche. Se aprendía observando y escuchando. Una voz junto al fuego hacía de biblioteca, escuela y sistema de copias de seguridad.
Esa biblioteca veía la cara del oyente y cambiaba el ejemplo si el niño no entendía dónde no debía meter la mano. Dependía, eso sí, de una memoria que no funciona como una grabadora. Frederic Bartlett entregó a estudiantes de Cambridge un relato indígena norteamericano llamado «La guerra de los fantasmas». Al recordarlo después, lo acortaban, convertían lo extraño en familiar y rellenaban huecos sin darse cuenta. El cuento seguía vivo, pero cada cabeza lo reconstruía. Tras veinte hogueras, ya no era la misma historia.
Fue un sistema flexible y humano, pero vulnerable. ¿Cómo se conserva una idea cuando ya no puedes confiar en que alguien la recuerde bien?
Las primeras tablillas conocidas del sur de Mesopotamia, hacia el 3300 antes de nuestra era, no contienen poemas sobre la existencia. Registran grano, raciones y transacciones. La escritura empezó intentando que las cuentas cuadraran. Cualquier responsable de inventario aprobará el orden de prioridades.
Una marca en el barro permitió que una idea abandonara el cerebro que la contenía. Podía dar instrucciones a alguien lejano, discutir con quien aún no había nacido y sobrevivir a su autor. La fidelidad mejoró, aunque una tablilla seguía sin responder cuando el lector se atascaba.
La escritura tuvo detractores desde el principio. En el «Fedro», Platón pone en boca de Sócrates el mito de Theuth (según el relato, inventor de la escritura). Theuth presenta su creación al rey Thamus como un remedio para la memoria y la sabiduría. El rey responde que producirá justo lo contrario. Las personas confiarán en los signos escritos, ejercitarán menos la memoria y parecerán sabias sin comprender realmente lo que saben. La crítica tiene unos dos mil cuatrocientos años y podría leerse hoy en una reunión de profesores sobre ChatGPT. La ironía es que conocemos la advertencia de Sócrates contra la escritura porque Platón decidió escribirla.
La memoria cambió de trabajo. Ya no hacía falta retener cada palabra, pero sí escuelas, bibliotecas y escribas. Durante siglos, cada libro tuvo que copiarse a mano. Casi siempre el texto llegaba intacto. Otras veces desaparecía una frase, aparecía otra o el copista corregía al autor porque aquella tarde se encontraba especialmente seguro de sí mismo.
Johannes Gutenberg no inventó la impresión, que tenía una historia mucho más antigua en Asia, pero sus tipos móviles permitieron reproducir páginas a una escala nueva en Europa. Eltjo Buringh y Jan Luiten van Zanden estimaron en 2009 que la producción de libros se disparó después de mediados del siglo XV. Una idea pudo viajar entre ciudades sin renacer letra a letra bajo una vela. Una tontería impresa mil veces seguía siendo una tontería, aunque ahora llegaba más lejos y vestida de libro.
El telégrafo, la radio, la televisión e internet acortaron el tiempo entre aprender algo y transmitirlo. Con los buscadores, el problema dejó de ser la escasez y pasó a ser encontrar la pieza correcta dentro de una cantidad absurda de piezas.
Betsy Sparrow, Jenny Liu y Daniel Wegner estudiaron ese cambio en cuatro experimentos publicados en «Science» en 2011. Cuando los participantes creían que una información quedaría guardada en un ordenador, recordaban peor el contenido y mejor dónde encontrarlo. La memoria empezaba a repartirse entre la cabeza y la máquina.
Lo haces a diario. Quizá no recuerdes el teléfono de alguien a quien llamas cada semana, pero sabes encontrarlo. Evan Risko y Sam Gilbert llaman descarga cognitiva a este uso del entorno para reducir la carga interna. No tiene por qué ser malo. Una libreta también descarga memoria y nadie ha organizado una campaña para destruir las libretas. Todavía.
El GPS mostró hasta qué punto una capacidad puede deteriorarse cuando dejamos de usarla. Louisa Dahmani y Véronique Bohbot estudiaron en 2020 a cincuenta conductores habituales. Quienes más dependían de él mostraban peor memoria espacial al orientarse sin ayuda. Trece volvieron tres años después y apareció el mismo patrón, aunque el grupo era demasiado pequeño para anunciar el derrumbe del hipocampo occidental. El resultado era limitado, pero sugerente. Cuanto más dependían los participantes del GPS, peor recordaban el entorno cuando tenían que orientarse por sí solos.
Con la escritura sacamos parte de la memoria fuera de la cabeza. Internet hizo algo parecido con la búsqueda y el GPS con la orientación. La inteligencia artificial ya no solo nos ayuda a encontrar la respuesta. Empieza a elaborarla por nosotros.
Un libro conserva una explicación y un buscador ayuda a localizarla. Una inteligencia artificial puede leer varias, compararlas, traducirlas, resumirlas y reconstruirlas alrededor de la duda concreta del lector. La misma idea puede explicarse de una forma a una niña de doce años, de otra a una cirujana y de otra a un ingeniero que lleva veinte minutos asintiendo sin entender nada. Si la explicación falla, puede probar con otro ejemplo. No se impacienta, no mira el reloj y no recuerda que esto ya lo explicó el Lunes. Estamos construyendo una biblioteca que conversa.
Eso no significa que las historias vayan a transmitirse sin cambios. Ninguna explicación es un tubo transparente. Una IA selecciona, comprime, ordena y decide qué omitir. Puede mezclar fuentes incompatibles, reproducir un sesgo o inventar un dato. La historia junto al fuego divergía porque el narrador olvidaba, adornaba y adaptaba. La historia generada por una AI puede divergir porque el sistema produce la secuencia de palabras que considera más probable. El mecanismo ha cambiado. La posibilidad de deformación sigue ahí y ahora escribe de lujo.
La novedad es la combinación de alcance, velocidad e interacción. Una persona sin acceso a un especialista puede formular preguntas sucesivas. Un texto japonés puede aparecer en español. Un concepto de física puede adaptarse al conocimiento previo del lector. Una explicación que antes requería al profesor adecuado, en el lugar adecuado y a la hora adecuada puede estar disponible a las tres de la mañana, que es cuando el cerebro decide que necesita entender la mecánica cuántica.
Esto puede acelerar el efecto trinquete como ninguna tecnología anterior. Una idea ya no tiene que esperar a que alguien encuentre el libro, conozca el idioma y posea la formación suficiente para entrar en él. La AI puede construir el puente, pero si hace también el recorrido quizá lleguemos a la otra orilla sin saber cómo hemos llegado.
Todo esto ocurre con las inteligencias artificiales que ya tenemos. El debate cambia de escala cuando aparece la posibilidad de una inteligencia artificial general, conocida por sus siglas en inglés, AGI. En términos generales, sería un sistema capaz de aprender y desenvolverse en casi cualquier tarea intelectual con una competencia superior a la humana. Nadie sabe dónde está exactamente esa frontera ni cómo reconoceremos que una máquina la ha cruzado. Puede que llegue como un salto evidente o como una acumulación de capacidades que ya estarán ahí cuando decidamos ponerles nombre.
Si aparece, el cambio no consistirá solo en obtener respuestas mejores. Una AGI podría aprender campos nuevos, conectar conocimientos distantes, planificar investigaciones y resolver problemas para los que nadie la hubiera preparado expresamente. Podría ser la herramienta científica más poderosa que haya construido nuestra especie.
Google DeepMind presenta la AGI como una posible palanca para transformar la ciencia, la medicina y la productividad. La idea tiene un precedente concreto. AlphaFold, una inteligencia mucho más limitada, dio un salto decisivo en la predicción de estructuras de proteínas, un problema que llevaba décadas desafiando a la biología. Una AGI capaz de leer la literatura científica, conectar millones de resultados, diseñar moléculas, proponer experimentos y aprender de sus errores podría acelerar descubrimientos que hoy requieren años o décadas. Quizá no cure todas las enfermedades, pero podría permitirnos comprender algunas con una profundidad que ahora apenas imaginamos.
La discusión pública se concentra, con razón, en si una inteligencia semejante podría escapar a nuestro control, ser utilizada contra nosotros o tomar decisiones incompatibles con nuestros intereses. Pero entre la utopía y la extinción existe una pregunta más cercana y menos cinematográfica. ¿Qué le ocurre a una especie cuyo principal mecanismo de progreso ha sido pensar cuando construye algo capaz de hacerlo mejor?
No necesitamos esperar a una AGI para ver el principio del cambio. Las herramientas actuales ya pueden ahorrarnos parte del esfuerzo intelectual. Una inteligencia general podría conseguir que dejara de ser necesario para casi todo lo que hoy utilizamos como prueba de que alguien sabe pensar.
Hao-Ping Lee y otros investigadores de Microsoft Research preguntaron a 319 trabajadores del conocimiento por 936 usos reales de inteligencia artificial. El estudio, presentado en CHI en 2025, encontró que una mayor confianza en la herramienta se asociaba con menos pensamiento crítico declarado, mientras que una mayor confianza en la capacidad propia se asociaba con más. El trabajo no midió una pérdida objetiva de inteligencia. Recogió percepciones y descripciones de los propios usuarios, una diferencia importante.
Lo interesante estaba en el desplazamiento del esfuerzo. Los participantes dedicaban menos trabajo a producir directamente y más a fijar objetivos, formular instrucciones, verificar información, integrar respuestas y supervisar el resultado. El profesional empieza a parecerse menos a quien coloca cada ladrillo y más a quien revisa los planos, coordina la obra y comprueba que el edificio no haya quedado precioso encima de un pantano.
Ese cambio puede liberar tiempo para pensar mejor. También permite producir sin comprender, y ahí aparece un problema bastante anterior a la inteligencia artificial.
En 1995, McArthur Wheeler atracó dos bancos de Pittsburgh a plena luz del día y sin ocultar el rostro. No había olvidado la máscara. Se había untado la cara con zumo de limón porque creía que, del mismo modo que el limón sirve como tinta invisible, lo volvería invisible para las cámaras. Cuando la policía le enseñó las grabaciones, respondió desconcertado que llevaba puesto el zumo. Su razonamiento contenía una observación correcta, una conclusión desastrosa y una confianza impecable.
Justin Kruger y David Dunning abrieron con Wheeler el estudio que publicaron en 1999. Sus participantes resolvieron pruebas de lógica, gramática y sentido del humor y después estimaron su propio rendimiento. Quienes quedaron en el cuartil inferior se situaban, de media, en el percentil 12, pero creían estar cerca del 62. El problema, propusieron los autores, era doble. Las capacidades necesarias para hacer bien una tarea también ayudan a reconocer que se ha hecho mal.
John Cleese (conocido ya en el blog) lo explicó bastante mejor que los psicólogos y en mucho menos tiempo. El problema de una persona muy muy estúpida, decía, es que no tiene ni idea de que es muy muy estúpida. Porque para reconocer su estupidez necesitaría cierta inteligencia. Y si tuviera esa inteligencia, probablemente no sería estúpida.
«Esto explica muchas cosas».
Científicamente hablado esto es algo menos satisfactoria, sobre todo porque no permite pensar inmediatamente en varias personas concretas. El efecto se refiere a competencias determinadas. Alguien puede ser desastroso interpretando estadísticas y preparar una tortilla de patatas que justifique su existencia. Tampoco está claro que el famoso gráfico describa una ley universal. Parte de su forma puede deberse a problemas estadísticos. Pero la idea central resiste. Cuanto menos sabemos sobre algo, más difícil resulta descubrir todo lo que ignoramos.
Wheeler tuvo que defender su teoría ante la policía. Su único argumento era que llevaba puesto el zumo. Hoy podría presentarse con veinte diapositivas, una explicación técnica sobre las propiedades del limón, una matriz de riesgos y una bibliografía impecable preparada con IA, y seguiría apareciendo en la grabación. La IA no habría creado su ignorancia. Solo le habría dado un PDF impecable para defenderla.
Nunca había sido tan fácil parecer brillante estando completamente equivocado.
Hamsa Bastani y cinco colegas realizaron un experimento con cerca de mil estudiantes de secundaria en Turquía, publicado en «Proceedings of the National Academy of Sciences» en 2025. Durante las prácticas de matemáticas, el grupo que utilizó una interfaz de GPT-4 similar a un chatbot mejoró sus resultados un 48 por ciento frente al grupo de control. Cuando retiraron la ayuda y los alumnos tuvieron que examinarse solos, obtuvieron notas un 17 por ciento peores que quienes nunca la habían usado.
Otro grupo trabajó con una versión diseñada como tutor. La herramienta conocía las soluciones y los errores frecuentes, pero evitaba entregar la respuesta. Daba pistas y guiaba el razonamiento. Durante las prácticas, aquellos alumnos mejoraron todavía más y, al retirar la IA, no sufrieron la caída del primer grupo. Con una tecnología casi idéntica, el chatbot general había funcionado como prótesis y el tutor como entrenador.
La OCDE recogió este problema en su «Digital Education Outlook 2026». Los estudiantes pueden producir trabajos mejores con una IA de propósito general sin obtener un aprendizaje equivalente. Cuando la herramienta desaparece, la ventaja puede evaporarse o invertirse. El informe utiliza la expresión «pereza metacognitiva» para describir la delegación del control sobre el propio aprendizaje. Encargamos la tarea y dejamos de comprobar si la entendemos.
¿Por qué importa una dificultad que la IA puede ahorrarnos? Henry Roediger y Jeffrey Karpicke reunieron en 2006 a estudiantes para aprender unos textos. Algunos los leyeron varias veces. Otros los estudiaron una vez y después intentaron recuperarlos de memoria. Cinco minutos más tarde, la relectura parecía superior. Una semana después, el grupo que había hecho el esfuerzo de recordar conservaba alrededor del 56 por ciento del material, frente al 42 por ciento de quienes se habían limitado a releer.
La dificultad había empeorado el resultado inmediato y mejorado el aprendizaje duradero. Cuando intentas recordar, redactar o explicar algo sin mirar, aparecen los huecos. Descubres qué parte comprendías y qué parte solo reconocías cuando la veías delante. El esfuerzo mental no siempre es un trámite entre la pregunta y la respuesta. A menudo es el lugar donde la comprensión se fabrica.
Eso no convierte cualquier sufrimiento en educativo. Pasar tres horas buscando una referencia que una máquina encuentra en diez segundos no fortalece el carácter. Tampoco tiene sentido exigir divisiones largas a quien necesita calcular una previsión compleja en una hoja de cálculo. Hay fricción útil y hay desperdicio. La primera obliga a recuperar, relacionar, elegir, comprobar y corregir. El segundo solo consigue que llegues tarde a cenar.
La educación tendrá que distinguirlos. Prohibir la IA y fingir que 2022 no ocurrió serviría de poco. Una herramienta bien diseñada puede pedir al alumno una hipótesis antes de responder, señalar una contradicción, presentar dos explicaciones incompatibles y obligarle a elegir cuál encaja mejor con las pruebas. Puede reconocer dónde se ha perdido el alumno y volver sobre ese punto las veces que haga falta, sin impacientarse ni dejarlo en evidencia delante de la clase. Un buen tutor no entrega la respuesta demasiado pronto. Sabe cuándo conviene hacer otra pregunta.
En junio de 2026, la OCDE y la Comisión Europea publicaron un marco de alfabetización en inteligencia artificial para primaria y secundaria. Organiza las competencias en cuatro ámbitos, interactuar con la IA, crear con ella, gestionarla y darle forma. Insiste en evaluar los resultados, comprender los límites del sistema y mantener la capacidad humana de decisión. Es un comienzo sensato. Una asignatura llamada «prompts» no bastará. El manual quedaría viejo antes de que los alumnos terminaran de forrarlo.
Habrá que enseñar a definir un problema, separar una causa de una coincidencia, descubrir qué dato falta, detectar un supuesto oculto y decidir qué evidencia nos haría cambiar de opinión. También habrá que enseñar algo menos técnico: resistir la tentación de pedir una respuesta antes de haber intentado formar una pregunta propia.
En enero de 1963, Bill Bowerman llegó a Nueva Zelanda convencido de que estaba en forma. Tenía cincuenta y un años y entrenaba al equipo de atletismo de la Universidad de Oregón. Salió a correr con el Auckland Joggers Club y un hombre de setenta y cuatro años, sin pasado deportivo y con tres infartos a la espalda, tuvo que reducir el paso para no dejarle atrás. Alan Latham reconstruyó la escena en 2015 al estudiar el nacimiento del jogging moderno. Bowerman era un entrenador respetado. Aquel día fue remolcado por un jubilado.
Bowerman pasó varias semanas corriendo en Nueva Zelanda y regresó a Oregón con una idea que entonces resultaba extraña: la gente corriente podía correr sin competir, sin perseguir nada y sin necesitar llegar antes a ningún sitio (tipo Forest Gump). Ayudó a popularizar el jogging en Estados Unidos. La actividad respondía a un problema que la propia modernidad había creado. Motores, ascensores, automóviles, lavadoras y cintas transportadoras habían reducido el esfuerzo físico cotidiano. Después inventamos una industria para recuperarlo de forma controlada.
Pagamos por levantar objetos que no necesitan ser trasladados. Corremos kilómetros para terminar en el mismo punto. Llevamos un reloj que nos felicita por habernos puesto de pie. Las máquinas volvieron opcional el esfuerzo físico. A partir de ahí, algunas personas entrenan más que cualquier campesino medieval y otras celebran haber subido seis escalones.
La inteligencia artificial puede producir una bifurcación parecida con la mente. Una persona tendrá una tutora incansable que cuestione sus argumentos, proponga problemas a medida y le permita llegar a lugares intelectuales que antes exigían años de acceso privilegiado. Otra delegará cada duda antes de intentar formularla. La disponibilidad de inteligencia artificial no nos hará automáticamente más inteligentes, del mismo modo que la existencia de un gimnasio debajo de casa no modifica los abdominales por proximidad (ya quisieran muchos).
Quizá por eso aparezcan gimnasios mentales. No tienen por qué ser edificios con tornos y vestuarios, aunque alguien acabará vendiendo la membresía. Pueden ser debates en los que no se permita consultar nada durante la primera media hora, ensayos escritos antes de abrir la IA, defensas orales, problemas matemáticos, lectura lenta, navegación sin GPS, juegos de lógica o investigaciones amateur en las que la máquina solo pueda responder con preguntas.
Coge papel y calcula cuántos vasos de agua caben en una piscina olímpica. La cifra exacta importa poco. Tendrás que estimar las dimensiones, decidir el tamaño del vaso, convertir unidades y comprobar si el resultado tiene sentido. Una IA puede darte la respuesta en un segundo. El ejercicio existe para que construyas el camino.
El ajedrez, siempre uno de los mejores ejemplos, no perdió su sentido cuando los ordenadores se volvieron mejores que nosotros. Nunca jugamos únicamente para descubrir el movimiento objetivamente perfecto. Jugamos para reconocer patrones, competir, soportar un error y encontrar una salida mientras corre el reloj. Correr tampoco desapareció cuando el automóvil se hizo más rápido. Se liberó de la obligación de llevarnos a algún sitio.
Pensar puede seguir ese camino. La escritura, las matemáticas, la estrategia y la investigación pueden ganar un valor nuevo cuando dejen de ser imprescindibles para producir. Practicaremos algunas capacidades porque nos divierten, porque nos definen o porque no queremos perderlas. Levantaremos pesos mentales que la IA podría mover sin nosotros.
El gimnasio contiene, sin embargo, una advertencia social. El ejercicio organizado exige tiempo, dinero, entorno y una cultura que lo valore. La fricción intelectual puede convertirse en un lujo parecido. El mismo acceso a la IA puede esconder experiencias muy distintas. Un niño recibirá una máquina que entregue respuestas. Otro tendrá profesores que le enseñen a discutirlas, una familia que valore los libros, música, matemáticas, conversaciones largas y tiempo para equivocarse sin consecuencias. La tecnología será un atajo permanente para el primero y un entrenador que aumente la dificultad para el segundo.
La desigualdad cognitiva no dependerá solo del acceso a la tecnología. Puede depender del acceso a experiencias sin ella.
Las escuelas más valiosas quizá sean las que sepan cuándo acumular pantallas y cuándo apagarlas. La inteligencia artificial seguirá ahí. El objetivo es evitar que una capacidad se delegue antes de nacer. Una calculadora es magnífica después de comprender qué significa multiplicar. Entregársela a alguien que no entiende los números solo acelera el misterio.
También cambiará el prestigio. Durante mucho tiempo admiramos a quien recordaba muchos datos, calculaba deprisa o producía páginas sin descanso. Esas señales perderán valor cuando una máquina pueda imitarlas en segundos. Tal vez empecemos a fijarnos en quien formula el problema correcto, reconoce que no sabe, contrasta una respuesta seductora y toma una decisión razonable cuando los datos no cierran.
La memoria colectiva puede ahora contestarnos, adaptarse a nosotros y acompañarnos hasta la respuesta. También puede llegar antes de que aparezca la pregunta.
Durante milenios avanzamos porque aprendimos a impedir que el conocimiento muriera con quien lo poseía. Ahora tendremos que evitar que las respuestas nos hagan olvidar cómo se pregunta. Quizá el futuro no nos mida por cuánto sabemos, sino por cuánto estamos dispuestos a pensar cuando ya no haga falta.