En los últimos años, la sociedad ha visto como el término inteligencia artificial (IA) ha pasado de ser un término abstracto y casi de ciencia ficción a ser un acrónimo omnipresente. Hoy en día define un servicio que, para muchos, es intangible pero de uso diario, especialmente en su vertiente generativa (IAG).
Cuando la inteligencia artificial piensa por nosotros
En este sentido, cada vez es más común encontrarse con gente que ha introducido la IAG en su día a día, ya sea para automatizar tareas repetitivas -como puede ser la gestión del buzón de correo- o para llevar a cabo tareas más complejas, como la generación de imágenes, vídeos o incluso código fuente. La IAG ya no es un elemento de los cuentos o de películas futuristas; es un elemento del presente que ha llegado para quedarse.
En este sentido, los beneficios son claros y visibles. Es una herramienta que nos permite centrarnos en las tareas que requieren más cognición y dedicación, liberándonos de los automatismos. En resumen, la IAG puede actuar como un gran amplificador de nuestras capacidades.
IAG frente a cognición y criterio
Aun con los beneficios claros que introduce el uso de la IA, hay que tener cuidado con la finalidad con la que se utiliza. Términos como el deep fake (falsedad profunda) o la usurpación de identidad mediante el uso de la IA empiezan a encabezar algunas noticias. Sin embargo, aquí queremos centrarnos en un aspecto que nos toca bien de cerca y que, a la larga, puede conllevar grandes inconvenientes: el uso de la IAG sin control y sin criterio en el mundo académico.
Cada vez es más común encontrarse con alumnos que utilizan la IAG para resolver sus dudas o para amplificar sus conocimientos de forma más directa y más rápida. En lugar de hacer una investigación exhaustiva en libros, páginas web u otros medios, es mucho más sencillo escribir una petición (prompt) a la IAG y esperar a que esta nos devuelva la información que buscábamos. Si además lo puede hacer en varios formatos (vídeo, pódcast, texto, imagen, etc.), mejor aún.
Sin embargo, el problema reside en el modo en que las personas actuamos ante estas respuestas. Idealmente, lo que deberíamos hacer es corroborar la información, ir fuente por fuente (si la IAG nos las indica) y confirmar que la información que nos devuelve es correcta y responde nuestras preguntas. No debemos olvidar que algunos de los principales problemas de la IAG son el riesgo de producir errores o alucinar —decimos que la IAG alucina cuando se inventa respuestas— y mostrarlas totalmente como válidas.
No aceptar cualquier respuesta de la IAG como verdad absoluta
Lo que se observa, pues, sobre todo en el mundo académico y universitario, es que las personas, y especialmente los estudiantes sin un conocimiento previo sobre los problemas de la IAG, no hacen esta doble comprobación, sino que empiezan a aceptar cualquier respuesta de la IAG como verdad absoluta. A la larga, esto puede desembocar en una pérdida progresiva de nuestra capacidad crítica, puesto que se delega el razonamiento a la máquina.
Recientemente, se ha publicado un artículo (Li et al., 2026) que revisa 67 publicaciones sobre el uso diario de la IAG en estudiantes universitarios. Las conclusiones del estudio muestran que la gran mayoría hace un uso «correcto» de la IAG, puesto que la utiliza como una herramienta amplificadora de capacidades para reducir las tareas repetitivas y poder centrarse en aquellas con una demanda cognitiva mucho más elevada.
Aun así, en un tercio de las publicaciones, se observa un hecho preocupante: un gran número de estudiantes, sobre todo los que utilizan la IAG por primera vez y sin una formación previa, usan la IAG como fuente principal de información, aceptando sus respuestas sin aplicar ningún tipo de análisis crítico. Además, el estudio muestra que, en 17 de estos estudios, se asocia una pérdida y erosión gradual de la capacidad crítica, cognitiva y argumentativa de los estudiantes al uso indiscriminado y sin criterio de la IAG.
Con todo esto, nos hacemos una pregunta: ¿qué podemos hacer y fomentar nosotros desde la UOC, como entidad educativa que impulsa el uso de la IAG en su día a día (no como una solución a todos los problemas, sino como una herramienta de ayuda), para promover que nuestros estudiantes mantengan la capacidad crítica, cognitiva y argumentativa innata de las personas?
La tentación de copiar y pegar
Un primer elemento importante es entender que el uso acrítico de la IAG no siempre nace de una mala intención. En muchos casos, el problema empieza de una manera mucho más sutil. La respuesta llega tan rápidamente, tan bien estructurada y con un tono tan convincente que resulta muy tentador copiarla, pegarla o asumirla como correcta sin dedicarle mucho más tiempo. Esto puede pasar en un trabajo académico, pero también en una tarea profesional, en la redacción de un informe o incluso en la resolución de una duda cotidiana.
Este fenómeno es especialmente relevante porque conecta con una tendencia humana bastante conocida. Cuando tenemos una vía aparentemente suficiente y menos costosa, a menudo tendemos a reducir el esfuerzo cognitivo. En psicología cognitiva, esta idea se ha relacionado con conceptos como el de cognitive miser, que describe la tendencia de las personas a recurrir a estrategias de pensamiento menos costosas cuando no perciben la necesidad de un razonamiento más profundo.
También se puede relacionar con el cognitive offloading, es decir, con la externalización de procesos cognitivos a herramientas externas. Esta externalización no es negativa por sí misma. De hecho, hace siglos que la hacemos con libros, calculadoras, buscadores o bases de datos. El problema surge cuando la descarga cognitiva deja de ser un apoyo y se convierte en una sustitución sistemática del razonamiento propio.
En este punto, la IAG introduce una diferencia importante respecto de otras herramientas. No solo nos ayuda a encontrar información, sino que también puede redactar, sintetizar, argumentar, proponer conclusiones y presentarlo todo con una apariencia de seguridad. Por eso, el riesgo no es solo copiar una respuesta, sino dejar de ejercitar habilidades esenciales como buscar, comparar, dudar, inferir, justificar o reformular. En otras palabras, el problema no es utilizar la IA para trabajar mejor, sino llegar a un punto en que no se pueda trabajar sin ella.
Esto no quiere decir en ningún caso que tenga que rechazarse el uso de la IAG. Al contrario, puede ser una herramienta muy valiosa para orientar una primera búsqueda, desbloquear una idea, obtener una explicación inicial o contrastar posibles enfoques. Pero hay que asumir que, actualmente, una respuesta generada por IA no tendría que ser nunca el final del proceso, sino el comienzo. La respuesta de la IA debe tratarse como una hipótesis de trabajo, no como una verdad absoluta y final.
Validar antes de aceptar
Por este motivo, una competencia fundamental en el uso de la IAG debería ser la validación. Saber utilizar estas herramientas no es solo saber hacer una buena pregunta o escribir un buen prompt. También quiere decir saber revisar la respuesta, detectar los límites y comprobar si lo que afirma es realmente correcto.
Esta validación se puede estructurar en varias acciones concretas:
1. Verificar las fuentes
Si la respuesta incluye datos, afirmaciones técnicas o información académica, hay que pedir fuentes y verificar que existen realmente. Pero eso no es suficiente. También debe comprobarse que las fuentes dicen lo que la IAG afirma que dicen, porque uno de los riesgos habituales es que el modelo atribuya ideas incorrectas a fuentes reales o que genere referencias que parecen verosímiles, pero que no corresponden a ninguna publicación existente. Este proceso es especialmente importante cuando se trabaja con información especializada o cuando las conclusiones pueden tener consecuencias relevantes en contextos académicos, profesionales o personales.
2. Revisar los elementos más sensibles a errores
Es recomendable revisar con especial atención las fechas, las cifras, los nombres propios, las citas bibliográficas y las afirmaciones demasiado categóricas. También es útil distinguir dentro de la respuesta lo que son hechos, lo que son interpretaciones y lo que son opiniones o recomendaciones.
3. Poner a prueba la respuesta
Puede ser útil pedir a la misma IA que señale qué puntos de su respuesta son más inciertos, qué supuestos está haciendo o qué contraargumentos se podrían plantear. Este tipo de preguntas no eliminan el riesgo de error, pero ayudan a pasar de un uso pasivo de la IA a un uso más reflexivo.
4. Comprobar la propia comprensión
La validación no debería limitarse a verificar fuentes. También tendría que incluir una comprobación de comprensión. Si una persona no puede reformular con palabras propias una respuesta generada por IA, aplicarla a un ejemplo concreto o defender el argumento sin depender nuevamente de la herramienta, es probable que aún no haya convertido esa respuesta en conocimiento propio. En este sentido, validar también quiere decir apropiarse críticamente de la respuesta, entenderla y poder decidir qué se acepta, qué se descarta y qué hay que matizar.
Este enfoque coincide con la idea de que el pensamiento crítico en el uso de la IA no consiste solo en desconfiar de la tecnología, sino en verificar la fuente y el contenido de la información, comprender los límites de los modelos y reflexionar sobre las consecuencias de depender de ella. De hecho, estudios recientes sobre el uso crítico de la IA generativa sitúan la verificación, la motivación para contrastar y la reflexión sobre la dependencia tecnológica como dimensiones clave de esta competencia.
La falsa sensación de saber
Uno de los riesgos más delicados de la IAG es que puede generar una falsa sensación de conocimiento. Las respuestas suelen ser claras, ordenadas y lingüísticamente convincentes. Esta fluidez puede hacer que una explicación parezca más fiable de lo que realmente es. Sin embargo, una respuesta bien escrita no es necesariamente una respuesta correcta, del mismo modo que una explicación clara no implica necesariamente que el usuario la haya entendido.
Este riesgo aumenta cuando la pregunta inicial está mal planteada. Los modelos generativos suelen responder dentro del marco que propone el usuario. Por lo tanto, si la pregunta parte de una premisa equivocada, es posible que la IA construya una respuesta coherente pero basada en una confusión inicial. En muchos casos, el modelo no frena lo bastante al usuario ni le indica con claridad que el planteamiento puede ser erróneo. Además, muchas de estas herramientas están diseñadas para ofrecer interacciones útiles, fluidas y satisfactorias, lo que puede reforzar la tendencia a aceptar las respuestas sin cuestionarlas lo suficiente. Esto puede hacer que la persona interprete una respuesta como una confirmación de su idea previa, cuando en realidad puede estar reforzando un error.
Este punto es especialmente importante cuando se trabaja con temas poco conocidos o complejos. Una persona con poco conocimiento previo sobre una cuestión determinada puede tener dificultades para detectar errores sutiles, omisiones o simplificaciones excesivas a través de frases demasiado categóricas. Esta confusión entre tener una respuesta y haberla entendido puede afectar progresivamente a la capacidad crítica, argumentativa y cognitiva de la persona sin que ella se dé cuenta.
Esto no quiere decir que la IA no pueda ayudar a aprender. Puede hacerlo y mucho, especialmente cuando se usa de manera activa y reflexiva. Puede servir para generar ejemplos, comparar explicaciones, identificar errores, pedir contraargumentos o incluso explorar distintas maneras de entender un concepto. En cualquier caso, para que esto ocurra, el usuario debe mantener el control del proceso. La IA tiene que funcionar como una herramienta de contraste y ampliación, no como una autoridad que sustituya el criterio propio.
En este sentido, es importante transmitir una idea clara: el riesgo no es solo que la IA cometa errores, sino que los presente de una manera tan coherente y convincente que pasen inadvertidos. Una respuesta puede parecer formalmente correcta, bien estructurada y fiable, pero contener información incorrecta o partir de un planteamiento equivocado. Precisamente por eso, el uso de la IAG exige más criterio, no menos.
Pensar mejor, no pensar menos
Con todo, el debate no tendría que plantearse en términos de rechazo o aceptación acrítica de la IA generativa. La cuestión no es si estas herramientas deben utilizarse o no, sino cómo tienen que usarse para que contribuyan realmente a mejorar la comprensión, la toma de decisiones y la capacidad de resolver problemas en general. Ninguna organización, institución o persona puede ignorar una tecnología que ya forma parte de muchos ámbitos de la vida cotidiana, académica y profesional, pero tampoco se puede asumir que toda innovación tecnológica implique automáticamente una mejora del conocimiento. En este sentido, el objetivo no debería ser prohibir su uso, sino promover un uso libre, responsable y crítico, basado en la capacidad de decidir cuándo aporta valor y cuándo hay que recurrir al criterio y al trabajo propio.
A lo largo de la historia, el acceso a la información se ha ido facilitando de forma progresiva. La imprenta, las bibliotecas, internet, los buscadores y ahora la IA generativa han reducido barreras y han democratizado el acceso a contenidos que antes eran mucho más difíciles de obtener. Este proceso es positivo y ha contribuido al progreso de la sociedad.
Ahora bien, el acceso a la información no equivale automáticamente a conocimiento. En este sentido, resulta especialmente sugerente una reflexión de Isaac Asimov formulada décadas antes de la aparición de internet tal como lo conocemos hoy: “Once we have computer outlets in every home, each of them hooked up to enormous libraries, where anyone can ask any question and be given answers”.
La cita a menudo se presenta como una anticipación sorprendente del acceso universal a la información e, incluso, de las herramientas de IA actuales. Aun así, lo que observamos hoy confirma que poder obtener respuestas de forma inmediata no garantiza necesariamente la comprensión. Disponer de más información, o incluso de respuestas elaboradas a cualquier pregunta, no implica automáticamente saber interpretarlas, valorar la calidad ni transformarlas en conocimiento útil.
Esta misma idea se puede extender en otro debate habitual sobre la IA. Tampoco debería confundirse la capacidad de generar contenidos con la creatividad en sentido estricto. Los modelos de IA generativa producen textos, imágenes u otros resultados a partir de patrones identificados en grandes volúmenes de datos, pero no crean con intencionalidad, experiencia o comprensión propia. La creatividad sigue siendo una capacidad humana vinculada a la interpretación, el contexto, la imaginación y la capacidad de dar significado a las ideas.
Por eso, el reto actual es sobre todo educativo y cultural. Hay que promover un uso de la IAG basado en el criterio, la validación de las respuestas, el reconocimiento de sus límites y el mantenimiento de la autonomía intelectual. La IA puede ayudarnos a trabajar mejor, a explorar ideas con más rapidez y a ampliar nuestras capacidades. Pero para que esto sea realmente así, no tiene que sustituir al pensamiento crítico, sino estimularlo.
En definitiva, la IAG puede ser una herramienta extraordinaria si se utiliza como un amplificador de las capacidades humanas. Pero puede convertirse en un riesgo si se transforma en un atajo permanente que evita el esfuerzo de comprender. El reto no debería consistir en pensar menos gracias a la IA, sino en pensar mejor con su ayuda.
