Nuestro sitio web utiliza cookies para mejorar y personalizar su experiencia y para mostrar anuncios (si los hay). Nuestro sitio web también puede incluir cookies de terceros como Google Adsense, Google Analytics, Youtube. Al usar el sitio web, usted consiente el uso de cookies. Hemos actualizado nuestra Política de Privacidad. Por favor, haga clic en el botón para consultar nuestra Política de Privacidad.

¿Puede la IA ser una herramienta para potenciar el pensamiento crítico en jóvenes?

Contenido
  1. Resumen en 30 segundos: las siete cifras que importan
  2. El informe detrás de los titulares
  3. El experimento que apunta al revés
  4. La paradoja: emplearla con mayor eficiencia incrementa la dependencia
  5. Las dos variables que cambian el signo
  6. Qué hacer con esto, en la práctica
  7. Preguntas frecuentes
  8. Lo que ignoramos
  9. Referencias

Un análisis elaborado en 2025, que contó con 666 sujetos y superó el millar de referencias, reveló una marcada correlación inversa entre el empleo de tecnologías de inteligencia artificial y la aptitud para el pensamiento crítico. Dicha investigación sustenta gran parte de los encabezados mediáticos sobre la materia. Por otra parte, existe una prueba práctica realizada en 2026 donde se dividió a 120 chicos para que afrontaran un ejercicio de identificación de errores argumentales empleando o prescindiendo de ChatGPT: los usuarios asistidos por la IA lograron mayor precisión y percibieron un desgaste cognitivo considerablemente menor. Ambos informes son verídicos. Sucede que el primero evalúa un vínculo estadístico mientras que el segundo examina la eficacia operativa, existiendo entre ambos conceptos una diferencia que rara vez suele clarificarse.

Resumen en 30 segundos: las siete cifras que importan

Cada fila indica el estudio y el año. Nótese cuántos de estos trabajos son transversales y basados en autoinforme.

Hallazgo Resultado Estudio y año
Relación entre uso de IA y pensamiento crítico Correlación negativa significativa, con 666 participantes Gerlich, Societies (2025)
Quién muestra más dependencia Los más jóvenes, con peores puntuaciones Gerlich, Societies (2025)
Aciertos en una tarea de falacias lógicas con IA Más correctos que sin ella (H = 7,044; p < 0,01) Jain et al., Cognitive Processing (2026)
Esfuerzo mental declarado en esa tarea Significativamente menor (H = 27,434; p < 0,01) Jain et al., Cognitive Processing (2026)
Profundidad del uso y renuncia a la autonomía β = 0,25: a más sofisticación, más dependencia Si et al., J. of Intelligence (2026)
Mejor predictor del pensamiento crítico La motivación de aprendizaje (β = 0,42), no el uso de IA Si et al., J. of Intelligence (2026)
Papel de la alfabetización en IA Amortigua el efecto negativo de confiar en la herramienta Kulal, JCIS (2025)

Lo que vas a encontrar aquí

  • Qué midió exactamente el estudio del que salen todos los titulares.
  • El experimento cuyo resultado va en dirección contraria.

• La paradoja de que usar mejor la herramienta genere más dependencia.

• Las dos variables que, según los datos, deciden el signo del efecto.

El informe detrás de los titulares

Michael Gerlich publicó en Societies en enero de 2025 un trabajo de método mixto con 666 participantes de distintas edades y niveles educativos, combinando encuestas y entrevistas en profundidad. El análisis cuantitativo se hizo con ANOVA y correlaciones, y el cualitativo con análisis temático.

El hallazgo central: una correlación negativa significativa entre el uso frecuente de herramientas de IA y la capacidad de pensamiento crítico, con la descarga cognitiva como factor mediador. Además, los participantes más jóvenes mostraron mayor dependencia de las herramientas y puntuaciones de pensamiento crítico más bajas que los mayores.

Hay un tercer resultado en ese mismo estudio que se cita mucho menos y que conviene retener: un nivel educativo más alto se asoció con mejor pensamiento crítico con independencia del uso de IA. Es decir, en los propios datos del trabajo hay una variable que predice el resultado sin pasar por la herramienta.

Lo que un diseño así no puede decir

Es una investigación de carácter transversal: evalúa simultáneamente la adopción de inteligencia artificial y el pensamiento crítico en un único momento a través de cuestionarios autoadministrados. Este esquema metodológico impide discernir si el empleo de la inteligencia artificial erosiona el pensamiento crítico o si las personas con menor puntuación en dicha competencia recurren con mayor frecuencia a estas herramientas. Ambas hipótesis resultan perfectamente viables y se ajustan al mismo conjunto de registros.

Estudio Diseño Qué encontró Qué no permite concluir
Gerlich, Societies (2025) Transversal, método mixto, 666 participantes Correlación negativa mediada por descarga cognitiva No establece dirección causal; todo es autoinforme
Jain et al., Cognitive Processing (2026) Experimental, 120 jóvenes, tarea de falacias lógicas Más aciertos y menos esfuerzo mental con IA Es una tarea única; no mide qué pasa después
Si et al., J. of Intelligence (2026) Transversal, 353 universitarios, análisis de perfiles La profundidad de uso predice más renuncia a la autonomía Autoinforme; refleja percepciones, no conductas medidas
Tian y Zhang, Acta Psychologica (2025) Transversal, 580 universitarios, mediación moderada La fatiga cognitiva media parcialmente el efecto No distingue causa de consecuencia
Kulal, JCIS (2025) Transversal, 625 posgrados, docentes e investigadores La confianza amplifica el efecto; la alfabetización lo amortigua Mismo límite: una sola medición en el tiempo

El experimento que apunta al revés

En 2026, Purvi Jain junto a sus colaboradores dieron a conocer en Cognitive Processing aquella investigación ausente en prácticamente todos los debates sobre la materia: un planteamiento experimental y no una simple encuesta. Se asignó a un grupo de 120 adultos jóvenes la resolución de un ejercicio para detectar falacias lógicas, dividiéndolos entre quienes contaron con ChatGPT (57 sujetos) y quienes prescindieron de él (63 individuos), aplicando además tres test cuantitativos y evaluando de forma cualitativa a una muestra reducida de 54 voluntarios.

Los dos resultados cuantitativos van en la misma dirección, y no es la que cabría esperar tras leer los titulares. El grupo con IA obtuvo más respuestas correctas (H = 7,044; p < 0,01) y declaró un esfuerzo mental significativamente menor (H = 27,434; p < 0,01).

El análisis cualitativo revela los matices verdaderamente relevantes. Por un lado, los voluntarios que no utilizaron inteligencia artificial demostraron un pensamiento autónomo, comprobación de datos y un constante control metacognitivo. Por otro lado, dentro del grupo dotado de herramientas de IA se evidenció un comportamiento mixto: ciertos individuos transfirieron el trabajo por completo, mientras que otros optaron por una aplicación estratégica y selectiva.

La conclusión de los investigadores constituye el enunciado que condensan mejor toda esta documentación: la perspectiva del usuario —delegación frente a participación estratégica— define si el recurso funciona como reemplazo o como soporte. Asimismo, señalan que la inteligencia artificial no recorta el tiempo de forma automática, ni incrementa o disminuye el pensamiento crítico de manera homogénea.

La paradoja: emplearla con mayor eficiencia incrementa la dependencia

El trabajo de Shuai Si y su equipo, publicado en el Journal of Intelligence en 2026, encuestó a 353 universitarios chinos de varias provincias y aplicó análisis de conglomerados para identificar perfiles de uso. Salieron cuatro, desde los «usuarios de preguntas y respuestas simples» (25,2 %) hasta los «cothinkers críticos» (15,6 %).

Variable Efecto Lectura
Motivación de aprendizaje β = 0,42 sobre las ganancias de pensamiento crítico Constituye el predictor más potente, además de ser independiente de la IA
Motivación de aprendizaje β = −0,35 sobre la renuncia a la autonomía cognitiva Actúa como un escudo contra la dependencia
Profundidad de la descarga cognitiva β = 0,25 sobre la renuncia a la autonomía A mayor sofisticación en el empleo, se incrementa la dependencia
Subgrupo de alta profundidad y alta dependencia 25,8 % de la muestra Cuenta con una presencia mayoritaria de mujeres y estudiantes de informática
Perfil de «cothinker crítico» 15,6 % de la muestra Representa una minoría dentro de los usos aconsejados por la literatura

El hallazgo contraintuitivo es el tercero. Cuanto más profunda era la descarga cognitiva, más renunciaba el estudiante a su autonomía, lo que contradice la idea de que un uso más sofisticado de la herramienta produce automáticamente beneficios cognitivos. Los propios autores advierten de que todo se midió por autoinforme, de modo que lo que reflejan son percepciones de los estudiantes sobre sus conductas y capacidades.

Las dos variables que cambian el signo

Dos investigaciones de 2025 coinciden al identificar los factores que modulan este efecto. Jin-Rui Tian y Ronghua Zhang dieron a conocer en Acta Psychologica una investigación con 580 universitarios chinos, en la cual se vinculaba la dependencia de la IA con un descenso del pensamiento crítico, ejerciendo la fatiga cognitiva una mediación parcial en dicho vínculo. Asimismo, descubrieron una doble función de la alfabetización informacional: si bien mitiga la consecuencia adversa, también incrementa la fatiga mental cuando el grado de dependencia resulta elevado.

Abhinandan Kulal publicó en el Journal of Computer Information Systems un estudio con 625 estudiantes de posgrado, docentes e investigadores que señala la otra variable. La confianza en la IA amplifica la relación negativa con el pensamiento crítico, y una alfabetización alta en IA amortigua de forma significativa el efecto perjudicial de esa confianza.

Puestos uno junto a otro, los cinco trabajos dibujan algo bastante distinto de «la IA nos vuelve tontos». Lo que predice el resultado no es si se usa la herramienta, sino con qué motivación, con cuánta confianza ciega y con qué preparación para evaluar lo que devuelve.

Qué hacer con esto, en la práctica

Ordenado por solidez de la evidencia que lo respalda:

  • No cites la correlación como si fuera una causa. El estudio de 666 participantes es transversal y de autoinforme; en sus propios datos, el nivel educativo predice el pensamiento crítico al margen del uso de IA.

• Distingue delegar de apoyarse. En el único experimento disponible, esa distinción separaba a los participantes que usaban la herramienta como andamio de los que la usaban como sustituto.

• Trabaja la motivación antes que la técnica. La motivación de aprendizaje fue el predictor más fuerte, con β = 0,42, muy por encima de cualquier variable de uso.

• Enseña a desconfiar, no solo a usar. La confianza en la herramienta amplifica el efecto negativo; la alfabetización en IA lo amortigua.

• Vigila a quien se maneja muy bien. La profundidad de uso predice más renuncia a la autonomía, no menos.

Preguntas frecuentes

¿Reduce la inteligencia artificial el pensamiento crítico?

Los estudios de encuesta encuentran una asociación negativa, pero no son causales. El trabajo de Gerlich, de 2025, con 666 participantes, halló una correlación negativa significativa entre uso frecuente de IA y pensamiento crítico, mediada por la descarga cognitiva. Al ser un diseño transversal con autoinforme, no puede distinguir si la IA deteriora el pensamiento crítico o si quien tiene menos pensamiento crítico usa más la IA.

¿Hay algún experimento que lo haya puesto a prueba?

Sí, y su resultado apunta hacia otro rumbo. En la investigación de Jain y sus colaboradores, publicada en 2026, donde participaron 120 adultos jóvenes divididos entre resolver un ejercicio de falacias lógicas con el apoyo de ChatGPT o prescindiendo de él, la cohorte asistida por la IA alcanzó un mayor número de aciertos (H = 7,044; p < 0,01) y reportó un desgaste cognitivo considerablemente inferior (H = 27,434; p < 0,01).

¿Usar mejor la herramienta protege de la dependencia?

Los datos disponibles dicen que no. En el estudio con 353 universitarios publicado en el Journal of Intelligence, la profundidad de la descarga cognitiva predijo una mayor renuncia a la autonomía cognitiva, con β = 0,25, y un 25,8 % de la muestra formaba un subgrupo de alta profundidad y alta dependencia.

¿Qué predice mejor el pensamiento crítico de un estudiante?

La motivación, por encima de cualquier variable relacionada con la herramienta. En ese mismo estudio, la motivación de aprendizaje fue el predictor más fuerte tanto de las ganancias de pensamiento crítico (β = 0,42) como de una menor renuncia a la autonomía cognitiva (β = −0,35).

¿Cómo se puede mitigar el peligro?

Trabajar la alfabetización en IA y la calibración de la confianza. En el estudio con 625 participantes publicado en el Journal of Computer Information Systems, la confianza en la IA amplificaba la relación negativa con el pensamiento crítico, mientras que una alfabetización alta en IA amortiguaba de forma significativa ese efecto.

Lo que ignoramos

• Prácticamente nada con diseños longitudinales. Cuatro de los cinco estudios evalúan las variables en un solo momento temporal, imposibilitando así determinar la causalidad.

• Qué pasa con medidas objetivas. El pensamiento crítico se evalúa casi siempre con escalas autoinformadas, no con pruebas de desempeño.

  • Si el efecto revierte. No se dispone de pruebas que indiquen que una modificación en la pauta de utilización restablezca aquello que posiblemente se haya extraviado, ni tampoco de que se produzca una pérdida irreversible.

• Cómo se mide la profundidad de uso. La variable que mejor predice la dependencia se construye con autoinforme, no observando lo que el usuario hace realmente.

Referencias

1. Gerlich, M. AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 2025. DOI: 10.3390/soc15010006

2. Jain, P. et al. Cognitive offloading, critical thinking and attitudes towards artificial intelligence in the era of ChatGPT. Cognitive Processing, 2026. DOI: 10.1007/s10339-026-01375-z

3. Si, S. et al. When Thinking Is Outsourced: Cognitive Offloading and the Heterogeneity of Critical Thinking Among Chinese University Students Using Generative Artificial Intelligence. Journal of Intelligence, 2026. DOI: 10.3390/jintelligence14070116

4. Tian, J.-R. y Zhang, R. Learners’ AI dependence and critical thinking: The psychological mechanism of fatigue and the social buffering role of AI literacy. Acta Psychologica, 2025. DOI: 10.1016/j.actpsy.2025.105725

5. Kulal, A. Cognitive Risks of AI: Literacy, Trust, and Critical Thinking. Journal of Computer Information Systems, 2025. DOI: 10.1080/08874417.2025.2582050

Este contenido posee un carácter meramente informativo y no pretende reemplazar la orientación educativa ni psicológica. Buena parte de las investigaciones mencionadas tienen un diseño transversal y se apoyan en cuestionarios autoadministrados, de modo que reflejan vínculos y vivencias, más no nexos causales.

Por Karem M. Domínguez

También te puede gustar