Las respuestas de la IA son fáciles, ¿pero qué perdemos?

La comodidad de ChatGPT, Claude y Gemini ha hecho más fácil que nunca delegar partes del pensamiento cotidiano en el software. En un ensayo para Art Fish Intelligence, la autora sostiene que el verdadero riesgo no es solo la automatización del trabajo rutinario, sino la subcontratación gradual del juicio mismo.

La pieza comienza con una comparación con el relato de 2012 de Ken Liu, “The Perfect Match”, en el que una asistente todoterreno llamada Tilly elige desde el desayuno hasta consejos sentimentales. El punto, sugiere la autora, es que esta dinámica ya no parece ficticia. Hace poco un amigo conoció a un hombre en un evento de startups en San Francisco que llevaba un micrófono en la camisa, grababa todas sus conversaciones y luego usaba IA para resumirlas y analizarlas.

Creo que Claude Fable es más inteligente que yo. Es mejor en pensamiento crítico que yo, así que últimamente dejo que Fable haga todo mi trabajo mental.

×

La autora traza una línea entre herramientas más antiguas como los motores de búsqueda y los sistemas de IA más recientes. La búsqueda todavía requería que los usuarios descompusieran las preguntas, evaluaran las fuentes y sintetizaran una respuesta. Los productos más recientes, como Google Deep Research y OpenAI Deep Research, señala el ensayo, realizan cada vez más esos pasos intermedios por sí mismos, entregando respuestas pulidas a preguntas complejas en minutos.

Donde la ayuda se convierte en dependencia

El ensayo no sostiene que el uso de la IA sea inherentemente malo. Señala beneficios claros: un primo que usa Gemini para traducir largos informes oficiales en inglés al coreano, colegas que emplean agentes de programación para implementar ideas de investigación y un amigo que usa ChatGPT como tutor personalizado mientras se prepara para el MCAT. También cita a la OECD sobre la IA en el ámbito laboral y el informe de la International Labour Organization titulado Digital Labour Platforms and the Future of Work.

Recomendado

Un mapa de 10 partes de la pila moderna de LLM

Pero la autora sostiene que la velocidad puede fomentar la pasividad intelectual. Un ejemplo procede de la madre de la autora, que enseña física en una universidad en línea y sospecha que muchos estudiantes ahora dependen de la IA para las tareas. Las respuestas a menudo se ven casi idénticas, dice el ensayo, pero siguen siendo lo bastante pulidas como para obtener buenas calificaciones.

Eso lleva a la preocupación central: la IA puede producir respuestas sin enseñar el proceso necesario para llegar a ellas.

Un ejemplo desde Portugal: pensar primero, pedir ayuda a la IA después

×

El ejemplo más claro del ensayo proviene de un viaje a Portugal. Tras visitar el Monument to the Discoveries, la autora y su hermana discutieron por qué las actitudes portuguesas hacia figuras de la época colonial, como Henry the Navigator, parecían diferentes de la forma en que EE. UU. ahora trata a figuras como Christopher Columbus. Cuando su hermana sugirió preguntar a ChatGPT de inmediato, la autora propuso que primero elaboraran sus propias teorías.

Especularon, discreparon, recordaron la historia y pusieron a prueba las suposiciones de cada una antes de recurrir finalmente a la IA. El modelo confirmó algunas de sus ideas, añadió otras y omitió algunas explicaciones que ellas aún consideraban plausibles. Para la autora, esa secuencia importaba: usar la IA para ampliar el pensamiento, no para sustituirlo.

El ensayo concluye con una distinción contundente. La pregunta no es solo qué tareas puede automatizar la IA, sino si las personas están empezando a automatizar también su propia capacidad de decisión.