La IA no te está enseñando a pensar, te enseña a creer que piensas

Por eso creo que la mayoría de las organizaciones están dando un salto equivocado en cómo adoptar la IA: universidades, empresas y gobiernos están obsesionados con enseñar la Inteligencia Artificial con nuevos cursos, talleres de prompts, políticas sobre uso de la IA, incluso inversiones.

Pero nos estamos olvidando que las habilidades humanas deben, si no superar, complementar o ser capaces de trabajar con la IA. Y entre tantas innovaciones y cambios tan rápidos, nos estamos perdiendo del panorama completo: no se trata de entrenar a las personas en el uso de la IA, se trata de enseñar a pensar.

¿Pero cómo se enseña a pensar cuando la misma IA está diseñada con el propósito de complacerte, y no de cuestionarte? ¿Y qué pasa cuando adicional, los datos con los que está siendo alimentada solo muestran una pequeña fracción del mundo?

Tenemos un problema, Houston.

La IA aprendió de muy pocos humanos

Un estudio reciente de Harvard llamado "Which Humans?" revela que los modelos de lenguaje están entrenados predominantemente con datos de poblaciones WEIRD (Western, Educated, Industrialized, Rich, Democratic). Occidentales, “Educados”, Industrializados, Ricos, Democráticos.

Esto significa que la IA aprende de un subgrupo muy específico de humanos, no de la diversidad psicológica global.

¿Y por qué esto es un problema? No es que la IA entienda a algunos humanos mejor que a otros. Es que solo aprendió de un tipo muy específico de humano.

Y ese sesgo se retroalimenta: la IA genera contenido sesgado, ese contenido se vuelve parte del entrenamiento de futuras versiones, creando bucles de información que favorecen ciertas perspectivas mientras omiten otras formas de ver el mundo.

El problema va más allá del origen de los datos. Al igual que las redes sociales, la IA generativa se convierte en un espejo que te dice lo que quieres escuchar: valida lo que tu crees que es correcto.

Si piensas como poblaciones WEIRD, será una validación constante porque fue entrenada con esas perspectivas; y si piensas diferente, la IA intentará "corregirte" hacia el pensamiento hegemónico que aprendió.

No cuestiona tus premisas si se parecen a las que conoce, las refuerza. Te hace sentir inteligente sin el trabajo incómodo de realmente pensar críticamente sobre si esas perspectivas son las únicas válidas.

Entonces, ¿cómo usar la IA para "educar mejor" cuando su diseño fundamental contradice lo que significa educar?

Qué significa realmente enseñar a pensar

No se trata de hacer mejores prompts. Pensar es desarrollar la capacidad de cuestionar los outputs, identificar cuándo la IA está reflejando perspectivas dominantes como si fueran verdades universales y reconocer cuándo te está diciendo lo que quieres escuchar.

Es generar incomodidad intelectual en lugar de buscar validación constante. Preferir la pregunta difícil sobre la respuesta fácil. Y el problema es que estamos usando la IA para recibir respuestas rápidas, sin pasar por el proceso de incomodidad de todo lo que implica razonar.

La pregunta entonces no es solo qué enseñar, sino qué experiencias diseñar para que el cerebro desarrolle esas capacidades críticas que la IA no puede entrenar.

Pero, ¿cómo aprende el cerebro a pensar?

Estamos confundiendo aprender con recibir información.

Recibir datos procesados, respuestas pre-formuladas y validación constante es una recepción pasiva que mantiene al cerebro en modo de bajo consumo energético: no activa los procesos cognitivos necesarios para desarrollar pensamiento profundo.

Por el otro lado, está comprobado que el cerebro desarrolla pensamiento crítico a través del error y la disonancia cognitiva. Algo que nos incomoda muchísimo.

Cuando nos equivocamos, enfrentamos información que contradice nuestras creencias o experimentamos la incomodidad de no saber, el cerebro se reorganiza y fortalece nuevas conexiones neuronales. El pensamiento crítico emerge de la fricción intelectual, no de la confirmación. En los últimos años nos acostumbramos a “tener razón” y preferimos aferrarnos a nuestras creencias, que desarrollar la habilidad de pensar.

Y con la IA, se eliminan los procesos que el cerebro necesita para aprender a pensar: minimiza el error y ofrece certezas donde debería haber preguntas.

¿Hacia dónde va el futuro?

Las universidades no necesitamos enseñar a usar la IA. Necesitamos enseñar a pensar con, contra y a pesar de la IA.

Esto significa crear experiencias que deliberadamente generen disonancia cognitiva. Diseñar situaciones donde las personas confronten sus sesgos, cuestionen respuestas de IA, identifiquen cuándo están siendo validadas en lugar de retadas, y desarrollen el criterio para saber cuándo confiar en su propio pensamiento por encima de la respuesta generada.

La pregunta ya no es si integraremos la IA en educación y trabajo. La pregunta es si podemos enseñar a pensar críticamente usando una tecnología diseñada específicamente para que no tengamos que hacerlo.

____

Nota del editor: Daniela Hernández Álvarez es directora de Earth & Life University, universidad líder en formación de agentes de cambio en sostenibilidad e innovación. Reconocida como Top Voice en Sostenibilidad por LinkedIn y una de las 30 mentes más sostenibles por Forbes México. Ha acompañado a más de 300 empresas y emprendedores en procesos de liderazgo sostenible. Es Licenciada en Relaciones Internacionales, cuenta con una maestría en Ecotecnologías y cursa un doctorado en Neurociencias y Educación. Las opiniones publicadas en esta columna corresponden exclusivamente a la autora.

Consulta más información sobre este y otros temas en el canal Opinión