La sobrecarga de IA es algo real. Esto es lo que está sucediendo en tu cerebro.

Algo cambió alrededor de 2024. El número de personas que describen un tipo específico de agotamiento cognitivo — ni burnout ni sobrecarga de información, sino algo en la intersección de ambos — aumentó con fuerza. Las descripciones son consistentes: una sensación de saturación mental, dificultad para pensar por cuenta propia, menor tolerancia a la incertidumbre y una dependencia incómoda de herramientas de IA que, de algún modo, hace que pensar se sienta más difícil, no más fácil.

Esto no es tecnofobia ni nostalgia. Refleja dinámicas neurológicas reales que se pueden prever a partir de lo que sabemos sobre cómo el cerebro procesa la información, mantiene la función cognitiva y responde a una ayuda siempre disponible. Esto es lo que está pasando — y lo que sugieren las pruebas sobre cómo manejarlo.

El nuevo entorno cognitivo

A partir de 2025, las personas que trabajan con conocimiento en la mayoría de los sectores interactúan con herramientas de IA — ChatGPT, Copilot, Gemini, Claude y decenas de herramientas especializadas — varias veces al día. La persona usuaria promedio envía decenas de consultas al día. El contenido generado por IA ya representa una parte importante de los borradores de correos, resúmenes de reuniones, código, documentos escritos y resultados de búsqueda.

Se trata de un entorno cognitivo realmente nuevo. Por primera vez en la historia, una gran parte del trabajo cognitivo que antes exigía esfuerzo sostenido — redactar, resumir, buscar, planificar y depurar errores — puede descargarse casi al instante. La pregunta es qué le hace esto al cerebro con el tiempo.

La respuesta, según lo que sabemos sobre la función cognitiva y la carga cognitiva, es más compleja que cualquiera de las dos versiones: la optimista (la IA amplía la capacidad humana) o la pesimista (la IA debilita la capacidad humana). Ambas están ocurriendo, de distintas maneras, en distintos tipos de pensamiento.

Por qué las herramientas de IA pueden aumentar la carga cognitiva en lugar de reducirla

La idea intuitiva es que delegar trabajo en la IA reduce la carga cognitiva. En cierto modo, sí. Pero la investigación sobre la teoría de la carga cognitiva (Sweller, 1988) distingue entre intrínseca (la complejidad de la tarea en sí), extrínseca (las exigencias cognitivas que crea la forma en que se presenta la tarea) y germinal (el esfuerzo cognitivo que construye comprensión y habilidad).

Las herramientas de IA reducen principalmente la carga intrínseca y la germinal: se encargan del trabajo que, de otro modo, requeriría esfuerzo y generaría aprendizaje. Pero a menudo aumentan la carga extrínseca: evaluar la precisión de lo que produce la IA, integrar varias partes generadas por IA en un trabajo coherente, gestionar el contexto entre varias herramientas, decidir qué delegar y qué hacer personalmente, y mantener la supervisión de los procesos de IA. Estas son exigencias cognitivas nuevas que antes no existían.

El resultado para muchas personas es una paradoja: más producción, más fatiga cognitiva. El trabajo se siente más ligero en momentos puntuales, pero más agotador a lo largo del día. Muchas personas describen esto como fatiga por decisiones: una larga serie de pequeñas decisiones cansa tanto como unas pocas grandes. Por qué ocurre eso es un tema debatido en la investigación, pero la sensación de fatiga mental después de horas de microdecisiones constantes es común.

El trabajo asistido por IA aumenta de forma drástica el número de microdecisiones: aceptar esta sugerencia, rechazar aquella, revisar este párrafo, volver a enviar ese prompt. Cada decisión es rápida, pero la carga acumulada a lo largo de cientos de microdecisiones diarias es considerable.

La paradoja de la automatización y el deterioro de habilidades

Hay un fenómeno muy documentado en la ergonomía y la investigación sobre factores humanos llamado paradoja de la automatización o ironías de la automatización (Bainbridge, 1983): cuando la automatización se encarga del trabajo rutinario, las personas operadoras pierden práctica en las habilidades necesarias para las situaciones no rutinarias. Los pilotos que dependen del piloto automático para la mayor parte de sus vuelos muestran un peor manejo manual. Los radiólogos que usan herramientas de diagnóstico con IA muestran tasas de detección más bajas cuando la IA pasa por alto algo.

La misma dinámica se aplica al trabajo cognitivo. Escribir, razonar problemas, planificar y sintetizar de forma creativa son habilidades que se desarrollan con la práctica y se deterioran sin ella. Cuando la IA se encarga del primer borrador, de la síntesis o del razonamiento estructurado, esas vías cognitivas se ejercitan menos. No se trata de una preocupación dramática — no significa que la gente olvide cómo pensar —, pero la atrofia gradual de las habilidades practicadas produce con el tiempo un cambio real en la capacidad cognitiva y en la confianza.

Esto es distinto de simplemente tener menos práctica escribiendo a mano. Escribir — componer de verdad, no dictar ni editar — activa la memoria de trabajo, la organización conceptual y el pensamiento reflexivo de formas que revisar y editar contenido de IA no reproduce del todo. El trabajo cognitivo de componer es generativo; el trabajo cognitivo de editar es evaluativo. Ambos tienen valor; no son intercambiables.

La capa de fragmentación de la atención

Más allá de la carga cognitiva y del deterioro de habilidades, las herramientas de IA añaden otra capa de fragmentación de la atención a un entorno ya saturado de interrupciones. Cada interfaz de chat, asistente de programación y herramienta de escritura es una posible fuente de interrupciones: una consulta para generar, un resultado que revisar, un seguimiento que ajustar.

La corteza prefrontal, que gestiona la atención sostenida y la función ejecutiva, no distingue entre interrupciones generadas por personas y las generadas por IA. La investigación sobre los costes de cambiar de tarea (Rubinstein et al., 2001) muestra que pasar de una tarea a otra — incluso por un momento — impone una carga cognitiva que se acumula a lo largo del día. Añadir varias herramientas de IA a un entorno de trabajo ya fragmentado empeora esto sin que muchas personas reconozcan el origen de su fatiga.

La ironía es que las herramientas de IA suelen adoptarse precisamente para reducir la carga cognitiva. Pero la incorporación de nuevas herramientas, nuevas interfaces y nuevos puntos de decisión a menudo aumenta la demanda cognitiva total en lugar de reducirla — al menos hasta que esas herramientas estén lo bastante integradas como para manejarlas de forma automática y no deliberada.

Qué hacer realmente al respecto

Distingue entre reducir y delegar. No toda ayuda de IA tiene el mismo efecto cognitivo. Usar la IA para hacerse cargo de tareas realmente de poco valor (formato, texto estándar, búsquedas repetitivas) reduce la carga sin un coste importante para las habilidades. Usar la IA para habilidades de pensamiento que quieres conservar — escritura compleja, análisis razonado, resolución creativa de problemas — reduce la carga a costa de la capacidad practicada. Ser deliberado acerca de en qué categoría entra cada uso es el punto de partida.

Protege el tiempo de pensamiento sin ayuda. Las habilidades cognitivas que más riesgo corren por delegar en la IA son justamente las que más vale la pena preservar: el razonamiento independiente, la escritura sostenida, la planificación compleja. Practicar de forma intencional estas habilidades sin ayuda de la IA — durante periodos definidos, en tareas que importan — no es tecnofobia; es la misma lógica que la de un cirujano que practica técnicas manuales incluso cuando hay herramientas robóticas disponibles.

Reduce el número de herramientas de IA en uso activo. El coste cognitivo de manejar cinco interfaces de IA distintas es mayor que el de manejar bien una sola, bien elegida. La proliferación de herramientas de IA crea el mismo problema de fragmentación de la atención que la proliferación de apps y notificaciones. Centralizar reduce la carga cognitiva innecesaria.

Aplica los mismos principios que el bienestar digital general. La sobrecarga de IA es una forma concreta del problema más amplio que Unwire aborda: entornos cognitivos que exigen más de lo que aportan, fragmentación de la atención que agota sin reponer, y un estímulo siempre disponible que hace que desconectarse parezca imposible. Las intervenciones son coherentes: periodos definidos sin conexión, un diseño del entorno que limite la interacción ambiental con la IA y tiempo regular de recuperación en el que el cerebro no esté siendo guiado.

La visión a largo plazo

La integración de la IA en el trabajo del conocimiento no va a dar marcha atrás. La cuestión es cómo navegan las personas un entorno que, por diseño, está orientado al máximo enganche y la mínima fricción — y qué efecto tiene eso en la salud cognitiva a lo largo de años, no de días.

La investigación sobre el bienestar digital en general sugiere que quienes mejor se mueven en entornos de alta tecnología no son quienes usan más herramientas ni quienes usan menos, sino quienes mantienen un control deliberado sobre las condiciones de su propia atención: cuándo están disponibles, cuándo no, qué delegan y qué protegen.

Esa deliberación es más difícil de mantener en un entorno saturado de IA que en uno saturado solo de teléfonos inteligentes. Pero el principio de fondo — proteger tu capacidad de pensar de forma independiente, recuperar el nivel base del cerebro mediante descanso real y diseñar tu entorno en lugar de reaccionar a él — sigue siendo el mismo.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

Cómo investigamos y revisamos esto