La atención: un recurso escaso
Estamos, como siempre, sentados frente al computador o dispositivo favorito de trabajo (tal vez hoy en día sea en plural, dispositivos) y vemos como nuestra aplicación de IA favorita está ‘trabajando’ en ese excel de datos, en un correo, o en un texto que debemos escribir (¿esta entrada de blog, tal vez?). A veces, pareciera como si la IA generativa y sus chatbots fueran de esas tecnologías que hemos naturalizado tanto que ya no vemos los tiempos (antes del 22 de noviembre de 2022) en la que la gran mayoría de personas utilizábamos principalmente nuestras propias capacidades para realizar un sinfín de tareas como las mencionadas. Y no es que queramos sonar como luditas contemporáneos (aunque nos tiente la idea), pero si queremos dar cuenta de cómo estos sistemas están afectando nuestra cognición. En particular, cuando habíamos escrito previamente sobre la atención, habíamos descrito que esta “no es un acto de voluntad; es un proceso biológico finito y vulnerable”, explicando la importancia de su cuidado, entrenamiento y desarrollo para lograr aprendizajes profundos y reflexivos.
Ahora bien, esta habilidad cognitiva no solo tiene una importancia trascendental en nuestro día a día, sino que también lo tiene en el funcionamiento de los sistemas artificiales. Como Lindsey (2020) sintetiza, en ambos casos, tanto en la atención humana como en la atención computacional, lo que tenemos es “un control flexible de recursos limitados” (p. 17). En este sentido, en ambos casos nos enfrentamos con un sistema jerárquico que selecciona, sostiene y dirige nuestros pensamientos y acciones. Lo interesante de la comparación de la autora entre las atenciones humanas y artificiales es el paralelo que se establece entre y, para nosotros, esto tiene una particular importancia al hablar de aprendizaje: “La atención, al determinar qué información se almacena en la memoria, guía el aprendizaje. La mayoría de los sistemas artificiales con atención incluyen este mecanismo a lo largo de todo el entrenamiento.” (p. 16). No es nuestra intención entrar en detalles técnicos, algo muy fuera de nuestras capacidades, sino en dar cuenta de que los sistemas construidos por humanos replican bastante nuestra propia cognición.
Atención a la cognición
Esto nos permite poner atención (inevitable juego de palabras) en el punto central: nuestra cognición está siendo reemplazada por otra al momento de utilizar programas de IA. La larga (escritura), mediana (revolución industrial) y corta historia (computadores) de la tecnología nos enseña que esto es un factor común en nuestra existencia, pero, esto no implica que no debamos observar con cautela e incluso recelo el desplazamiento de algunas de nuestras habilidades por sistemas computacionales. Si a esto le sumamos las condiciones actuales de vida, el panorama no es para nada positivo:
Uno de los desafíos más importantes que plantea el mundo digital para la atención es la sobrecarga atencional. La sobrecarga atencional ocurre cuando las exigencias del entorno superan la capacidad de los recursos atencionales de un individuo. El mundo digital presenta una amplia gama de estímulos, incluyendo alertas, notificaciones personalizadas, actualizaciones de redes sociales, correos electrónicos, tweets, recordatorios del calendario, mensajes de texto y noticias, todos los cuales compiten por la atención de un individuo. (Shanmugasundaram M. and Tamilarasu A., 2023).
Uno de los mejores ejemplos de las posibles consecuencias de esto fue lo que planteamos al hablar de la relación entre la lectura y la atención.
Las consecuencias de esto se han tratado de caracterizar a través de diversos estudios en relación a lo que se define como descarga cognitiva (delegar una tarea concreta, como cuando usamos una calculadora). Sin embargo, dado que este no solo se relaciona a las tecnologías que nos competen acá, nos centraremos en otro más novedoso planteado por Shaw y Nave (2026): rendición cognitiva. Esta ocurre cuando adoptamos el juicio de un sistema de IA como propio, sin someterlo a evaluación crítica. A diferencia de la descarga cognitiva, la rendición implica una abdicación más profunda: ya no construimos una respuesta, sino que adoptamos la que el sistema nos ofrece. Entonces, encontramos una diferencia sustancial entre descarga y rendición cognitiva: en la primera mantenemos el criterio, en la segunda lo transferimos. Un ejemplo de esto podría ser el estudio de Gerlich (2025) que demuestra una correlación negativa significativa entre el uso frecuente de herramientas de IA y las habilidades de pensamiento crítico, pudiendo disminuir inadvertidamente la participación de los usuarios en procesos de pensamiento profundo y reflexivo.
De vuelta a la mediación
Viendo el lado positivo, estudios como el de Pergantis et al. (2025) muestra los efectos positivos al analizar diez estudios sobre el uso de chatbots de IA para entrenar las funciones ejecutivas: el conjunto de habilidades mentales de orden superior que nos permiten planificar, autorregularnos y alcanzar metas. Los resultados fueron consistentemente positivos, aunque los autores son cuidadosos en señalar que el campo está en una etapa inicial y que se necesitan estudios con mayor rigor metodológico y seguimiento longitudinal para poder generalizar los efectos. Lo que resulta especialmente relevante para lo que venimos planteando es que entre las funciones ejecutivas que los chatbots mostraron capacidad de entrenar se encuentra la atención, específicamente la carga cognitiva y el control atencional. El matiz que emerge del estudio es significativo: no es el uso de la IA en sí lo que produce ese efecto, sino el tipo de interacción. Cuando el chatbot actúa como andamio (formulando preguntas, exigiendo justificación, introduciendo resistencia productiva) la atención se ejercita. Por otro lado, cuando delegamos el trabajo, la reemplaza.
Como señalamos anteriormente, la Experiencia de Aprendizaje Mediado (EAM) de Feuerstein nos ofrece un marco para pensar exactamente este problema: el aprendizaje no ocurre por exposición directa a un estímulo, sino por la mediación que transforma esa exposición en experiencia significativa. Aplicado a la IA, la diferencia entre rendición cognitiva y uso consciente es, en el fondo, la diferencia entre exposición sin mediación y aprendizaje mediado. Cuando un chatbot nos entrega una respuesta y la adoptamos sin más, somos receptores pasivos de un estímulo; cuando nos obliga a pensar, justificar y cuestionar, puede convertirse en un mediador. Para que esto ocurra, como nos recuerda Feuerstein, se requiere intención, ya sea del propio usuario o de quien acompaña el proceso de aprendizaje.
Poner atención, realmente
La ironía es difícil de ignorar: hemos diseñado sistemas computacionales inspirados en cómo el cerebro humano selecciona, sostiene y dirige información, y ahora esas arquitecturas compiten con nosotros por hacer exactamente eso. La pregunta que queda abierta no es si la IA cambia nuestra cognición (la evidencia demuestra que sí) sino si somos capaces de advertirlo. Y advertirlo requiere, precisamente, lo que más se encuentra en riesgo: poner atención, realmente. Eso sí, no nos referimos a la atención fragmentada que el entorno digital entrena a diario, sino la deliberada, sostenida y crítica que nos permite constituirnos como usuarios y usuarias conscientes de los procesos que estamos viviendo. Esta distinción, como hemos visto, no es menor: es la diferencia entre usar la IA para pensar mejor o dejar que piense por nosotros.
Alejandro Rossi
Ph.D. en Español
Universidad de California, Davis
