Estado de la investigación sobre offloading cognitivo · Actualizado octubre de 2026
Work WITH AI.
Not BY AI.
La IA nos hace más rápidos. Que también nos haga más inteligentes depende del orden: ¿quién piensa primero, la persona o la máquina?
Una colección curada por Roger Basler de Roca, actualizada de forma continua.
De un vistazo
Qué ocurre
La IA aumenta el rendimiento de inmediato. Si la propia capacidad crece con ella solo se ve cuando falta la IA.
Qué decide
El orden. Quien fija primero su propia posición y luego revisa la IA no pierde nada sin IA. Quien adopta directamente las respuestas de la IA argumenta peor después.
Qué funciona
Fricción incorporada en lugar de buenas intenciones: trabajo propio antes de la IA, una justificación antes de cada adopción.
- 1Pensar primero
- 2Dejar que la IA te contradiga
- 3Adoptar solo lo que puedas justificar
Charla TEDxSchaan
How small Language Models in AI could reform Education
El vídeo solo se carga desde YouTube tras hacer clic (sin cookies, youtube-nocookie.com).
Más rápidos, no más inteligentes
Las personas siempre han delegado parte de su pensamiento. El calendario recuerda las citas, la calculadora calcula, el buscador recuerda los datos. La investigación lo llama offloading cognitivo, y es una estrategia inteligente: la memoria de trabajo es limitada, y lo que se delega deja de ocuparla.
La IA generativa cambia la naturaleza de esa delegación. Las herramientas anteriores almacenaban información. La IA genera el propio producto del pensamiento: el argumento, el análisis, la propuesta de decisión. Así sale hacia fuera justo el trabajo con el que se forma la competencia.
De ahí surge una paradoja. El rendimiento con IA aumenta de inmediato y de forma visible. La capacidad sin IA puede disminuir al mismo tiempo, y eso solo se nota más tarde, cuando falta la herramienta. La productividad a corto plazo y la competencia a largo plazo se separan.
"El offloading no es un error. Se vuelve arriesgado cuando la persona cede el trabajo de juicio con el que se forma su capacidad de juzgar."
¿Quién piensa primero? El orden en los experimentos
Elige un flujo de trabajo y observa cómo, según los estudios, afecta al resultado, al rendimiento autónomo posterior y al recuerdo del propio trabajo.
- KI
La IA genera
- M
La persona adopta
- KI
Queda el texto de la IA
Más rápido y visiblemente mejor. Después, estas personas argumentaron sin IA peor que el grupo sin IA (−0,38 puntos), y quienes escribieron con un LLM apenas podían citar correctamente sus propios textos.
Representación esquemática, no datos medidos. Las barras muestran direcciones de los estudios citados, no sus tamaños de efecto. Los efectos se midieron a corto plazo, casi siempre en una sola sesión.
−0,38
puntos menos en argumentación autónoma (escala 1–7) tras adoptar directamente textos de IA. Medido sin IA, 15 a 20 minutos después.
65 % → 41 %
adopción de sugerencias erróneas de IA sin y con obligación de justificar por escrito.
7,5 %
de las conversaciones del estudiantado con IA mostraron un modo de sparring real.
+26–31 pp
productividad de aprendices de TI en tareas ajenas a su formación, con IA.
Work WITH AI, not BY AI
Los estudios señalan tres puntos donde se decide si la IA amplía o sustituye el pensamiento: lo que la persona aporta, la forma en que trabaja con la máquina y lo que adopta al final. De ahí surgen tres competencias, el modelo de tres pilares.
1
Competencia de entrada
Lo que aportas
Antes de que la IA produzca algo, produces tú algo.
En la práctica
- Dos minutos antes del prompt: esbozar la propia respuesta, aunque esté incompleta.
- Anotar criterios: ¿cómo reconozco un buen resultado?
- Definir qué categorías de trabajo van a la IA y cuáles, de forma deliberada, no.
- Reinvertir el tiempo ganado: cuestionar supuestos, revisar argumentos.
2
Competencia de diálogo
Cómo trabajas con la máquina
Deja que la IA te contradiga, en lugar de dejar que te entregue.
En la práctica
- Estructurar los prompts con GCES: objetivo, contexto, formato, fuente.
- Pedir a la IA de forma específica los puntos débiles de la propia posición.
- Solicitar explicaciones y justificaciones en lugar de soluciones terminadas.
- Tratar la presión de tiempo como señal de alerta: bajo presión se delega más de lo conveniente.
3
Competencia de revisión
Lo que adoptas
Adopta solo lo que puedas justificar y defender sin la máquina.
En la práctica
- Justificar cada adopción en una frase.
- Revisar el output de la IA con HALT: origen, omisión, lógica, núcleo factual.
- La prueba sin pantalla: ¿podría explicar y defender el resultado en una reunión?
- Atender a la uniformidad: ¿suena el resultado como todo lo demás?
Para líderes: lo que funciona debe estar en el sistema
Las intervenciones más eficaces de los experimentos no fueron llamamientos, sino fricción incorporada: un bloqueo que solo habilita la IA después de la propia posición, o la obligación de justificar cada adopción. Confiar en que cada persona sea disciplinada o en que las más jóvenes asesoren a las veteranas se queda en el nivel de cada proyecto. Bibliotecas de prompts, herramientas de revisión, reglas de uso claras y entornos de aprendizaje contribuyen a decidir si un equipo trabaja con la IA o a través de ella.
¿Trabajas WITH o BY AI?
Afirmación 1 de 6
Antes de preguntar a la IA, tengo una primera respuesta propia en la cabeza o en papel.
Una ayuda para la reflexión, no un instrumento de medición científico. No se guarda ningún dato.
Mapa de evidencia
Todos los estudios de esta colección, con diseño, muestra, hallazgo y limitaciones. Cada estudio lleva una etiqueta de estado para que se vea lo sólido que es un hallazgo.
- Revisado por pares: revisado por pares en una revista científica
- Preprint: público, aún sin revisión por pares
- Discussion Paper: documento de trabajo de un instituto de investigación
- Fuente secundaria: conocido solo por un resumen de terceros, estudio primario no verificado de forma independiente
Riesgos
Condiciones
Intervenciones que funcionan
Organización y formación profesional
Cómo ha cambiado la pregunta
2025 · Si
Los primeros estudios miden déficits: menor conectividad neuronal al escribir con IA, dependencia, una homogeneización del pensamiento. El debate: ¿perjudica la IA al pensamiento?
Primavera 2026 · Cuándo
Los estudios muestran que importa la forma de uso. El sparring preserva los procesos de pensamiento superiores, la sustitución los acorta. Un uso a medias a veces rinde peor que no usar IA.
Otoño 2026 · Cómo
Experimentos aleatorizados aíslan el orden. Quien fija primero su propia posición y luego usa la IA como instancia de revisión no pierde nada en la tarea posterior sin IA. Quien adopta directamente las respuestas de la IA pierde de forma medible.
Abierto · Cuánto dura
Casi ningún estudio mide durante meses si los efectos se mantienen. Ahí entra la investigación sobre formación profesional.
Lo que sabemos y lo que no
Bien respaldado (con cautela)
- El orden de la interacción influye en el rendimiento autónomo inmediato. Varios estudios aleatorizados lo muestran.
- La obligación de justificar reduce la adopción de sugerencias erróneas de la IA.
- La IA aumenta la productividad a corto plazo, también en personas que empiezan su carrera y fuera de su propia formación.
Abierto
- ¿Se mantienen los efectos durante meses? Casi todos los experimentos miden dentro de una sesión o de un curso.
- ¿Qué mecanismo actúa? Autogeneración, esfuerzo y autonomía aún no pueden separarse.
- ¿Vale esto en la formación profesional? La mayoría de las muestras proceden de universidades.
- ¿Se convierte la ampliación apoyada por IA en competencia propia, o sigue siendo prestada?
Research in Progress
El proyecto de investigación
Roger Basler de Roca investiga el offloading cognitivo donde la investigación es hasta ahora más escasa: en la formación profesional inicial y continua en la región DACH, con la mirada puesta en lo que queda a largo plazo del rendimiento apoyado por IA.
"¿Cómo influye el uso de sistemas de aprendizaje apoyados por IA en el offloading cognitivo y en la competencia cognitiva a largo plazo de las personas en formación profesional continua?"
Esta colección se amplía de forma continua. Sugerencias de nuevos estudios: mail@rogerbasler.ch
Ideas de Roger Basler de Roca
"El mayor riesgo de la IA no es que pueda hacer demasiado. Es que desaprendamos lo que sabíamos hacer sin ella."
"Somos cada vez mejores encontrando información, pero peores comprendiéndola de verdad."
"Competencia de datos, competencia de diálogo, competencia de verificación. Quien tiene estas tres no necesita temer a la IA."
"La mejor pregunta a una IA empieza con claridad sobre el propio objetivo."
"No automatizamos trabajo. Automatizamos decisiones. Y justo ahí se vuelve peligroso."
"Liderar en la era de la IA no significa entenderlo todo. Significa hacer las preguntas correctas y saber situar las respuestas."
Preguntas y términos
¿Qué es el offloading cognitivo?
El offloading cognitivo es delegar trabajo mental en herramientas, medios u otras personas para aliviar la memoria de trabajo. Calendarios, calculadoras y buscadores son ejemplos clásicos.
¿Qué cambia con la IA generativa?
Las herramientas anteriores almacenaban información. La IA generativa produce el propio resultado del pensamiento: el argumento, el análisis, la propuesta de decisión. Así se externaliza justo el trabajo con el que se forma la competencia.
¿Qué es la paradoja del rendimiento?
El rendimiento con IA sube de inmediato y de forma visible, mientras la capacidad sin IA puede bajar al mismo tiempo. Eso solo se nota más tarde, cuando falta la herramienta.
¿Nos vuelve la IA más tontos?
La investigación ya no pregunta tanto si, sino cómo. El orden es decisivo: quien fija primero su propia postura y usa la IA después como instancia de control no pierde nada en la tarea posterior sin IA. Quien adopta directamente las respuestas de la IA pierde de forma medible.
¿Qué significa "Work WITH AI, not BY AI"?
Trabajar con IA significa: primero la propia postura, la IA aporta objeciones en lugar de soluciones y solo se adopta lo que se puede justificar. La medida es lo que uno puede hacer después sin IA.
¿Qué es el modelo de tres pilares?
Describe tres competencias: competencia de datos (lo que aportas), competencia de diálogo (cómo trabajas con la máquina) y competencia de verificación (lo que adoptas).
¿Qué pueden hacer los líderes?
Las intervenciones más eficaces en los experimentos fueron fricciones integradas, no llamamientos: por ejemplo, un bloqueo que solo libera la IA tras la propia postura, o la obligación de justificar cada adopción.
¿Está validada científicamente la autoevaluación?
No. La autoevaluación es una ayuda para reflexionar, no un instrumento científico de medición. Funciona localmente en el navegador y no se guarda ningún dato.
¿Qué sigue abierto?
Casi ningún estudio mide durante meses si los efectos perduran. También está abierto qué mecanismo actúa y si los hallazgos valen para la formación profesional, ya que la mayoría de las muestras proceden de universidades.
Acerca de
Roger Basler de Roca es consultor de IA, conferenciante, autor de más de 14 libros y doctorando en el tema del offloading cognitivo. Enseña en la HWZ, ZHAW, FHNW y la Universidad de Oviedo.
fragroger.ailinkedin.com/in/rogerbaslermail@rogerbasler.chLibro: Prompted Minds
Fuentes
APA 7, por orden alfabético.
- Benedek, M., & Sziklai, B. R. (2025). Impact of AI tools on learning outcomes: Decreasing knowledge and over-reliance. arXiv. https://doi.org/10.48550/arXiv.2510.16019 Preprint
- Bjork, E. L., & Bjork, R. A. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher, R. W. Pew, L. M. Hough, & J. R. Pomerantz (Eds.), Psychology and the real world (pp. 56–64). Worth Publishers. Fundamentos
- Brosch, H., Langer, C., Lergetporer, P., Mueller, S., Pfeifer, H., & Tschoepe, N. (2026). Task expansion with generative AI: Experimental evidence on middle-skilled, early-career workers (IZA Discussion Paper No. 18999). IZA. https://docs.iza.org/dp18999.pdf Discussion Paper
- Education International. (2026, 26. Juni). Artificial intelligence, cognitive offloading and implications for education. https://www.ei-ie.org/en/item/32652 Fuente secundaria Fuente secundaria para Lodge & Loble
- Eliav, N. (2026). The cognitive divergence: AI context windows, human attention decline, and the delegation feedback loop. arXiv. https://arxiv.org/abs/2603.26707 Preprint
- Favero, L., Pérez-Ortiz, J. A., Käser, T., & Oliver, N. (2026). AI in education beyond learning outcomes: Cognition, agency, emotion, and ethics. arXiv. https://arxiv.org/abs/2602.04598 Preprint
- Hardman, P. (2026, 7. August). How to design around cognitive offloading. Dr Phil's Newsletter. https://drphilippahardman.substack.com/p/how-to-design-around-cognitive-offloading Fuente secundaria Fuente secundaria para Cui et al., Ates, Strömberg, Dai & Chan
- Hutchins, E. (1995). Cognition in the wild. MIT Press. Fundamentos
- Kellogg, K. C., Lifshitz, H., Randazzo, S., Mollick, E., Dell'Acqua, F., McFowland III, E., Candelon, F., & Lakhani, K. R. (2025). Novice risk work: How juniors coaching seniors on emerging technologies such as generative AI can lead to learning failures. Information and Organization, 35(1), 100559. https://doi.org/10.1016/j.infoandorg.2025.100559 Revisado por pares
- Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv. https://arxiv.org/abs/2506.08872 Preprint
- Liu, C., Guo, J., Gao, R., Chen, X., Zhu, Q., & Chang, P. (2026). Borrowed or kept? How self-generation-first and direct-adoption AI workflows shape immediate unaided reasoning. Frontiers in Psychology, 17, 1910545. https://doi.org/10.3389/fpsyg.2026.1910545 Revisado por pares
- Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002 Fundamentos
- Shen, J. H., & Tamkin, A. (2026). How AI impacts skill formation. arXiv. https://arxiv.org/abs/2601.20245 Preprint
- Singh, A., Brooks, C., Li, W., Kim, J., & Wang, X. (2026). Hint-writing with deferred AI assistance: Fostering critical engagement in data science education. arXiv. https://arxiv.org/abs/2604.19931 Preprint
- Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604. https://doi.org/10.1037/0278-7393.4.6.592 Fundamentos
- Sourati, Z., Ziabari, A. S., & Dehghani, M. (2026). The homogenizing effect of large language models on human expression and thought. Trends in Cognitive Sciences. https://doi.org/10.1016/j.tics.2026.01.003 Revisado por pares
- Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745 Fundamentos
- Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4 Fundamentos
- Tao, Y., Meyer, J., & Kizilcec, R. F. (2026). Think before you accept: Can written justification reduce uncritical uptake of AI writing suggestions? arXiv. https://arxiv.org/abs/2609.23936 Preprint
- Wang, S., & Zhang, H. (2026). Pedagogical partnerships with generative AI in higher education: How dual cognitive pathways paradoxically enable transformative learning. International Journal of Educational Technology in Higher Education. https://doi.org/10.1186/s41239-026-00585-x Revisado por pares
Actualizado: octubre de 2026