En la entrada del auditorio ya no estaba el clásico servicio de auriculares para la traducción simultánea, donde incluso hacía ilusión y cierto miedo dejar tu DNI o Pasaporte a cambio del “gadget” con los auriculares… En lugar de eso, me encontré con un código QR que invitaba a los asistentes a descargarse una aplicación que permitía seguir la ponencia en tiempo real, con voz sintetizada y un abanico sorprendente de lenguas —incluido el catalán, y no con un acento de prueba beta, sino con una naturalidad que impresionaba. Pensé que ese pequeño gesto simbolizaba bien hasta dónde ha llegado la inteligencia artificial generativa: de la investigación al servicio, del laboratorio a nuestro día a día. Pero también despertó una pregunta incómoda: si la máquina puede hacer esto tan bien, ¿qué nos va a quedar para aprender a nosotros?
Vivimos un momento en el que la fascinación por la inteligencia artificial parece inalcanzable. En sólo dos años, los grandes modelos de lenguaje han transformado la expectación en vértigo y han situado esta tecnología en el centro del debate económico y político global . Sin embargo, tras el ruido mediático hay un cambio estructural más profundo: la IA ha dejado de ser una herramienta para convertirse en infraestructura de Estado. Las principales potencias mundiales invierten billones con la misma urgencia con la que históricamente se han protegido recursos energéticos o militares. Según el Stanford AI Index 2025, la inversión global en IA generativa superó los 33.900 millones de dólares en 2024 , mientras que el coste de inferencia de los modelos se ha reducido 280 veces desde 2022. Esta combinación de inversión masiva, caída de costes y adopción empresarial acelerada (del 55% al 78% en un solo año) podría romper la curva clásica de adopción tecnológica. Tradicionalmente, toda nueva tecnología pasa por una fase de entusiasmo o hype , un valle de la desilusión o estallido de la burbuja y un crecimiento de madurez posterior más pausado y constante. Pero con la IA el patrón podría ser diferente: su capacidad de autoacelerarse –gracias a la innovación continua, a la integración en productos ya la competencia entre estados– puede generar un crecimiento sostenido sin retroceso significativo. Siempre que los condicionantes materiales —costes energéticos, producción de semiconductores o déficit de capacidad computacional— no frenen su desarrollo, la IA puede marcar un punto de inflexión histórico: convertirse en una nueva forma de soberanía digital que redefine las reglas de la madurez tecnológica.
En medio de esta efervescencia tecnológica, hay otra pregunta que quizás no estamos formulando lo suficiente: ¿qué precio cognitivo tiene esta delegación masiva de inteligencia? Volviendo al ejemplo real que citaba al principio, ese servicio de traducción en tiempo real y con más de 20 lenguas es maravilloso, pero también ejemplifica una nueva forma de dependencia. Si dejamos que la máquina piense, traduzca y recuerde por nosotros, ¿en qué se convierte el acto de aprender? La psicología cognitiva ya había advertido de esto hace años. Estudios como los de Sparrow o Risko y Gilbert describen lo que se llama “ cognitive offloading «: externalizar procesos mentales puede ser útil, pero también puede cambiar la naturaleza misma del aprendizaje. Recordamos menos el contenido y más el lugar donde encontrarlo. Ganamos eficiencia, pero podemos perder profundidad.
El reto educativo de nuestro tiempo es, por tanto, redefinir la alfabetización. No se trata de dejar de aprender idiomas o fórmulas, sino de aprender a delegar con criterio: saber cuándo tiene sentido utilizar la IA, cuándo no y cómo verificar su resultado. Esta nueva alfabetización tecnológica requerirá que maestros, padres y estudiantes aprendan a convivir con la IA como con cualquier otra herramienta de pensamiento. No se trata de prohibirla, sino aprender a hacerla trabajar a favor del cerebro, no en lugar del cerebro.
Esta reflexión sobre la deuda cognitiva encuentra su paralelo en el mundo de la empresa. La IA generativa ha capturado todas las portadas, pero el 95% del valor que hoy genera la IA en las organizaciones proviene todavía de los modelos de machine learning tradicionales: predicción de demanda, detección de fraude, optimización logística o recomendaciones personalizadas. La IA generativa aporta un valor adicional, sí, pero sólo cuando se integra de forma inteligente en los procesos y se combina con una buena gobernanza de datos. Sin ello, la IA se convierte en un espejismo estético: produce mucho pero poco transforma. Los estudios de productividad en entornos reales lo confirman: las ganancias son sustanciales -un 15% más en atención al cliente, hasta un 55% más en programación-, pero sólo si se acompañan de cambios organizativos. La diferencia entre una empresa que “usa IA” y una que “aprende con IA” es la misma que entre copiar y comprender.
En definitiva, quizá el verdadero reto no sea tanto entender qué puede hacer la IA, sino qué queremos hacer nosotros con ella. La IA no nos sustituirá; nos acelerará. La diferencia entre ruido y progreso será cómo delegamos con inteligencia… y qué hacemos con el tiempo que recuperamos. Y si la curva de adopción tecnológica se ha acelerado como nunca, nuestro deber es asegurar que también lo haga nuestra capacidad para pensar, aprender y decidir. Quizás el futuro no dependerá tanto de la potencia de los algoritmos como de la lucidez con la que sepamos utilizarlos . Y quizás la verdadera inteligencia —la que hay que preservar— será, precisamente, la de aprender a no dejar de aprender.
