“Últimamente casi no leo libros. ¿Eso es malo para mi cabeza?”
La respuesta corta es: abrir y terminar un libro no da puntos de experiencia automáticos al cerebro. Lo importante es el trabajo mental que ocurre mientras lees.
Un libro puede aportar conocimientos nuevos, conectar ideas, obligarte a seguir un argumento largo, exponerte a temas que tú no habrías buscado y mantenerte mucho tiempo dentro del lenguaje escrito. La ficción, además, puede hacerte imaginar la mente y la vida de otras personas.
Ahora compáralo con hablar con una IA una y otra vez: “¿Por qué?”, “¿De verdad?”, “¿Qué dice la investigación?”, “¿Y en este caso?”, “¿Esto tiene la misma estructura que aquello?”. Gran parte del trabajo cognitivo se solapa. La IA también permite detenerse justo donde no entiendes algo, pedir una objeción, buscar el artículo original y conectar lo nuevo con lo que ya sabes.
Por eso, leer pocos libros no significa automáticamente hacer menos actividad intelectual. Según el uso, un diálogo activo con IA puede exigir más pensamiento que una lectura pasiva.
El riesgo también es claro: como la IA responde rápido, es fácil externalizar justo lo que querías entrenar: recordar, resolver y seguir una cadena larga por tu cuenta. La clave de este artículo es distinguir qué conviene externalizar y qué conviene practicar personalmente.
1. Divide “los beneficios de leer” en funciones
Decir “leer es bueno” es demasiado general.
Primero, leer aporta conocimiento: historia, ciencia, economía, psicología.
Segundo, conecta conocimientos. “Tipo de interés” puede enlazarse con inflación, préstamos, bancos centrales, inversión y poder adquisitivo.
Tercero, obliga a seguir una lógica larga. El autor construye A → B → C → D y el lector mantiene el hilo.
Cuarto, ofrece información que no elegiste. Una búsqueda suele responder la pregunta que ya tenías. Un libro puede producir un accidente útil: “Este capítulo no me interesaba, pero resulta que era importante”.
Quinto, ofrece exposición prolongada al lenguaje: vocabulario, estructuras, formas de explicar.
Sexto, especialmente en ficción, funciona como simulación de otras mentes. Un metaanálisis preregistrado de 2024 encontró un beneficio cognitivo experimental promedio pequeño, g = 0,14; los efectos significativos aparecieron sobre todo en empatía y mentalización [1]. Existe un efecto, pero no es un superpoder.
La fuerza particular del libro no es solo la información. También consiste en recorrer una ruta larga, ser llevado a lugares que no elegiste y pasar mucho tiempo dentro del lenguaje.
2. ¿Qué puede sustituir una conversación intensa con IA?
Preguntar una cosa y copiar la respuesta no es lo mismo que rebotar ideas con una IA.
Si preguntas “¿qué causa el olor de la lluvia?” y terminas ahí, se parece a una búsqueda. Pero si continúas:
- ¿Por qué la lluvia libera ese olor?
- ¿Qué hay en el suelo?
- ¿Intervienen microbios?
- ¿Por qué los humanos lo detectan en cantidades tan pequeñas?
- ¿Por qué a veces se huele antes de que llueva?
- ¿Y otros animales?
- ¿Qué demuestran exactamente los estudios?
el tema deja de ser un punto y se convierte en una red.
Esto se parece a la autoexplicación y a la elaboración. Autoexplicarse significa producir conexiones: “¿por qué pasa?”, “¿cómo se relaciona con lo otro?”. Un metaanálisis de 2018 que reunió 69 tamaños de efecto de 64 informes encontró un efecto medio de aprendizaje de g = 0,55 para las indicaciones de autoexplicación [2].
Ahí está una gran ventaja del diálogo con IA: cada pregunta puede actualizar tu mapa mental.
Libro: recorres el camino diseñado por el autor.
IA: diseñas el camino y haces que la IA transporte materiales.
Ambos pueden enseñar; cambian las tareas mentales.
3. ¿Qué es un esquema? Un mapa del conocimiento en la cabeza
“Esquema” en psicología cognitiva no significa simplemente un dibujo con flechas.
Un esquema es un mapa mental de cómo suele funcionar una parte del mundo.
Al principio quizá solo existe un punto: “interés bancario”.
Después se conecta con depósitos, préstamos, inflación, bancos centrales, inversiones y divisas. Entonces una noticia como “sube el tipo oficial” activa preguntas: “¿y los depósitos?”, “¿y las hipotecas?”, “¿y las acciones?”, “¿y la moneda?”.
La investigación describe los esquemas como estructuras de conocimiento de nivel superior extraídas de experiencias repetidas. Ayudan a integrar información nueva, pero unas expectativas demasiado fuertes también pueden sesgar o distorsionar la memoria [3].
Así que la metáfora “se está conectando mi red neuronal” funciona bastante bien, siempre que no se tome literalmente como “una pregunta hace crecer instantáneamente un cable físico”. Es más correcto decir que colocamos información nueva dentro de una estructura existente y creamos relaciones.
La IA acelera muchísimo este ciclo: detectar hueco → preguntar → rellenar → descubrir el siguiente hueco.
4. Elaboración: si quieres recordar, añade líneas, no solo puntos
Elaboración suena técnico, pero la idea es sencilla:
hacer una idea más rica y conectarla con otras ideas.
No es lo mismo memorizar:
“Geosmina = parte del olor de la lluvia”
que conectar:
la producen microorganismos del suelo
→ las gotas pueden ayudar a llevar compuestos al aire
→ los humanos detectan concentraciones muy bajas
→ por eso el olor se vuelve perceptible alrededor de la lluvia.
Con solo A hay una entrada. Con B ← A → C y A → D aparecen varias rutas para recuperar A.
Preguntas como “¿por qué?”, “¿un ejemplo?”, “¿se parece a X?”, “¿qué caso lo contradice?”, “¿cómo se aplica aquí?” añaden esas rutas.
Pero no todo merece una red enorme. Si hoy un cajero cobra 220 yenes, no necesitas construir la Teoría Unificada de las Comisiones de Cajero. Conecta principios que quieras conservar; guarda fuera los números temporales.
5. Práctica de recuperación: una conversación se convierte en examen sorpresa
La práctica de recuperación no es buscar en internet. Es sacar información de tu propia memoria sin mirar la respuesta.
El lunes investigas algo con IA. El jueves, hablando con alguien, dices:
“Espera, esto lo vi… creo que era…”
Ese esfuerzo de sacar la información ya es recuperación.
Una revisión sistemática de 2021 sobre investigación real en aulas examinó cerca de 2.000 resúmenes e incluyó 50 experimentos con 5.374 estudiantes. De 49 tamaños de efecto, el 57% mostró beneficios medianos o grandes de la práctica de recuperación, en distintos niveles educativos, materias, retrasos y formatos de prueba [4].
La conversación añade una fase muy útil:
aprendes con IA
→ se lo explicas a alguien
→ te pregunta “¿por qué?”
→ no sabes explicarlo
→ aparece el hueco
→ vuelves a investigar.
Eso crea un ciclo entrada → recuperación → detección de huecos → nueva entrada.
No hace falta convertirse cada noche en monje de “repasar tres aprendizajes del día”. Una charla normal puede ser un examen aleatorio.
6. Crear artículos puede entrenar a construir una lógica larga
Una ventaja tradicional de la lectura es seguir una cadena larga. ¿Qué ocurre en el lado de producción?
El lector sigue A → B → C → D.
El autor o editor decide en qué orden poner A, B, C y D para que tengan sentido.
Es decir, parte del trabajo de “seguir lógica” se sustituye por “construir lógica”.
Un metaanálisis de 2020 de 56 experimentos con estudiantes de primaria y secundaria encontró que escribir sobre contenidos de ciencias, estudios sociales o matemáticas mejoraba el aprendizaje, con un tamaño de efecto medio de 0,30 [5]. Escribir obliga a seleccionar, organizar, conectar y volver a explicar.
Hay una advertencia importante con IA. Si dices “investígalo todo, crea la estructura y escribe el artículo” y después no lees ni una línea, la IA hizo la mayor parte de la construcción larga.
En cambio, si durante el proceso dices “esto no cuadra”, “añade este estudio”, “conecta estas partes”, “¿cuál es la objeción?”, sigues realizando una parte importante de planificación y edición.
Puede existir perfectamente alguien que lea menos libros, pero haga toneladas de trabajo mental previo a escribir un libro.
7. La trampa de la IA: confundir la capacidad de la IA con la propia
Ésta es la advertencia principal.
La IA puede borrar la diferencia entre “la respuesta salió bien” y “yo sé hacerlo solo”.
En un experimento de campo con matemáticas de secundaria publicado en PNAS en 2025, los estudiantes con una interfaz de GPT-4 relativamente libre (“GPT Base”) obtuvieron un rendimiento un 48% mayor durante la práctica asistida que el grupo de control. Una versión orientada al aprendizaje (“GPT Tutor”) mejoró un 127%. Sin embargo, al retirar la IA para el examen, el grupo GPT Base rindió un 17% peor que quienes nunca la habían usado. Las protecciones del Tutor eliminaron casi por completo ese daño, aunque tampoco produjo una ventaja clara sobre el control en el examen sin IA [6].
IA encendida: “Soy buenísimo en matemáticas.”
IA apagada: “Perdón, ¿quién eres?”
Un documento de trabajo revisado en agosto de 2026 muestra una advertencia parecida en ajedrez. Más de 200 estudiantes de clubes entrenaron durante 12 semanas. El grupo que recibía pistas automáticas del sistema en momentos clave mejoró un 64%; el grupo que además podía pedir ayuda en cualquier momento mejoró un 30%. Los autores atribuyen gran parte de la diferencia a la pérdida de esfuerzo productivo en posiciones que los estudiantes podían intentar resolver [7]. Sigue siendo un working paper, por lo que hacen falta revisión y replicación.
La IA no destruye el aprendizaje por naturaleza. Puede ser tutor o máquina de copiar, según cómo y cuándo entregue la respuesta.
8. ¿Está bien externalizar matemáticas? “Aprender matemáticas” frente a “usar matemáticas”
Primero pregunta para qué.
Si el objetivo es mejorar la capacidad matemática, dejar que la IA resuelva todo es una práctica pobre. Formular, equivocarse y corregir son partes de la habilidad.
Pero si la pregunta real es:
“¿Cuál es la diferencia entre dejar un millón de yenes diez años al 0,2% o al 0,6%?”
la meta no es desarrollar bíceps de cálculo de interés compuesto. Necesitas evaluar:
- diferencia monetaria real,
- impuestos,
- comisiones,
- inflación,
- liquidez,
- si cambiar de banco compensa el esfuerzo.
No hace falta expandir a mano la fórmula del interés compuesto cada vez.
No necesitas entrar en la secta de ‘calcular intereses bancarios a mano para entrenar el cerebro’. Usa una calculadora.
Esto no significa que los conceptos matemáticos sobren. Hace falta entender lo suficiente para detectar un resultado absurdo. Pero si lo que buscas es un número fiable para decidir, no dominar el algoritmo manual, externalizar es racional.
9. Mahjong: cuando solo la IA sube de rango
Los juegos de habilidad, como el mahjong, muestran la misma diferencia.
Cada mano:
“¿Qué descarto?”
IA: “El cinco de caracteres.”
Humano: “Ah, interesante.”
Si se repite siempre, se omite el ciclo de leer la posición, crear candidatos, comparar, decidir, observar el resultado y corregir.
La IA sube de rango y el humano se convierte en el empleado que dice ‘entiendo’.
Pero tampoco significa que esté prohibido usar IA.
El mahjong es un hobby. Si el placer consiste en mejorar personalmente la toma de decisiones, practicar tiene sentido. Si el objetivo es jugar, analizar con IA y divertirse sin grindear cientos de partidas para ganar unos pocos puntos porcentuales de tasa de victoria, no existe obligación moral de maximizar la habilidad.
Cuando un hobby se convierte en:
“Hoy haré otros cien ejercicios repetitivos para aumentar el win rate un 2%”,
puedes preguntar:
“¿En qué momento mi hobby se convirtió en deberes?”
Vale especialmente la pena mantener una habilidad dentro de la propia cabeza cuando hacerla es divertido, no puede externalizarse o fallar cuesta caro. En otros casos, externalizar puede ser perfectamente razonable.
10. Odio las novelas. ¿No puedo ver la película?
En parte, sí.
Si buscas historia, personajes, emoción y experimentar otra vida, el cine ofrece mucho. Además entrega caras, voces, lugares, movimiento, música y ritmo.
Una novela deja parte de ese renderizado al lector.
Texto: “Un hombre estaba de pie en una habitación oscura.”
Cerebro: ¿qué habitación?, ¿qué cara?, ¿qué voz?, ¿qué ambiente?
En una película, el estudio de producción externaliza buena parte del renderizado interno de tu cerebro.
El metaanálisis de 2024 encontró un efecto experimental promedio pequeño de la lectura de ficción, g = 0,14, con efectos significativos sobre todo en empatía y mentalización [1]. No hay base para decir “si no lees novelas, pierdes tu humanidad”.
Las novelas conservan tareas propias: exposición prolongada al lenguaje escrito, construcción interna de escenas y seguimiento de la voz del autor durante horas. El cine ofrece otras ventajas: información audiovisual densa y actuación.
Si el objetivo es “vivir una historia”, una película es una ruta válida. Si también quieres entrenar lectura sostenida y generación interna de escenas desde texto, la novela conserva una función particular.
11. Externalización cognitiva: ¿sacar trabajo del cerebro es malo?
La externalización cognitiva (cognitive offloading) consiste en cambiar una tarea mediante acciones o herramientas externas para reducir la carga mental [8].
Recordatorios.
Notas.
Calculadora.
GPS.
IA.
Todos pertenecen a la misma familia.
La humanidad siempre ha externalizado. Dejamos de memorizar todos los números de teléfono y la civilización siguió funcionando.
La pregunta importante no es “¿externalicé algo?”, sino:
“¿Externalicé algo que todavía necesito poder hacer sin ayuda?”
Por ejemplo:
- multiplicaciones de interés → fáciles de externalizar;
- decidir qué variables comparar → conservar;
- corrección ortográfica → fácil de externalizar;
- detectar que una afirmación huele raro → mantener juicio propio;
- jugada óptima de mahjong → depende del objetivo del hobby;
- control de emergencia de una máquina → mejor conservarlo si el coste del fallo es alto.
La pregunta de la era de la IA no es “¿cómo evito usar IA?”
Es:
“¿Qué tareas saco de mi cerebro y para qué uso la capacidad liberada?”
12. ¿Esta pregunta construye un esquema? El problema de “¿y Dekopin qué hacía?”
Hacer más preguntas no garantiza aprender más.
Cuando Shohei Ohtani anunció en diciembre de 2024 que él y su esposa esperaban su primer hijo, en la foto del anuncio también aparecía su famoso perro Dekopin/Decoy [9]. En redes japonesas se extendió como broma el estilo de preguntar detalles absurdamente específicos, del tipo “¿y en ese momento qué hacía Dekopin?”. Aquí se trata como un meme difundido, sin afirmar un único post original verificado.
Preguntas que construyen esquema:
“¿A causa B?”
“¿Es el mismo mecanismo que C?”
“¿Cuál es la excepción?”
“¿Es correlación o causalidad?”
Preguntas de relleno:
“¿Cuándo?”
“¿Dónde?”
“¿A qué minuto exacto?”
“¿Y Dekopin qué hacía?”
La segunda categoría puede ser simplemente hacer clic en cada casilla vacía porque existe.
También es divertido. No toda curiosidad tiene que maximizar el ROI educativo. El departamento Dekopin ayuda a que la vida no sea aburrida.
Pero si el objetivo es comprender y recordar, conviene preguntar si la pregunta añade una conexión útil o solo llena otra casilla.
13. ¿Qué conviene conservar en el cerebro en la era de la IA?
Si la IA sigue mejorando, ¿qué deberían aprender los humanos?
No todos los números ni todos los cálculos.
Conviene conservar:
Objetivos. ¿Qué quieres lograr?
Conceptos básicos. Interés, probabilidad, causalidad, riesgo.
Capacidad de formular preguntas. ¿Por qué? ¿Comparado con qué? ¿Qué lo refutaría?
Sospecha. La IA puede equivocarse con mucha seguridad; las decisiones importantes merecen fuentes.
Conexiones. Relacionar lo nuevo con lo que ya sabes.
Juicio. Cuando termina el cálculo, decidir “¿y ahora qué?”.
Aunque la IA sea calculadora, buscador y primer redactor, una persona sigue decidiendo qué calcular, qué respuesta creer y qué hacer con ella.
14. Práctica: convertir la conversación con IA en una máquina de aprendizaje
No necesitas inventar una rutina enorme. Cambia un poco las preguntas.
Si quieres recordar un conocimiento
No termines en “dame la respuesta”. Pregunta:
- Explícalo para alguien de secundaria.
- ¿Por qué?
- Pon un ejemplo concreto.
- ¿Cuándo falla?
- ¿Cómo se conecta con X?
- ¿Qué parte está realmente respaldada por investigación?
- ¿Cuál es la fuente primaria?
- Ésta es mi explicación: ¿qué está mal?
Si quieres adquirir una habilidad
Baja a la IA de conductor a instructor.
Matemáticas: “No me des todavía la respuesta; ayúdame a plantear la ecuación.”
Mahjong: elige primero tu descarte y después pide una evaluación.
Si no necesitas dominar la habilidad
Externaliza sin culpa.
Intereses bancarios, agregaciones largas, comparaciones después de impuestos: si la meta real es decidir, no hace falta venerar el cálculo manual.
Después, recupera
Cuando el tema salga en una conversación, explícalo sin mirar. Lo que no puedas explicar será el siguiente hueco.
El ciclo:
entrada con IA → elaboración → recuperación en conversación → detectar hueco → IA otra vez.
15. Resumen: aumenta conexiones, no solo información
Los libros siguen siendo fuertes para:
- encontrarte con información que no elegiste,
- seguir argumentos largos,
- exponerte mucho tiempo al lenguaje escrito,
- construir personas y mundos a partir de texto.
El diálogo con IA es especialmente fuerte para:
- preguntar justo donde te atascas,
- localizar estudios,
- producir objeciones,
- enlazar con conocimientos previos,
- rellenar rápidamente huecos de un esquema.
En un RCT de física de Harvard publicado en 2025, un tutor de IA diseñado con principios pedagógicos produjo mayores ganancias de aprendizaje que una clase de aprendizaje activo, con menos tiempo mediano: 49 minutos con IA frente a unos 60 en clase. En el análisis ajustado por efecto techo, los autores estimaron un tamaño de efecto de 0,73 a 1,3 desviaciones estándar. Esto no fue “IA contra tutor humano individual”. Fue un diseño cruzado: cada estudiante vivió ambas condiciones y el control fue una clase activa de Harvard basada en investigación [10].
Por tanto, ya no es serio afirmar como regla general que “aprender con IA siempre es superficial”.
Al mismo tiempo, matemáticas y ajedrez muestran que retirar demasiado esfuerzo puede producir buen rendimiento con IA sin habilidad independiente [6][7].
La respuesta no es “libros o IA”.
Para ideas que quieres recordar, usa IA para añadir conexiones.
Para habilidades que quieres ejecutar solo, intenta primero por tu cuenta.
Para cálculos que no necesitas dominar, externaliza.
Y de vez en cuando deja que un libro u otra obra te lleve a un lugar que jamás habrías buscado.
Tu cerebro no tiene que guardar cada cifra.
Necesita buenos mapas y muchas carreteras entre los puntos.
Si quieres recordar más, no añadas solo información. Añade conexiones.
- Wimmer, L. F., Currie, G., Friend, S., Wittwer, J., & Ferguson, H. J. (2024). “Cognitive effects and correlates of reading fiction: Two preregistered multilevel meta-analyses.” Journal of Experimental Psychology: General, 153(6), 1464–1488. DOI: 10.1037/xge0001583
- Bisra, K., Liu, Q., Nesbit, J. C., Salimi, F., & Winne, P. H. (2018). “Inducing Self-Explanation: a Meta-Analysis.” Educational Psychology Review, 30, 703–725. DOI: 10.1007/s10648-018-9434-x
- Gilboa, A., & Marlatte, H. (2017). “Neurobiology of Schemas and Schema-Mediated Memory.” Trends in Cognitive Sciences, 21(8), 618–631. DOI: 10.1016/j.tics.2017.04.013
- Agarwal, P. K., Nunes, L. D., & Blunt, J. R. (2021). “Retrieval Practice Consistently Benefits Student Learning: a Systematic Review of Applied Research in Schools and Classrooms.” Educational Psychology Review, 33, 1409–1453. DOI: 10.1007/s10648-021-09595-9
- Graham, S., Kiuhara, S. A., & MacKay, M. (2020). “The Effects of Writing on Learning in Science, Social Studies, and Mathematics: A Meta-Analysis.” Review of Educational Research, 90(2), 179–226. DOI: 10.3102/0034654320914744
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). “Generative AI without guardrails can harm learning: Evidence from high school mathematics.” Proceedings of the National Academy of Sciences, 122(26), e2422633122. DOI: 10.1073/pnas.2422633122
- Poulidis, S., Bastani, H., & Bastani, O. (working paper; posted 2025, revised 1 Aug 2026). “Self-Regulated AI Use Hinders Long-Term Learning.” Wharton School Research Paper / SSRN
- Risko, E. F., & Gilbert, S. J. (2016). “Cognitive Offloading.” Trends in Cognitive Sciences, 20(9), 676–688. DOI: 10.1016/j.tics.2016.07.002
- MLB.com (2024-12-28). “Baby Ohtani! Shohei, wife Mamiko expecting first child.
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). “AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting.” Scientific Reports, 15, 17458. DOI: 10.1038/s41598-025-97652-6
