“Mi ex era un patán. El siguiente, también. Y el siguiente, igual.” Son cuatro relaciones, o sea, cuatro experiencias. Pero si las guardas todas con la misma etiqueta, tu “base de datos” mental solo habrá ganado una columna útil: patán.
Ahí está el detalle.
Vivir muchas cosas no es lo mismo que sacar de ellas modelos que sirvan después. Con ChatGPT pasa igual. Si le sueltas todo el trabajo y te quedas con la respuesta, es posible que pienses menos. Pero si sigues preguntando “¿por qué?”, “¿qué otra explicación hay?”, “¿qué la desmentiría?”, “¿qué dicen los estudios?” y “¿qué dato cambiaría mi conclusión?”, la IA deja de pensar por ti y se vuelve un compañero de entrenamiento para tu razonamiento.
Una revisión sistemática de 2026, que reunió 67 estudios empíricos, apunta en esa dirección. Cuando se usaba ChatGPT de forma estructurada, con preguntas y reflexión, tendía a apoyar el pensamiento de nivel más alto. Cuando la gente solo aceptaba lo que salía, aparecían más seguido la participación superficial y el “que piense la IA por mí”.[1]
1. ¿Usar IA de verdad nos hace pensar menos?
La respuesta más honesta: depende de cómo la uses.
Un estudio de 2025 analizó a 319 trabajadores del conocimiento y 936 casos reales de uso de IA. Cuanto más confiaban en la IA, menos pensamiento crítico decían aplicar; cuanto más confiaban en su propio criterio, más verificaban. Además, el pensamiento crítico se desplazó hacia fijar objetivos, revisar lo que la IA entrega, juntar información y supervisar el resultado final.[2]
Entonces, si haces esto:
Preguntar a la IA → aceptar la respuesta → listo
es fácil acabar delegando el pensamiento.
Pero si haces esto:
Algo no me cuadra
→ lo convierto en una pregunta
→ planteo una hipótesis
→ le pido a la IA hipótesis rivales
→ reviso estudios y fuentes primarias
→ comparo con otros casos
→ corrijo el modelo
→ lo pruebo en la vida real
→ vuelvo a ajustar según el resultado
a ti te sigue tocando bastante trabajo.
Querías ahorrarte esfuerzo con la IA y, sin darte cuenta, contrataste un comité de revisión por pares dentro de tu cabeza.
2. ¿Por qué “era un patán” no te enseña casi nada?
“Patán” desahoga, pero es demasiado grueso para predecir algo.
Persona A = patán
Persona B = patán
Persona C = patán
Persona D = patán
Cuatro experiencias y casi nada que distinga un caso de otro.
Mejor guarda lo que pasó, paso a paso:
Cruza un límite pequeño
→ mira cómo reaccionas
→ para cuando se lo dices / sigue igual
→ las exigencias bajan / suben
Muestra mucho cariño
→ la relación se asienta
→ el esfuerzo se normaliza / desaparece de golpe
Le señalan un problema
→ explica la situación
→ intenta arreglarlo / le devuelve toda la culpa al otro
Una sola de estas conductas no prueba que alguien tenga un mal carácter fijo. Un malentendido, el cansancio, la falta de habilidad o un error aislado pueden verse igual.
Lo que sí vale la pena fijarse es en las condiciones, si se repite, cómo cambia tras recibir feedback, quién se beneficia y si hay intento de reparar.
No saltes de “hizo una cosa mala” a “es mala persona”. Guarda el mecanismo, no la etiqueta.
3. ¿Puede importar más cómo comparas tus experiencias que cuántas tienes?
A veces, sí.
En un estudio clásico de Gick y Holyoak, las personas que explicaron qué tenían en común dos problemas que parecían muy distintos pudieron aplicar mejor la solución de fondo a un problema nuevo.[3]
En entrenamientos de negociación pasó algo parecido. Los equipos que compararon dos casos para encontrar la estructura compartida usaron mejor una estrategia clave en una negociación nueva que los equipos que estudiaron esos mismos casos por separado.[4]
Así que, en vez de anotar:
Relación A: horrible
Relación B: horrible
Trabajo C: horrible
prueba con esto:
Relación A: con los límites borrosos, las exigencias crecieron
Trabajo C: con los roles borrosos, las tareas se acumularon
Estructura común: si los límites no están definidos, la carga tiende a caer en un solo lado
Cambian los personajes, pero el esquema de cableado es el mismo.
4. ¿Qué entrena preguntar una y otra vez “¿por qué?” y “¿qué lo desmentiría?”?
Explicarte a ti mismo las causas y las relaciones se llama autoexplicación. Un metaanálisis de 64 informes de investigación y 69 tamaños de efecto encontró, en promedio, un beneficio moderado en el aprendizaje cuando se animaba a la gente a explicarse las cosas.[5]
Otro metaanálisis, con 122 experimentos y 10,382 participantes, analizó la práctica de recuperar información de la memoria. Frente a simplemente volver a leer, esa práctica se transfería mejor a material nuevo en promedio, incluidas preguntas de aplicación e inferencia.[6]
Por eso estas preguntas hacen más que alargar la conversación:
- ¿Qué pasó en realidad?
- ¿Por qué lo interpreté así?
- ¿Qué otra causa encaja con los hechos?
- ¿Cuál es el contraejemplo más fuerte?
- ¿Qué información nueva cambiaría mi conclusión?
- ¿Ya vi esta misma estructura en otro lado?
Convierten una experiencia en una estructura que puedes buscar después.
5. ¿Cómo se llega a esa sensación de “veo lo que viene”?
Cuando tienes suficientes modelos abstractos, ya no tienes que empezar de cero con cada situación nueva.
Hecho nuevo
→ lo comparo con los modelos A, B y C
→ calculo en qué etapa estoy
→ planteo una hipótesis de lo que sigue
→ observo y actualizo
Eso no es adivinar el futuro. Es poder sacar una primera hipótesis de una biblioteca de patrones.
La gran trampa es la visión retrospectiva. Cuando ya sabes el resultado, decir “ya lo sabía” sale gratis.
Si de verdad quieres probar tu capacidad de predecir, anótalo antes del resultado:
Predicción: X pasará en 2 semanas
Probabilidad: 70%
Motivo: ya se vieron A y B
Qué me desmentiría: si ocurre C, reviso el modelo
Resultado: pasó / no pasó
La investigación en ciencia de la decisión sobre análisis de inteligencia también recomienda medir con números qué tan acertadas son las predicciones y cuánta incertidumbre hay.[7]
Así, el “siento que se me da bien predecir” pasa a ser algo que puedes calibrar.
6. Si ChatGPT es tu cerebro externo, ¿qué te toca conservar a ti?
La IA es muy buena para lo pesado y repetitivo: buscar, proponer opciones, comparar, defender la postura contraria, resumir y ordenar el formato.
Lo que conviene que sigas haciendo tú:
- Qué te pareció raro
- Cómo defines el problema
- En qué evidencia confías
- Qué desmentiría el modelo
- Con qué modelo te quedas al final
- Qué vas a probar en la vida real
- Qué descartas al ver el resultado
Algunas preguntas útiles:
- ¿Cuál es el argumento más fuerte en contra de esta hipótesis?
- ¿Qué otra explicación de causa y efecto cuadra con los mismos hechos?
- Si mi punto de partida está mal, ¿dónde es más probable que falle?
- ¿Qué puedo comprobar en fuentes primarias?
- ¿Estoy confundiendo correlación con causalidad?
- ¿Qué dato adicional cambiaría la conclusión?
- ¿Hay casos parecidos en otros campos?
- ¿Qué predeciría este modelo que pasará después?
Si lo único que preguntas es “tengo razón, ¿verdad?”, la IA se convierte en un muñeco gigante de esos que asienten con la cabeza.
A tu cerebro externo no le pides que asienta: le pides que sepa llevarte la contraria.
7. ¿Por qué escribirlo en un artículo hace más fuerte el ciclo?
Una conversación se pierde con el scroll. Un artículo conserva la estructura.
Experiencia
→ pregunta
→ investigación
→ contraejemplo
→ estructura común
→ regla práctica
→ guardado
→ se reutiliza en el siguiente caso
Un artículo no es solo algo que publicas. Funciona como una caché del pensamiento que te costó mucho la primera vez.
Y mientras más artículos acumulas, más seguido se te ocurre: “Un momento, ¿no es la misma estructura que aquel otro problema?”
No solo crece el conocimiento. También crecen las conexiones entre una cosa que sabes y otra.
8. Entonces, ¿de qué está hecho “tener buen ojo”?
No depende solo de a cuántas personas, trabajos o crisis te hayas enfrentado.
Una forma aproximada de verlo:
criterio
≈ número de casos
× detalle que sacas de cada caso
× comparación entre casos
× intentos de desmentirte a ti mismo
× contraste con la realidad
Si guardas a cuatro personas como “patanes”, puedes terminar con patán × 4 = un solo dato.
Si en cambio separas los límites, el echar la culpa a otros, la reparación, si las palabras coinciden con los actos y cómo cambia la conducta según las condiciones, esas mismas cuatro experiencias te dejan varios modelos reutilizables.
El valor real de ChatGPT no es solo darte respuestas más rápido.
Es que puedes recorrer este ciclo más rápido: plantear una hipótesis, atacarla, reconstruirla, llevarla a otro caso y contrastarla con la realidad.
No le entregues tu pensamiento a la IA.
Simplemente da más vueltas de pensamiento.
Así la IA deja de ser un cerebro de reemplazo y se vuelve ese colega de laboratorio que te devuelve la pelota una y otra vez y parece que nunca se va a casa.
