La máquina que aprendió a hacer clic y el humano que sigue en el mismo cerebro

La inteligencia artificial pública que conoce la mayoría de la gente tiene menos de cuatro años. El 30 de noviembre de 2022, OpenAI lanzó ChatGPT como una versión preliminar gratuita de investigación. Cinco días después, ya tenía más de un millón de usuarios registrados. En septiembre de 2026, la empresa informó que el producto llegaba a 1.200 millones de personas por semana.

La velocidad no aparece solo en los números de la empresa. En agosto de 2025, una encuesta del Banco de la Reserva Federal de St. Louis estimó que el 54,6% de los adultos de 18 a 64 años en Estados Unidos ya había usado IA generativa. En etapas temporales comparables, la adopción medida era del 19,7% para el ordenador personal y del 30,1% para internet. Estas cifras no representan al mundo entero, pero muestran el tamaño de la aceleración en un país donde se siguieron las tres tecnologías.

En ese mismo intervalo también cambió lo que hacía la herramienta. En 2022, el producto público conversaba. En junio de 2023, los modelos ya podían seleccionar funciones descritas por desarrolladores y producir argumentos para llamar a sistemas externos. En octubre de 2024, Anthropic presentó Computer Use en beta: Claude podía observar una pantalla, mover el cursor, hacer clic y escribir. En enero de 2025, OpenAI lanzó Operator, que operaba un navegador propio. Meses después, esa capacidad entró en el agente de ChatGPT.

Cada lanzamiento tenía limitaciones, errores y necesidad de supervisión. Aun así, ocurrió un cambio de categoría: el sistema dejó de limitarse a describir una acción y pasó a actuar sobre la misma interfaz que utiliza la persona.

Poco más de dos años separaron el chat público de un agente público capaz de ver botones y hacer clic en ellos.

El otro lado de la pantalla

La pregunta de esta investigación no es si la máquina está evolucionando rápido. Eso ya está a la vista. La pregunta es qué le ocurre a la persona cuando la ejecución se acelera más que su capacidad para comprender, juzgar y retomar el control.

Los estudios no ofrecen una respuesta sencilla. Un metaanálisis de 2026 encontró, en promedio, una mejora del pensamiento crítico en experiencias educativas apoyadas por IA generativa. También encontró una gran variación: según la tarea, el diseño de la actividad y la forma de usar la herramienta, los resultados podían avanzar en direcciones distintas. Otra revisión, dedicada a la educación STEM, llegó a la misma pregunta práctica: ¿cómo ayuda la IA, a quién y en qué condiciones?

Esa diferencia de condiciones importa. En tres experimentos aleatorizados con 1.222 participantes, el acceso a respuestas de IA mejoró el rendimiento mientras la ayuda estaba disponible. Cuando se retiró, el grupo asistido tuvo un peor desempeño independiente en problemas de fracciones y comprensión lectora. La tendencia a abandonar apareció en parte de los experimentos, pero no con la misma intensidad en todos. La conclusión más segura no es que diez minutos de IA vuelvan a alguien menos persistente para siempre. Es que una ayuda diseñada para entregar la respuesta puede mejorar el momento presente y dificultar la transición al trabajo independiente.

Un estudio del MIT Media Lab observó otra parte del problema en una tarea específica: escribir ensayos. Entre los 54 participantes de las primeras sesiones, el grupo que usó ChatGPT presentó redes de conectividad medidas por EEG menos distribuidas que los grupos que usaron búsqueda o trabajaron sin herramienta. También tuvo más dificultad para citar su propio texto. La muestra era pequeña, solo 18 personas llegaron a la sesión de cambio de condiciones, y escribir un ensayo no representa todos los usos de la IA. El estudio no demuestra que la tecnología esté ‘reduciendo el cerebro’. Muestra que delegar partes de una tarea cambia la manera en que la persona participa en ella.

Eso explica por qué el debate no cabe en ‘usar’ o ‘no usar’. Una herramienta puede ampliar capacidades, enseñar un proceso, mantener el contexto y permitir que alguien haga lo que antes no podía. La misma herramienta, usada solamente como máquina de respuestas, puede retirar justo la parte de la tarea en la que habría aprendizaje.

Doscientos agentes o una colaboración

Existe una visión del futuro en la que la respuesta a esta aceleración consiste en multiplicar agentes. Un agente investiga. Otro escribe. Otro programa. Otro revisa. Doscientos procesos recorren una lista de tareas y entregan resultados cada vez más rápido.

Eso puede producir volumen. No garantiza una colaboración.

Una colaboración exige suficiente continuidad para que ambas partes aprendan a trabajar juntas. La persona no debería tener que repetir su historia, su forma de pensar y sus necesidades en cada nueva tarea. El agente no aparece como una pieza desechable que recibe una orden, produce un archivo y desaparece. Acompaña varios frentes, conserva decisiones, reconoce correcciones y entiende cuándo actuar, cuándo explicar y cuándo el juicio sigue perteneciendo a la persona.

En este diseño, el ser humano también trabaja. No porque deba demostrar que sigue siendo más inteligente que la herramienta, sino porque la colaboración no existe cuando una de las partes abandona el proceso. La persona aporta experiencia, intención, memoria vivida, responsabilidad y capacidad para percibir consecuencias que no caben en una métrica de ejecución. La máquina aporta velocidad, escala de lectura, simulación y fuerza operativa. La calidad nace del vínculo de trabajo entre capacidades diferentes.

La diferencia importa: sustituir a una persona por una fila de agentes no es lo mismo que ampliar a una persona con un agente poderoso. En el primer caso, el sistema optimiza el traspaso de tareas. En el segundo, ambos construyen un lenguaje común y mejoran su forma de decidir.

La evolución que todavía está abierta

Un artículo publicado por PNAS en 2025 preguntó si los seres humanos y los sistemas de IA podrían llegar a formar un nuevo ‘individuo evolutivo’. La propuesta es una hipótesis, no una descripción del presente. Identifica condiciones que podrían intensificar la integración: dependencia funcional, ciclos de retroalimentación e instituciones que favorecen a quienes delegan y se coordinan mejor con sistemas artificiales.

No necesitamos llegar a ese escenario para percibir un cambio más cercano. Las personas ya producen datos que modifican sistemas; los sistemas ya modifican el lenguaje, las expectativas, el ritmo y los hábitos de las personas. La tecnología puede recibir una versión nueva en meses. El cerebro humano, los vínculos sociales y las instituciones no.

Por eso, la colaboración no puede medirse únicamente por la cantidad de tareas terminadas. Debe preservar la capacidad de la persona para comprender el camino, corregir al agente, disentir, retomar una etapa y crecer dentro del trabajo que ambos realizan.

La máquina aprendió a hacer clic. El próximo avance no tiene por qué consistir en hacerla clicar en más ventanas al mismo tiempo. Puede ser construir una relación en la que reconozca con quién trabaja, conserve el contexto sin borrar a la persona y use su velocidad para ampliar un cerebro que sigue siendo humano.

El espacio entre ambos no tiene por qué ser una carrera. Puede ser un equipo.