> ## Content Index > Fetch the complete content index at: https://entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io/llms.txt > Use this file to discover other available public pages before exploring further. # La paradoja cognitiva de la inteligencia artificial - URL: https://entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io/la-paradoja-cognitiva-de-la-inteligencia-artificial/ - Published: 2026-10-17T14:44:57.000Z - Updated: 2026-10-17T14:44:57.000Z - Author: FilosofoCientifico Desde la irrupción pública de los sistemas de inteligencia artificial generativa, una de las predicciones más repetidas ha sido la destrucción masiva de puestos de trabajo. La capacidad de estas herramientas para redactar textos, generar imágenes, escribir código o analizar grandes cantidades de información parecía anunciar un escenario en el que una parte sustancial de las tareas intelectuales podría automatizarse. Sin embargo, la evidencia empírica disponible comienza a dibujar una realidad más compleja. En numerosos entornos profesionales, la inteligencia artificial no está eliminando necesariamente el trabajo humano; está transformándolo (FilosofoCientifico 2026). Algunas investigaciones recientes sugieren incluso un fenómeno paradójico. En lugar de reducir la carga de trabajo o liberar tiempo para actividades de mayor valor añadido, la incorporación de sistemas de inteligencia artificial parece estar intensificando el trabajo y aumentando la carga cognitiva de quienes los utilizan. Ranganathan y Ye (2026), en un estudio etnográfico desarrollado durante ocho meses en una empresa tecnológica estadounidense, observaron que la introducción de herramientas de IA generativa no redujo el volumen de trabajo realizado por los empleados. Por el contrario, los trabajadores tendían a asumir un mayor número de tareas, ampliar el alcance de sus responsabilidades y extender el trabajo a más momentos del día. Resultados similares han sido descritos por Bedard et al. (2026), quienes identifican un fenómeno que denominan «AI brain fry» o agotamiento cognitivo asociado al uso intensivo de sistemas de inteligencia artificial. Según estos autores, la supervisión simultánea de múltiples herramientas, la validación constante de resultados y la gestión de diversos agentes de IA pueden generar niebla mental, fatiga decisional y dificultades de concentración. La situación resulta paradójica. Si la inteligencia artificial ha sido concebida precisamente para realizar parte del trabajo cognitivo humano, ¿por qué parece aumentar en algunos casos la exigencia mental de quienes la utilizan? La respuesta habitual consiste en señalar una utilización inadecuada de estas herramientas o una mala organización del trabajo. Sin embargo, cabe preguntarse si existe una explicación más profunda. Quizá el problema no resida únicamente en cómo usamos la inteligencia artificial, sino en una transformación más general de la propia naturaleza del trabajo cognitivo. Esta situación puede comprenderse mejor si abandonamos la visión binaria según la cual una tarea es realizada o bien por un humano o bien por una máquina. Las investigaciones recientes sobre intensificación del trabajo y agotamiento cognitivo parecen seguir interpretando la relación entre trabajadores e inteligencia artificial desde esa lógica implícita: cuanto más trabajo realiza la IA, menos trabajo debería realizar el ser humano. Sin embargo, los resultados observados apuntan precisamente en la dirección contraria. La automatización parcial de determinadas actividades no parece traducirse necesariamente en una reducción proporcional del esfuerzo cognitivo humano, sino en una transformación de su naturaleza (Ranganathan y Ye 2026; Bedard et al. 2026). Desde una perspectiva inspirada en la teoría del actor-red, la actividad cognitiva no puede atribuirse de forma exclusiva a un único agente, ya sea humano o artificial. La producción de conocimiento emerge de redes complejas en las que participan simultáneamente personas, instrumentos, sistemas informáticos, procedimientos, bases de datos y tecnologías de inteligencia artificial (Latour 1988; Latour 2005). En este contexto, la IA no sustituye necesariamente procesos cognitivos humanos; los reconfigura. Determinadas actividades son delegadas a sistemas automatizados, pero otras surgen como consecuencia de esa misma delegación. La supervisión de resultados, la validación de respuestas, la identificación de errores, la coordinación entre distintos sistemas y la toma de decisiones finales continúan dependiendo en gran medida de agentes humanos. Bajo esta interpretación, la paradoja desaparece. La inteligencia artificial no reduce automáticamente la carga cognitiva porque la cognición ya no puede entenderse como una propiedad localizada exclusivamente en el individuo. Al redistribuir determinadas funciones dentro de la red, emergen nuevas tareas cognitivas asociadas a la gestión y gobernanza de esa misma red. El trabajador deja de ser únicamente un ejecutor de procesos para convertirse progresivamente en supervisor, intérprete y coordinador de múltiples agentes tecnológicos. Esta lectura resulta coherente con lo observado previamente en los entornos científico-técnicos, donde la incorporación de sistemas de inteligencia artificial no respondía principalmente a la sustitución del investigador humano, sino a la necesidad de gestionar niveles de complejidad que excedían la capacidad cognitiva de cualquier agente individual (FilosofoCientifico 2026). Lo que las investigaciones más recientes parecen mostrar es que esta estrategia tiene un coste. La complejidad no desaparece; se redistribuye. Y una parte de ella retorna a los agentes humanos en forma de nuevas exigencias de supervisión, validación e interpretación. Desde una perspectiva posthumanista, el problema deja entonces de formularse en términos de sustitución. La cuestión ya no consiste en determinar si la inteligencia artificial reemplaza o no al ser humano, sino en comprender cómo se reorganizan las funciones cognitivas dentro de redes cada vez más complejas de actores humanos y no humanos. La denominada «fatiga cognitiva» podría interpretarse así no como un fracaso de la inteligencia artificial, sino como un efecto emergente de una nueva forma de organización de la cognición distribuida. Históricamente, el desarrollo científico ha generado de forma indirecta innovaciones tecnológicas capaces de reducir el esfuerzo físico humano y aumentar la productividad. Desde esta perspectiva, la tecnología puede interpretarse como una consecuencia secundaria de la búsqueda científica del conocimiento. Su finalidad no consiste únicamente en producir más bienes o acelerar procesos, sino también en liberar progresivamente a los individuos de determinadas limitaciones materiales para que puedan dedicar una parte creciente de sus capacidades a actividades intelectuales, creativas o reflexivas (Keynes 1930; Arendt 1958). En este contexto, la inteligencia artificial podría entenderse como una prolongación de esa misma tendencia histórica. Sin embargo, las investigaciones recientes sugieren que la automatización cognitiva no elimina necesariamente el esfuerzo mental humano, sino que lo transforma y redistribuye dentro de redes cada vez más complejas de actores humanos y tecnológicos (Ranganathan y Ye 2026; Bedard et al. 2026). El desafío que plantea la inteligencia artificial no consiste únicamente en decidir qué tareas podemos delegarle, sino en determinar qué formas de atención, responsabilidad y juicio queremos conservar. Si cada automatización modifica también a quien la utiliza, evaluar estas tecnologías exige observar no solo lo que producen, sino también el tipo de sujeto y de organización que contribuyen a formar. ## Referencias Arendt, Hannah. 1958\. *The Human Condition*. Chicago: University of Chicago Press. Bedard, Julie, Matthew Kropp, Megan Hsu, Olivia T. Karaman, Jason Hawes y Gabriella Rosen Kellerman. 2026\. «When Using AI Leads to “Brain Fry”». *Harvard Business Review*. Marzo de 2026\. https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry. FilosofoCientifico. 2026\. «La IA en entornos científico-técnicos». *Entre bastidores: el ser, la existencia y otros asuntos*. 12 de octubre de 2026\. . Keynes, John Maynard. 1930\. «Economic Possibilities for our Grandchildren». En *Essays in Persuasion*. Londres: Macmillan. Latour, Bruno. 1988\. *Science in Action: How to Follow Scientists and Engineers through Society*. Cambridge, MA: Harvard University Press. Latour, Bruno. 2005\. *Reassembling the Social: An Introduction to Actor-Network-Theory*. Oxford: Oxford University Press. Ranganathan, Aruna, y Xingqi Maggie Ye. 2026\. «AI Doesn't Reduce Work, It Intensifies It». *Harvard Business Review*. 9 de febrero de 2026\. https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it.