Me ha pasado esta misma semana, preparando un material que domino desde hace años: me sorprendí a mí misma pensando «¿para qué, si dentro de poco una IA hará esto mejor que yo y en segundos?». Y si eso me ocurre a mí, que me dedico a formar a personas y profesionales en Inteligencia Artificial, imagino lo que estará pasando por la cabeza de tantos estudiantes, empleados y directivos. Esa punzada de desmotivación, que casi nadie confiese en voz alta, acaba de recibir nombre científico. Un nuevo estudio del MIT firmado por Daron Acemoglu, premio Nobel de Economía 2024, junto a Dingwen Kong y Asuman Ozdaglar, la sitúa en el centro del mayor riesgo real de esta tecnología, el colapso del conocimiento. No habla de lo que últimamente está en boca de muchos, robots rebelándose contra nosotros, lo hace de algo que bajo mi criterio e interiormente considero más relevante, qué pasa con una sociedad cuando sus miembros dejan de tener motivos para aprender o superarse.
La pregunta incómoda: ¿para qué esforzarse?
Quien forma a otros vive esta contradicción a diario. Enseño a equipos a analizar datos, a definir y ejecutar estrategias, a estructurar decisiones… sabiendo que buena parte de esas tareas las ejecutará pronto un agente de IA con una simple instrucción de voz, o quizás ni eso, ya que puede que el agente sepa lo que debe hacer antes de que se lo pidamos. Entonces, ¿qué sentido tiene el esfuerzo de aprender? ¿Dónde quedará la ambición de dominar un oficio, de entender un problema a fondo, si la respuesta correcta llega siempre servida?
Durante meses he sentido que esta era la conversación pendiente sobre la IA, no tanto la de los empleos, ni siquiera la de la regulación, creo que la de la motivación humana debe estar por delante. Y el estudio publicado por el NBER —el prestigioso National Bureau of Economic Research estadounidense— confirma que esa intuición no iba desencaminada, sino que puede derivar en un mecanismo económico que puede arrastrar a sociedades enteras.
Qué es el colapso del conocimiento, según el MIT
Para decidir bien necesitamos combinar dos tipos de conocimiento, el general, que compartimos como comunidad, (cómo funciona un mercado, un cuerpo humano, una tecnología) y el específico del contexto (lo que solo se aplica a mi caso, mi empresa, mi paciente, mi cliente). Ambos se complementan, sin cultura general, lo concreto no se sabe interpretar.
Cuando una persona se esfuerza en aprender para resolver su problema concreto, genera de paso conocimiento general que acaba beneficiando a todos. Por ejemplo, el médico que estudia un caso difícil, el técnico que pelea con un error extraño, el empresario que prueba y falla, todos ellos alimentan, casi sin pretenderlo, el saber común. Los economistas lo llaman externalidad. Yo lo llamaría patrimonio invisible de una sociedad.
La IA agéntica rompe ese circuito. Como ofrece la recomendación específica ya hecha, diagnóstico, informe, decisión, sustituye justo el esfuerzo que mantenía vivo el aprendizaje colectivo. Cada uno de nosotros, individualmente, hace lo racional, delegar, dejando de aportar a ese «fondo común». Curiosamente el modelo matemático del estudio demuestra que, cuando la IA supera cierto umbral de precisión, la economía puede deslizarse hacia un estado que los autores bautizan como knowledge collapse ( colapso del conocimiento) un equilibrio en el que el conocimiento general de la sociedad termina desapareciendo, aunque cada persona siga recibiendo consejos personalizados de aparente calidad.
Todo ello nos lleva también a deducir, dado que la IA aprende del conocimiento que generamos los humanos, que si dejamos de esforzarnos, también ella tendrá cada vez menos de dónde aprender. El estudio analiza incluso si los datos sintéticos, es decir los que la IA genera para entrenarse a sí misma, podrían salvarnos, y la respuesta es que evitan el cero absoluto, pero no sustituyen al esfuerzo humano. Dicho de otro modo, una IA que desmotiva a las personas termina serrando la rama sobre la que está sentada.
La trampa perfecta: cada uno gana y todos perdemos
Lo más controvertido del estudio no es la catástrofe final, sino el camino hacia ella. Nadie hace nada mal, no hay algoritmo malvado, ni decisión equivocada, al contrario, cada persona mejora sus resultados inmediatos usando la IA. La calidad de las decisiones de hoy sube mientras la capacidad de aprender de mañana baja. Podríamos decir que estamos acercándonos a una trampa sin culpables, siendo a priori difícil de ver.
Todo esto no es solo teoría, las señales derivadas de experimentos ya están aquí, en concreto uno realizado por el MIT Media Lab (el conocido «Your Brain on ChatGPT») midió con electroencefalogramas cómo escribir con ChatGPT reduce la conectividad neuronal, la memoria de lo escrito y la sensación de autoría, además de hacer los textos más parecidos entre sí. En paralelo, la investigación publicada en PNAS Nexus documenta cómo la actividad en Stack Overflow (el gran foro mundial donde los programadores aprendían unos de otros) se ha desplomado desde la llegada de los asistentes de IA, las dudas ya no se comparten, se le preguntan en privado a la máquina. El saber que antes quedaba bien por ser compartido o debatido, ahora se evapora en una conversación privada.
El verdadero riesgo no es la extinción
Estos días circulan titulares que se preguntan si la IA acabará con la humanidad. Es un debate legítimo, pero fijémonos en lo que exige ese escenario, superinteligencia, acceso a recursos físicos, objetivos hostiles, capacidad de resistirse al apagado. Una escalera con muchos peldaños, todos por demostrar.
El colapso del conocimiento no exige ninguno, solo necesita nuestra comodidad.
No requiere una IA malvada, sino una IA excelente y personas razonables usándola con sensatez. Por eso creo, que el problema de fondo de esta tecnología no es que quiera destruirnos, sino que nos invite amablemente a dejar de pensar, en algunos casos menos de lo que ya muchos hacen. Por tanto mi pensamiento es que la IA no viene a exterminarnos, viene a desmotivarnos. Y contra eso no valen búnkeres ni botones rojos, vale una decisión personal y colectiva sobre qué seguimos queriendo aprender.
Los autores llegan a proponer que quizá convenga limitar deliberadamente la precisión de las recomendaciones de la IA, hacerlas algo peor a propósito, para preservar los incentivos de aprendizaje, e incluso hablan de fases de moratoria para reconstruir el conocimiento común. Digamos que se podría discutir la receta, sobre lo que ya no se puede es sobre el diagnóstico, el bienestar de una sociedad no crece indefinidamente con la potencia de su IA. Hay un punto óptimo, y pasarse tiene coste.
Entonces, ¿para qué seguir aprendiendo y formando?
Aquí es donde el estudio, sin pretenderlo, me devolvió a considerar nuevamente la motivación que a veces puede quedar por los suelos. Y es que el mismo modelo que anuncia el colapso nos señala la salida, el conocimiento general no compite con la IA, la multiplica. Cuanto más criterio tiene una persona, más valor extrae de cada recomendación de la máquina y cuanto menos sabe, más indefensa queda ante ella. La formación no pierde sentido en la era de la IA, sino que cambia de sentido. Ya no formamos para ejecutar tareas que un agente hará mejor, formamos para sostener el criterio, el propósito y la capacidad de juzgar que hacen útil y segura a esa IA.
El estudio añade una segunda salida, todo lo que mejore la puesta en común del conocimiento humano (documentar, compartir, enseñar dentro de la organización) aumenta el bienestar y nos hace más resistentes al colapso, por tanto cada sesión donde un equipo comparte lo que sabe es, literalmente, una vacuna.
Mi conclusión, tras indagar en las páginas de el informe, digamos que es más serena, dado que la desmotivación que sentimos no es una señal de que aprender haya dejado de valer la pena, demuestra que medimos el aprendizaje solo por el resultado que produce (esa parte ya lo hará la IA) y no por la capacidad y el criterio que deja en quien aprende, eso nadie lo puede hacer por nosotros, conclusión, estamos utilizando la vara de medir equivocada. En este cambio de era, el esfuerzo de entender deja de ser un medio para ejecutar y pasa a ser lo que nos mantiene al mando. Creo por tanto que la tecnología exige personas que sigan queriendo saber.
¿Qué vas a seguir aprendiendo tú, no porque la IA no sepa hacerlo, sino porque tú no quieres dejar de saberlo?
