Autor: Ing. Ángel Vélez Chong
Nos ha tocado vivir una era fascinante y paradójica: la Inteligencia Artificial responde por nosotros, optimiza por nosotros y, en no pocos casos, comienza también a decidir por nosotros.
Más allá de sus evidentes beneficios, hoy debemos considerar una advertencia que no podemos ignorar: si dejamos de entrenar nuestra mente, corremos el riesgo de debilitar justamente aquellas capacidades que más necesitamos para comprender, cuestionar y decidir.
No se trata solamente de una percepción personal. Investigaciones recientes comienzan a documentar un fenómeno preocupante: cuando confiamos demasiado en la IA, tendemos a reducir el esfuerzo cognitivo que dedicamos a cuestionar, analizar y verificar sus respuestas.
Un estudio publicado en 2025 por investigadores de Carnegie Mellon University y Microsoft Research, basado en 319 trabajadores del conocimiento y 936 experiencias reales de uso de Inteligencia Artificial Generativa, encontró que una mayor confianza en la IA se asociaba con un menor ejercicio del pensamiento crítico. Al mismo tiempo, una mayor confianza de las personas en su propio conocimiento se relacionaba con una mayor disposición a cuestionar, verificar e integrar las respuestas generadas por estas herramientas [1].
Para mí, esto no significa que la IA nos esté volviendo menos inteligentes; significa algo más complejo: está cambiando la naturaleza del esfuerzo mental que realizamos y que, si no somos cuidadosos, podemos terminar delegando no solamente tareas, sino también una parte importante de nuestro razonamiento.
Norman Doidge, en su conocido best-seller The Brain That Changes Itself, explica el principio de neuroplasticidad del cerebro y cómo las capacidades que ejercitamos tienden a fortalecerse, mientras que aquellas que dejamos de utilizar tienden a debilitarse [2].
Por otro lado, en su libro The Shallows, Nicholas Carr analiza cómo el uso permanente de tecnologías de información modernas ha modificado nuestros hábitos de atención y procesamiento de información. Concluye que nos hemos vuelto extraordinariamente rápidos para encontrar datos, pero no necesariamente mejores para procesarlos con profundidad [3].
Basado en este par de ideas, me surge una pregunta inevitable: Si permitimos que disminuya nuestra capacidad de razonamiento profundo, ¿qué nos queda?
Esta pregunta resulta particularmente relevante en el mundo laboral.
El estudio The Future of Jobs Report 2025 del World Economic Forum coloca al pensamiento analítico como la competencia central más valorada por los empleadores y anticipa que seguirá teniendo una importancia fundamental hacia 2030, precisamente mientras crecen aceleradamente las capacidades relacionadas con Inteligencia Artificial, automatización y tecnologías digitales [4].
La paradoja es evidente: mientras las máquinas se vuelven cada vez más capaces de procesar información, necesitamos seres humanos cada vez más capaces de interpretarla, cuestionarla y tomar decisiones a partir de ella. Esto resulta especialmente relevante en el mundo de la automatización y el control.
Imaginemos a un ingeniero utilizando Inteligencia Artificial para analizar la respuesta dinámica de un proceso y sugerir nuevos parámetros de sintonización para un controlador PID. De seguro, la herramienta podría analizar grandes volúmenes de datos y producir en minutos (perdón, segundos) una recomendación técnicamente convincente, pero alguien tendría que preguntarse: ¿Comprendió realmente el comportamiento del proceso y sus condiciones únicas de operación? ¿Consideró los tiempos muertos? ¿Las restricciones del actuador? ¿La interacción entre diferentes lazos?
No tengamos la menor duda: la rapidez de una respuesta no elimina la necesidad del juicio ingenieril; la hace todavía más importante. Una lección desde el aula —y desde la realidad—
Hace poco, mientras impartía mis talleres “Segunda Oportunidad” y “Escala tu Productividad” para líderes de equipos funcionales de una empresa cliente, viví una experiencia que me dejó una mezcla de satisfacción e inquietud.
Estos talleres buscan que los participantes identifiquen sus talentos dominantes y brechas de desempeño en materia de competencias directivas y, a partir de ellas, diseñen planes de desarrollo basados en un modelo que combina aprendizaje vivencial mediante la resolución de retos, aprendizaje social -con la ayuda de equipos mastermind, coaches o mentores- y formación administrada, a través de cursos presenciales, en línea y lecturas, entre otros recursos.
Simultáneamente, ese programa busca que los participantes reflexionen y tomen decisiones que les permitan avanzar no solamente en el terreno profesional, sino también en los diferentes roles que desempeñan como seres humanos: padres, esposos, hijos, colegas, vecinos o ciudadanos.
Para agilizar y potenciar los resultados de estas actividades, recientemente tomé la decisión de no solamente permitir, sino incluso promover el uso de herramientas de Inteligencia Artificial elegidas libremente por los participantes (Claude, ChatGPT, Gemini, etc.).
Debo decir que durante los primeros eventos utilizando este tipo de herramientas me sentí pletórico como instructor-facilitador: observé un nivel de entusiasmo y motivación en los grupos que no había visto en años. La IA les entregaba análisis, recomendaciones y planes de mejora en segundos, y la energía en la sala era burbujeante. Sin embargo, durante una de las últimas capacitaciones que impartí, ese entusiasmo comenzó a transformarse en una punzante incomodidad para mí.
Al acercarme a revisar sus propuestas de planes de acción, noté algo inquietante: la gran mayoría aceptaba literalmente las propuestas generadas por la IA. No había cuestionamientos. No había filtros. No aparecía esa pausa necesaria para preguntarse: ¿Esto realmente encaja con mi realidad?
La herramienta, que debía convertirse en un catalizador del pensamiento crítico, comenzaba a convertirse en una sustituta de él. En ese momento entendí que el verdadero problema probablemente no está en la tecnología, sino en cómo decidimos utilizarla.
Mi relación con la tecnología
Quiero ser muy claro: no soy ningún tipo de Grinch tecnológico ni detractor del progreso. Todo lo contrario: soy un apasionado de la tecnología como motor de la productividad.
En mi propia consultoría, la Inteligencia Artificial se ha convertido en una herramienta extraordinariamente útil para tareas administrativas, elaboración de propuestas, pulido de presentaciones, revisión de contratos, búsqueda de información, construcción de escenarios en procesos de planeación o procesamiento de datos.
No tengo duda: las herramientas de IA que uso me han liberado tiempo para concentrarme en aquello que más disfruto y donde considero que aporto mayor valor, pero existe una línea roja que me he propuesto no cruzar: mi proceso de pensamiento y creación. Es decir: busco utilizar la IA para pulir mis ideas, para encontrar referencias, para cuestionar mis argumentos, para identificar perspectivas que no había considerado, pero no permito que sustituya mi intención de construir y transmitir pensamientos propios.
Por eso la pregunta que hoy quiero plantearte es: ¿Dónde estás trazando tu propia “línea roja” con la Inteligencia Artificial? ¿La estás utilizando como un exoesqueleto para potenciar tus capacidades o como una prótesis para reemplazarlas?
La diferencia puede parecer pequeña, pero no lo es. Un exoesqueleto multiplica nuestra fuerza, pero la decisión del movimiento sigue perteneciendo a la persona. Una prótesis reemplaza una función. Esta distinción se vuelve especialmente importante conforme los sistemas industriales incorporan algoritmos capaces de detectar patrones, diagnosticar anomalías y recomendar acciones.
Pensemos, por ejemplo, en un sistema de IA que analiza miles (o millones) de datos históricos de una planta y concluye que la causa probable de una anomalía es un transmisor de presión defectuoso. No cabe duda: la capacidad del algoritmo para encontrar correlaciones puede superar ampliamente la capacidad humana.
Pero antes de ordenar el reemplazo del instrumento, alguien tendría que preguntarse: ¿Existen otras variables que cambiaron simultáneamente? ¿Hay evidencia física que confirme el diagnóstico? ¿El problema podría estar en una señal interferida involuntariamente? ¿En la calibración del instrumento? ¿En la lógica del sistema? ¿O incluso en la calidad de los propios datos utilizados por el algoritmo?
El valor del profesional ya no consiste solamente en encontrar una buena respuesta. Consiste en saber cuándo cuestionar una respuesta aparentemente perfecta.
Éste es precisamente uno de los dilemas que ya comienza a reconocer la propia industria de automatización. La International Society of Automation (ISA) ha señalado que la adopción de Inteligencia Artificial Industrial ofrece enormes oportunidades en mantenimiento predictivo, optimización, inspección, robótica y monitoreo de procesos, pero también introduce retos relacionados con confiabilidad, seguridad, explicabilidad, calidad de datos y competencias de las personas responsables de supervisar estos sistemas [5].
Quizá, entonces, la gran paradoja de la automatización sea ésta: Cuanto más inteligente se vuelve el sistema, más importante se vuelve el criterio de la persona que decide cuándo y en qué grado confiar en él.
Lo que hoy observo no me lleva a concluir que la Inteligencia Artificial sea una amenaza. La amenaza aparece cuando dejamos de reflexionar, discernir, cuestionar y decidir por nosotros mismos.
La IA puede convertirse en una de las herramientas más poderosas que hayan existido para ampliar nuestras capacidades, pero para que eso ocurra debemos conservar la capacidad intelectual necesaria para dirigirla. Dicho de otra forma, si delegamos el “porqué” y el “cómo” de nuestro razonamiento, nuestro trabajo y nuestro crecimiento personal a un algoritmo, no estaremos escalando nuestra productividad; simplemente estaremos automatizando nuestras propias limitaciones.
¿Qué opinas?
Ángel Vélez Chong es ingeniero en Electricidad y Electrónica y M.C. Durante más de una década se desempeñó en la especialidad de instrumentación, control y automatización en áreas de Transmisión y Generación de la Comisión Federal de Electricidad. Fue profesor durante veinte años en la Escuela de Ingeniería del Tecnológico de Monterrey. Hace 15 años fundó Equal Business Solutions, firma de consultoría especializada en planeación estratégica, gestión de la ejecución y desarrollo directivo. A lo largo de su trayectoria ha brindado asesoría y formación a dueños y directivos de más de un centenar de organizaciones en México y otros países, en temas de planeación, calidad, productividad y mejora continua.
Radica en Monterrey, Nuevo León, México.
Bibliografía.
[1] H.-P. Lee, A. Sarkar, L. Tankelevitch, I. Drosos, S. Rintel, R. Banks, and N. Wilson, “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers,” in Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ’25), New York, NY, USA: Association for Computing Machinery, 2025, Art. no. 1121, pp. 1–22.
[2] N. Doidge, The Brain That Changes Itself: Stories of Personal Triumph from the Frontiers of Brain Science. New York, NY, USA: Penguin Books, 2007.
[3] N. Carr, The Shallows: What the Internet Is Doing to Our Brains. New York, NY, USA: W. W. Norton & Company, 2010.
[4] World Economic Forum, The Future of Jobs Report 2025. Geneva, Switzerland: World Economic Forum, Jan. 2025.
[5] International Society of Automation, “ISA Explores Industrial AI’s Impact on Automation in a New Position Paper,” Nov. 6, 2025
