La inteligencia artificial generativa mejora la productividad a corto plazo al completar tareas que los usuarios normalmente realizarían por sí mismos, pero su impacto a largo plazo en el desarrollo de habilidades depende en gran medida de si las personas utilizan la tecnología como sustituto de la práctica o como complemento para mejorar el aprendizaje. Dado que los resultados generados por la IA actual son idénticos independientemente de cómo se haya utilizado la herramienta, las evaluaciones tradicionales basadas en resultados no pueden diferenciar entre estos dos comportamientos. Sin embargo, la investigación en programación competitiva de élite revela que las pruebas de evaluación que prohíben la IA separan eficazmente a los usuarios que sustituyen la práctica de los que la complementan a nivel poblacional. Los entornos de práctica en línea sin evaluación previa muestran que una mayor dependencia de la IA se correlaciona con un menor desarrollo de habilidades, mientras que las competiciones supervisadas y sin IA demuestran que los participantes habilidosos logran un mayor rendimiento sin ayuda cuando integran la IA como complemento. En definitiva, estos hallazgos indican que el riesgo de erosión de las habilidades proviene del uso de modos sustitutivos más que de la tecnología en sí, lo que demuestra que las barreras de acreditación bien diseñadas pueden restablecer la fiabilidad de los registros de rendimiento en un mundo saturado de IA.
Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "When the Scaffold Stays On: AI, Practice Style, and Screening in Elite Skill Formation". Por Song Yao. Publicado el 2 de Septiembre de 2026.
El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.
El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.
Resumen
Beto
Imagina ir al médico por un escaneo crucial y descubrir que, debido a que han estado utilizando la tecnología de IA más avanzada, la capacidad humana real para detectar el cáncer se ha desplomado.
Alicia
Vaya. Sí, eso es aterrador.
Beto
Correcto. Pero está sucediendo ahora mismo. Hubo este estudio observacional masivo multi-centro sobre médicos que realizan colonoscopias.
Alicia
De acuerdo.
Beto
Y después de que se introdujeron herramientas asistidas por IA para ayudar a detectar problemas, la capacidad no asistida del médico para detectar pólipos precancerosos ... quiero decir, sin que la máquina hiciera el trabajo de búsqueda por ellos, cayó de más del 28% a solo el 22%.
Alicia
Quiero decir, esa es la definición literal de atrofia de habilidades.
Beto
Sí.
Alicia
Siempre pensamos en estas herramientas como que aumentan nuestras capacidades. Pero cuando la máquina hace todo el trabajo de vista por ti, tus propios ojos, y quizás más importante, tus propios marcos de diagnóstico internos, simplemente empiezan a acumular polvo.
Beto
Como perder masa muscular en gravedad cero, o algo así.
Alicia
Exacto. Las vías neuronales que construyeron a lo largo de años de brutal entrenamiento médico, simplemente comienzan a degradarse.
Beto
Lo que nos lleva al núcleo de este análisis profundo de hoy. Estaba leyendo este artículo salvaje de 2026 de Song Yao, de la Universidad de Washington, en St. Louis.
Alicia
Oh, ese artículo es fascinante.
Beto
Lo es. Desafía por completo cómo veo la IA. El artículo se llama "When the Scaffold Stays On: AI Practice Style and Screening in Elite Skill Formation" ("Cuando el andamio se mantiene: Estilo de práctica y selección de la IA en la formación de habilidades de élite").
Alicia
Es un título excelente.
Beto
Lo es. Y va más allá del bombo inmediato sobre qué tan rápido podemos generar un correo electrónico o escribir un bloque de código y hacer una pregunta mucho más aterradora a largo plazo sobre el capital humano.
Alicia
Correcto. Lo que realmente importa.
Beto
Exacto.
Así que hoy estamos sumergiéndonos en la ilusión de competencia. Nuestra misión es básicamente averiguar si usar la IA para aprender y trabajar está erosionando fundamentalmente nuestras verdaderas capacidades no asistidas a nivel de élite.
Alicia
Y si las organizaciones pueden incluso distinguir entre alguien que usó la IA para engañar su propio aprendizaje, frente a alguien que la usó para convertirse en un genio.
Beto
Exacto. Lo que significa que mientras escuchas esto ahora mismo, realmente tienes que hacerte una pregunta difícil sobre tus propios hábitos diarios.
Alicia
Oh, seguro.
Beto
Cuando usas la IA para prepararste para una reunión importante o para aprender una nueva materia, ¿la estás usando como muleta, o como un entrenador?
De acuerdo, desglosémoslo.
La IA en formacion de habilidades: cómo las barreras de evaluación prohibidas distinguen los sustitutos de los complementos.
Alicia
Para realmente entender la mecánica de lo que Yao está tratando de transmitir, tenemos que reconocer la metáfora central, que es brillante. La estructura o el andamiaje ("scaffold").
Beto
El andamiaje, ¿verdad?
Alicia
Piensa en un edificio en construcción, y está rodeado por esta enorme estructura metálica. Cuando una IA te está ayudando en una tarea, actúa justo como esa estructura.
Beto
Sosteniendo todo.
Alicia
Sí, exactamente. Y el producto final que generan el ensayo pulido, el código impecablemente ejecutado, el modelo financiero prístino, se ve magnífico desde fuera.
Beto
¿Pero por dentro?
Alicia
Dentro, no tienes ni idea de si el edificio detrás de ese andamiaje está hecho de acero reforzado o de cartón mojado, porque el resultado se ve idéntico de cualquier manera.
Beto
Así que porque ese andamiaje de IA se mantiene, hay básicamente dos modos de uso completamente diferentes sucediendo en silencio en oficinas y escuelas por todas partes.
Alicia
Correcto.
ABeto
Y el primero es lo que llamamos "el modo sustituto".
Beto
El peligroso.
Alicia
Extremadamente peligroso. En modo sustituto, la IA simplemente hace el trabajo pesado. Delegas la lucha cognitiva por completo a la máquina.
Beto
Lo cual se siente genial en el momento.
Alicia
Oh, se siente increíblemente eficiente. Pero el problema es que esa lucha, la fricción real de descubrirlo, es precisamente lo que se requiere para construir un modelo mental. Sin la fricción, tu habilidad subyacente simplemente nunca se desarrolla.
Beto
Y luego el segundo modo es el "modo complemento".
Alicia
Correcto.
Beto
Donde usas la IA para aprender más rápido. Como tal vez obtienes una pista cuando estás completamente atascado. Pero sigues practicando y construyendo tus propios músculos cognitivos de manera deliberada. La estás usando para empujar tus límites, no solo para escapar del trabajo.
Alicia
Exacto.
Beto
Me parece que básicamente estamos hablando de bicicletas eléctricas.
Alicia
Oh, me gusta eso. ¿Cómo es?
Beto
Bueno, si giro el acelerador de una bicicleta eléctrica al 100%, llego a la cima de la colina.
Alicia
Claro.
Beto
El resultado se logra, ¿verdad? Pero mis piernas van a volverse gelatina eventualmente. No estoy haciendo ningún trabajo. Pero si uso el modo complemento de la bicicleta eléctrica, pedaleando furiosamente mientras el motor solo reduce la dificultad de las pendientes más pronunciadas, todavía llego a la cima. Pero realmente he hecho un entrenamiento masivo.
Alicia
Esa es la analogía perfecta. Y resalta por qué este es un problema tan crítico, específicamente en la frontera del conocimiento humano.
Beto
La frontera, es decir, lo verdaderamente vanguardista.
Alicia
Sí. Como usar una calculadora para matemáticas básicas está totalmente bien. Las matemáticas básicas son un problema rutinario resuelto. No necesitamos reinventar la división larga todos los días.
Beto
Correcto. A nadie le importa cómo haces la división larga.
Alicia
Exacto. Pero la IA es fundamentalmente diferente porque su principal debilidad son los problemas de frontera verdaderamente novedosos.
Beto
Nada que no haya visto en su entrenamiento el día.
Alicia
Sí. Situaciones que se desvían de lo que conoce. Si todo el mundo solo está escribiendo el acelerador, como dijiste, perdemos a los humanos que son capaces de funcionar sin mediación de la IA.
Beto
Porque necesitamos expertos que puedan detectar las alucinaciones de la IA, ¿verdad? Y empujar la innovación más allá de lo que la máquina ya conoce.
Alicia
Lo hacemos. Pero aquí está el gran problema. Si tanto la persona que toma el paseo gratuito como la persona que pedalea a muerte llegan a la cima de la montaña exactamente al mismo tiempo.
Beto
Ambos sosteniendo la misma salida perfecta asistida por IA.
Alicia
Correcto. ¿Cómo demonios puede un profesor, un empleador o un cliente saber lo que hay realmente dentro del cerebro de esa persona?
Beto
No pueden. No mientras el andamiaje esté sujeto.
Alicia
Exacto. Literalmente no pueden saberlo. La única forma de revelar la integridad estructural de la mente humana es arrancarle el andamiaje.
Beto
Tienes que forzar la situación en la que el individuo debe rendir por completo sin ayuda.
Alicia
Pero encontrar un laboratorio para observar esto en el mundo es casi imposible.
Beto
Sí, yo diría que sí. Tendrías que rastrear los hábitos diarios de miles de personas con IA durante años. Y luego encerrarlas en una habitación, sin internet, para ver lo que realmente pueden hacer.
Alicia
Lo cual es exactamente lo que encontraron los investigadores.
Beto
Espera. ¿De verdad?
Alicia
Sí. Encontraron el experimento natural perfecto en el mundo de la programación competitiva de élite.
Beto
De acuerdo. Aquí es donde se pone tan interesante. La programación competitiva opera en dos entornos distintos, ¿verdad?
Alicia
Correcto.
Beto
Por un lado, tienes una plataforma llamada "Codeforces". Y esto es este enorme sandbox en línea abierto.
Alicia
Es inmenso.
Beto
Cualquiera puede iniciar sesión para practicar problemas de codificación, ingresar en concursos en línea. Y no hay absolutamente nada de supervisión. Puedes ejecutar GitHub Co-Pilot. Puedes mantener ChatGPT abierto en otro monitor. Es básicamente el Salvaje Oeste.
Alicia
El andamiaje de IA está permanentemente disponible allí.
Beto
Exacto. Pero luego el otro lado del espectro es el campo de pruebas definitivo. El Concurso Internacional de Programación de Colegios, ("International Collegiate in Programming Contest" o ICPC). Y la Olimpiada Internacional en Informática ("International Olympiad in Informatics", IOI).
Alicia
Estos son, sin duda, los finales de programación de alto riesgo más prestigiosos de la Tierra.
Beto
Solo conseguir un asiento en estos eventos requiere sobrevivir a estas brutales rondas de calificación.
Y los finales, en sí, son totalmente presenciales y draconianos en su estrictez. Sin teléfonos, sin conexión a internet, cero IA. Se te permite un diccionario impreso en tu propio intelecto crudo.
Alicia
Es el contraste perfecto.
Beto
Así que los investigadores rastrearon a más de 10,000 programadores en ambos entornos.
Alicia
Vaya. 10,000.
Beto
Sí. Y analizaron específicamente su comportamiento antes y después del lanzamiento de GitHub Co-Pilot en 2021. Y ChatGPT en 2022. Pero espera, no pudieron ver realmente a través de las cámaras web de los programadores durante su práctica no supervisada en Code Forces, ¿verdad? Entonces, ¿cómo supieron quién estaba usando IA?
Alicia
Ese fue el gran desafío. Tuvieron que buscar huellas de comportamiento en los datos para probar que alguien estaba apoyándose en la IA. Cazaron lo que llamaron "la firma de prompt de IA".
Beto
La "firma de prompt de IA".
Alicia
Es brillante.
Beto
Me encanta eso.
Alicia
Es brillante. Y lo hicieron analizando los datos de marca de tiempo de millones de envíos de práctica.
Puesto que apoyarse en la IA excesivamente cambia fundamentalmente la mecánica de cómo un programador interactúa con un problema.
Beto
Cambia el ritmo de su trabajo.
Alicia
Exacto. Y identificaron una firma de comportamiento específica compuesta por tres rasgos.
Beto
De acuerdo. ¿Cuál es el primero?
Alicia
El primero es un pico masivo en las aceptaciones de intento único.
Beto
Soluciones en una sola toma.
Alicia
Correcto. Un codificador humano naturalmente comete pequeños errores, un error tipográfico aquí, un fallo lógico allá. Pero de repente tienes gente resolviendo algoritmos complejos sin fallos en la primera toma.
Beto
Lo cual es súper sospechoso.
Alicia
Muy sospechoso. Y el segundo rasgo es una caída correspondiente en el número total de intentos necesarios para resolver un problema.
Beto
Tiene sentido. Si lo estás resolviendo en el primer intento, tu número total de intentos cae en picada.
Alicia
Exacto. Pero la tercera parte de la firma es donde el trabajo de detective se vuelve verdaderamente profundo. Buscaron una disminución brusca en lo que llaman "reintentos rápidos".
Beto
De acuerdo. Aquí es donde se pone realmente interesante. Porque realmente necesitamos desglosar por qué importa un reintento rápido. Se aplica a mucho más que solo ingeniería de software.
Alicia
Oh, absolutamente.
Beto
Un reintento rápido es cuando envías tu código, el sistema te dice que falló, y vuelves a enviar una versión corregida dentro de los 30 minutos.
Alicia
Correcto.
Beto
Esa acción específica es la marca registrada absoluta de la depuración humana. Escribiste la lógica, chocaste contra un muro, te sumerges de nuevo en tu propio mapa mental del código, encuentras tu error tipográfico o tu fallo lógico, y lo corriges.
Alicia
Es una lucha. Y al rastrear la ausencia de esa depuración humana rápida, los investigadores encontraron pruebas innegables de la dependencia de la IA.
Beto
Porque los reintentos rápidos desaparecen.
Alicia
Revela un cambio masivo, de un flujo de trabajo iterativo tradicional, a un flujo de trabajo de "prompt y arreglo" ("prompt and fix").
Beto
Prompt y arreglo.
Alicia
Sí. En el viejo bucle iterativo, la fricción de encontrar un error te obliga a entender profundamente la arquitectura de lo que estás construyendo.
Beto
Tienes que saber cómo funciona para arreglarlo.
Alicia
Exacto. Pero en un flujo de trabajo de "prompt and fix", tratas el código como una caja negra. La IA lanza una respuesta aparentemente perfecta. Si tiene la desgracia de fallar, no buscas tú mismo el error, porque no escribiste el código.
Beto
Correcto. No posees el mapa mental.
Alicia
Exacto. Así que simplemente le pides a la IA de nuevo, pidiéndole que corrija el error.
Beto
Piensa en la última vez que tuviste a ChatGPT escribir una macro compleja de Excel para tu trabajo de escritorio. Y lanzó un código de error.
Alicia
Todos hemos estado ahí.
Beto
¿Abriste el editor de Visual Basic, leíste la sintaxis y rastreaste la lógica para encontrar el paréntesis faltante?
Alicia
Definitivamente no.
Beto
Simplemente copias el mensaje de error, lo pegas de vuelta en el chat y dices: "esto no funcionó, inténtalo de nuevo".
Alicia
Exacto.
Beto
Y eso es precisamente la ausencia de un reintento rápido. Literalmente estás midiendo la ausencia de lucha humana para probar la presencia del sustituto de IA.
Alicia
Es un sustituto increíblemente ingenioso. Pero, solo saber que estos codificadores practican de manera diferente, no significa mucho a menos que sepamos si ese flujo de trabajo de "prompt and fix" realmente está perjudicando sus habilidades fundamentales.
Beto
Correcto. ¿Están siendo solo eficientes o están perdiendo su ventaja?
Alicia
Para descubrirlo, tenemos que mirar lo que sucede cuando la puerta de evaluación se cierra y son obligados a rendir.
Beto
De acuerdo. Y aquí es donde los datos se dividen de una manera que es simplemente fascinante.
Alicia
Lo es.
Beto
Veamos primero la piscina abierta y no examinada en Codeforces. Para los usuarios generales que practicaban con una "firma de prompt de IA" más fuerte, predijo ganancias de calificación significativamente menores a lo largo del tiempo.
Alicia
Una caída masiva, de hecho.
Beto
Sí. Básicamente por cada paso incremental, un codificador dio hacia depender puramente de los flujos de trabajo de IA. Su calificación de habilidad real se desplomó en 18 puntos en relación con sus pares.
Alicia
18 puntos. Eso es enorme.
Beto
Así que en el sandbox abierto, actuar como una IA está derritiendo demostrablemente sus capacidades. El modo sustituto es simplemente rampante allí.
Alicia
Están montando en la bicicleta eléctrica con el acelerador puesto al máximo. Y sus músculos cognitivos están visiblemente atrofiándose en comparación con los codificadores que todavía están trabajando manualmente la lógica.
Beto
Pero luego los investigadores miraron a los usuarios registrados, a los programadores de élite que sobrevivieron a las formaciones de equipos y a las agotadoras rondas de calificación para llegar a los finales del ICPC.
Alicia
Los mejores de los mejores.
Beto
Para ese grupo hiperélite que practicaba con la misma firma de IA no perjudicó sus calificaciones en Codeforces en absoluto.
Alicia
Ni siquiera un poco.
Beto
Y la prueba definitiva provino del interior del entorno estricto y completamente prohibido de IA de los finales del ICPC.
Alicia
Donde el andamiaje está completamente arrancado.
Beto
Exacto.
Para los que entraron en sus carreras de programación competitiva en la era de la IA, cambiando más hacia esa práctica de estilo de IA, predijo efectivamente puntuaciones no asistidas más altas en los finales.
Alicia
Resolvieron alrededor de 16 problemas más en promedio, lo cual en un campeonato global hipercompetitivo es una ventaja masiva.
Beto
Espera, espera. Me estás confundiendo.
Alicia
¿Cómo es eso?
Beto
Solo dijiste que actuar como una IA haciendo las soluciones de una sola toma y omitiendo la depuración arruina tu puntuación en la piscina abierta.
Alicia
Correcto.
Beto
Pero ahora me estás diciendo que exactamente el mismo comportamiento te hace ganador en la piscina de élite. ¿Cómo puede tener sentido que se contradiga completamente?
Alicia
Suena totalmente paradójico hasta que entiendes el concepto de "sesgo de supervivencia" y la función de la puerta.
Beto
La puerta.
Alicia
Sí. Piensa en los exámenes de supervisión, esas rondas de calificación, como un filtro físico. En la piscina abierta de Codeforces, cualquiera con conexión a internet puede jugar.
Beto
Así que la piscina está inundada.
Alicia
Saturada con los usuarios sustitutos, los delegadores perezosos que están dejando que sus habilidades se pudran. Y todos están mezclados en el conjunto de datos arrastrando la media hacia abajo.
Beto
De acuerdo.
Alicia
Pero los finales de élite tienen una puerta. Un usuario sustituto que se apoyó en la IA para engañar su propio aprendizaje simplemente no puede pasar una ronda de calificación supervisada.
Beto
Porque en realidad no saben cómo codificar.
Alicia
Exacto. Son eliminados físicamente del conjunto de datos antes de que lleguen a los finales.
Beto
Vaya. Así que la gente que usó la IA como muleta ni siquiera llegó a la línea de salida de la piscina de élite.
Alicia
No sobrevivieron al filtro.
Beto
Las únicas personas que quedan en ese conjunto de datos son las que estaban usando la IA para entrenar correctamente.
Alicia
La puerta separa fundamentalmente a la población. Los únicos individuos que sobreviven son los usuarios complementarios.
Beto
La gente pedaleando en la bicicleta eléctrica.
Alicia
Sí. Para ellos, adoptar un flujo de trabajo de IA no se trataba de evitar la fricción del aprendizaje. Se trataba de usar la IA para ingerir conceptos más rápido, para entrenar más duro, para ver soluciones avanzadas y para básicamente cubrir mucho más terreno durante sus sesiones de práctica.
Beto
Usaron el andamiaje para construir un rascacielos, no una caja de cartón.
Alicia
Eso está muy bien dicho. Y demuestra que la tecnología en sí no es la villana aquí.
Beto
Correcto. El comportamiento lo es. La IA no causa erosión de habilidades. La delegación perezosa causa erosión de habilidades.
Alicia
Exacto.
Beto
Lo cual realmente cambia la narrativa lejos de esta idea apocalíptica de que la IA nos hará a todos indefensos.
Alicia
En cambio, la IA simplemente actúa como una lupa gigante para nuestra ética de trabajo.
Beto
Y ese enfoque es esencial para cómo avanzamos. La práctica de estilo de IA es totalmente compatible con la habilidad de frontera de élite. Esa tecnología permite a los humanos más dedicados alcanzar picos más altos que nunca.
Pero tenemos que traducir este hallazgo del mundo súper nicho de la programación competitiva al resto de la sociedad. Porque las organizaciones en todas partes están en pánico sobre cómo evaluar el talento ahora mismo.
Alicia
Oh, el pánico es real. Ya sea que sea una junta médica evaluando a un nuevo médico, un bufete de abogados contratando a un asociado junior, o una empresa de tecnología contratando ingenieros, el miedo es que todos estén fingiendo.
Beto
Todos solo están demasiado con "prompts" de ChatGPT en un abrigo largo.
Alicia
Correcto. Y el reflejo inmediato para muchas de estas organizaciones es intentar prohibir la IA por completo, o instalar spyware distópico para monitorear si los empleados están usando la IA para ayudar a escribir un memorando.
Beto
Simplemente estamos perdiendo la batalla.
Alicia
Completamente. Y la principal conclusión de esta investigación es que las organizaciones no necesitan prohibir la IA durante las fases de entrenamiento o flujo de trabajo diario.
Beto
Solo necesitan puertas.
Alicia
Lo que necesitan son puertas de evaluación estrictas y sin compromiso. Lo que realmente necesitan son puntos de control físicos y supervisados para verificar la habilidad no asistida.
Beto
Entonces, ¿cómo se ve eso en el mundo real?
Alicia
Podría parecer una entrevista técnica en persona donde tienes que dibujar una solución en la pizarra o un período de prueba supervisado intensamente en el trabajo o un examen de junta vigilado.
Beto
Si mantienes la puerta fuerte, preserva la señal del talento verdadero.
Alicia
Filtra naturalmente a los usuarios sustitutos que construyeron edificios huecos.
Beto
Es como dejar que los corredores de maratón olímpicos entrenen con toda la tecnología, las cámaras biomecánicas impulsadas por IA, las cámaras hiperbáricas y los drones de ritmo que quieren.
Pero en el día de la carrera, tienen que dejar todo eso atrás y correr con sus propios pies. Si omitiste tus carreras largas porque el dron te arrastró, vas a colapsar en mitad de la carrera.
Alicia
Eso es exactamente lo que sucede.
Y, para el aprendiz individual que solo está tratando de navegar esto sin colapsar, hay una pieza secundaria de investigación citada en el artículo de Yao que ofrece el plano definitivo.
Beto
Oh, el estudio Bastani.
Alicia
Sí, es un estudio de 2025 de Bastani y colegas que examinó las matemáticas de la escuela secundaria. Y es salvaje.
Beto
Cuéntame.
Alicia
Dividieron a los estudiantes en dos grupos para estudiar cómo diferentes tipos de asistentes de IA afectaron su aprendizaje. Un grupo recibió lo que llamaron GPT base.
Beto
GPT base.
Alicia
Esta versión de la IA era sin restricciones. Así que cuando un estudiante pedía ayuda, básicamente le entregaba las pruebas matemáticas correctas y las respuestas completas.
Beto
Así que es ¿el modo sustituto definitivo?
Alicia
Absolutamente nada de fricción.
Beto
Cero fricción.
Alicia
Cero fricción. Y los resultados fueron totalmente predecibles, pero aterradores. Los estudiantes que usaron GPT base vieron cómo sus calificaciones de práctica se disparaban. Sus tareas eran impecables.
Beto
Porque la IA lo estaba haciendo.
Alicia
Correcto. Pero cuando se les obligó a tomar un examen final no asistido y supervisado, sus capacidades reales fueron expuestas.
Beto
¿Qué tan mal fue?
Alicia
Sus calificaciones del examen cayeron un 17% en comparación con las líneas base históricas.
Beto
Vaya. Una caída del 17% en competencia fundamental solo por confiar en la respuesta sin fricción.
Alicia
Habían subcontratado completamente su proceso de aprendizaje a la máquina.
Beto
Pero tenían un segundo grupo, ¿verdad?
Alicia
Lo tenían. El segundo grupo recibió GPT tutor.
Beto
De acuerdo. ¿Cómo fue diferente eso?
Alicia
Esta versión de la IA fue específicamente instruida a través de "system prompts" para nunca dar la respuesta final. Solo se le permitía proporcionar pistas, empujones y marcos conceptuales.
Beto
Así que forzaba al estudiante a ejecutar el salto cognitivo final por sí mismo.
Alicia
Exacto.
Beto
Modo complemento. La bicicleta eléctrica en una configuración baja.
Alicia
Sí. Y para el grupo de GPT tutor, sus calificaciones de práctica todavía se dispararon porque tenían acceso a este tutoría personalizada de clase mundial cada vez que se quedaban atascados.
Beto
Correcto. Lo cual es increíble.
Alicia
Pero crucialmente, cuando tomaron el examen final no asistido, sus puntuaciones no cayeron en absoluto. Mantuvieron su nivel de habilidad completamente no asistido mientras practicaban de manera mucho más eficiente de lo que podrían haberlo hecho por sí mismos.
Beto
Porque preservaron la fricción necesaria del aprendizaje.
Alicia
Mantuvieron viva la lucha.
Beto
Así que si están escuchando esto, este es el desafío de auditoría personal que quiero darles.
Alicia
Sí. Esto es importante.
Beto
Piensa en tus propios hábitos cuando enciendes una herramienta de IA. Digamos que la estás usando para resumir un denso informe financiero de 50 páginas para el trabajo. O para ayudarte a esbozar el complejo proyecto creativo.
Alicia
De acuerdo.
Beto
¿Estás exigiendo la respuesta final? ¿Simplemente estás copiando y pegando los puntos clave que genera la IA y declarando por terminado el día?
Alicia
Porque si lo estás haciendo, ...
Beto
Si lo estás haciendo, perteneces a ese primer grupo. Estás despojándote activamente del 17% de tu ventaja cognitiva. Tu capacidad para sintetizar información se está atrofiando.
Alicia
Estás permitiendo que tus músculos mentales se degraden.
Beto
Exacto. Pero si estás pidiéndole a la IA que critique un esbozo que ya escribiste, o pidiéndole pistas específicas para empujar tu propio pensamiento crítico más allá de un obstáculo, entonces estás montando en la bicicleta eléctrica.
Alicia
Estás construyendo el músculo.
Y esto plantea una pregunta estructural masiva sobre cómo construimos el futuro. Seamos honestos, la tecnología misma está fuertemente incentivada a darnos la respuesta final.
Beto
Correcto. Las empresas que están construyendo estos modelos, quieren que la gente se sienta sin fricción y todo mágico.
Alicia
Exacto. Entonces, ¿cómo diseñamos intencionalmente nuestros sistemas educativos, nuestros programas de capacitación corporativa y nuestros propios hábitos diarios para forzar el aprendizaje complementario basado en pistas?
Beto
Tenemos que introducir conscientemente fricción intencional en nuestras vidas para que no nos quedemos dormidos al volante.
Alicia
Tenemos que elegir el camino más difícil.
Beto
Si las herramientas están diseñadas explícitamente para hacer nuestras vidas increíblemente fáciles, tenemos que tomar la decisión deliberada de hacer las cosas un poco difíciles para nosotros mismos si realmente queremos crecer.
Alicia
Lo cual es tan contraintuitivo a cómo funciona la naturaleza humana.
Beto
Lo es.
Así que recapitulemos rápidamente el viaje que hicimos hoy. Comenzamos con el miedo muy real de que la IA está actuando como un sustituto que erosiona nuestras habilidades fundamentales y nos deja indefensos en situaciones críticas, como diagnosticar cáncer.
Pero sumergirse en los datos de programadores competitivos de élite nos muestra que la realidad es mucho más matizada. La IA no está derritiendo inherentemente nuestros cerebros.
Es un andamiaje increíblemente poderoso.
Alicia
Una herramienta masivamente poderosa.
Beto
Solo necesitamos puntos de control físicos, esas puertas de evaluación, para garantizar que sigamos poniendo nuestros propios ladrillos y construyendo nuestros propios músculos cognitivos mientras ese andamiaje esté sujeto.
Alicia
Si la puerta se mantiene, la habilidad se mantiene.
Beto
Exacto.
Alicia
El andamiaje es solo una herramienta. Nos permite alcanzar alturas sin precedentes, simplemente tenemos que asegurarnos de que nunca olvidemos cómo estar sin él.
Beto
Lo que me lleva a una última reflexión para dejarles. Algo para reflexionar mientras pasan su semana.
Alicia
De acuerdo. ¿Qué es?
Beto
Hemos hablado profundamente sobre cómo los humanos individuales necesitan mantener sus habilidades no asistidas para poder detectar errores de la IA e impulsar la frontera de la innovación hacia adelante.
Pero piensen en esto a una escala macro global. Ahora, los modelos de IA están siendo entrenados cada vez más con datos sintéticos. Quiero decir, datos generados por otros modelos de IA.
Alicia
Es una cámara de eco.
Beto
Exacto. Así que la demanda de una visión humana original y revolucionaria verdaderamente es que se disparará. Porque las máquinas necesitan material fresco de donde para aprender de.
Alicia
Necesitan que les alimentemos la nueva frontera.
Beto
Correcto. Así que si todos caemos en modo sustituto en silencio, buscando el camino sin fricción y dejando que nuestras habilidades de frontera decaigan, ¿quién queda para suministrar el genio humano original que la IA futura depende?
Alicia
Oh, vaya.
Beto
Si el andamiaje se convierte en todo el edificio, ¿qué le pasa a los arquitectos?
Alicia
Esa es una pregunta profunda e increíblemente inquietante para terminar.
Beto
Gracias por sumergirse profundamente con nosotros hoy.
Entradas
