Fatiga cognitiva en la era de la IA
Por qué tu cerebro se siente agotado después de usar herramientas de IA todo el día, y qué puedes hacer al respecto.
Si alguna vez has terminado una jornada usando ChatGPT, Copilot o Claude y te has sentido más agotado que después de programar sin ayuda, no estás solo. La fatiga cognitiva asociada al uso intensivo de inteligencia artificial es un fenómeno real que está empezando a documentarse.
¿Qué es la fatiga cognitiva?
La teoría de la carga cognitiva, formulada por John Sweller en los años 80[1], describe cómo nuestra memoria de trabajo tiene una capacidad limitada para procesar información nueva. Cuando trabajamos con IA, no solo procesamos la tarea principal: también evaluamos, validamos y contextualizamos constantemente las respuestas que recibimos. **Este esfuerzo mental adicional** se conoce como "carga cognitiva extraña" o extraneous cognitive load.
Un estudio de Mark et al. sobre el coste de las interrupciones demostró que los trabajadores del conocimiento tardan una media de 23 minutos en recuperar la concentración después de una interrupción[2]. Con la IA, cada interacción puede actuar como una mini-interrupción: lanzas un prompt, esperas, evalúas la respuesta, reformulas. El ciclo es rápido, pero **el coste atencional se acumula**.
23 min
tarda un trabajador del conocimiento en recuperar la concentración tras una interrupción (Mark et al., CHI 2008)
El doble filtro del desarrollador con IA
Trabajar con IA generativa introduce un proceso mental de dos pasos que pocas veces reconocemos:
- Generación: La IA produce una respuesta. Rápida, fluida, convincente.
- Validación: Tú tienes que verificar si es correcta, relevante, segura y aplicable al contexto.
Este segundo paso es donde reside la fatiga. A diferencia de escribir código desde cero, donde construyes entendimiento a medida que escribes, con IA **primero recibes una solución y luego tienes que reconstruir mentalmente el razonamiento para validarla**. Es un proceso cognitivamente más costoso de lo que parece. Es la misma dinámica de offloading que describí en «Cómo la IA está reconfigurando nuestra atención».
Producir es más rápido; comprender puede ser más superficial. El verdadero riesgo no es que la IA nos sustituya, sino que dejemos de ejercitar el juicio crítico.
Lo que dice la investigación
Un estudio publicado en Societies sugiere que el uso frecuente de asistentes inteligentes puede llevar a una reducción en la capacidad de pensamiento crítico si no se mantiene un hábito activo de validación[3]. No es que la IA nos haga "más tontos", sino que cambia la naturaleza de nuestro esfuerzo mental: **pasamos de generar a supervisar**.
Cal Newport, autor de Deep Work[4], argumenta que **la capacidad de concentración profunda es un músculo que se atrofia sin uso**. Si delegamos sistemáticamente la generación de ideas y soluciones a la IA, corremos el riesgo de perder precisamente las habilidades que nos hacen valiosos como ingenieros: el juicio crítico, la creatividad contextual y la comprensión sistémica.
Estrategias para mitigar la fatiga
- Bloques de trabajo sin IA: Dedica las primeras horas del día a trabajo profundo sin asistentes. Reserva la IA para tareas repetitivas o de exploración.
- Prompt consciente: Invierte tiempo en escribir buenos prompts. Un prompt bien formulado reduce el número de iteraciones y, por tanto, la carga de validación.
- Descansos estructurados: La Técnica Pomodoro está bien documentada para mantener la concentración. Con IA, considera ciclos más cortos.
- Validación diferida: No valides cada respuesta de la IA inmediatamente. Acumula varias, revísalas en bloque y luego decide.
Conclusión
La IA no va a desaparecer, y tampoco debería hacerlo. Pero como desarrolladores, necesitamos ser conscientes del coste cognitivo que tiene trabajar con ella. **La fatiga no es un fallo personal: es una señal de que nuestro cerebro está haciendo un trabajo diferente al que está acostumbrado.** Reconocerlo es el primer paso para usar la IA de forma más inteligente y sostenible.
Fuentes
- Sweller, J. (1988). "Cognitive load during problem solving: Effects on learning." Cognitive Science, 12(2), 257–285. DOI
- Mark, G., Gudith, D., & Klocke, U. (2008). "The cost of interrupted work: more speed and stress." Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 107–110. DOI
- Gerlich, M. (2025). "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking." Societies, 15(1), 6. DOI
- Newport, C. (2016). Deep Work: Rules for Focused Success in a Distracted World. Grand Central Publishing. Enlace
AI Engineer en Unit4. Construyo software inteligente y escribo sobre tecnología, productividad y el impacto de la IA en el día a día del desarrollador.
