Ronald Palacios Castrillo, M.D., Ph.D.
A medida que el año 2026 empieza, regreso insistentemente a un mismo problema: la metacognición(ver tabla Metacognición abajo). Los modelos de lenguaje de gran escala (LLM, por sus siglas en inglés) constituyen excelentes asistentes en determinados tipos de pensamiento, la mayoría de los cuales se sitúan en los niveles inferiores de lo que comúnmente se representa como la jerarquía cognitiva. La afirmación central era que, cuanto más se asciende en dicha jerarquía, mayor debe ser el control ejercido por el usuario.
Sin embargo, tras reflexionar sobre esta cuestión durante los últimos meses, he llegado a la conclusión de que esta representación simplificada subestima dos aspectos fundamentales del trabajo colaborativo con la IA. El primero es que las jerarquías de pensamiento de este tipo resultan excesivamente simplistas. Estas buscan capturar lo que ocurre en la mente de un individuo; en cambio, el proceso de pensar junto a un compañero es cualitativamente distinto y presenta fases diferenciadas(ver Tabla 1):
- Enmarcar el problema y proporcionar el contexto;
- Generar posibilidades;
- Evaluar la producción;
- Iterar y mejorar.
Cada fase de este proceso demanda un conjunto distinto de habilidades cognitivas, no todas las cuales se corresponden de manera directa con taxonomías como la de Bloom; por ejemplo, la provisión de contexto al modelo de lenguaje.
=> Recibir por Whatsapp las noticias destacadas
El segundo aspecto, que considero más desafiante, radica en cómo desarrollar la competencia para pensar de manera consistente acerca del propio pensamiento. La metacognición representa la habilidad suprema del pensamiento crítico: exige que, mientras se razona, se represente, se monitoree y se regule el propio proceso. No existe un impulso natural para cuestionarse durante el acto de pensar; ello demanda una considerable inversión de energía y disciplina.
Con frecuencia, al discutir o leer sobre el potencial del pensamiento asistido por IA, se pasa por alto —de forma casi despreocupada— la extrañeza inherente a esta práctica. No solemos razonar habitualmente con otros. Rara vez enmarcamos los problemas con detalle ni especificamos el contexto relevante. Cualquier posibilidad generada por nuestros propios medios suele ser adoptada rápidamente, con una verificación superficial limitada a determinar si “funcionará” o no. Por último, la iteración suele considerarse un lujo prescindible.
Pensar con éxito junto a la IA implica rechazar estos hábitos mentales arraigados. Requiere convertirse en un practicante dedicado y meticuloso de la metacognición: denominar explícitamente lo que se está haciendo y, a continuación, verificar, ajustar y validar el pensamiento mientras se transita por las cuatro fases. Esta tarea no es sencilla. No solo debemos adaptarnos a un nuevo estilo de pensamiento, sino también calibrar nuestra metacognición según las exigencias específicas de cada fase del proceso colaborativo.
Las Cuatro Fases del Pensamiento con IA(tablas1 y 2).
El primer paso para representar, monitorear y regular el co-pensamiento con IA consiste en comprender con precisión lo que implica cada fase.
La primera fase es exclusiva de esta asociación tecnológica. A diferencia de un compañero humano, la IA posee una representación del mundo limitada o nula, y carece de la capacidad para inferir información a partir de señales no verbales. Depende enteramente del usuario para que esta información se proporcione de forma explícita. Es necesario enmarcar el problema mediante:
- Explicar el tipo de pensamiento involucrado (por ejemplo, explicación, negociación, toma de decisiones, etc.);
- Especificar qué constituye el éxito (es decir, qué se necesita exactamente);
- Enumerar las restricciones relevantes (presupuesto, tiempo u otros factores que definen una solución adecuada).
En síntesis, se trata de eliminar toda ambigüedad para que el compañero no tenga que inferir qué se espera de él.
La otra componente de esta fase inicial es proveer contexto. La IA posee un conocimiento limitado de la realidad, y aún menos de la realidad particular del usuario. Requiere que se le suministren los hechos y supuestos más pertinentes al problema. En este sentido, resultan útiles las definiciones precisas, así como la descripción de la intención, el público destinatario y, en caso de haber realizado intentos previos, qué se intentó y por qué fracasó.
La fase dos corresponde al compañero: la IA genera producción a partir del encuadre de la tarea y la información facilitada. Un buen desempeño en la fase uno puede producir resultados útiles; un desempeño deficiente suele traducirse en salidas que no alcanzan el objetivo.
La fase tres devuelve el control al usuario. Es preciso contrastar la producción con la realidad, las restricciones y la intención original. En particular, se deben verificar afirmaciones y fuentes. Aunque la frecuencia de alucinaciones en los modelos de IA ha disminuido, la posibilidad de fabricación no es nula. Asimismo, resulta valioso solicitar a la IA que evalúe su propia producción; con una orientación adecuada, puede identificar problemas que el usuario haya pasado por alto.
La fase cuatro resulta crucial. La producción de la IA casi siempre requiere refinamiento. Es necesario identificar las deficiencias: ¿está mal enmarcada?, ¿es demasiado genérica?, ¿resulta anodina?, ¿demasiado arriesgada?, ¿poco accionable? Se debe diagnosticar con cuidado los problemas y determinar qué ajustes son necesarios para subsanar las lagunas. Se agregan nuevas instrucciones y se regenera la salida. Este ciclo continúa hasta converger en una solución satisfactoria.
Paralelamente a las cuatro fases del co-pensamiento opera un ciclo metacognitivo de cuatro etapas. Mientras se colabora con la IA en el razonamiento, se requieren habilidades discretas para monitorear y regular el pensamiento propio:
- Planificar
- Monitorear
- Juzgar y calibrar
- Regular y reflexionar
Así, al enmarcar y contextualizar en la fase uno, también se debe identificar qué se requiere para alcanzar el éxito en la tarea. Al recibir la producción en la fase dos, es imperativo contrastarla con la realidad y las necesidades establecidas.
La fase tres pone en juego la confianza. Investigaciones sobre metacognición muestran cuán fácil resulta sentir que se comprende cuando en realidad no es así —Glenberg y colaboradores denominaron esto “ilusión de saber” (illusion of knowing), donde los lectores calificaban su comprensión como alta incluso tras pasar por alto contradicciones—. Por ello, la calibración es esencial: la evaluación consiste en distinguir entre fluidez y veracidad, asegurando que la confianza sea legítima y no ilusoria.
La fase final constituye la marca distintiva de un pensador excepcional. Los pensadores críticos sólidos reflexionan sobre su proceso de pensamiento y aprenden de sus errores, fortaleciendo progresivamente su capacidad de razonar mediante la mejora continua del proceso. Esto adquiere especial relevancia en el co-pensamiento con IA: a corto plazo, para optimizar la producción inmediata; a largo plazo, para tornar el uso de esta tecnología más gratificante y productivo.
A continuación se presenta una tabla 2 que sintetiza las cuatro fases del razonamiento con IA, las asocia con las etapas correspondientes del ciclo metacognitivo y ejemplifica las habilidades metacognitivas que pueden movilizarse en cada segmento del ciclo.
¿Podemos llegar a ser competentes en pensar acerca del pensamiento?
El modelo más difundido de pensamiento crítico sitúa ciertas habilidades cognitivas en la base y reserva otras —entre ellas la metacognición— como el pináculo. Quienes no dominan la base no alcanzarían la cima. Si, como sugieren algunas investigaciones, la IA erosiona dichas habilidades básicas, ¿no estaremos condenados a fracasar en el dominio de aquello que precisamente necesitamos para colaborar eficazmente con ella?
Este temor impulsa a algunos educadores (y a muchos otros) a rechazar la IA de plano. Comprendo dicho impulso, pero descansa en una premisa que merece ser cuestionada: que existe una única vía para cultivar las habilidades metacognitivas. Concebimos la cognición como una montaña que escalar, pero ¿y si se tratara más bien de un campo llano obstruido por dos grandes obstáculos: los límites de nuestra atención y de nuestra memoria de trabajo? Si el verdadero cuello de botella reside en nuestro “software” biológico y no en la dificultad intrínseca de las habilidades, entonces el empleo de la IA no necesariamente cortocircuita el razonamiento.
Desde esta perspectiva, las habilidades cognitivas individuales —memorizar, comprender, analizar e incluso crear— no son inherentemente difíciles. El verdadero desafío radica en nuestra capacidad limitada para sostener, manipular y actualizar múltiples ideas en la memoria de trabajo, al tiempo que resistimos distracciones, gestionamos la fatiga y coordinamos estas operaciones a lo largo del tiempo. Esto explica por qué aprendemos primero las habilidades “fundacionales”: no porque sean prerrequisitos para la evaluación o la creación, sino porque son las más manejables dentro de dichas restricciones.
En lugar de resistir la corriente, deberíamos acoger con decisión las posibilidades de la IA. No porque piense por nosotros, sino porque puede asumir una carga cognitiva mayor que la nuestra: mantener hilos argumentativos, recuperar detalles, esbozar alternativas y realizar trabajo repetitivo sin fatigarse. Empleada adecuadamente, descarga las partes mecánicas —resumir, enumerar, comparar, reformular—, liberando nuestra limitada memoria de trabajo para las capas ejecutivas.
Para cultivar estas competencias metacognitivas se requiere práctica. Al transitar por cada fase del co-pensamiento, es preciso marcar conscientemente el progreso: planificar desde el inicio; monitorear las posibilidades a medida que se presentan; juzgar y calibrar la evaluación, prestando especial atención a si la confianza en las valoraciones es merecida o producto de una ilusión mental; finalmente, tomar distancia y reflexionar sobre la práctica.
Con el tiempo, se debe aspirar a convertir a la IA en un compañero de pensamiento disciplinado. El desafío no se limita a ser un pensador sólido, sino a dominar la metacognición misma.
La tabla de METACOGNICIÓN.
Tabla 1.
Tabla 2
