En los últimos años, el uso de la inteligencia artificial (IA) para la recopilación de información ha crecido de manera exponencial. Un fenómeno reciente es la utilización de modelos de lenguaje como ChatGPT y Claude para verificar y consumir noticias. Según informes del Pew Research Center, uno de cada cinco adolescentes en Estados Unidos utiliza regularmente estos modelos para informarse, mientras que una cuarta parte de los jóvenes adultos ha recurrido a ellos al menos en una ocasión.
Un nuevo estudio del MIT Media Lab plantea preocupaciones sobre esta tendencia. Los investigadores descubrieron que los participantes que dependían de sistemas de IA para verificar hechos empeoraron en su capacidad para detectar desinformación cuando se les retiró el acceso a los chatbots. Este fenómeno, conocido como el “paradoja de dependencia de la IA”, ha sido observado en diversas áreas del conocimiento, similar a cómo el uso de calculadoras ha debilitado las habilidades matemáticas o cómo el GPS ha afectado nuestra orientación natural.
Resultados del Estudio
El estudio del Media Lab siguió a 67 personas durante cuatro semanas mientras evaluaban pares de titulares e imágenes. Se observó que los participantes eran un 21% más precisos en la detección de noticias falsas cuando contaban con la asistencia de un chatbot durante las sesiones. Sin embargo, al final del mes, su rendimiento sin asistencia había disminuido en 15 puntos porcentuales respecto al inicio del estudio. Curiosamente, aproximadamente una cuarta parte de los participantes reportó sentirse más capacitada para detectar noticias falsas, a pesar de que su rendimiento real había caído.
Según Anku Rani, estudiante de doctorado en artes y ciencias mediáticas en el MIT y coautora del estudio, “los usuarios se emocionan con estos modelos ‘mágicos’, pero olvidan que son solo modelos estadísticos”. El análisis cualitativo identificó patrones conductuales distintos, etiquetando a un quinto de los participantes como “Desarrolladores de Dependencia”, quienes pasaron gradualmente de la autoeficacia activa a una aceptación pasiva de la guía proporcionada por la IA.
Implicaciones y Limitaciones
Los investigadores advierten que estos modelos son especialmente propensos a errores durante eventos noticiosos cargados emocionalmente. Además, señalan que el contenido original creado por humanos utilizado para entrenar estos modelos puede ser cada vez más poco fiable o sesgado. La investigación fue presentada en la Conferencia CHI 2026 sobre Factores Humanos en Sistemas Computacionales.
Los autores sugieren que la forma en que interactúa una IA con un usuario determina si su impacto será como un “entrenador” o como una “muleta”. El estudio encontró diferencias claras entre estrategias conversacionales que ayudan momentáneamente y aquellas que fomentan el aprendizaje activo y el desarrollo de habilidades. Por ejemplo, métodos como el socrático pueden mejorar la detección independiente posterior al uso inicial.
Perspectivas Futuras
Rani menciona algunas limitaciones del estudio, incluyendo el pequeño tamaño muestral y el enfoque demográfico limitado a Estados Unidos y Reino Unido. En futuras investigaciones, esperan realizar experimentos similares con cohortes geográficamente diversas y explorar si estrategias interactivas multimodales pueden ayudar a mejorar las habilidades para detectar desinformación.
Finalmente, los investigadores subrayan la importancia de crear conciencia sobre las limitaciones del uso de IA como herramientas educativas. Pattie Maes, profesora en el MIT, enfatiza que delegar el pensamiento crítico puede obstaculizar el desarrollo personal en la resolución de problemas. Concluyen que es esencial fomentar una nueva forma de alfabetización digital relacionada con la IA para asegurar que no se deleguen completamente tareas críticas a estos modelos.
Si (
No(
