La paradoja de leer con IA
Puedes pedirle a ChatGPT que resuma una investigación de 10.000 palabras en unos diez segundos. Vas a "saber" lo que decía. Podrás describir la tesis, nombrar a los personajes principales, quizá listar tres conclusiones. Te sentirás informado.
Una semana después, si alguien te pregunta sobre el artículo, no vas a recordar casi nada.
Ahora contrástalo con un artículo que leíste despacio el año pasado. Subrayaste tres pasajes. Tal vez discutiste con el autor en el margen. Dos años después, todavía citas frases de ese texto. Puedes encontrar el enlace de memoria. Las ideas se colaron en tu forma de pensar.
La misma información, resultados radicalmente distintos. La paradoja es que la IA hace que la lectura sea más rápida justo en el momento en que lo rápido deja de ser lo que necesitamos. No nos falta contenido. Nos falta comprensión, y la comprensión tiene un costo mínimo de tiempo obstinado que ningún modelo puede comprimir por ti.
No se trata de un alegato contra la IA. Es un alegato contra un modo de falla específico: usar la IA como reemplazo de la lectura en lugar de como multiplicador de la lectura. La diferencia parece pequeña desde afuera. Dentro de tu cabeza, es la diferencia entre aprender y el teatro de aprender.
Descarga cognitiva: lo que muestra la investigación
La ciencia sobre esto es más antigua que la ola actual de IA. En 2011, Betsy Sparrow, Jenny Liu y Daniel Wegner publicaron "Google Effects on Memory" en Science. Realizaron cuatro experimentos y encontraron un patrón consistente: cuando las personas creían que la información se guardaría en una computadora, recordaban la información en sí con menos precisión, pero recordaban mejor dónde encontrarla. La memoria se desplazó del contenido al puntero.
Barr, Pennycook, Stolz y Fugelsang ampliaron este hallazgo en 2015 con "The Brain in Your Pocket", mostrando que un uso más intenso del smartphone se correlacionaba con un peor desempeño en tareas de pensamiento analítico, sobre todo cuando los problemas exigían anular una respuesta intuitiva incorrecta. Storm, Stone y Benjamin (2017) encontraron patrones similares con el almacenamiento externo y la codificación: el acto de guardar algo externamente reducía la profundidad con la que se procesaba internamente.
Luego llegó la IA generativa y elevó el efecto a otro nivel.
Lee, Sarkar y colegas (2025) de Microsoft Research y Carnegie Mellon encuestaron a 319 trabajadores del conocimiento en un estudio titulado "The Impact of Generative AI on Critical Thinking". El hallazgo que llegó a los titulares: una mayor confianza en la IA se correlacionaba con un menor esfuerzo de pensamiento crítico. Cuando los usuarios confiaban en el modelo, dejaban de interrogar su salida. Cuando desconfiaban, se involucraban más. Los investigadores describieron esto como un paso de "ejecución de tareas a supervisión de tareas", pero la supervisión solo funciona si todavía tienes el conocimiento del dominio para detectar errores.
El artículo de Michael Gerlich de 2025 en Societies fue más allá. Encuestando a 666 participantes, Gerlich halló una fuerte correlación negativa entre el uso frecuente de herramientas de IA y los puntajes de pensamiento crítico, mediada por la descarga cognitiva. Los participantes más jóvenes, que dependían más de la IA, obtuvieron los puntajes más bajos en medidas de razonamiento independiente.
| Estudio | Año | Hallazgo | Qué significa para los lectores |
|---|---|---|---|
| Sparrow, Liu, Wegner | 2011 | La gente recuerda menos cuando sabe que la información está almacenada en otro lugar | Leer para guardar no equivale a leer para saber |
| Barr et al. | 2015 | Un mayor uso del smartphone se asocia con un pensamiento analítico más débil | Las herramientas externas pueden erosionar las habilidades internas |
| Storm et al. | 2017 | Guardar en almacenamiento externo redujo la profundidad de codificación | La descarga ocurre antes de que te des cuenta |
| Lee, Sarkar et al. (Microsoft/CMU) | 2025 | La confianza en la IA se correlacionó inversamente con el pensamiento crítico | Confía menos en el modelo, piensa más |
| Gerlich | 2025 | La dependencia de la IA se correlacionó negativamente con el pensamiento crítico, más marcada en usuarios jóvenes | El patrón se acumula con el tiempo |
El mecanismo es simple y biológicamente aburrido. Tu cerebro trata a la IA como trata a cualquier otro disco externo. Si no te involucras con el material, no lo codificas. Si no lo codificas, no lo recuerdas. Si no lo recuerdas, no puedes pensar con él. Leer mal con IA no es una falla de la IA. Es una falla en hacer la parte que la IA no puede hacer por ti.
Para un tratamiento más extenso del ángulo de la trampa del pensamiento, consulta nuestro artículo sobre la trampa del pensamiento con IA.
Cuándo ayuda la IA: las tres luces verdes
Nada de lo anterior es un argumento contra la IA. Es un argumento contra un flujo de trabajo específico. La IA amplifica genuinamente la lectura en al menos tres situaciones, y las tres comparten una propiedad: ocurren después de que ya te has involucrado con el texto por tu cuenta.
Aclaración. Estás leyendo un paper sobre mecanismos de atención y te quedas atascado en una línea sobre la normalización softmax. Pedirle a Claude que explique ese concepto en el contexto de lo que ya leíste es genuinamente útil. Te destraba. Aumenta tu compromiso con el resto del paper en lugar de reemplazarlo. Sigues siendo tú quien lee.
Síntesis entre fuentes que realmente has leído. Has leído cinco artículos sobre trabajo remoto en el último mes. Has subrayado pasajes en cada uno. Pedirle a una IA que encuentre tensiones, contradicciones o coincidencias inesperadas entre esos highlights es una tarea que hace bien y que probablemente no harías manualmente. La clave es que tú hiciste la lectura. La IA opera sobre material que ya metabolizaste, no sustituye el metabolismo.
Práctica socrática sobre tus propias notas. Toma tus highlights de un libro y pide a la IA que te haga preguntas sobre ellos. Pídele que discuta con el autor. Pídele qué diría un crítico razonable. Estás usando el modelo como un compañero de entrenamiento barato y paciente, que es una de las cosas en las que mejor se desempeña. Esto se acerca a lo que permite el RAG personal sobre tus notas a escala.
Fíjate en el patrón. En los tres casos, tú aportas la lectura y la IA aporta el rango conversacional. Tu comprensión crece. La IA no finge ser tú.
Cuándo perjudica la IA: las tres luces rojas
El patrón opuesto está en todas partes porque es más fácil, y lo más fácil casi siempre gana a corto plazo.
Resumen previo a la lectura. Ves un artículo largo. En lugar de leerlo, lo pegas en ChatGPT y pides un resumen. Lees el resumen. Te dices que volverás al artículo completo más tarde. No lo haces. Ahora tienes una versión comprimida, descontextualizada y posiblemente alucinada del trabajo de otra persona, y una falsa sensación de haberte encontrado con su pensamiento. Peor aún, te saltaste toda la textura: los ejemplos específicos, las señales de tono, los pasajes que se te habrían quedado grabados.
Resumen con un solo prompt de documentos extensos. "Resume este informe de 50 páginas". La salida está bien. También es teatro de la comprensión. Citarás el informe en una reunión. Alguien hará una pregunta específica. Te darás cuenta de que no tienes idea, porque el resumen comprimió justo el detalle que importaba.
Parafrasear textualmente dentro de tu propio pensamiento. Le pides a la IA su interpretación. Absorbes su encuadre. Empiezas a repetir su fraseo como si fuera tuyo. Esto no es plagio en el sentido legal, pero es una especie de plagio del cerebro. Acabas con opiniones a las que no llegaste, defendiéndolas con argumentos que no construiste. Cuando te cuestionan, no puedes defenderlas a fondo porque nunca construiste el andamiaje.
Aquí tienes una matriz de decisión que puedes usar de verdad.
| Situación | ¿Deberías preguntar a la IA? | Por qué |
|---|---|---|
| Aún no abres el artículo | No | Lee al menos unos minutos primero. El compromiso es el activo. |
| Atascado en un concepto específico en medio de la lectura | Sí | La aclaración aumenta el compromiso con la fuente. |
| Necesitas la esencia de un informe de 50 páginas antes de una reunión | Hojea primero y luego pregunta | Hojear te da ganchos que el resumen solo no puede proporcionar. |
| Comparar 5 artículos que ya has subrayado | Sí | La síntesis sobre material digerido es un verdadero amplificador. |
| Escribir tu propia opinión y querer un contraargumento | Sí | El uso socrático afila tu posición. |
| Quieres citar una estadística o cita específica | Verifica en la fuente | Los LLM fabrican citas con frecuencia. Nunca confíes en la primera respuesta. |
| Necesitas recordar esto a largo plazo | Léelo tú mismo | Los resúmenes de IA son de baja adhesión por diseño. |
Ten la tabla cerca. La mayoría de los malos hábitos de lectura con IA vienen de saltarse esta verificación y caer por defecto en "resume".
El problema de las alucinaciones del que nadie quiere hablar
Más allá del costo cognitivo, hay uno fáctico. Los LLM fabrican con confianza. Citas, fechas, frases, estadísticas y, a veces, papers enteros que no existen.
La investigación de 2024 de Stanford HAI sobre herramientas legales de IA (Magesh et al., "Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools") probó Westlaw AI y Lexis+ AI y halló tasas de alucinación entre el 17 y el 33 por ciento en consultas legales específicas del dominio, incluso en productos comercializados como aumentados por recuperación. En modelos de propósito general, las tasas sobre citas reportadas varían entre el 15 y el 40 por ciento dependiendo del dominio, el estilo del prompt y la estrictez con la que se define "alucinación". Un estudio de 2023 sobre respuestas a preguntas médicas de Pal, Umapathi y Sankarasubbu ("Med-HALT") encontró magnitudes similares.
Esto importa para la lectura porque leer es, entre otras cosas, una actividad de verificación de hechos. Si tu encuentro con una idea pasa por un filtro de IA que inventó con confianza la cita que la respaldaba, no estás leyendo. Estás consumiendo una sinopsis levemente contaminada.
Una implicación práctica: cualquier afirmación que saques de un resumen de IA y planees usar al escribir, enseñar o argumentar necesita verificarse en la fuente. Por eso el protocolo "IA al final" que sigue pone la verificación en el paso cuatro, en lugar de confiar en el modelo en el paso uno.
El protocolo de lectura con IA al final
Este es el flujo de trabajo que tiende a producir comprensión real en lugar de la sensación de comprenderlo. Son cuatro pasos, y el orden importa más que el contenido de cualquier paso individual.
| Paso | Acción | Tiempo | Por qué importa |
|---|---|---|---|
| 1 | Lee primero, aunque sean solo 10 minutos | 10 a 30 min | Activa el contexto, genera ganchos para la recuperación posterior |
| 2 | Resume por tu cuenta en 2 o 3 frases | 2 min | Obliga a la codificación; revela lagunas en la comprensión |
| 3 | Haz preguntas específicas a la IA sobre tus highlights | 5 a 15 min | Aprovecha el compromiso que ya construiste |
| 4 | Verifica cualquier afirmación que planees usar | 2 a 10 min | Detecta alucinaciones antes de que se propaguen |
Paso 1: lee primero. Aunque sean diez minutos. Subraya tres o cuatro cosas que te llamen la atención: afirmaciones sorprendentes, pasajes confusos, frases que podrías usar más adelante. El subrayador web de Glasp está hecho para esto, porque tus highlights persisten y pueden alimentar el paso 3.
Paso 2: resume por tu cuenta. Con dos frases alcanza. Este es el paso de codificación. La fricción de escribir dos frases es donde realmente se forma la memoria. Sáltatelo y te saltas el punto.
Paso 3: haz preguntas específicas a la IA. No "resume esto". Cosas como: "¿Qué quiere decir el autor con X en la tercera sección?". "¿Cómo se compara esto con el argumento de Sparrow 2011 que subrayé el mes pasado?". "¿Cuál es la contra más fuerte a la afirmación de mi segundo highlight?". Aquí es donde el chat de IA de Glasp se vuelve útil, porque la IA trabaja sobre tu material subrayado, no sobre un texto genérico pegado.
Paso 4: verifica. Si vas a citar una estadística, referenciar un estudio o apoyarte en una fecha, abre la fuente y confírmalo. Cada vez. Sí, cada vez. Para entender por qué esta fricción vale la pena, consulta nuestro artículo sobre el asistente de lectura con IA.
El protocolo invierte el patrón común. La mayoría de la gente practica lectura con IA al principio: prompt, hojear, quizá volver. La lectura con IA al final convierte a la IA en el último paso, no en el primero. Toma un poco más de tiempo y recuerdas muchísimo más.
Cómo usar correctamente el stack de IA de Glasp
Glasp está construido alrededor del supuesto de "IA al final", aunque vale la pena explicitar cómo encajan las herramientas.
El subrayador web de Glasp es el paso 1. Lees, subrayas, y los highlights quedan guardados, indexados y buscables. Esta es la capa de "compromiso primero", y sin ella los pasos posteriores no tienen sobre qué trabajar.
El chat de IA de Glasp es el paso 3. Opera sobre tus highlights, no sobre un texto arbitrario que pegaste. Esa decisión de diseño es intencional. El chat brilla cuando sintetiza, cuestiona y cruza material que ya has metabolizado. Es más débil cuando le pides que reemplace la lectura, y el producto no pretende lo contrario.
YouTube Summary es un caso de estudio útil para hacerlo bien. Puedes generar el resumen de un video, pero el mejor uso no es "ve el resumen en lugar del video". Es "ve el video, subraya los momentos que importan y luego usa el resumen y la transcripción para volver a encontrar secciones específicas". El resumen se convierte en una herramienta de recuperación, no en un reemplazo del visionado.
El subrayador de PDF de Glasp y los highlights de Kindle extienden el mismo patrón a la lectura de largo aliento. Los highlights se integran en tu biblioteca. Más adelante puedes conversar con tus notas a través de cada libro que hayas leído, un tipo de síntesis que hace cinco años era genuinamente imposible.
Y como Glasp es un lector social, también puedes ver lo que otras personas subrayaron en el mismo texto. Esa es una capa diferente, cercana a la IA, una señal de curador humano, y es sorprendentemente útil para captar lo que un lector atento notó y tú pasaste por alto.
Casos de estudio: dos estudiantes, dos lectores
Los ejemplos concretos vuelven concreto lo abstracto.
Los dos estudiantes. Maya y Jun están en el mismo seminario de posgrado. Maya usa Claude para resumir cada paper asignado antes de clase. Llega con puntos de conversación claros. Jun lee los papers, subraya lo que le parece interesante, escribe resúmenes de dos frases con sus propias palabras y luego pregunta a Claude qué se le escapó y si su interpretación de la sección de métodos es correcta. Él también llega con puntos de conversación, pero tardó aproximadamente el doble en llegar allí.
Al final del semestre, ambos rinden el mismo examen comprensivo. Maya recuerda los encuadres de la IA, no los papers. Cuando el examen le pide criticar una metodología que supuestamente leyó, batalla porque nunca se enfrentó de verdad a los detalles. Jun lo hace mejor, no porque sea más inteligente, sino porque construyó andamiaje. Dos años después, Jun sigue citando esos papers. Maya no puede recordar los títulos.
Los dos lectores. Priya y Sam leen mucho por trabajo. Priya hace que ChatGPT genere resúmenes de libros en lugar de leerlos, porque está ocupada. Así "lee" 40 libros al año. Sam lee 12 libros, subraya intensamente en Glasp y usa el chat de IA de Glasp para encontrar patrones en sus highlights cada pocos meses.
Priya habla de los libros de manera superficial e intercambiable, porque los resúmenes que ingirió eran superficiales e intercambiables. Sam puede decirte qué autor dijo qué, en qué discrepan dos autores y en qué ha cambiado su propio pensamiento. Ha leído menos libros y ha entendido más. Así se ve en la práctica recordar lo que lees.
La lección no es que la IA sea mala. Es que la IA amplifica lo que pones en ella. Pon compromiso y obtendrás comprensión amplificada. Pon nada y obtendrás nada amplificado.
Qué podrían hacernos cinco años de lectura nativa con IA
Especulación, pero especulación fundamentada.
Las calculadoras no destruyeron las matemáticas, pero sí cambiaron aquello en lo que la gente es buena. Hoy la mayoría de los adultos no pueden hacer divisiones largas mentalmente con la soltura de sus abuelos. El GPS no destruyó la navegación, pero la investigación sobre memoria espacial (Dahmani y Bohbot, 2020) muestra que quienes dependen fuertemente de indicaciones paso a paso construyen mapas cognitivos más débiles de sus propias ciudades.
La lectura carga más peso cognitivo que la aritmética o la navegación. Es la forma en que pensamos con las ideas de otras personas a través del tiempo. Si una generación crece subcontratando el primer encuentro con cada texto a un LLM, el resultado probable no es el analfabetismo. Es algo más extraño: una población que "sabe lo que dicen los libros" en un sentido superficial, pero que no puede pensar con las ideas, porque nunca las interiorizó. Pueden citar el resumen. No pueden discutir con el autor. Para una mirada más amplia sobre lo que esta tendencia podría hacerle al aprendizaje, consulta el impacto de la IA en el aprendizaje.
Esto no es inevitable. Las calculadoras conviven con la educación matemática. El GPS convive con gente que todavía conoce su barrio. La pregunta es si la lectura con IA convive con la lectura profunda o si la opción más barata termina desplazando por defecto a la más lenta.
El camino a seguir es, sobre todo, individual. Es adoptar un protocolo que mantenga útil a la IA sin dejar que se lleve las partes de la lectura que son tuyas. Eso es todo lo que este artículo intenta argumentar.
Preguntas frecuentes
¿Usar ChatGPT para resumir un artículo es malo para el aprendizaje?
Si lees el resumen en lugar del artículo, sí. Si lees el artículo, escribes tu propio resumen y luego usas ChatGPT para verificar tu comprensión o llenar vacíos, no. El orden importa más que la herramienta.
¿Cuál es la mejor manera de usar la IA para leer papers de investigación?
Lee tú mismo el resumen y la introducción. Hojea los métodos. Lee la discusión. Subraya lo que no entiendas. Luego usa la IA para que te explique las partes que subrayaste, para comparar el paper con otros que hayas leído y para poner a prueba tu interpretación. Nunca cites una estadística de un resumen de IA sin revisar la fuente, porque las tasas de alucinación en citas son altas.
¿Los resúmenes de IA alucinan detalles importantes?
A menudo. El trabajo de Stanford HAI de 2024 encontró tasas de alucinación del 17 al 33 por ciento incluso en herramientas legales de IA aumentadas por recuperación. Los chatbots de propósito general oscilan entre el 15 y el 40 por ciento en afirmaciones citadas dependiendo del dominio. Trata cualquier especificidad generada por IA (una fecha, una frase, una estadística, una cita) como no verificada hasta que revises la fuente.
¿Debería usar la IA para explicar conceptos que no entiendo?
Sí, este es uno de los usos más sólidos. La aclaración aumenta el compromiso con la fuente en lugar de reemplazarlo. Sé específico en el prompt. "Explica softmax en el contexto del mecanismo de atención que acabo de subrayar" funciona mejor que "explica la atención".
¿Es distinta la "lectura asistida por IA" de la "lectura con IA"?
Puede serlo, aunque las expresiones se superponen. "Leer con IA" en este artículo significa usar la IA como compañera de tu propia lectura, en el patrón de IA al final descrito arriba. "Lectura asistida por IA" en algunos materiales de marketing realmente significa lectura con IA al principio, donde el modelo produce un resumen y tú consumes el resumen. La distinción es si sigues siendo tú quien lee.
¿El chat de IA sobre mis highlights ayuda o perjudica la retención?
Ayuda, siempre que los highlights provengan de un compromiso real con la fuente. Si subrayaste mecánicamente o pediste a la IA que subrayara por ti, estás sintetizando sobre material superficial y obtendrás una síntesis superficial. Si subrayaste lo que te impactó al leer, conversar sobre esos highlights es uno de los usos con mayor palanca de la IA para el aprendizaje que existen hoy. Herramientas como el chat de IA de Glasp están diseñadas en torno a este bucle.
Conclusión
La IA puede convertirte en mejor lector o en alguien que olvida más rápido. La herramienta no decide cuál. Lo haces tú, a través del orden en que la usas.
Lee primero. Subraya lo que te impacte. Resume por tu cuenta, aunque sea brevemente. Luego trae a la IA para aclarar, sintetizar y cuestionar. Verifica cualquier cosa que planees usar. Son dos o tres minutos extra por artículo, y es la diferencia entre saber algo y actuar como si lo supieras.
Si quieres probar en la práctica el flujo de IA al final, el subrayador web de Glasp junto con el chat de IA de Glasp están hechos exactamente para esta secuencia. Subraya una pieza hoy. Escríbete un resumen de dos frases. Luego pregúntale a la IA qué se te pasó. Una semana después, comprueba si todavía recuerdas de qué trataba. Es la única prueba que importa.