De la cognición individual a la cognición distribuida y humano-sintética

Objetivo didáctico

Introducción

Buena parte de la educación moderna ha evaluado al individuo como unidad cognitiva principal. Aunque el aprendizaje pudiera entenderse socialmente, la atribución final de conocimiento terminaba habitualmente en una persona: el estudiante sabe, comprende, argumenta o resuelve. Sin embargo, distintas tradiciones de las ciencias cognitivas y de la teoría del aprendizaje han cuestionado desde hace décadas que la cognición pueda explicarse adecuadamente si se la encierra dentro de los límites físicos del individuo.

Edwin Hutchins mostró que determinadas actividades culturalmente organizadas pueden analizarse como sistemas cognitivos distribuidos. En su estudio de la navegación, el desempeño no depende simplemente de sumar lo que sabe cada integrante: emerge de la coordinación entre personas, instrumentos, representaciones, procedimientos y organización social. La unidad de análisis se desplaza así desde una mente aislada hacia un sistema sociotécnico más amplio (Hutchins, 1995).

Clark y Chalmers llevaron una intuición semejante a una tesis filosófica diferente. Su propuesta de la mente extendida cuestiona que el cráneo constituya necesariamente el límite de un proceso cognitivo: cuando un recurso externo está acoplado funcionalmente de manera relevante al sujeto, puede formar parte del proceso mediante el cual este recuerda, decide o resuelve (Clark & Chalmers, 1998). No se trata de afirmar que todos los objetos utilizados por una persona sean parte de su mente, sino de examinar la función que desempeñan dentro de una actividad cognitiva concreta.

En 2005, George Siemens formuló el conectivismo para un entorno de conocimiento abundante, cambiante y organizado en redes. El planteamiento fue explícito al sostener que el aprendizaje puede residir fuera del individuo, incluso en dispositivos no humanos, y que aprender implica establecer y mantener conexiones con fuentes y nodos especializados (Siemens, 2005). Dos décadas después, la inteligencia artificial generativa vuelve a abrir el problema, pero con una diferencia práctica evidente: muchos sistemas ya no solo almacenan o permiten localizar información; producen una respuesta nueva en función de la interacción.

El debate de esta lección es, por tanto, más preciso que preguntar si la inteligencia artificial «piensa». La pregunta educativa es otra: ¿qué teoría explica mejor una situación en la que una persona formula una pregunta, un sistema produce alternativas, la persona evalúa esas alternativas, modifica su razonamiento y ambos procesos quedan causalmente entrelazados en el producto final?

Desarrollo del tema

Mover la frontera: de la mente individual al sistema cognitivo

La primera transformación conceptual consiste en separar dos preguntas que suelen confundirse: quién es responsable de una decisión y dónde se encuentra distribuido el proceso que hizo posible esa decisión. La primera pertenece al plano normativo; la segunda, al plano explicativo. Una actividad cognitiva puede depender materialmente de personas, artefactos y representaciones externas sin que todos sus componentes sean responsables moralmente del resultado.

La cognición distribuida de Hutchins modifica la unidad de análisis. Lo importante no es únicamente lo que ocurre dentro de cada participante, sino la coordinación mediante la cual un sistema realiza una tarea. Los artefactos no son decorativos: transforman qué información debe conservar cada persona, cómo circula, en qué forma se representa y qué operaciones pueden ejecutarse. El sistema completo puede exhibir propiedades cognitivas diferentes a las de cada individuo considerado aisladamente (Hutchins, 1995).

La tesis de Clark y Chalmers comparte el rechazo de una frontera cognitiva demasiado estrecha, pero plantea un problema distinto. Su interés no es principalmente el equipo o la organización social, sino las condiciones bajo las cuales un elemento externo funciona como parte constitutiva de la cognición de un sujeto. La pregunta ya no es solo qué herramienta se usa, sino qué papel funcional desempeña en la arquitectura mediante la cual el sujeto recuerda, razona o decide (Clark & Chalmers, 1998).

Aplicación doctoral. Reconstruye mentalmente una actividad frecuente de tu práctica —buscar literatura, elaborar un argumento, analizar entrevistas, diseñar una secuencia didáctica— y pregunta qué unidad de análisis produce la explicación más completa. Si eliminas los artefactos, las normas, las personas o los sistemas digitales, ¿la actividad sigue siendo la misma?

Conectivismo: cuando conocer significa también saber conectarse

El conectivismo ocupa una posición especialmente importante en esta discusión porque anticipó varios problemas que hoy resultan familiares. Siemens sostuvo que el aprendizaje no puede comprenderse exclusivamente como adquisición interna de contenidos, que puede residir en organizaciones o bases de datos y que una capacidad crucial consiste en reconocer y mantener conexiones entre fuentes especializadas. Incluso formuló entre sus principios que el aprendizaje puede residir en dispositivos no humanos (Siemens, 2005).

Esta formulación obliga a leer con cautela la afirmación de que la IA generativa produce una ruptura absoluta respecto del conectivismo. Muñoz Mujica (2026) interpreta que los nodos no humanos del conectivismo operaban fundamentalmente como repositorios, canales o estructuras de acceso, mientras que un sistema generativo actúa como interlocutor funcional: responde situadamente, produce explicaciones, genera alternativas y formula contraargumentos durante el intercambio.

La distinción es interesante, pero no debe aceptarse sin controversia. El texto original de Siemens es más amplio que la imagen de un simple repositorio: reconoce aprendizaje fuera del individuo, conocimiento organizacional y dispositivos no humanos. La diferencia contemporánea podría no consistir en que antes la cognición fuera puramente humana, sino en el grado de interactividad, adaptabilidad y capacidad generativa de determinados nodos tecnológicos.

Esta precisión cambia la pregunta de investigación. En lugar de preguntar «¿superó la IA al conectivismo?», conviene preguntar: ¿qué nueva propiedad del sistema generativo no puede explicarse adecuadamente con las categorías de red, conexión, dispositivo no humano y conocimiento distribuido que Siemens ya había formulado? Si podemos responder esa pregunta con precisión, existe un argumento para ampliar el marco. Si no podemos, quizá estemos ante una reformulación terminológica.

Nota. Comparación analítica elaborada para este curso a partir de Hutchins (1995), Clark y Chalmers (1998), Siemens (2005) y Muñoz Mujica (2026).

Decisión analítica. Formula una oración que describa exactamente qué hace un sistema generativo que una base de datos, un buscador o una red de personas no hace del mismo modo. Después pregunta si esa diferencia exige una teoría nueva, una ampliación de una teoría previa o solamente una descripción más específica.

Sinteligentismo: una propuesta para interpretar el régimen humano-sintético

El Sinteligentismo fue formulado por Muñoz Mujica en 2026 como un marco teórico emergente. Por ello, en este curso no se estudiará como teoría consolidada ni como hecho empírico demostrado. Su valor debe juzgarse por las preguntas que permite formular, la precisión de sus categorías, su relación con antecedentes teóricos y su capacidad para producir explicaciones o predicciones que no obtendríamos con igual claridad mediante otros marcos.

La propuesta adopta deliberadamente una premisa restrictiva sobre los sistemas generativos: no necesita atribuirles conciencia, intención o comprensión semántica genuina. Lo que le interesa es su estatuto funcional dentro de la situación educativa. Un sistema puede producir una explicación que modifica el razonamiento del estudiante sin que, por ello, debamos concluir que comprende esa explicación en el mismo sentido que un sujeto humano. El objeto de análisis es la relación cognitiva resultante, no resolver filosóficamente la naturaleza de la mente artificial (Muñoz Mujica, 2026).

Desde esta perspectiva, el denominado régimen sinteligente se reconoce cuando sistemas no humanos participan activamente en operaciones educativas que históricamente habían sido atribuidas a personas: explicar, argumentar, retroalimentar, interpretar o generar alternativas. La proposición central es contundente: puede distribuirse la cognición, pero no debe suponerse por ello que también se distribuyen la responsabilidad, el juicio moral o la decisión sobre los fines educativos.

Estas dimensiones aportan una virtud metodológica: impiden reducir el problema de la inteligencia artificial a la pregunta instrumental «¿cómo usarla?». Una política que habilita un sistema generativo modifica potencialmente qué cuenta como desempeño, qué producto puede atribuirse a una persona, qué capacidades requiere el profesorado, quién controla la infraestructura y qué significa formar autonomía cuando parte de la actividad puede delegarse.

La propuesta añade cuatro principios que funcionan como criterios de lectura y orientación, no como recetas pedagógicas universales. Su interés para este curso reside en que permiten convertir una discusión abstracta sobre cognición distribuida en decisiones educativas observables.

Aplicación doctoral. Elige una tarea de investigación asistida por IA. Divide el proceso en operaciones: búsqueda, selección, síntesis, inferencia, crítica, redacción, validación y decisión. Señala cuáles realizas personalmente, cuáles distribuyes y cuáles delegas. Después responde una pregunta más difícil: ¿en qué operación se encuentra el juicio cuya pérdida volvería educativamente irrelevante el producto obtenido?

El límite decisivo: desempeño no es sinónimo de aprendizaje

Una teoría de cognición distribuida puede explicar por qué un sistema persona-IA produce un resultado excelente. Pero la educación debe formular una pregunta adicional: ¿qué aprendió la persona gracias a esa distribución? Confundir eficacia del sistema con aprendizaje del sujeto constituye uno de los problemas más importantes de la incorporación contemporánea de IA generativa.

La evidencia reciente obliga a mantener esa diferencia. El OECD Digital Education Outlook 2026 sintetiza investigaciones en las que herramientas generativas de propósito general mejoran la calidad del desempeño mientras están disponibles, pero esos beneficios no necesariamente se traducen en ganancias de aprendizaje cuando el apoyo desaparece. El informe advierte sobre la externalización de operaciones cognitivas y distingue entre sistemas diseñados para hacer una tarea por el usuario y usos intencionalmente estructurados para sostener aprendizaje (OECD, 2026).

Un experimento de campo de Bastani y colaboradores con estudiantes de matemáticas ofrece una demostración particularmente útil del problema. El acceso a una interfaz generativa sin suficientes salvaguardas mejoró el desempeño durante la práctica, pero el grupo mostró peores resultados posteriores cuando tuvo que actuar sin esa ayuda. Una versión con restricciones pedagógicas redujo ese efecto negativo (Bastani et al., 2025). El hallazgo no demuestra que «la IA perjudica el aprendizaje» en general; demuestra algo más importante para el diseño educativo: el modo en que se distribuye la actividad cognitiva modifica qué aprende finalmente la persona.

Este problema modifica también nuestra interpretación del Sinteligentismo. Si una arquitectura humano-sintética resuelve mejor una tarea, ello demuestra eficacia del conjunto, no necesariamente formación del sujeto. Por eso el principio de orientación formativa resulta decisivo: la pregunta pedagógica no es cuánto trabajo puede delegarse, sino qué reparto produce el tipo de persona, juicio y autonomía que la experiencia educativa pretende formar.

La perspectiva postdigital añade otra precaución. Rapanta y colaboradores (2025) sostienen que una alfabetización crítica en IA generativa no puede reducirse a competencia técnica o verificación superficial de respuestas. Requiere examinar dimensiones algorítmicas, epistemológicas, éticas, relacionales, materiales y políticas de la producción de conocimiento. Desde esta posición, la relación humano-IA ya aparece como un entramado donde agentes humanos y no humanos intervienen iterativamente en la producción y contestación de resultados.

Esta coincidencia es teóricamente importante porque impide atribuir automáticamente al Sinteligentismo toda la novedad de la idea de coproducción humano-no humana. Una teoría emergente debe ser evaluada no solo por la actualidad del fenómeno que nombra, sino por el excedente explicativo que aporta frente a marcos que ya describen cognición distribuida, extensión, redes y entramados postdigitales.

UNESCO aborda el mismo escenario desde una perspectiva formativa y de ciudadanía. Su marco de competencias para estudiantes no limita la alfabetización en IA al manejo instrumental: incorpora mentalidad centrada en el ser humano, ética, técnicas y aplicaciones, y diseño de sistemas, con una progresión que culmina en la capacidad de crear. El énfasis recae en formar usuarios críticos y cocreadores responsables, no meros operadores de herramientas (Miao, Shiohira, & Lao, 2024).

Decisión del subtema. Imagina que una persona puede producir una tesis, un diagnóstico o una solución mejor gracias a una arquitectura distribuida, pero es incapaz de defender sus decisiones sin ella. ¿Ha aumentado su inteligencia práctica, ha aumentado solamente la inteligencia funcional del sistema o han ocurrido ambas cosas en proporciones diferentes? La respuesta no puede obtenerse observando únicamente el producto.

Conclusión

La historia conceptual recorrida en esta lección muestra que la idea de cognición más allá del individuo no nace con la inteligencia artificial generativa. La cognición distribuida ya permitía analizar sistemas de personas y artefactos; la mente extendida problematizaba la frontera física de los procesos cognitivos; y el conectivismo otorgaba un papel central a redes, fuentes y dispositivos no humanos.

Lo nuevo debe localizarse con mayor precisión. Los sistemas generativos pueden participar de manera interactiva en procesos de explicación, reformulación, contraste y producción de alternativas. El Sinteligentismo propone que esa modificación funcional justifica hablar de un régimen educativo humano-sintético y organiza su análisis mediante cinco dimensiones y cuatro principios. Su fortaleza reside en articular cognición, responsabilidad, formación y gobernanza dentro de un mismo marco; su condición emergente obliga, sin embargo, a contrastar si esa articulación representa una verdadera ampliación teórica o una integración renovada de categorías precedentes.

La evidencia empírica introduce finalmente una restricción que ninguna teoría educativa puede ignorar: mejor desempeño distribuido no equivale automáticamente a mejor aprendizaje. La pregunta pedagógica decisiva no es si la IA puede realizar una operación, sino qué operaciones conviene distribuir, cuáles debe desarrollar personalmente el estudiante y cómo comprobaremos que la interacción aumentó su juicio en lugar de sustituirlo.

Esta tensión prepara la siguiente etapa del curso. Si las arquitecturas contemporáneas de conocimiento dependen cada vez más de sistemas, plataformas y reglas que ninguna institución educativa controla por completo, entonces la cuestión deja de ser exclusivamente cognitiva y se vuelve también política: ¿quién establece las condiciones bajo las cuales se producen, circulan y legitiman los saberes?

Actividad de aprendizaje autónoma

Controversia teórica: ¿necesitamos un nuevo marco para explicar la cognición educativa con IA?

Selecciona una situación educativa real o plausible en la que una persona utilice inteligencia artificial generativa para realizar una actividad cognitivamente relevante: argumentar, analizar datos, construir una explicación, diseñar una intervención, revisar un texto académico, producir retroalimentación o resolver un problema complejo.

Tu propósito será evaluar si el Sinteligentismo aporta capacidad explicativa sustantivamente nueva frente a teorías y marcos previos.

Instrucciones paso a paso:

1. Describe la situación. Delimita actores humanos, sistema utilizado, tarea, producto, condiciones institucionales y finalidad educativa.
2. Descompón la actividad cognitiva. Identifica operaciones como seleccionar, recordar, inferir, contrastar, explicar, decidir, evaluar o reformular. Distingue cuáles realiza la persona, cuáles el sistema y cuáles emergen de su interacción.
3. Selecciona tres marcos para contrastar. El Sinteligentismo es obligatorio. Añade al menos un marco fundacional entre cognición distribuida, mente extendida o conectivismo, y un tercer marco que puede ser alguno de los anteriores o una perspectiva postdigital.
4. Construye una matriz comparativa. Para cada marco analiza: unidad de análisis; estatuto de los componentes no humanos; explicación del aprendizaje; lugar del juicio; tratamiento de la responsabilidad; capacidad para explicar el caso; y principales puntos ciegos.
5. Contrasta el Sinteligentismo con sus antecedentes. Identifica al menos una continuidad conceptual y una diferencia potencialmente novedosa.
6. Introduce la evidencia educativa. Explica cómo distinguirías desempeño asistido de aprendizaje y qué prueba permitiría conocer si la persona desarrolló capacidad transferible.
7. Emite un dictamen teórico. Clasifica el aporte del Sinteligentismo como: aporte explicativo sustantivo; ampliación integradora de marcos previos; heurística útil sin autonomía teórica suficiente; o propuesta todavía insuficiente para el caso analizado.
8. Formula una condición de revisión. Señala qué evidencia, argumento o desarrollo conceptual podría hacerte modificar tu dictamen.

Referencias bibliográficas

• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122.
• Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610–623.
• Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19.
• Hutchins, E. (1995). Cognition in the wild. MIT Press.
• Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO.
• Muñoz Mujica, R. J. (2026). El sinteligentismo: Educación, cognición y régimen humanosintético. Revista Boletín Redipe, 15(7), 29–45.
• OECD. (2026). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing.
• Rapanta, C., Bhatt, I., Bozkurt, A., Chubb, L. A., Erb, C., Forsler, I., Gravett, K., Koole, M., Lintner, T., Örtegren, A., Petricini, T., Rodgers, B., Webster, J., Xu, X., Falgren Christensen, I.-M., Bonderup Dohn, N., Weilgaard Christensen, L. L., Zeivots, S., & Jandrić, P. (2025). Critical GenAI literacy: Postdigital configurations. Postdigital Science and Education, 7, 1296–1333.
• Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3–10.