Un paper publicado en arXiv el 3 de septiembre propone que los modelos de lenguaje se propagan como virus cognitivos y que, una vez cruzado cierto umbral, revertir la dependencia colectiva exige un esfuerzo mucho mayor que haberla prevenido
Un grupo de investigadores de la Universitat Pompeu Fabra, el Santa Fe Institute, Harvard y Tufts publicó el 3 de septiembre de 2026 un paper que propone que la adopción masiva de modelos de lenguaje como ChatGPT o Claude puede analizarse con las mismas ecuaciones que describen la propagación de una epidemia. No como metáfora. Como modelo matemático con umbrales, puntos de inflexión y dinámicas de contagio que, bajo ciertas condiciones, se vuelven irreversibles.
Cómo funciona el modelo
Los autores dividen a la población en tres estados: usuarios no acoplados, usuarios que usan IA pero mantienen autonomía cognitiva, y usuarios dependientes, para quienes la IA reemplazó operaciones cognitivas que antes realizaban solos. El modelo muestra que la transición entre el segundo y el tercer estado no es gradual. Existe un punto de inflexión, un tipping point, donde un aumento pequeño en la adopción dispara un cambio abrupto y masivo hacia la dependencia colectiva.
Lo más relevante es la asimetría, ya que prevenir ese salto es considerablemente más fácil que revertirlo. Una vez cruzado el umbral, volver a las condiciones anteriores no alcanza para restaurar el estado previo. El sistema queda atrapado en lo que los autores llaman lock-in tecnológico.
La distinción central del paper no es entre usar o no usar IA, sino la forma de uso de la IA, tanto como andamiaje, que amplifica capacidades sin reemplazarlas, y la IA como sustitución, que toma el lugar de operaciones cognitivas que el usuario deja de practicar y eventualmente pierde.
Por qué importa para el ecosistema cripto y Web3
El ecosistema blockchain lleva años apostando a la descentralización como solución contra la dependencia de intermediarios. Pero si el paper tiene razón, hay una forma de dependencia que no se resuelve con protocolos descentralizados, y es la dependencia cognitiva. Un builder que delega en IA la auditoría de un smart contract, la evaluación de un whitepaper o el análisis de riesgo de un protocolo no está usando una herramienta, probablemente está cediendo el juicio que hace valiosa su participación en el ecosistema, sin darse cuenta.
El paper también tiene implicancias directas para la educación cripto. La comunidad invierte en recursos para que más personas entiendan blockchain, DeFi y criptografía. Si esa comprensión se terceriza sistemáticamente a modelos de lenguaje, el conocimiento circula pero no se instala. La adopción crece, la competencia no.
Los autores no proponen dejar de usar IA. Proponen diseñar el acoplamiento humano-IA de forma que preserve la práctica cognitiva independiente, porque una vez que la dependencia colectiva se instala, corregirla requiere un esfuerzo institucional mucho mayor que haberla anticipado. Para una industria que se construyó sobre la premisa de que los usuarios deben entender lo que usan y controlar lo que tienen, esa advertencia es operativa.