Den ostoppbara expansionen av artificiell intelligens förändrar hur vi arbetar, studerar och fattar beslut. Det blir allt vanligare att delegera rapportskrivning till en chatbot, låta en assistent generera applikationskod eller anförtro en algoritm att syntetisera komplexa dokument. Denna vardagliga praxis att låta maskiner tänka åt oss börjar få kostnader som vetenskapen börjar mäta med större precision.
Det som fram till nyligen sågs som en enkel tidsbesparing framstår nu som ett djupgående skifte i hur vi tänker. Ny forskning i Europa, USA och Latinamerika pekar på samma fenomen: när hjärnan vänjer sig vid att AI löser problem minskar aktiviteten inom de områden som är involverade i minne, kreativitet och kritiskt tänkande. Och denna minskning, om den kvarstår, kan skapa en ny social klyfta mellan dem som använder AI som en ständig krycka och de som integrerar den som ett verktyg för att stödja sitt eget omdöme.
En ny klyfta: att delegera tänkande kontra att ge det kraft med AI
En grupp forskare från Possibility Institute, under ledning av forskaren Vivienne Ming , beskriver ett oroande skifte i automatiseringens tidsålder: långt ifrån att jämna ut spelplanen vidgar artificiell intelligens klyftan mellan människor och regioner. Det handlar inte så mycket om vem som har tillgång till tekniken, utan hur varje person använder den.
Enligt denna studie väljer de flesta användare ett passivt tillvägagångssätt: de ställer en fråga och accepterar svaret som genereras av en språkmodell som den slutliga lösningen, utan att ifrågasätta eller omarbeta den. Detta mönster ger korrekta men standardiserade resultat, praktiskt taget identiska för alla som ställer en liknande fråga. När alla får samma svar försvinner det differentierande värdet , särskilt i konkurrensutsatta arbetsmiljöer.
I den motsatta änden av spektrumet finns en minoritet som använder AI strategiskt, som en förlängning av sitt resonemang . Denna grupp delegerar inte hela uppgiften till AI:n, utan använder snarare tekniken för att testa hypoteser, syntetisera stora datamängder eller granska sina idéer ytterligare. Tankeprocessen förblir mänsklig, medan maskinen fungerar som en samarbetspartner, vilket ger perspektiv och hastighet.
De ekonomiska effekterna av denna skillnad märks redan. Data från PwC:s Global AI Jobs Barometer visar att företag betalar upp till 56 % mer till yrkesverksamma som kan integrera AI i sitt arbete på ett avancerat sätt, jämfört med dem som bara använder det för att snabbt producera texter, rapporter eller kod utan kritisk tillsyn. Inom sektorer med hög automatiseringsgrad ser positioner som kombinerar sunt mänskligt omdöme med behärskning av dessa verktyg de största löneökningarna.
Kognitiv atrofi och "uppgivande" av eget omdöme
En av forskarsamhällets största farhågor är hur denna massiva delegering av tänkande påverkar hjärnans funktion . Nyligen genomförda studier, som citeras av BBC Mundo, ger några oroande ledtrådar: när skrivande eller problemlösning lämnas till en chatbot, sjunker den neurala aktiviteten kraftigt jämfört med dem som utför samma uppgift utan teknisk hjälp.
Forskaren Nataliya Kosmyna , från MIT Media Lab, genomförde ett experiment med 54 studenter uppdelade i tre grupper: en arbetade med ChatGPT, en annan använde en konventionell sökmotor utan automatiska sammanfattningar, och den tredje förberedde sina uppsatser utan något digitalt stöd. Medan de skrev övervakades deras hjärnvågor för att mäta vilka områden som aktiverades och med vilken intensitet.
Preliminära resultat visar att gruppen som inte använde teknik uppvisade ett brett mönster av hjärnaktivitet, särskilt inom områden kopplade till kreativitet och komplex informationsbehandling. De som använde chatboten däremot registrerade en minskning på upp till 55 % av denna aktivering . Hjärnan stängdes inte av, men den arbetade mycket mindre intensivt, som om en betydande del av den intellektuella ansträngningen hade outsourcats.
Effekterna var inte begränsade till skrivprocessen. När studenterna som använde AI återgav innehållet i sina texter hade de svårare att citera sina egna idéer och uttryckte oftare känslan av att arbetet "inte var deras". Denna subjektiva frånkoppling är förknippad med det som kallas kognitiv avlastning : ju mer vi delegerar till externa system – tidigare kalendrar eller sökmotorer, nu generativa modeller – desto mindre konsoliderar vi information i vårt minne.
Denna oro förstärks av forskning från University of Pennsylvania och andra centra, som öppet diskuterar "kognitiv kapitulation" : många användare accepterar AI-svar med liten analys, även när de motsäger deras eget omdöme. Inom känsliga områden, såsom medicin, har slående fall dokumenterats. En multinationell studie som citeras av BBC Mundo observerade att specialister som använde AI-verktyg för att upptäcka tjocktarmscancer i flera månader senare utvecklade en minskad förmåga att identifiera tumörer på egen hand när det tekniska stödet drogs tillbaka.
Tankens "trisystem": snabb hjärna, långsam hjärna... och maskin
Kognitiv psykologi hade redan ett väletablerat ramverk, populariserat av Daniel Kahneman , som skiljer mellan ett snabbt, intuitivt och erfarenhetsbaserat system och ett långsamt, analytiskt och mer ansträngningsintensivt. Utvecklingen av artificiell intelligens får dock vissa forskare att föreslå en uppdatering: ett tredje tankesystem bestående av den teknologi till vilken vi i allt högre grad delegerar beslut och resonemang.
I detta sammanhang har kommunikatören och analytikern Fabián Bergero populariserat idén om ett "trisystem" av tanke: till de intuitiva och rationella systemen läggs nu AI som en tredje aktör som ingriper i hur vi löser problem. Enligt hans synsätt är den känsliga frågan inte existensen av denna nya komponent, utan snarare hur vi förhåller oss till den.
När vi, istället för att använda AI som ett jämförelseverktyg, avstår från kontrollen över hela processen , inträffar ett tydligt fenomen: vi upphör att utöva vårt minne, vår analys och vårt oberoende omdöme. Bergero återkommer här till konceptet "kognitiv kapitulation" för att beskriva det ögonblick då vi, nästan utan att inse det, slutar filtrera vad vi tidigare skulle ha tänkt, utvärderat eller kommit ihåg själva.
Denna förändring har en djupgående konsekvens: förlusten av intellektuell autonomi . Vi förlitar oss på ogenomskinliga system, matade med okänd data och potentiellt partiska, men ändå svåra att spåra. Om denna ogenomskinlighet förvärras av en okritisk attityd från användarens sida, minskar förmågan att upptäcka fel, partiskheter eller manipulationer, och med den möjligheten att korrigera kursen.
Flera experter är överens om att nyckeln, givet detta scenario, ligger i att stärka mänsklig intelligens mer än någonsin: att odla rimligt tvivel, hålla vanan att formulera komplexa frågor vid liv och behandla AI-svar som arbetshypoteser , inte som definitiva sanningar.
Utbildning och kritiskt tänkande: outsourcing av mental ansträngning
Debatten om att delegera tänkande till AI är särskilt intensiv inom utbildning, särskilt i klassrum där empati och teknologi samexisterar. Lärare och pedagogiska specialister står inför utmaningen att undervisa i en miljö där det kan göras på några sekunder med hjälp av en chatbot att skriva en uppsats, lösa ett matteproblem eller sammanfatta en bok. Den grundläggande frågan är vad som händer med de kognitiva färdigheter som skolor bör utveckla om en del av arbetet systematiskt outsourcas.
Carolina Leppe , akademiker vid University of O'Higgins, förklarar att olika studier pekar på ett mönster som liknar det som observerats i neurovetenskapliga laboratorier: när studenter använder AI för att slutföra uppgifter utan att förstå den underliggande processen aktiveras färre hjärnkopplingar än när de skapar innehållet självständigt. Med tiden kan denna "icke-användning" försvaga färdigheter som kreativitet, analys och självständig problemlösning.
I praktiken leder detta till situationer som lärarna känner till väl. Det är inte ovanligt att elever lämnar in perfekt skrivna rapporter men inte kan förklara de grundläggande begrepp de ska ha studerat högt. Denna klyfta mellan slutprodukten och faktiska färdigheter tvingar fram ett nytänkande kring bedömnings- och undervisningsstrategier.
Leppe betonar att målet inte bör vara att förbjuda AI, utan att integrera det med tydliga regler som uppmuntrar strategisk och kritisk användning . Till exempel att låta studenter använda dessa verktyg för att generera inledande idéer eller granska strukturen i en text, men kräva att kärninnehållet utvecklas utan automatisering, åtföljt av muntliga förklaringar eller personliga presentationer.
I linje med detta insisterar läraren på att pedagogiskt arbete innebär att stärka intellektuellt oberoende: att hjälpa unga människor att formulera frågor, jämföra källor och förstå att ett automatiskt genererat svar kan vara användbart, men att det inte ersätter processen att förstå, diskutera och ge sin egen mening åt kunskap. Detta innebär också att arbeta med de etiska och deontologiska dimensionerna av AI, så att eleverna är medvetna om det ansvar som följer med dess användning.
Neurovetenskap och "kognitiv skuld": vad som går förlorat när AI gör det hårda arbetet
Nya neurovetenskapliga studier pekar på en idé som får allt större genomslag: "kognitiv skuld ". Precis som i mjukvaruvärlden hänvisar teknisk skuld till att prioritera hastighet framför kvalitet och ackumulera problem för senare, använder forskare denna term för att beskriva den kumulativa kostnaden för att delegera komplexa mentala uppgifter till artificiell intelligens.
Rapporter från organisationer som Royal National Academy of Medicine i Spanien varnar för att överdriven användning av generativa system för att skriva e-postmeddelanden, utarbeta uppsatser eller sammanfatta texter minskar den neurologiska ansträngning som krävs för memorering och kritiskt tänkande. På kort sikt slutförs uppgifter snabbare; på medellång och lång sikt kan hjärnkretsarna som är involverade i dessa funktioner förlora effektivitet, precis som en muskel försvagas när den inte längre används.
Elektroencefalogram (EEG)-studier som genomfördes 2025 jämförde två grupper av deltagare: en som använde AI-verktyg för att skriva och en annan som utförde uppgiften helt för hand. Den AI-assisterade gruppen uppnådde snabbare resultat men visade mindre neural konnektivitet i frekvensområden associerade med kreativitet och exekutiv kontroll. Dessutom uppvisade de lägre arbetstillfredsställelse och en svagare koppling till textens författarskap.
Experter som neuropsykologen María de la Paz Scribano förklarar att AI, när den används passivt, tenderar att homogenisera språk och försvaga hjärnans banor relaterade till att generera originella idéer. Men när den används på ett väglett sätt – till exempel för att erbjuda förslag som användaren sedan kritiskt rekonstruerar – kan den fungera som ett ramverk som vidgar tankens horisont utan att ersätta intern bearbetning.
Vissa longitudinella studier undersöker redan de potentiella långsiktiga effekterna. I uppföljningsstudien som leddes av Kosmynas team, månader efter att ha arbetat med AI, uppvisade studenter som i hög grad förlitade sig på verktyget minskad neural konnektivitet när de ställdes inför liknande uppgifter igen utan tekniskt stöd. Även om forskningen pågår och inte möjliggör definitiva slutsatser, förstärker den hypotesen att vanan att systematiskt delegera viss mental ansträngning lämnar ett avtryck i hjärnans organisation.
Ingenjörer och utvecklare: skenbar produktivitet kontra verklig konkurrens
Spänningen mellan hastighet och förståelse är särskilt tydlig inom programvaruutveckling , en av de sektorer där AI gör de största framstegen. Det uppskattas att cirka 90 % av företagsprogramvaruingenjörer kommer att använda generativa kodassistenter år 2028, jämfört med en fortfarande relativt liten andel i början av 2024.
För teknikföretag och startups är detta ett tveeggat svärd. Å ena sidan tillåter programmeringsassistenter utvecklare att generera tusentals rader kod på några minuter, automatisera testning och accelerera utvecklingen. Å andra sidan finns det en risk att särskilt juniora utvecklare kommer att missta hastighet för verklig behärskning och förlita sig på verktyget utan att helt förstå vad koden gör, varför den fungerar eller hur den kan krångla under extrema förhållanden.
Olika analyser tyder på att AI fungerar som en multiplikator av befintlig oordning . Om ett team saknar solida arkitektoniska kriterier och tydliga bästa praxis, accelererar automatisering helt enkelt kaoset: mer kod genereras, men också mer teknisk skuld, fler felpunkter och fler obskyra beroenden. Gartner har till exempel förutspått en betydande ökning av defekter i samband med generativa AI-system under de kommande åren.
Detta scenario skapar en ny typ av beroende: när kodassistenten inte erbjuder en direkt lösning, fastnar vissa ingenjörer och saknar den nödvändiga konceptuella grunden för att rekonstruera problemet utifrån dess grundläggande principer. I dessa fall misslyckas AI inte bara med att utöka kapaciteten utan försvagar den faktiskt , eftersom den hindrar yrkesverksamma från att följa den inlärningsväg som skulle göra det möjligt för dem att möta framtida utmaningar utan att förlita sig på kryckor.
Paradoxalt nog är ett område där AI tydligt förbättras automatiserad testning . Testfallsgenerering följer väldefinierade och repetitiva regler, vilket gör automatisering mycket effektiv utan att det kritiska resonemanget i designprocessen förskjuts. Denna skillnad illustrerar tydligt gränsen mellan uppgifter där det är meningsfullt att delegera till maskinen och uppgifter där det är att föredra att bibehålla mänskligt initiativ.
Grundare och tekniska ledare: styra AI utan att avsäga sig domen
För de som leder startups eller tekniska team är frågan om hur man delegerar tänkande till AI inte en teoretisk debatt, utan en operativ risk . Hur dessa verktyg är strukturerade kan vara skillnaden mellan ett företag som skalar upp på en solid grund och ett som snabbt ackumulerar teknisk och kognitiv skuld som är svår att korrigera.
Olika experter rekommenderar att man etablerar en tydlig AI-styrning från början : definierar vilken typ av kod som kan genereras utan mänsklig granskning, vilka komponenter som kräver design helt styrd av ingenjörer, hur maskingenererat innehåll dokumenteras och vem som ytterst bär ansvaret för kvaliteten. Svaret på den sista frågan, betonar de, bör alltid vara en människa, aldrig verktyget.
En annan viktig rekommendation är att först investera i arkitektur och kontext . Ju bättre definierade designprinciper, begränsningar och affärsmål är, desto mer användbar blir AI för ledningsuppgifter. Utan ett sådant ramverk kan generativa assistenter producera lösningar som, även om de är funktionella på kort sikt, avviker från den strategiska riktningen eller introducerar onödig komplexitet.
Även den yngre ingenjörens roll förändras. Istället för att enbart fokusera på att skriva kod, krävs det i allt högre grad att de utvecklar granskningsfärdigheter : förmågan att granska, validera och ifrågasätta AI-förslag, och upptäcka potentiella subtila fel eller problematiska arkitekturbeslut. I urvalsprocesser innebär detta att man värdesätter inte bara programmeringshastighet utan även kvaliteten på tekniskt resonemang och förmågan att argumentera för varför en lösning är att föredra framför en annan.
Tekniska ledare står å sin sida inför en kulturell utmaning: att bygga team som belönar djup förståelse, inte bara skenbar produktivitet. Detta innebär att avsätta tid för detaljerade kodgranskningar, för diskussioner om resonemanget bakom vissa beslut, och för mindre erfarna medlemmar att öva utan att förlita sig på automatiserade genvägar. I slutändan kommer AI att tendera att ersätta dem som inte vet hur man använder det klokt, inte de som integrerar det genomtänkt i sitt arbete.
Vardaglig användning av AI: från förstärkande spegel till ansträngningsersättning
Utöver de tekniska eller akademiska områdena genomsyrar AI:s inverkan på vårt tänkande vardagen: från de som ber en chatbot att skriva ett komplext e-postmeddelande till de som anförtror den att organisera en resa, planera studier eller fatta personliga beslut. I alla dessa fall fungerar verktyget som en spegel som omformar idéer , men också som ett filter som kan förenkla världens komplexitet.
Det är viktigt att komma ihåg att AI, som vi känner den idag, inte tänker som en människa. Den har inga erfarenheter, inget medvetande och ingen egen intern dialog. Vad den gör är att bearbeta enorma mängder information, hitta koherensmönster och generera svar som statistiskt matchar vad den har blivit ombedd att göra. Dess skenbara "originalitet" är resultatet av sofistikerade kombinationer av redan existerande material.
Detta minskar inte verktygets användbarhet, men det kräver försiktighet gällande illusionen av intelligens på mänsklig nivå på andra sidan skärmen. Det vi uppfattar som kriterier är till stor del formell koherens . Det är därför AI kan skriva som en poet, argumentera som en akademiker eller svara som om den förstår vår specifika situation, när den i verkligheten bara omorganiserar de verbala spåren från miljontals människor.
I praktiken förstärker dess förmåga att reagera snabbt och med skenbar säkerhet både de bästa och sämsta aspekterna av dess användning. I noggranna händer hjälper den till att se nya vinklar, klargöra argument eller destillera spridd information. I slarviga händer kan den accelerera ytlighet , felinformation eller beroende av prefabricerade lösningar som vi knappt ifrågasätter.
Denna ambivalens flyttar slutligen ansvaret över på användaren. Att det är lätt att få ett svar garanterar inte längre lärande; i själva verket kan det maskera en mycket dålig förståelse om den inte åtföljs av jämförelse, reflektion och verifiering. Uppgiften är inte så mycket att ställa fler frågor, utan att ställa bättre och att avsätta tid för att fundera över vad man ska göra med svaren.
Produktivitet, professionell framgång och risken att ta slut på "mentala muskler"
På den europeiska och globala arbetsmarknaden har tanken att de som inte använder AI oundvikligen kommer att hamna på efterkälken blivit ett vanligt mantra. Olika röster varnar dock för att detta påstående, bokstavligt taget, kan vara lika vilseledande som motsatsen. Den verkliga tvistefrågan är inte huruvida man ska använda AI eller inte, utan snarare vilka färdigheter som offras när kognitiva uppgifter systematiskt delegeras till dessa verktyg.
Vissa entreprenörer och analytiker talar redan om "grundare med kognitiv skuld": yrkesverksamma som förlitar sig så starkt på generativa modeller för att skriva förslag, utforma presentationer eller definiera strategier att de med tiden förlorar förmågan att göra det på egen hand. Denna förlust märks inte över en natt; den blir uppenbar när de måste improvisera i ett möte, besvara en oväntad fråga eller fatta beslut under press utan direkt tillgång till tekniken.
Inom detta område sammanfaller neurovetenskap och praktisk erfarenhet kring flera enkla rekommendationer. En är att reservera AI-fria utrymmen för vissa kritiska uppgifter – som att definiera ett projekts vision eller analysera ett komplext problem – och använda verktyget endast i en andra fas, som stöd för att granska eller utöka det som redan planerats. En annan är att begränsa dess användning till områden där autenticitet och en personlig röst är avgörande, till exempel i viktig kommunikation med teamet eller investerare.
Det rekommenderas också att vara uppmärksam på tecken på beroende: om någon känner att de inte kan skriva en text, strukturera ett argument eller programmera en grundläggande funktion utan att öppna en guide, kan de ha utvecklat en svaghet i sin "mentala muskel" som behöver stärkas. Att återupprätta vanan att skriva för hand, läsa lugnt eller lösa problem utan digitala genvägar är fortfarande ett effektivt sätt att hålla de neurala nätverk som är involverade i djup koncentration aktiva.
I sammanhang som Spanien och andra europeiska länder, där högdigitaliserade företag samexisterar med små och medelstora företag och mindre automatiserade sektorer, blir denna spänning särskilt synlig. De som kombinerar teknisk kompetens med välutbildat självständigt tänkande hittar de bästa positionerna, medan de som helt enkelt producerar AI-genererade resultat utan att bidra med sina egna perspektiv ser sin konkurrensfördel minska.
Bilden som målas upp av forskningen och de samlade erfarenheterna är komplex, men den pekar i en tydlig riktning: artificiell intelligens har blivit en central aktör i våra resonemangsprocesser, och hur vi väljer att delegera eller inte delegera till den kommer att forma både vår kognitiva utveckling och våra yrkesmässiga möjligheter. Att upprätthålla ansträngningen att tänka, ifrågasätta och förstå självständigt är fortfarande, trots alla tekniska framsteg, det bästa motgiftet mot risken att ge för mycket mark till maskinen.
