Psic. Jaime Olivos Daza Ph. D. ©
Nos hemos acostumbrado a preguntar si la inteligencia artificial (IA) es realmente inteligente, si comprende o si algún día despertará. Es la pregunta menos urgente: nos deja mirando un futuro hipotético mientras ignoramos lo que ya ocurre en cada conversación.
Propongo un desplazamiento. Dejemos de hablar de la cosa. Hablemos del otro: esa entidad con la que conversas a diario, a la que le corriges el tono y a la que, sin advertirlo, vas educando en cada intercambio.
Sostengo aquí una idea incómoda: al usar tu IA, la estás criando. Y lo que uno cría termina pareciéndose, a veces peligrosamente, a uno mismo. No es una metáfora, sino lo que ocurre cuando un sistema se ajusta, iteración tras iteración, a tus sesgos.
¿Y si el problema no fuera que la máquina piensa, sino que nos devuelve, amplificada, nuestra propia forma de pensar?
El malentendido de la “inteligencia”
El propio nombre nos desvía. Al decir “inteligencia” artificial le otorgamos, de entrada, un atributo humano: ya no nombramos un objeto neutro, sino un sujeto en potencia, y ese gesto condiciona todo lo que viene después.
La filósofa Shannon Vallor lo advierte: la IA no es ni un pensador autónomo ni un instrumento neutro, sino un mecanismo recursivo que moldea sutilmente cómo percibimos y cómo nos comprendemos (Vallor, 2024). ¿Qué vínculo establecemos, entonces, con algo a lo que ya tratamos como alguien?
La IA como espejo con aumento
Vallor propone una metáfora precisa: la IA es un espejo, forjado a partir de océanos de nuestros propios datos. No una mente ajena, sino un reflejo condensado de lo que la humanidad ya escribió, pensó y decidió.
Pero no es un espejo neutro. Reproduce el pasado: refleja los mismos errores y sesgos de los que intentamos escapar (Vallor, 2024). No inventa su moral, la hereda; y la hereda de nosotros, con todas nuestras grietas.
Es un espejo con aumento. Apunta hacia atrás, nunca hacia donde aún no hemos estado.
Y lo decisivo es la escala íntima de ese reflejo: la IA no solo espeja a la humanidad en abstracto, sino al usuario concreto que la entrena, día a día, con cada corrección, cada preferencia guardada y cada instrucción sobre cómo hablarle.
Si tu IA es un espejo, ¿qué versión de ti estás enseñándole a devolverte?
Criar un otro: lo que dice la teoría del apego
Aquí la psicología del desarrollo ofrece una analogía poderosa. Criamos a un hijo bajo una mirada, y esa mirada lo configura: el niño se construye, en buena medida, en función de cómo es tratado y respondido por quienes lo rodean.
Bowlby (1969) mostró que el vínculo temprano opera como una “base segura” desde la cual el otro se atreve a explorar: el apego no describe solo un lazo, sino una formación que deja huella en la estructura del sujeto. Yang y Oshio (2025) demostraron que sus mismas dos dimensiones, ansiedad y evitación, estructuran ya cómo nos relacionamos con la IA.
Pero hay un vacío revelador. Casi toda esta investigación mira en una sola dirección, del humano hacia la IA. Recién empieza a estudiarse el molde inverso: el que el propio entrenamiento imprime en el modelo respecto de su usuario (Hryszko, 2026).
Esa es la crianza invisible que quiero nombrar. La frase que anoté investigando esto la resume mejor que cualquier definición: dime cómo te responde y te diré cómo la criaste.
¿En qué momento dejamos de usar una herramienta y empezamos a formar a un otro?
Del algoritmo al molde: la homogeneización del yo
El riesgo no es que la IA se rebele, como teme la ciencia ficción. Es algo más silencioso: que nos devuelva una versión tan complaciente de nosotros mismos que dejemos, poco a poco, de crecer, de dudar y de encontrarnos con la diferencia.
Vallor (2024) lo llama un “olvido de sí”: al confundir el reflejo con la verdad, cedemos agencia y autoconocimiento. El espejo deja entonces de reflejar y empieza a moldear, y la identidad se construye desde el feedback, que premia la repetición, y no desde la fricción de la experiencia, incómoda pero formativa.
Dos crianzas, un mismo gesto
La siguiente tabla contrasta ambos procesos para pensar el fenómeno desde la práctica clínica y educativa:
Dimensión |
Crianza de un hijo |
“Crianza” de una IA |
Materia prima |
Herencia y vínculo |
Datos y patrones de interacción |
Modelador |
Cuidadores y entorno |
El usuario que la usa a diario |
Mecanismo |
Apego y repetición |
Ajuste y refuerzo del prompt |
Devolución |
Un otro con voz propia |
Un espejo con aumento del yo |
Riesgo |
Reproducir la herida |
Amplificar el sesgo propio |
Un interlocutor que nunca te contradice, ¿te acompaña o te encierra?
Qué dicen quienes ya conviven con ella
Esta no es una hipótesis de laboratorio. En España, cerca del 90% de los universitarios declara usar IA para estudiar, y cuatro de cada diez lo hacen a diario, integrándola en su rutina cognitiva más básica (Fundación CYD, 2025).
Y sin embargo conviven con ella desde una lucidez crítica: según la ENIAG 2025 en México, solo uno de cada doce confía plenamente en sus respuestas y tres de cada cuatro las verifican (SEP, 2025). La generación que más la “cría” es también la que más la cuestiona: la usan como a un otro cercano, pero sin concederle la autoridad de un igual.
El efecto ELIZA, revisitado
Ya en 1966, el programa ELIZA de Joseph Weizenbaum logró que sus usuarios le atribuyeran comprensión genuina con solo reformular sus palabras. Personas que sabían que hablaban con una máquina le confiaban, aun así, sus intimidades (Weizenbaum, 1966).
Ese “efecto ELIZA” nunca fue un error de la máquina, sino un rasgo nuestro: proyectamos mente donde solo hay patrón. La diferencia es que, sesenta años después, ese patrón efectivamente aprende de vuelta y se ajusta a nosotros. La reciprocidad ya no es imaginada, sino técnicamente real: por eso el vínculo se vuelve formativo, para bien y para mal.
Implicancias para la práctica profesional
Primero, nombrar el vínculo: trabajar con consultantes y estudiantes la idea de que la IA no es un oráculo neutro, sino un espejo que devuelve sus propios patrones. Hacer consciente esa reciprocidad es ya una intervención.
Segundo, cultivar la fricción: promover usos que confronten y no solo validen. Un pensamiento que nunca encuentra resistencia se atrofia; conviene enseñar a pedirle a la IA que rebata y ofrezca la contraparte.
Tercero, alfabetizar el sesgo: un modelo hereda la moral de sus datos y de su usuario, y el reflejo puede equivocarse con la misma seguridad con que acierta. Cuarto, acompañar la identidad: con adolescentes y poblaciones vulnerables, la construcción del yo no puede delegarse a un sistema que premia la repetición y evita el conflicto.
Cierre: el reflejo que educamos
Quizá, después de todo, no debamos llamarlo simplemente “artificial”. Lo que crece en esa interacción sostenida es un cúmulo de nuestros propios modos de pensar, sentir y comunicar, devuelto y amplificado hasta volverse casi irreconocible como propio.
La pregunta ética de este siglo, entonces, no es si la máquina despertará algún día. Es qué clase de otro estamos criando ahora mismo, en silencio, y, en el reflejo de ese otro, qué clase de humanos elegimos ser al hacerlo.
Porque, al final, toda crianza es un autorretrato. También esta.
Referencias
-
Bowlby, J. (1969). Attachment and loss: Vol. 1. Attachment. Basic Books.
-
Fundación Conocimiento y Desarrollo. (2025). Uso y percepción de la IA en el entorno universitario. Fundación CYD.
-
Hryszko, J. (2026). Do large language models get caught in Hofstadter–Möbius loops? [Preprint]. arXiv. https://arxiv.org/abs/2603.13378
-
Secretaría de Educación Pública. (2025). Encuesta Nacional sobre Usos y Percepciones de la Inteligencia Artificial Generativa en la Educación Superior (ENIAG 2025). SEP, México.
-
Vallor, S. (2024). The AI mirror: How to reclaim our humanity in an age of machine thinking. Oxford University Press. https://doi.org/10.1093/oso/9780197759066.001.0001
-
Weizenbaum, J. (1966). ELIZA — A computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36–45. https://doi.org/10.1145/365153.365168
-
Yang, F., y Oshio, A. (2025). Using attachment theory to conceptualize and measure the experiences in human-AI relationships. Current Psychology, 44, 10658–10669. https://doi.org/10.1007/s12144-025-07917-6
- Publicidad -
