En los últimos años ha surgido un debate bastante incómodo dentro del ámbito universitario: la posibilidad de que muchos estudiantes estén perdiendo capacidad para leer textos largos con atención sostenida y comprensión profunda. No se trata solo de velocidad lectora, sino de algo más estructural, relacionado con la forma en la que se procesa la información en entornos digitales saturados. Profesores de distintas universidades han empezado a describir un patrón común: dificultad para seguir argumentos complejos, tendencia a depender de resúmenes automáticos y menor tolerancia a lecturas extensas.

A este escenario se suma un factor nuevo que está alterando los hábitos de estudio: la inteligencia artificial generativa. Herramientas capaces de resumir, explicar o reescribir textos en segundos están cambiando la forma en la que los estudiantes se aproximan a la lectura académica. El resultado es un debate abierto sobre si estas tecnologías están ayudando a aprender más rápido o, por el contrario, están sustituyendo procesos cognitivos esenciales como la comprensión profunda y el pensamiento crítico.

La lectura universitaria bajo presión: Un cambio que los docentes ya perciben en el aula

En varias universidades se repite una observación que, aunque no siempre está cuantificada de forma homogénea, sí aparece con suficiente frecuencia como para generar inquietud: los estudiantes leen menos de lo esperado y, cuando leen, procesan los textos de forma más superficial.

El problema no se limita a la cantidad de lectura, sino a la calidad del procesamiento. Profesores de humanidades y ciencias sociales describen situaciones en las que textos académicos relativamente estándar, de unas diez o quince páginas, generan resistencia o directamente no se completan. Este fenómeno no es completamente nuevo, pero sí parece haberse intensificado en la última década.

Futurism recoge precisamente este tipo de testimonios y lo enmarca dentro de una tendencia más amplia que afecta a la educación superior en Estados Unidos. En ese análisis varios docentes apuntan que muchos alumnos muestran dificultades para mantener la concentración durante lecturas extensas y para reconstruir argumentos complejos sin apoyo externo.

Aunque se trata de observaciones cualitativas, coinciden con evaluaciones educativas que ya venían mostrando un descenso en determinadas competencias lectoras, especialmente en lo relativo a comprensión inferencial y análisis crítico de textos.

La fragmentación de la atención como contexto estructural

La lectura profunda requiere un tipo de atención sostenida que entra en conflicto directo con los hábitos digitales actuales. El consumo constante de contenidos breves, notificaciones y estímulos rápidos ha modificado la forma en la que el cerebro se acostumbra a procesar información.

Desde el punto de vista cognitivo, leer un texto académico implica mantener activas varias capas de procesamiento simultáneo: decodificación lingüística, integración semántica, memoria de trabajo y evaluación crítica. Cuando estos procesos se interrumpen de forma constante, la capacidad de construir modelos mentales coherentes del texto se reduce.

Este contexto es importante porque sitúa el problema en un plano más amplio que el puramente educativo. No es solo una cuestión de hábitos de estudio, sino de adaptación a un ecosistema informativo distinto al que existía hace dos décadas.

Inteligencia artificial y cambio en los hábitos de lectura: Del apoyo al reemplazo parcial del proceso lector

La llegada de modelos de inteligencia artificial generativa ha introducido un elemento nuevo en este escenario. Sistemas como ChatGPT o herramientas similares permiten resumir textos largos, extraer ideas principales o responder preguntas específicas sin necesidad de leer el documento completo.

Desde un punto de vista técnico, estos modelos funcionan mediante arquitecturas basadas en transformadores que estiman la probabilidad de secuencias de palabras a partir de grandes corpus de entrenamiento. El resultado es una capacidad notable para condensar información, pero también una tendencia a simplificar estructuras complejas.

El problema aparece cuando el uso de estas herramientas deja de ser complementario y pasa a sustituir la lectura directa. En lugar de enfrentarse al texto original, el estudiante consume una representación ya procesada, reduciendo así la carga cognitiva asociada al análisis.

Según arXiv  el uso intensivo de IA en tareas de aprendizaje puede reducir el rendimiento en pruebas de comprensión en torno a un 20-25% en determinados escenarios, especialmente cuando el estudiante depende exclusivamente del resumen generado por el sistema.

Este tipo de resultados no implica que la IA sea perjudicial por sí misma, sino que su impacto depende del grado de dependencia y del tipo de interacción que se establezca con el texto original.

Lectura asistida y cambio en el flujo cognitivo

Otro estudio más reciente, también disponible en arXiv analizó el comportamiento de estudiantes durante sesiones de lectura asistida por inteligencia artificial. En total se registraron cientos de interacciones en las que los usuarios consultaban al modelo mientras leían textos académicos.

El dato más relevante no es solo el volumen de consultas, sino su distribución funcional. Aproximadamente el 60% de las interacciones estaban orientadas a comprensión básica, mientras que una proporción menor se dedicaba a análisis más profundos o evaluaciones críticas.

Esto sugiere un cambio en el flujo tradicional de lectura. En lugar de leer primero y analizar después, muchos estudiantes externalizan parte del proceso interpretativo desde el inicio, lo que altera la secuencia cognitiva habitual.

Desde el punto de vista de la ciencia cognitiva, esto puede reducir el esfuerzo de elaboración interna, que es precisamente uno de los mecanismos que más contribuyen a la consolidación de la memoria a largo plazo.

Estandarización de respuestas y pérdida de diversidad intelectual

Uno de los efectos secundarios más comentados del uso de inteligencia artificial en entornos educativos es la homogeneización de las respuestas.

Cuando varios estudiantes utilizan el mismo tipo de herramienta para generar explicaciones o argumentos, es lógico que las estructuras resultantes tiendan a converger. Los modelos están entrenados para producir respuestas estadísticamente coherentes con sus datos de entrenamiento, lo que puede dar lugar a formulaciones muy similares entre distintos usuarios.

Algunos reportajes han recogido la percepción de que los debates en clase se vuelven menos variados, con argumentos que comparten estructuras casi idénticas. Este fenómeno no implica necesariamente una pérdida de contenido, pero sí una reducción de diversidad expresiva y de enfoques alternativos.

Desde un punto de vista técnico, esto está relacionado con la naturaleza probabilística de los modelos de lenguaje. Al optimizar la coherencia y la plausibilidad, tienden a priorizar patrones comunes frente a construcciones menos frecuentes pero potencialmente más originales.

El riesgo de la lectura delegada

El problema no es únicamente la escritura o la producción de textos, sino la lectura en sí misma. Si el estudiante se habitúa a recibir versiones simplificadas de cualquier contenido, la exposición a estructuras complejas disminuye.

Esto puede tener consecuencias en la capacidad de interpretar textos densos, especialmente en disciplinas donde la precisión conceptual es fundamental. La lectura académica no es solo extracción de información, sino entrenamiento en la comprensión de estructuras argumentativas complejas.

Más allá de la IA: Un fenómeno que ya venía de antes

Aunque la inteligencia artificial ha intensificado el debate, no es la única variable en juego. Diversos estudios sobre alfabetización han señalado descensos en competencias lectoras mucho antes de la aparición de estas herramientas.

El auge de las redes sociales, el consumo de vídeos cortos y la sobreexposición a estímulos digitales han contribuido a modificar la forma en la que se procesa la información. La lectura prolongada compite ahora con formatos más inmediatos y fragmentados.

A esto se suma el impacto de la educación online durante la pandemia, que afectó a la continuidad de los procesos de aprendizaje y redujo en muchos casos la exposición sostenida a textos largos.

Incluso algunos análisis culturales apuntan a una transformación progresiva de los hábitos de lectura en las generaciones más jóvenes, anterior al despliegue masivo de IA generativa.

Factores acumulativos en lugar de una única causa

El escenario actual parece responder más a una suma de factores que a una causa única. Tecnología, cambios pedagógicos, transformaciones culturales y nuevas herramientas digitales interactúan entre sí generando un entorno donde la lectura profunda tiene menos espacio natural.

La inteligencia artificial como herramienta ambivalente

A pesar de las preocupaciones, la inteligencia artificial no es intrínsecamente negativa para el aprendizaje. En contextos adecuados puede actuar como herramienta de apoyo muy potente.

En disciplinas técnicas, por ejemplo, puede ayudar a descomponer textos altamente especializados, identificar conceptos clave o proporcionar explicaciones alternativas. En términos de procesamiento del lenguaje natural, estos sistemas pueden actuar como filtros semánticos que facilitan la entrada inicial a contenidos complejos.

También existen investigaciones que exploran su uso en accesibilidad. Algunos estudios muestran mejoras en la comprensión de lectura en personas con dificultades específicas cuando se utilizan sistemas de apoyo basados en IA adaptativa.

El problema de la dependencia funcional

El punto crítico no es la existencia de la herramienta, sino el grado de sustitución del esfuerzo cognitivo. Cuando la IA reemplaza sistemáticamente la lectura, el estudiante pierde oportunidades de desarrollar habilidades de análisis, síntesis y evaluación crítica.

Desde una perspectiva educativa, esto plantea un desafío importante: integrar estas herramientas sin erosionar los procesos fundamentales de aprendizaje.

Reflexiones finales

El debate sobre si los estudiantes universitarios están perdiendo la capacidad de leer no tiene una respuesta simple ni unidimensional. Existen indicios de dificultades reales en la comprensión lectora profunda, pero también un contexto más amplio de transformación digital que afecta a todas las formas de consumo de información.

La inteligencia artificial actúa como acelerador de tendencias ya existentes. Puede facilitar el acceso al conocimiento, pero también puede reducir la exposición directa a textos complejos si se utiliza como sustituto en lugar de como apoyo.

El reto no está únicamente en la tecnología, sino en cómo se integra en los procesos educativos. La lectura sigue siendo una habilidad estructural para el pensamiento crítico, y su valor no desaparece por la aparición de nuevas herramientas, aunque sí cambia la forma en la que debe practicarse.

En este sentido, el futuro inmediato no dependerá tanto de prohibir o aceptar la inteligencia artificial, sino de diseñar formas de uso que mantengan activo el esfuerzo intelectual necesario para comprender, interpretar y analizar información compleja.