Pensamiento crítico para devs en la era de la IA
Como desarrolladores vivimos cuestionando cosas. Revisamos pull requests buscando qué podría salir mal, elegimos entre librerías comparando trade-offs, desconfiamos del código que “funciona pero no sé por qué”. Lo hacemos todos los días sin llamarlo de ninguna forma. Pero resulta que tiene nombre: pensamiento crítico.
Me puse a investigar el tema y lo que encontré me sirvió. Creo que le puede servir a otros devs. No soy filósofo ni psicólogo. Esto es lo que leí, lo que pienso, y las fuentes están al final para que cada uno saque sus propias conclusiones.
Antes de meternos en cómo aplica esto a nuestro rubro, veamos qué es el pensamiento crítico, por qué hoy cuesta más aplicarlo y cómo puedo aplicarlo en la vida cotidiana de internet.
¿Qué es el pensamiento crítico?
En 1941, Edward Glaser lo definió con tres requisitos: querer pensar bien, saber cómo hacerlo, y efectivamente hacerlo. Suena simple, pero la mayoría de las veces fallamos en el primero. No es que no sepamos razonar. Es que el entorno nos empuja constantemente a no hacerlo.
No es pensar negativamente, no es buscar fallas en todo. Es un modo de operar: cuestionar lo que recibís, evaluar la evidencia, considerar alternativas, y estar dispuesto a cambiar de opinión.
Richard Paul y Linda Elder, desde la Foundation for Critical Thinking, agregan algo que me pareció clave: la integridad intelectual. ¿Qué es? Aplicar a tus propias ideas el mismo rigor que le aplicás a las ajenas. Es fácil detectar fallas en el argumento del otro, encontrar el bug en el código de un compañero, señalar lo que no cierra en una propuesta ajena. Lo difícil es hacerlo con lo tuyo. Revisar tu propia arquitectura con la misma dureza que le aplicarías a un PR ajeno. Cuestionar tu propia opinión con la misma exigencia que le pondrías a una fuente desconocida.
Hoy cuesta más
Las plataformas digitales están diseñadas para mantenerte en modo automático. Daniel Kahneman, Nobel de economía, distingue entre dos modos de pensamiento:
- Sistema 1: rápido, intuitivo, automático. Opera sin esfuerzo consciente.
- Sistema 2: lento, analítico, deliberado. Consume más recursos cognitivos.
El scroll infinito, el refuerzo intermitente, el FOMO, todo está diseñado para que te quedes en el Sistema 1. El Sistema 2, que es el que necesitás para pensar críticamente, requiere tiempo y atención sostenida. Exactamente lo que el feed no te da.
No es que hayamos perdido la capacidad de razonar. Es que operamos en un ecosistema diseñado para sabotear el tiempo que ese razonamiento requiere.
Hay momentos donde cuesta más que otros: cuando algo confirma lo que ya creés (no lo cuestionás porque estás cómodo), cuando estás cansado después de ocho horas de trabajo (consumís sin filtro), cuando la fuente te genera confianza (bajás la guardia). Son las situaciones donde más falta hace y donde menos ganas tenés.
¿Cómo lo aplico?
Investigando el tema me encontré con modelos de cinco pasos, de siete pasos, frameworks enteros. Al final me quedé con algo más simple: una sola pregunta.
¿Por qué creo esto?
Si la respuesta es “porque lo pensé y tiene sentido con la evidencia que tengo”, bien. Si la respuesta es “porque lo leí por ahi”, “porque alguien que respeto lo dijo”, “porque todos dicen eso”, o “porque la IA me lo sugirió”, ahí hay una oportunidad de pensar críticamente.
Aplica al código y aplica fuera del código. La diferencia es que en código el feedback es inmediato: si algo está mal, se rompe. Fuera del código no hay test que falle, no hay compilador que te avise. Es más difícil y requiere un esfuerzo consciente.
¿Cómo hago para validar todo lo que veo?
No podés. Es imposible verificar cada tweet, cada artículo, cada opinión. Pero hay estrategias que ayudan:
- Buscar una segunda fuente independiente. No otro tweet. Otra fuente que no pertenezca a la misma burbuja.
- Esperar la repercusión. Cuando algo es muy nuevo y no hay contexto, el ruido se filtra solo con el tiempo. Lo que queda después de unos días probablemente tenía sustancia. Herbert Simon, Nobel de economía, lo dijo mejor: a veces la mejor decisión es no consumir. Eso sí: esta estrategia falla cuando la ventana de oportunidad se cierra rápido.
- Evaluar la fuente cuando no dominás el campo. No podés juzgar si un paper de biología es correcto, pero sí podés mirar quién lo dice, si es peer-reviewed, si hay consenso. Es lo mismo que hacemos cuando evaluamos una librería que no conocemos: miramos quién la mantiene, cuántas estrellas tiene, si tiene issues abiertos.
- Reconocer lo que elegiste no verificar. No necesitás verificar todo. Necesitás saber qué elegiste no verificar. Pero si siempre caés en este paso, se convierte en una excusa cómoda para no pensar.
Hasta acá, pensamiento crítico aplicado a la vida en general. Ahora veamos qué pasa cuando lo cruzamos con lo que hacemos todos los días.
Los devs ya lo hacemos (pero no alcanza)
Si sos desarrollador, probablemente ya pensás críticamente en tu trabajo. No le decís así, pero lo hacés:
- Ves un pull request y pensás “esto funciona, pero ¿por qué no usaron otra cosa?” — estás cuestionando supuestos.
- Un test pasa pero algo te huele mal — estás aplicando (pensar sobre tu propio pensamiento).
- Elegís entre dos librerías comparando trade-offs en vez de agarrar la primera de Google — estás recopilando evidencia y evaluando.
- Encontrás algo raro en el código y vas a buscar docs, patrones, alternativas — estás verificando antes de actuar.
El entorno de desarrollo te empuja a pensar críticamente: el compilador, los tests y producción validan o destruyen tu hipótesis. Pocas profesiones tienen la crítica como parte del flujo diario (code reviews, por ejemplo).
El gap: pensamiento crítico local vs. global
Pero hay un problema. La mayoría operamos con pensamiento crítico local: debugging, refactoring, performance, elegir entre soluciones técnicas. Cuestionamos dentro del sistema. Lo que cuesta más es el pensamiento crítico global: cuestionar requerimientos, decisiones de producto, entender por qué estamos construyendo lo que estamos construyendo.
Ejemplo: te piden optimizar un endpoint que tarda 3 segundos.
- Pensamiento local: cacheás, optimizás la query, reducís el payload.
- Pensamiento global: ¿por qué el frontend necesita este endpoint? ¿No estará compensando un problema de diseño en otro lado? ¿El producto realmente necesita mostrar estos datos en tiempo real o es un supuesto que nadie cuestionó?
A veces la mejor optimización es eliminar la necesidad.
El salto real ocurre cuando pasás de resolver problemas a cuestionar si esos problemas deberían existir.
¿Y dónde queda el pensamiento crítico en la era de la IA?
Usamos IA todos los días para trabajar. Y eso cambia las reglas.
Advait Sarkar, investigador en Microsoft Research, dio una charla TED que plantea algo incómodo. Dice que el trabajador del conocimiento típico ya no se involucra con los materiales de su oficio. Resume correos con IA, genera borradores automáticos, delega análisis de datos. Se convirtió en un “validador profesional de opiniones de robots”: revisa ideas en vez de crearlas. Lo llama razón subcontratada.
Trasladado a desarrollo: ¿cuántas veces le pedimos a la IA “escribime la función que hace X” sin antes pensar cómo lo resolveríamos nosotros? ¿Cuántas veces aceptamos una arquitectura sugerida porque “suena bien” sin cuestionarla con el mismo rigor que le aplicaríamos a un PR de un colega?
Los datos respaldan la preocupación:
- Los trabajadores reportan dedicar menos esfuerzo al pensamiento crítico con IA. El efecto se amplifica cuando la confianza en la IA es alta y la autoconfianza es baja. (Lee et al., CHI 2025)
- Más del 80% de los usuarios de ChatGPT en un estudio de MIT no pudieron recordar contenido clave de sus propios ensayos después de escribirlos con la herramienta. (MIT Media Lab, “Your Brain on ChatGPT”)
Cómo uso la IA sin dejar de pensar
Basándome en lo que propone Sarkar y en mi experiencia como dev, esto es lo que hago:
1. Leé y procesá vos primero.
En vez de pedirle a la IA “resumime esta doc”, leela vos y después usá la IA para discutir lo que leíste. En vez de “explicame este error”, leé el stack trace, formá una hipótesis, y después contrastala. La diferencia es quién procesa el material: tu cabeza o la máquina.
2. Pedile que te desafíe, no que te obedezca.
En vez de “escribime la arquitectura de este servicio”, preguntale “¿qué está mal con esta arquitectura que diseñé?”. Sarkar llama a esto provocaciones. Si sabés lo suficiente como para rechazar la provocación con confianza, el sistema cumplió su función. Si no podés rechazarla, acabás de aprender algo.
3. Preguntate si estás pensando.
¿Estoy aceptando esta solución porque tiene sentido o porque suena bien? ¿Hay alternativas que no estoy considerando? ¿Estoy evaluando lo que la IA me dice o estoy aceptando porque suena razonable? La IA puede ayudar a generar esas preguntas, pero el trabajo de responderlas es tuyo.
Nada de esto significa que no uses la IA desde el principio. Podés usarla para explorar: revisar codebases, hacer preguntas sobre el dominio, entender contexto. Eso es usarla como consultora. Lo que no conviene es pedirle directamente “¿cuál es la mejor forma de hacer esto?” sin haber pensado antes. El flujo que me funciona: explorás y recolectás información (con o sin IA), formulás tu propia solución, y después validás con la IA fomentando las provocaciones. Llegás al chat con una posición propia que defender, no con una pregunta vacía que llenar.
Cierre
No pretendo que esto sea una verdad absoluta. Es lo que encontré investigando y lo que aplico en mi día a día como dev. El pensamiento crítico tampoco es solo un acto individual: las provocaciones más potentes suelen venir de personas, no de máquinas. Una conversación con alguien que piensa distinto puede hacer más que diez sesiones con un LLM.
Si algo de esto te sirve, bien. Si no, al menos espero que te haga preguntarte: ¿por qué creo lo que creo?
Este artículo fue pensado por un humano y redactado con la ayuda de una IA.
Fuentes
- Glaser, E. M. (1941). An Experiment in the Development of Critical Thinking. Columbia University. — Google Books
- Paul, R. & Elder, L. Foundation for Critical Thinking. — criticalthinking.org
- Kahneman, D. Thinking, Fast and Slow. Farrar, Straus and Giroux, 2011.
- Simon, H. A. Concepto de economía de la atención. Nobel de Economía, 1978.
- Sarkar, A. “How to Stop AI from Killing Your Critical Thinking.” TEDAI Vienna, 2025. — TED Talk
- Lee, M. et al. “The Impact of Generative AI on Critical Thinking.” CHI 2025. — Paper
- MIT Media Lab. “Your Brain on ChatGPT.” — Publicación