¿Quién realiza el trabajo cognitivo?

Nota conceptual y didáctica sobre IA generativa, descarga cognitiva y el problema \(a^{n}=n^{a}\)

Daniel Martín Jiménez Cuevas
Facultad de Ciencias, UNAM

Resumen: Esta nota conceptual y didáctica examina qué parte del trabajo cognitivo permanece en el estudiante cuando un modelo generativo puede producir la solución de un problema matemático. A través de un análisis conceptual, apoyado en una demostración formal, se propone una taxonomía funcional —descarga asistiva frente a descarga sustitutiva— para analizar el uso de la herramienta en el aula. El vehículo es la ecuación \(a^{n}=n^{a}\) en enteros positivos distintos: se demuestra que las únicas soluciones son \((2,4)\) y \((4,2)\), y se usa esa diferencia entre ejemplar y exhaustividad para situar la IA como oráculo, como tutor o como verificador. El criterio de diseño que se sostiene es que la máquina puede entrar como crítica después de una primera búsqueda humana; no debería recibir, por defecto, la primera oportunidad de resolver.

Palabras clave: descarga cognitiva; inteligencia artificial generativa; génesis instrumental; resolución de problemas; educación matemática.

1. La descarga no es el problema; qué se descarga, sí

El razonamiento no asigna el máximo esfuerzo a cada tarea. La tendencia a usar atajos de menor coste se ha descrito como cognitive miser [1]. Esa descripción se matizó después: el esfuerzo aparece cuando hay procedimiento disponible (mindware), se detecta un error o la tarea exige control [2, 3].

Externalizar parte de una tarea tampoco es nuevo. Anotar un resultado intermedio o usar una calculadora son casos de cognitive offloading: un artefacto reduce la demanda interna de un proceso [4]. En teoría de la carga cognitiva eso puede bajar carga extrínseca y dejar sitio a la carga pertinente al esquema que se quiere construir; no toda reducción de esfuerzo es pérdida de aprendizaje [5].

La didáctica de la matemática ya distinguía, además, el artefacto del instrumento. Un sistema no enseña por estar disponible: hay génesis instrumental cuando el sujeto construye esquemas de uso y el artefacto deja de ser un objeto externo para mediar la actividad [6, 7]. La IA generativa entra en esa historia con una diferencia de escala: puede guardar un dato, comprobar un cálculo o producir la estrategia, la explicación y el estado terminal de un problema que el alumno aún no ha intentado [4, 8, 9].

De ahí una distinción que no está asentada en la literatura con estos nombres. Se propone aquí como taxonomía funcional para el aula:

Descarga asistiva: Se externaliza carga auxiliar —formato, aritmética ya dominada, registro de casos, comprobación de un paso— de modo que el objetivo de aprendizaje permanece en el estudiante. En términos de carga cognitiva: se recorta lo extrínseco. En términos de génesis instrumental: el artefacto puede llegar a ser instrumento de la búsqueda.
Descarga sustitutiva: Se externaliza justamente lo que se pretendía aprender: representar, explorar, conjeturar, podar o justificar. El artefacto no se instrumenta; se usa como oráculo. El esquema de resolución no se construye.

El mismo sistema puede hacer una cosa u otra según el momento y la consigna. Por eso “¿usó IA?” es una pregunta gruesa. La pregunta útil es qué componente del trabajo cognitivo quedó en el estudiante [9, 10].

2. El problema

Tras las leyes de los exponentes puede plantearse:

\[(1) \qquad a^{n}=n^{a}, \qquad a,n\in\mathbb{Z}^{+}, \qquad a\neq n.\]

Aquí \(\mathbb{Z}^{+}=\{1,2,3,\ldots\}\); el cero no entra. Sin \(a\neq n\) toda pareja \((a,a)\) es solución trivial. El caso general —reales y racionales— es clásico; Euler lo trata por sustitución en la Introductio y registra el par \(2\) y \(4\) [11]. El interés didáctico no es memorizar ese par. Es ver si hay un procedimiento de búsqueda y un argumento que permita detenerla.

Una verificación inmediata da \(2^{4}=4^{2}=16\). Si el enunciado pide una solución, eso basta. Si pide todas, hallar el ejemplar no cierra el problema.

2.1. Unicidad

Proposición 1. Las únicas soluciones de la ecuación (1) en \(\mathbb{Z}^{+}\) con \(a\neq n\) son \((a,n)=(2,4)\) y \((4,2)\).

Demostración. Por simetría basta tratar \(a < n\).

Si \(a=1\), entonces \(1^{n}=1\) y \(n^{1}=n\), luego \(n=1\), excluido.

Si \(a\geq 3\), primero \(n=a+1\):

\[a^{a+1}>(a+1)^{a} \quad\Longleftrightarrow\quad a>\Bigl(1+\frac{1}{a}\Bigr)^{a}.\]

Para entero \(a\geq 3\), \(\bigl(1+1/a\bigr)^{a}<3\leq a\): en \(a=3\) vale \(64/27<3\) y, para \(a\geq 4\),

\[\Bigl(1+\frac{1}{a}\Bigr)^{a} =\sum_{k=0}^{a}\binom{a}{k}a^{-k} \leq\sum_{k=0}^{a}\frac{1}{k!} < 3,\]

pues \(1/k!\leq 2^{1-k}\) si \(k\geq 1\). Así \(a^{a+1}>(a+1)^{a}\). Al pasar de \(n\) a \(n+1\) el lado \(a^{n}\) se multiplica por \(a\geq 3\) y el lado \(n^{a}\) por \(\bigl(1+1/n\bigr)^{a}\). Como \(n\geq a+1>a\),

\[\Bigl(1+\frac{1}{n}\Bigr)^{a} < \Bigl(1+\frac{1}{a}\Bigr)^{a} < 3\leq a.\]

La desigualdad se conserva y se ensancha para todo \(n>a\). No hay solución con \(a\geq 3\).

Si \(a=2\), queda \(2^{n}=n^{2}\) con \(n>2\). Para \(n=3\): \(8\neq 9\). Para \(n=4\): \(16=16\). Para \(n=5\): \(32>25\) y \(\bigl(1+1/5\bigr)^{2}=(6/5)^{2}=36/25<2\). Si \(2^{n}>n^{2}\) y \(n\geq 5\), entonces

\[2^{n+1}=2\cdot 2^{n} > 2\cdot n^{2} > \Bigl(1+\frac{1}{n}\Bigr)^{2}n^{2} =(n+1)^{2},\]

porque \(\bigl(1+1/n\bigr)^{2}\leq(6/5)^{2}<2\). Por inducción no hay soluciones para \(n\geq 5\).

■

La demostración no añade un ejemplar al par \(\{2,4\}\). Convierte una coincidencia en una regla que elimina infinitos casos. El valor didáctico no reside en la manipulación de las desigualdades, sino en la decisión de detener la búsqueda. Reconocer que a partir de \(a=3\) el crecimiento exponencial domina al polinomial —y usar ese hecho para podar— es el núcleo del trabajo cognitivo. Si un modelo entrega la demostración completa desde el inicio, es precisamente la construcción de ese esquema de control la que puede externalizarse.

2.2. Tres patrones, como tipología

En aula se observan, de manera exploratoria, tres modos de abordar el problema. Se presentan aquí como tipología pedagógica, no como resultado empírico:

Parálisis u oráculo: No hay plan. Se espera la fuente externa.
Cambio de dominio: “¿Se valen fracciones?” Puede ser matemáticamente fértil; no sustituye controlar el dominio pedido.
Búsqueda ordenada: Se fijan casos, se registran desigualdades y se busca una regla de poda.

El tercer modo contiene lo que una respuesta terminal oculta. Un alumno puede escribir \(2^{4}=4^{2}\) sin haber justificado por qué la búsqueda termina.

El caso \(a=1\) diagnostica lectura del enunciado, no aritmética. El caso \(a=2\) diagnostica si el primer acierto se lee como cierre. El caso \(a=3\) diagnostica la intuición de los “números gigantes”: \(3^{4}=81>64=4^{3}\), y el factor \(3\) del exponencial supera a \(\bigl(1+1/n\bigr)^{3}\) para \(n\geq 3\), pues \(\bigl(4/3\bigr)^{3}=64/27<3\). Esa comparación local cierra todos los \(n\) posteriores. Es el mismo mecanismo de la proposición, visible sin inventar un aparato extra.

3. Dónde entra la máquina

Un estudiante puede escribir: “encuentra todas las soluciones enteras positivas de \(a^{n}=n^{a}\)” y recibir el par, una estrategia o una prueba. Que la salida sea correcta no decide si hubo instrumentación o solo consulta a un oráculo [9, 10].

Dos secuencias no son equivalentes:

Solucionador: Problema → IA → Respuesta

Crítica posterior: Problema → Búsqueda humana → Conjetura → IA → Crítica → Justificación humana

La diferencia no es la presencia de la herramienta. Es el lugar que ocupa en la génesis del instrumento.

Tres consignas concretas hacen operable esa diferencia:

Oráculo: “Resuelve y dame todas las soluciones.”
Tutor: “No resuelvas. Pregúntame qué casos debo mirar.”
Verificador: “Esta es mi prueba. Señala saltos. No construyas otra.”

**Tabla 1. Taxonomía funcional propuesta para el aula.**
Criterio	Descarga Asistiva	Descarga Sustitutiva
Qué se externaliza	Carga auxiliar ya dominada	El objetivo de aprendizaje
Ejemplo	Comprobar \(3^{4}=81\)	Pedir la estrategia completa
Carga cognitiva	Baja lo extrínseco; deja sitio a la carga pertinente	Evita la carga intrínseca del problema
Génesis instrumental	El artefacto puede mediar esquemas de búsqueda	El artefacto permanece oráculo; no se instrumenta
Pregunta de aula	¿Libera recursos para pensar?	¿Hace lo que debía aprenderse?

4. Una secuencia de aula

El criterio es estrecho: la IA no tiene que salir de la actividad; no debería resolver primero.

Sin máquina: Casos probados, conjetura y un “porque”. El error se registra; no se oculta.
Consulta acotada: Contraejemplo, caso omitido o crítica de un argumento. No la solución.
Reconstrucción: Se cierra la pantalla. El alumno escribe la justificación de memoria de trabajo, no de memoria de chat.
Problema hermano (si hay tiempo): Por ejemplo \(2^{n}=n^{3}\) o \(a^{n}=n^{a}+1\) en un rango pequeño: para ver si quedó un método o solo un par memorizado.

El cuarto paso diagnostica si el alumno construyó un esquema de acotación o si únicamente retuvo el par \((2,4)\). La ecuación \(2^{n}=n^{3}\) sirve como reactivo de control: no tiene soluciones en \(\mathbb{Z}^{+}\), deshace la expectativa de un acierto rápido y exige cerrar el espacio con una regla de poda. En el Apéndice A se demuestra ese caso y se señala cómo el uso de la IA en modo oráculo puede cancelar la tensión entre \(n=9\) y \(n=10\).

Evaluar únicamente si aparece \(\{2,4\}\) colapsa esas fases. Tiene más información pedir, por separado, lectura del enunciado, exploración, poda y cierre.

5. Alcance

El texto es una nota conceptual y didáctica. No estima efectos ni valida las categorías asistiva/sustitutiva como constructos psicométricos; las ofrece como herramienta de análisis de aula. El ejemplo se eligió porque hace visible, con poco aparato, la distancia entre un ejemplar y una exhaustividad. No se afirma qué “suele” devolver un modelo generativo: eso exigiría un banco de salidas.

6. Cierre

En \(a^{n}=n^{a}\) el par \(2^{4}=4^{2}\) puede aparecer en segundos. La matemática del problema pide otra cosa: por qué el \(1\) no entra, por qué el \(4\) no autoriza a parar y qué regla descarta el resto. Esa diferencia es la que una descarga sustitutiva borra.

La pregunta que queda no es si el estudiante usó IA. Es qué trabajo cognitivo quedó en sus manos después de usarla.

Apéndice A. El problema hermano \(2^{n}=n^{3}\)

La Sección 4 propone \(2^{n}=n^{3}\) para evaluar si se transfirió el esquema de poda. Sin ese esquema, la búsqueda se detiene cuando falta el acierto o se delega el cierre a la máquina.

A diferencia de la ecuación (1), esta ecuación no tiene soluciones en \(\mathbb{Z}^{+}\). Obliga a justificar el límite de la exploración sin la recompensa de un ejemplar.

Proposición 2. La ecuación \(2^{n}=n^{3}\) no tiene soluciones en \(\mathbb{Z}^{+}\).

Demostración. Se procede por verificación finita e inducción. Los primeros valores son:

\(n\)	1	2	3	4	5	6	7	8	9	10
\(2^{n}\)	2	4	8	16	32	64	128	256	512	1024
\(n^{3}\)	1	8	27	64	125	216	343	512	729	1000

Así \(2^{1}>1^{3}\) y \(2^{n}<n^{3}\) para \(2\leq n\leq 9\). En \(n=10\) se invierte: \(1024>1000\).

Queda mostrar que la desigualdad \(2^{n}>n^{3}\) se conserva para todo \(n\geq 10\). Si \(2^{k}>k^{3}\) y \(k\geq 10\), entonces

\[2^{k+1}=2\cdot 2^{k}>2k^{3}.\]

Basta \(2k^{3}>(k+1)^{3}\), esto es

\[2>\Bigl(1+\frac{1}{k}\Bigr)^{3}.\]

Para \(k\geq 10\) el lado derecho es máximo en \(k=10\):

\[\Bigl(1+\frac{1}{10}\Bigr)^{3}=\Bigl(\frac{11}{10}\Bigr)^{3}=\frac{1331}{1000}<2.\]

Luego \(2^{k+1}>(k+1)^{3}\). Por inducción, \(2^{n}>n^{3}\) para todo \(n\geq 10\). Como no hay igualdad en \(1\leq n\leq 9\), no hay soluciones en \(\mathbb{Z}^{+}\).

■

Nota pedagógica: Si el alumno pide a la máquina “resuelve \(2^{n}=n^{3}\) en enteros positivos”, la salida puede declarar de inmediato que no hay soluciones. Eso corta la tensión entre \(n=9\) y \(n=10\), que es justo el punto en el que hace falta una regla y no otro cálculo. La consigna útil es verificar la cota del alumno, no revelar la inexistencia.

Referencias

Fiske, S. T., & Taylor, S. E. (1984). Social Cognition. Addison-Wesley.
Stanovich, K. E. (2009). What Intelligence Tests Miss: The Psychology of Rational Thought. Yale University Press.
Stanovich, K. E. (2018). Miserliness in human cognition: The interaction of detection, override and mindware. Thinking & Reasoning, 24(4), 423–444.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.
Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive Load Theory. Springer.
Rabardel, P. (1995). Les hommes et les technologies: approche cognitive des instruments contemporains. Armand Colin.
Trouche, L. (2004). Managing the complexity of human/machine interactions in computerized learning environments. International Journal of Computers for Mathematical Learning, 9(3), 281–307.
Grinschgl, S., & Neubauer, A. C. (2022). Supporting cognition with modern technology: Distributed cognition today and in an AI-enhanced future. Frontiers in Artificial Intelligence, 5, 908261.
Yoon, H., Hwang, J., Lee, K., Roh, K. H., & Kwon, O. N. (2024). Students' use of generative artificial intelligence for proving mathematical statements. ZDM – Mathematics Education, 56, 1531–1551.
McGalliard, W., & Otten, S. (2025). AI responses to challenging problems and educator responses to AI availability. Digital Experiences in Mathematics Education, 11, 319–332.
Euler, L. (1748). Introductio in analysin infinitorum (Tomus secundus, cap. XXI, §519). Marcum-Michaelem Bousquet.

Sobre el Autor:
Daniel Martín Jiménez Cuevas es matemático e investigador egresado de la Facultad de Ciencias de la Universidad Nacional Autónoma de México (UNAM). Su trabajo especializado en Optimización y Geometría Métrica incluye contribuciones sobre la caracterización variacional discreta del volumen de Mahler mediante condiciones KKT (ver prepublicación en arXiv). Cuenta con registro verificado en ORCID (0009-0000-6817-1242) y colabora como revisor invitado para la editorial científica Elsevier.

Contacto: abel3.1415@ciencias.unam.mx