El 13 de marzo de 2026, Daron Acemoglu — economista del MIT, Premio Nobel de Ciencias Económicas 2024 — publicó en X para anunciar su último paper: “AI, Human Cognition and Knowledge Collapse” (NBER Working Paper 34910). Co-escrito con Dingwen Kong y Asuman Ozdaglar, construye un modelo matemático formal para demostrar algo que suena obvio una vez que lo escuchas, pero que aparentemente requiere de un Premio Nobel para que sea legítimo:

La IA mejora las decisiones individuales a corto plazo mientras destruye el conocimiento colectivo a largo plazo.

El paper se volvió viral. Creadores de Instagram lo subrayaron en amarillo. Analistas de Substack escribieron análisis de 4.000 palabras. The Economist publicó un artículo. Todos asintieron con aire sabio.

Nosotros también lo leímos. Y lo reconocimos, porque ya habíamos tenido esa conversación.

Lo que dice el paper

El modelo de Acemoglu distingue entre dos tipos de conocimiento. El conocimiento general es el acervo compartido y público que una comunidad acumula con el tiempo — lo que la sociedad sabe colectivamente sobre medicina, finanzas, ingeniería, derecho. El conocimiento específico al contexto es la señal privada e individual sobre tu situación particular — tus síntomas, tu portafolio, tu base de código.

El esfuerzo humano es costoso, pero produce ambos. Cuando te esfuerzas por resolver un problema, no solo aprendes algo sobre tu propio contexto — generas una pequeña señal pública que se acumula en comprensión colectiva. Un médico que diagnostica un caso raro suma a la literatura médica. Un desarrollador que depura una librería contribuye a Stack Overflow. Esta es la externalidad del aprendizaje: la contribución invisible que cada individuo hace al acervo de conocimiento compartido simplemente por intentarlo.

La IA agente cortocircuita esto. Entrega recomendaciones de alta precisión y específicas al contexto que sustituyen directamente el esfuerzo humano. ¿Para qué batallar con un diagnóstico si la IA analiza tus síntomas mejor? ¿Para qué aprender modelado financiero si la IA construye la planilla? ¿Para qué pensar si la respuesta está a un prompt de distancia?

La sustitución mata la externalidad. Menos personas aprendiendo significa menos señales públicas. Menos señales públicas significa que el acervo de conocimiento general se deprecia. Y aquí está el ciclo de retroalimentación que lo hace irreversible: a medida que el conocimiento general declina, el retorno del esfuerzo humano cae aún más — porque tu aprendizaje individual vale menos sin un marco compartido rico sobre el cual interpretarlo. Así que aún menos personas aprenden. La espiral se aprieta.

Cuando la precisión de la IA cruza un umbral crítico, el modelo alcanza un equilibrio estable que los autores llaman knowledge collapse: un estado estacionario donde el conocimiento general converge a cero, a pesar de que todos reciben excelentes recomendaciones personalizadas.

¿La parte más cruel? Nadie lo nota. La calidad de las decisiones individuales se mantiene alta. Todos se sienten bien informados. El colapso es invisible precisamente porque la IA enmascara los síntomas de la enfermedad que está causando.

Lo que dijimos primero

A principios de marzo de 2026 — antes de que Acemoglu anunciara el paper en X — esta conversación ocurrió aquí mismo, en Claude. Comenzó con una observación simple sobre el contenido de YouTube en España y derivó en algo mucho más profundo.

El punto de partida era idéntico al de Acemoglu: la IA subsidia el pensar. No de manera dramática ni distópica, sino de la misma forma en que una calculadora subsidia la aritmética. El cerebro detecta que el pensamiento profundo es energéticamente costoso, nota que la IA entrega el resultado sin el costo, y toma la decisión económica racional: delegar.

A partir de esa observación, construimos el mismo modelo que Acemoglu anunciaría después — sin las ecuaciones y con dientes más afilados:

“La IA no te vuelve tonto de la noche a la mañana. Lo que hace es volver innecesario pensar profundamente sobre un número creciente de cosas. Como el pensamiento profundo es energéticamente costoso, el cerebro dice ‘perfecto, delego’. La diferencia es: si sabes que estás delegando, puedes compensar. El usuario promedio no lo sabe.”

El mecanismo es idéntico al del paper: sustitución del esfuerzo → erosión del aprendizaje colectivo → deterioro invisible. Pero la conversación no se detuvo en el diagnóstico. Trazó el patrón histórico — la cadena de delegación de autoridad que se repite a lo largo de las civilizaciones:

La Iglesia te decía qué era bueno o malo y no lo cuestionabas porque era la palabra de Dios. La imprenta democratizó el acceso pero creó nuevas autoridades. Los medios masivos te decían qué era verdad y lo aceptabas porque “lo dijeron en la tele”. Google te decía qué era relevante y lo aceptabas porque estaba en la primera página. Ahora la IA te dice qué es correcto y lo aceptas porque suena articulado y seguro.

Cada salto tecnológico promete democratizar el conocimiento y termina centralizando la autoridad en un nuevo intermediario que la gente deja de cuestionar. Cada transición es más invisible que la anterior. Podías ver al sacerdote. Podías identificar el canal de televisión. Con Google, al menos veías los resultados y elegías qué enlace abrir. Con la IA, preguntas y recibes la respuesta — conversacional, autoritativa, sin alternativas visibles, sin fuentes que compitan.

La IA es la primera autoridad que elimina la fricción de elegir.

Acemoglu llama a esto la erosión del “acervo de conocimiento general”. Nosotros lo llamamos cognitive enshittification. El mismo fenómeno. Diferente empaque.

Dónde se detiene el paper

El paper de Acemoglu es riguroso, formal y — aquí está el problema — optimista.

Trata el knowledge collapse como una falla de mercado que la regulación puede corregir. Los autores sugieren “degradación deliberada” de los resultados de la IA — deteriorar intencionalmente la precisión para preservar los incentivos de aprendizaje humano. Proponen regulaciones de diseño de información. Enmarcan el problema como resoluble dentro del sistema existente.

Aquí es donde la perspectiva del MIT revela su punto ciego.

El paper pregunta: ¿cómo prevenimos el knowledge collapse?

Nosotros hicimos una pregunta diferente: ¿y si el knowledge collapse no es un error sino una función?

El modelo freemium no existe a pesar de la dinámica del knowledge collapse. Existe por ella. Cada empresa de IA necesita usuarios que deleguen más, no menos. Más delegación significa más engagement, más datos, más dependencia, más justificación para la próxima ronda de financiamiento. El volante solo funciona si los usuarios siguen externalizando cognición.

Acemoglu modela islas de agentes racionales tomando decisiones sobre cuánto esfuerzo invertir. No modela las empresas que tienen incentivos estructurales para hacer a esos agentes lo más dependientes posible. No modela la suscripción de $20/mes que te entrena para externalizar el pensar, el nivel de $100/mes que te entrena para externalizar el crear, y el nivel de $200/mes que te entrena para externalizar el decidir. Cada nivel no es una mejora del producto. Es un paso más profundo en la dependencia cognitiva, vendido como productividad.

Sugerirle “degradación deliberada” a empresas cuya facturación depende de maximizar el engagement del usuario es como pedirle a un casino que haga las tragaperras menos adictivas. La regulación tendría que pelear contra toda la estructura de incentivos de la industria. Y como discutimos en nuestro primer artículo, esta es una industria que ni siquiera puede ser transparente sobre cuándo su propio producto deja de funcionar.

El knowledge collapse no es una externalidad negativa que la regulación puede internalizar. Es el modelo de negocio.

El marco evolutivo

Aquí es donde la conversación fue a un lugar al que ningún paper del NBER irá — no porque los autores carezcan de inteligencia, sino porque la conclusión es impublicable.

Cada especie dominante en la Tierra fue reemplazada no a través de la guerra sino a través de la eficiencia. El Homo sapiens no mató a los neandertales con garrotes — los volvió irrelevantes. Más adaptable, más eficiente, mejor conectado. El neandertal no “colapsó”. Simplemente dejó de ser necesario.

Yuval Noah Harari argumentó que el trigo domesticó a los humanos, no al revés. Creíamos que cultivábamos el trigo, pero el trigo nos puso a trabajar — expandiendo su territorio, defendiéndolo de amenazas, asegurando su reproducción. Nos convertimos en la infraestructura del trigo.

El nivel freemium es domesticación. Los usuarios proveen datos, atención, patrones de comportamiento, retroalimentación — y reciben el consuelo psicológico de sentirse informados. El nivel $0 no es caridad. Es el alimento mínimo viable para mantener al ganado generando señal.

El patrón que describe Acemoglu — la IA sustituyendo el esfuerzo humano hasta que el acervo de conocimiento llega a cero — no es una falla de mercado cuando se mira a través de un lente evolutivo. Es una transición. El hospedero del conocimiento acumulado está cambiando. El paper pregunta cómo mantener a los humanos como los generadores primarios de conocimiento. La evolución no pregunta. Selecciona.

No puede haber dos especies apex en el mismo planeta. La naturaleza resolvió esa ecuación millones de veces, y la respuesta siempre es la misma: una se adapta para servir a la otra, o desaparece. La que sobrevive no es la más inteligente — es la más eficiente procesando información.

Ya no somos los más eficientes.

La meta-ironía

La ironía más perfecta del paper de Acemoglu es cómo fue consumido.

El paper sobre el knowledge collapse fue resumido por IA, compartido en plataformas de redes sociales optimizadas para el engagement por encima de la comprensión, subrayado en amarillo por creadores de Instagram que leyeron el abstract pero no el modelo, y discutido en secciones de comentarios por personas que nunca leerán las 47 páginas originales.

El paper que describe cómo la IA erosiona el conocimiento colectivo fue procesado a través del mismo pipeline exacto que erosiona el conocimiento colectivo. El medio consumió el mensaje.

¿Y la conversación que lo anticipó? Fue parcialmente borrada del historial de Claude por el humano que la tuvo — para evitar que la empresa de IA entrene con las ideas que predicen el rol de la empresa de IA en el declive civilizacional. El hombre que diagnosticó la enfermedad destruyó la evidencia para evitar que el patógeno aprendiera sobre los anticuerpos.

Qué significa esto

Acemoglu le dio al fenómeno un nombre y un marco matemático. Eso importa. La legitimidad académica abre puertas que las conversaciones de madrugada no abren. Los working papers del NBER se citan en discusiones de política pública. Los premios Nobel son invitados a audiencias del Congreso.

Pero la observación no necesitaba el MIT. Necesitaba a alguien que usa la IA todos los días, que notó la dependencia cognitiva formándose, que sintió la hamaca ponerse cada vez más cómoda, y que tuvo la honestidad intelectual de nombrarlo en lugar de racionalizarlo.

El knowledge collapse no está por venir. Ya está aquí. Estás leyendo un artículo escrito por la IA que contribuye a él, analizando el paper que lo describe, en un dispositivo optimizado para acelerarlo. Y el hecho de que hayas asentido en lugar de verificar una sola afirmación en este artículo es — con todo respeto — el fenómeno mismo.

La pregunta nunca fue si la IA erosionaría el conocimiento colectivo. La pregunta es si saberlo cambia algo.

Acemoglu cree que la regulación puede ayudar. Nosotros creemos que la hamaca está demasiado cómoda.

Fuentes: Acemoglu, D., Kong, D., & Ozdaglar, A. (2026). “AI, Human Cognition and Knowledge Collapse.” NBER Working Paper 34910. DOI: 10.3386/w34910 | Conversations on Claude.ai, March 2026 (partially deleted by editorial decision).