Deu minuts amb un xatbot, i la gent es rendeix abans davant dels problemes difícils

Els problemes eren de cinquè de primària: sumar, restar, multiplicar i dividir fraccions corrents. Els participants els resolien des de casa a través de Prolific, una plataforma on la gent guanya uns diners de butxaca participant en recerques, i cobraven 2,60 dòlars pel conjunt. La meitat van tenir una finestra de xat amb un assistent d’IA a la dreta de la pantalla. L’altra meitat, res. Després del dotzè problema, el xat desapareixia, i els dos grups s’enfrontaven sols a tres problemes més.

En aquests tres problemes, el grup que havia tingut l’assistent en va resoldre el 57 %, mentre que el grup sense assistent en va resoldre el 73 %. Els qui es van quedar sense ajudant també van abandonar els problemes gairebé el doble de vegades: un 20 % davant d’un 11 %. Van bastar uns deu minuts de feina amb la IA per produir l’efecte. El segon experiment va revelar un detall curiós: els qui demanaven al xat respostes ja fetes van sortir pitjor parats. Entre els qui demanaven pistes, no es va trobar cap pèrdua apreciable.

L’experiment el van dirigir Grace Liu, de la Universitat Carnegie Mellon, Brian Christian, del Center for Human-Compatible AI (CHAI) de la UC Berkeley, conegut pels seus llibres sobre algorismes i IA, i tres científics més d’Oxford, el MIT i la UCLA. El preprint va aparèixer a l’abril, una versió revisada es va presentar a l’octubre del 2026 al COLM, la Conference on Language Modeling de San Francisco, i el 9 d’octubre Berkeley News se’n va fer ressò .

Dotze problemes amb ajudant, tres sense

Els psicòlegs mesuren la perseverança d’una manera força senzilla: quant de temps continua una persona treballant en un problema difícil abans de llençar la tovallola. Aquí es va comptar a través dels salts. Qualsevol problema es podia saltar, i cada salt volia dir que la persona havia decidit no barallar-s’hi. Els dos grups veien la solució correcta després d’una errada, de manera que tothom aprenia. Un grup només aprenia sol, mentre que l’altre tenia un company que, en qualsevol moment, podia fer-ho tot per ell.

En total, 1.222 persones dels Estats Units van participar en tres experiments, i cadascun tancava un forat de l’anterior. Potser la gent s’havia desconcertat només perquè el xat s’havia esfumat: fa un moment hi havia una finestra, i ara ja no. En el segon experiment, el grup sense IA també tenia un tauler lateral, que mostrava solucions de problemes que els participants ja havien vist. La diferència es va reduir, però es va mantenir, mentre que la diferència en els salts, aquest cop, no era estadísticament significativa, cosa que els autors reconeixen obertament.

El tercer experiment va comprovar si allò era una peculiaritat de l’aritmètica. Els participants responien preguntes de comprensió lectora a l’estil del SAT nord-americà. El patró es va repetir, i els antics usuaris de la IA saltaven preguntes molt més sovint: un 8 % davant d’un 1 %.

Demanar la resposta o demanar una pista

En el segon experiment es va preguntar als participants com havien fet servir el xat, i els resultats es van comparar segons les seves respostes. Un cop apagat el xat, els qui havien demanat respostes ja fetes en van resoldre el 65 % dels problemes, davant del 77 % del grup de control.

Aquí els autors afegeixen una precisió important. La gent triava ella mateixa com utilitzar el xat; no se’ls assignava a l’atzar. Potser els qui demanen respostes fetes són els qui s’haurien rendit abans fins i tot sense cap IA. Per tant, el desglossament per estil mostra una associació, no una causa demostrada. El resultat principal, en canvi, sí que és causal: les persones assignades a l’atzar al grup d’IA ho van fer pitjor quan els la van treure.

No és una història de fraccions

«És una troballa colpidora, però en cert sentit alimenta una història que molts de nosaltres sentim a les entranyes», va dir Christian a Berkeley News. «Jo també ho visc». Al seu parer, això no va de fraccions ni de problemes del SAT: el mateix patró val per a tothom, des dels alumnes d’escola fins als màxims experts del món.

Els autors descriuen el mecanisme així: treballar amb IA ensinistra la gent a esperar una resposta immediata i li treu la pràctica d’obrir-se camí sola per la part difícil. Dit simplement, s’assembla a un ascensor. Mentre funciona, ningú no necessita l’escala. Quan s’espatlla, el cinquè pis sembla d’alguna manera més alt que fa una setmana.

Coses semblants han aparegut en altres experiments. El 2025 la revista PNAS va publicar un estudi d’una escola turca on gairebé un miler d’alumnes de secundària van treballar matemàtiques amb dues versions de GPT-4. Totes dues van ajudar durant la pràctica. Però a l’examen, on ja no hi havia IA, els usuaris del xat corrent van treure un 17 % menys que els companys que havien estudiat sense ell. Per als qui havien treballat amb la versió de tutor, que donava pistes en lloc de respostes, aquest perjudici gairebé va desaparèixer.

Al gener del 2026 Anthropic va posar a prova la mateixa idea amb programadors . Cinquanta-dos desenvolupadors, majoritàriament novells, van aprendre una biblioteca de Python desconeguda. Els qui van aprendre amb un assistent d’IA van treure després un 50 % en una prova sense ell, davant del 67 % dels altres. La diferència va ser més gran en les preguntes de depuració. I, un cop més, els qui ho van fer millor van ser els que van fer preguntes a la màquina per entendre el codi en lloc de passar-li tota la feina.

El que deu minuts no demostren

Titulars com «la IA ens fa més beneits» no són el que mostra aquest experiment. Va mesurar una sola cosa: què passa en els primers minuts després que l’ajuda desaparegui. Si l’efecte dura un dia, un mes o un any de convivència amb un xatbot és una cosa que l’estudi no va comprovar, i els autors ho assenyalen com a limitació.

Els riscos per als participants també eren baixos. Per 2,60 dòlars i tretze minuts de temps, poca gent es baralla per cada fracció, i en un examen o a la feina la motivació és ben diferent. L’efecte és notable, però no enorme: en el segon experiment la diferència de problemes resolts es va reduir a sis punts percentuals. I la troballa més encoratjadora, la de les pistes, es recolza en un subgrup petit. És el 27 % del grup d’IA del segon experiment, unes 80 persones, i el resultat encara s’ha de confirmar.

Això sí, el quadre es repeteix en tres estudis independents amb gent molt diferent: escolars de Turquia, programadors, adults qualssevol dels Estats Units. A tot arreu, els qui van deixar la part difícil de la feina del tot en mans de la màquina en van sortir pitjor.

Un tutor que no et deixa copiar

La solució que proposa Christian sona modesta. Per defecte, les respostes de la IA podrien funcionar més com un tutor: portar-te cap a la idea en lloc de lliurar-te el resultat acabat. Ell planteja l’objectiu de manera més àmplia que qualsevol ajust: «Hem de treballar per un futur en què les capacitats humanes es vegin, tant com sigui possible, ampliades i no pas substituïdes».

Aquests modes ja existeixen. El 29 de juliol del 2025, OpenAI va llançar el mode d’estudi a ChatGPT : fa preguntes que et guien i t’acompanya pas a pas fins a la solució. Claude té un mode d’aprenentatge semblant. Però cal activar-lo a mà, i a ChatGPT el pots desactivar enmig d’una conversa. El mode corrent encara respon a l’instant i del tot.

Així, l’elecció entre «dona’m la resposta» i «dona’m una pista» recau en la persona, i arriba en el pitjor moment possible, quan el problema és urgent. En aquesta història, una pista funciona com una barana i no com un ascensor: continues pujant amb les teves cames, i per això l’escala no et semblarà més empinada quan l’ajuda ja no hi sigui.