MatricúlateDiseño adictivo, autonomía y aprendizaje
Una aproximación técnica-regulatoria a la economía de la atención y la delegación cognitiva
(Artículo dirigido, revisado y validado por Leocadio Marrero Trujillo, autor y responsable editorial. Se utilizaron herramientas de IA generativa como apoyo a la edición y al diseño gráfico)
Resumen
Las plataformas digitales no se limitan a alojar o mostrar contenidos. Seleccionan qué ve cada persona, en qué orden aparece la información, cuándo se envía una notificación y qué estímulos pueden prolongar la interacción. Esta arquitectura ha generado una preocupación creciente por el denominado diseño adictivo o, en términos más prudentes, diseño orientado al enganche.
El problema no se reduce al tiempo de pantalla. Afecta también a la autonomía del usuario, al tratamiento de sus datos, a la protección de los menores y a la distribución del esfuerzo cognitivo entre las personas y los sistemas digitales. La expansión de la inteligencia artificial generativa añade una nueva dimensión: estas herramientas pueden apoyar el aprendizaje, pero también permiten externalizar tareas como buscar información, sintetizarla, formular argumentos o redactar conclusiones.
Este trabajo desarrolla una revisión narrativa crítica e interdisciplinar de normas, actuaciones regulatorias e investigaciones científicas disponibles hasta el 5 de agosto de 2026. Se examinan el Reglamento de Servicios Digitales, el Reglamento General de Protección de Datos, el Derecho europeo de consumo, el Reglamento de Inteligencia Artificial y algunas respuestas regulatorias estadounidenses. En el plano empírico, se analizan investigaciones sobre redes sociales, lectura digital, rendimiento académico, inteligencia artificial y pensamiento crítico.
La evidencia no permite afirmar que toda utilización de redes sociales o inteligencia artificial produzca un deterioro de la atención o del aprendizaje. Sí permite identificar riesgos condicionados por la edad, el diseño del servicio, la forma de uso, el contexto y las actividades que la tecnología sustituye o facilita.
Como aportación propia, se propone un marco analítico que conecta el objetivo empresarial, las métricas de interacción, los datos, los algoritmos, las funcionalidades, las conductas promovidas y los posibles efectos sobre la autonomía y el aprendizaje. El artículo concluye que el diseño digital debe incorporarse a los sistemas de gobierno, riesgos y cumplimiento, y no permanecer limitado a los equipos de producto o experiencia de usuario.
Palabras clave: diseño adictivo; economía de la atención; plataformas digitales; autonomía; protección de datos; menores; inteligencia artificial; delegación cognitiva; pensamiento crítico; GRC.
1. Introducción
Abrimos una red social para consultar un mensaje.
A continuación aparece un vídeo. Después otro. Deslizamos la pantalla una vez más. Recibimos una notificación. Alguien ha reaccionado a una publicación. Cuando volvemos a mirar el reloj, ha pasado mucho más tiempo del que pensábamos dedicar.
No siempre sucede porque hayamos decidido conscientemente permanecer allí. Muchas aplicaciones están diseñadas para que continuar resulte sencillo y detenerse requiera una decisión adicional.
El desplazamiento infinito elimina el final de la página. La reproducción automática evita tener que elegir el siguiente contenido. Las notificaciones invitan a regresar. Las reacciones introducen una expectativa social. Los sistemas de recomendación intentan anticipar qué contenido tiene más posibilidades de interesarnos.
Estas funciones no son necesariamente ilícitas. Tampoco toda plataforma atractiva, personalizada o fácil de utilizar es manipuladora.
El riesgo aparece cuando el diseño, los datos y los algoritmos se combinan para prolongar de manera persistente la interacción, dificultar que una persona controle su conducta o aprovechar vulnerabilidades vinculadas con la edad, la falta de experiencia o determinadas circunstancias personales.
El 20 de julio de 2026, la Agencia Española de Protección de Datos -AEPD- y la Comisión Nacional de los Mercados y la Competencia -CNMC- publicaron un artículo conjunto sobre el diseño adictivo de las plataformas digitales. Ambas instituciones señalaron que el fenómeno puede tener implicaciones en protección de datos, competencia, protección del consumidor y cumplimiento del Reglamento de Servicios Digitales. [1]
La preocupación regulatoria coincide con otra transformación. La inteligencia artificial generativa puede localizar información, resumir documentos, proponer argumentos, resolver ejercicios y redactar textos completos.
Estas capacidades pueden ampliar las posibilidades de aprendizaje. También pueden permitir que una persona obtenga un buen resultado sin haber realizado las operaciones necesarias para comprenderlo o producirlo de forma autónoma.
¿Qué parte de nuestra atención, de nuestras decisiones y de nuestro esfuerzo intelectual estamos trasladando al sistema?
Este trabajo no pretende demostrar una cadena causal universal entre diseño adictivo, pérdida de atención, dependencia de la inteligencia artificial y deterioro cognitivo. Las fuentes disponibles no permiten sostener una conclusión tan amplia.
Su objetivo es diferente: delimitar el fenómeno, analizar los marcos regulatorios aplicables, jerarquizar la evidencia científica y proponer un modelo para gobernar los riesgos que surgen en la interacción entre arquitectura digital, autonomía y aprendizaje.
2. Método, alcance y criterios de interpretación
Este trabajo se basa en una revisión narrativa crítica e interdisciplinar.
No constituye una revisión sistemática ni pretende identificar de forma exhaustiva toda la literatura existente. Su finalidad consiste en relacionar fuentes técnicas, regulatorias y empíricas que suelen estudiarse por separado.
2.1. Fuentes jurídicas y regulatorias
En el plano jurídico se han priorizado:
- normas vigentes;
- documentos oficiales de autoridades;
- actuaciones administrativas;
- textos legislativos;
- resoluciones, demandas y órdenes originales cuando estaban disponibles.
Se distingue entre obligaciones establecidas por una norma, interpretaciones contenidas en guías, conclusiones preliminares de una autoridad y alegaciones formuladas dentro de un procedimiento pendiente.
2.2. Fuentes científicas
En el plano empírico se han priorizado:
- estudios longitudinales;
- revisiones sistemáticas;
- metaanálisis;
- estudios experimentales o cuasiexperimentales;
- estudios transversales sobre cuestiones todavía poco investigadas, utilizados de manera complementaria.
Los resultados se valoran atendiendo al diseño del estudio, el tamaño y la composición de la muestra, el tipo de medición, la posibilidad de establecer causalidad y la capacidad de generalizar los resultados.
2.3. Lenguaje utilizado
Las fuentes no tienen el mismo estatuto probatorio. Por ello, se utiliza un lenguaje diferenciado:
- «exige», «prohíbe» o «debe», cuando la afirmación procede de una norma;
- «la autoridad considera preliminarmente», cuando el procedimiento no ha concluido;
- «la demanda sostiene», cuando se describen alegaciones pendientes de prueba;
- «se relacionó» o «se asoció», cuando el estudio no acredita causalidad;
- «se propone» o «cabe plantear», cuando se formula una interpretación propia.
La precisión terminológica no es una precaución formal. Determina qué puede concluirse legítimamente de cada fuente.
2.4. Limitaciones del enfoque
La revisión presenta cuatro límites principales.
- No garantiza la identificación de todos los estudios disponibles.
- Una parte importante de las investigaciones sobre inteligencia artificial se concentra en estudiantes universitarios y no puede trasladarse automáticamente a niños y adolescentes.
- Algunos estudios miden percepciones declaradas y no capacidades objetivas.
- Las tecnologías cambian con gran rapidez. Los resultados asociados a una herramienta, versión o contexto pueden no reproducirse en otros entornos.
3. Delimitación conceptual
3.1. Diseño persuasivo
Toda interfaz influye en quien la utiliza. El orden de las opciones, el tamaño de un botón, el color de una advertencia o la forma de presentar una recomendación pueden facilitar o dificultar una conducta.
Esta influencia no es necesariamente negativa. Una aplicación de salud puede recordar una medicación. Una plataforma educativa puede animar a completar una lección. Un navegador puede advertir de que una página es peligrosa.
El diseño persuasivo puede considerarse legítimo cuando:
- su finalidad es comprensible;
- no oculta información relevante;
- mantiene opciones reales;
- respeta la capacidad de decisión del usuario.
3.2. Patrones oscuros
Un patrón oscuro organiza la interfaz para conducir a una persona hacia una decisión que beneficia principalmente a quien presta el servicio.
Puede consistir en:
- facilitar el alta y dificultar la cancelación;
- destacar la opción de aceptar y ocultar la de rechazar;
- añadir productos o servicios sin una elección suficientemente clara;
- utilizar mensajes de urgencia artificial;
- ocultar costes;
- inducir a facilitar más datos de los que la persona pretendía entregar.
La Federal Trade Commission -FTC- ha descrito estas prácticas como técnicas de diseño capaces de engañar o manipular a los consumidores para que adopten decisiones que quizá no habrían tomado de otro modo. Su informe de 2022 analiza patrones relacionados con suscripciones, publicidad encubierta, cargos, consentimiento y recogida de datos. [2]
3.3. Diseño orientado al enganche
El diseño orientado al enganche tiene una finalidad parcialmente diferente. No busca necesariamente una única decisión económica. Pretende que la interacción se prolongue o se repita.
Abrir → mirar → recibir un estímulo → reaccionar → continuar → regresar.
Entre sus mecanismos pueden encontrarse:
- desplazamiento infinito;
- reproducción automática;
- notificaciones;
- recompensas variables;
- rachas;
- contadores;
- recomendaciones personalizadas;
- presión social;
- ausencia de puntos naturales de cierre.
El término diseño adictivo resulta útil para identificar esta arquitectura, pero no debe confundirse con un diagnóstico clínico.
No toda utilización frecuente es una adicción. Dependiendo del estudio y del contexto, puede ser más preciso hablar de diseño orientado al enganche, uso problemático, uso compulsivo, interacción persistente o pérdida de control.
La AEPD ha analizado cómo determinados patrones pueden incorporarse a tratamientos de datos con la finalidad de aumentar el tiempo de conexión, el compromiso del usuario y la cantidad de información obtenida. [3]
3.4. Delegación cognitiva
La delegación cognitiva se produce cuando una persona utiliza una herramienta externa para realizar una tarea mental.
No es un fenómeno nuevo. Utilizamos calculadoras, agendas, mapas, buscadores y correctores. Estas herramientas pueden liberar recursos y permitirnos concentrarnos en actividades de mayor valor.
La inteligencia artificial generativa amplía notablemente el alcance de esa delegación. Puede intervenir en varias fases de una tarea:
- localizar información;
- seleccionarla;
- resumirla;
- relacionar ideas;
- formular argumentos;
- redactar;
- revisar;
- construir una conclusión.
La delegación no es perjudicial por sí misma. El riesgo aparece cuando la herramienta sustituye de forma sistemática las actividades que una persona necesita practicar para aprender, comprender o conservar una capacidad.
Conclusión parcial. Persuasión, patrón oscuro, diseño orientado al enganche y delegación cognitiva describen fenómenos distintos. Pueden coincidir en un mismo servicio, pero no deben tratarse como categorías equivalentes. El análisis debe examinar qué conducta pretende promover el sistema, qué mecanismos utiliza, qué información necesita y cuánto control conserva la persona.
4. La arquitectura técnica de la economía de la atención
Una plataforma no se limita a mostrar contenidos. Organiza activamente la experiencia. Decide qué aparece primero, qué se recomienda después, cuándo se interrumpe al usuario, qué elementos se destacan y qué respuesta se considera exitosa.
4.1. Datos observados e inferidos
Para adoptar estas decisiones, el servicio puede registrar:
- clics;
- tiempo de visualización;
- pausas;
- velocidad de desplazamiento;
- búsquedas;
- reacciones;
- contenidos repetidos;
- horarios;
- dispositivo;
- ubicación aproximada;
- relaciones con otros usuarios.
A partir de estas señales puede generar inferencias sobre intereses probables, hábitos, afinidades, momentos de mayor receptividad, contenidos que generan rechazo o estímulos que aumentan la posibilidad de retorno.
El dato relevante no es únicamente aquello que la persona declara. También lo es aquello que el sistema deduce de su comportamiento.
4.2. Sistemas de recomendación
El sistema de recomendación ordena contenidos conforme a determinados parámetros. Puede optimizar métricas como:
- duración de la sesión;
- frecuencia de apertura;
- número de contenidos consumidos;
- tasa de retorno;
- interacción;
- retención;
- conversión;
- ingresos publicitarios.
La recomendación puede ser útil. Reduce el esfuerzo de búsqueda y facilita el acceso a contenidos relevantes.
El riesgo aparece cuando la métrica de éxito se concentra en maximizar permanencia o monetización sin integrar límites suficientes relacionados con autonomía, privacidad, edad, vulnerabilidad, descanso o efectos acumulativos.
4.3. Experimentación continua
Muchas plataformas realizan pruebas para comparar diseños, mensajes y opciones. Estas pruebas pueden determinar qué color genera más clics, qué frecuencia de notificación produce más retornos, qué orden de contenidos prolonga la sesión o qué configuración aumenta la conversión.
La experimentación no es ilegítima. Forma parte del desarrollo de producto. Sin embargo, cuando su objetivo es influir en conductas humanas, debería someterse también a criterios de riesgo, proporcionalidad y protección de las personas afectadas.
4.4. El ciclo de interacción
El informe de la FTC A Look Behind the Screens examinó las prácticas de grandes plataformas sociales y servicios de vídeo. La autoridad describió una recogida extensa de datos, una utilización intensiva de sistemas automatizados y salvaguardias insuficientes para niños y adolescentes. [4]
Más interacción → más datos → mayor capacidad predictiva → más personalización → nueva interacción.
Este ciclo no es ilícito de manera automática. Puede producir una experiencia útil. Su valoración depende de la finalidad, los datos utilizados, el nivel de personalización, las personas afectadas, los riesgos previsibles y las posibilidades reales de elección y salida.
Conclusión parcial. El diseño orientado al enganche no puede evaluarse observando únicamente la pantalla. Debe reconstruirse toda la arquitectura: objetivo empresarial, métrica, datos, modelo, recomendación, interfaz, conducta y resultado. El riesgo puede encontrarse en la combinación entre modelo de negocio, arquitectura técnica y ausencia de límites eficaces.
5. Marco regulatorio europeo
El diseño adictivo no constituye una única categoría jurídica uniforme. Una misma práctica puede ser relevante desde distintos marcos: Reglamento de Servicios Digitales, Reglamento General de Protección de Datos, Derecho de protección del consumidor, protección de menores y, en determinados supuestos, Reglamento de Inteligencia Artificial.
Esto no significa que todas las normas se apliquen simultáneamente ni que una función produzca automáticamente varias infracciones. La calificación depende del servicio, la conducta, los datos tratados, las personas afectadas y los efectos producidos.
5.1. Reglamento de Servicios Digitales
El Reglamento (UE) 2022/2065 establece distintos niveles de obligaciones según la naturaleza y el tamaño del servicio. [5]
Diseño de interfaces
El artículo 25 prohíbe que las plataformas en línea diseñen, organicen u operen sus interfaces de una forma que engañe o manipule a los destinatarios o que distorsione materialmente su capacidad para adoptar decisiones libres e informadas. El propio artículo menciona como ejemplos dar mayor relevancia a determinadas opciones, solicitar repetidamente una elección ya realizada o dificultar la cancelación frente a la contratación. [5]
La prohibición del artículo 25 no se aplica a prácticas ya cubiertas por el RGPD o por la Directiva sobre prácticas comerciales desleales. Esta regla evita tratar los marcos como sanciones automáticamente acumulables y obliga a identificar cuál es la norma específicamente aplicable. [5]
Transparencia de recomendadores
El artículo 27 exige que las plataformas expliquen, en lenguaje claro e inteligible, los principales parámetros utilizados por sus sistemas de recomendación y las opciones disponibles para modificarlos o influir en ellos. [5]
La transparencia no exige revelar el código ni todos los elementos del modelo. Sí exige que el usuario pueda comprender por qué se le propone una información y qué criterios resultan especialmente relevantes.
Protección de menores
El artículo 28 obliga a las plataformas accesibles a menores a adoptar medidas adecuadas y proporcionadas para garantizar un alto nivel de privacidad, seguridad y protección. Además, prohíbe determinada publicidad basada en perfiles cuando la plataforma conoce con razonable certeza que el usuario es menor y aclara que el cumplimiento no obliga por sí mismo a tratar datos adicionales para averiguar la edad. [5]
Riesgos sistémicos
Los artículos 34 y 35 se aplican específicamente a las plataformas y motores de búsqueda designados como muy grandes -VLOP y VLOSE-. Estas entidades deben evaluar riesgos sistémicos relacionados, entre otros aspectos, con derechos fundamentales, protección de menores, salud pública, bienestar físico y mental, funcionamiento de recomendadores, diseño del servicio, publicidad, moderación y tratamiento de datos. Después deben adoptar medidas razonables, proporcionadas y eficaces para reducirlos. [5]
El artículo 38 añade que las plataformas y motores de búsqueda muy grandes que utilicen recomendadores deben ofrecer, al menos, una opción que no se base en la elaboración de perfiles. [5]
Actuación sobre TikTok
El 6 de febrero de 2026, la Comisión Europea publicó sus conclusiones preliminares sobre el diseño de TikTok. La Comisión destacó el desplazamiento infinito, la reproducción automática, las notificaciones y un recomendador altamente personalizado. La valoración preliminar no sostiene que estas funciones sean ilícitas por el mero hecho de existir. Examina si TikTok evaluó suficientemente los riesgos asociados a su diseño y si implantó medidas eficaces para mitigarlos. [6]
Actuación sobre Instagram y Facebook
El 10 de julio de 2026, la Comisión comunicó conclusiones preliminares semejantes respecto de Instagram y Facebook. También en este caso el procedimiento permanece abierto. Meta puede acceder al expediente, formular alegaciones y aportar pruebas antes de que la Comisión adopte una decisión definitiva. [7]
Eficacia de las medidas
Uno de los elementos más relevantes de estas actuaciones es la atención prestada a la eficacia. Una plataforma puede disponer de recordatorios, límites voluntarios, controles parentales, paneles de bienestar, pausas o configuraciones alternativas. Pero la existencia formal de una herramienta no demuestra que el riesgo esté controlado.
En el expediente sobre TikTok, la Comisión ha cuestionado preliminarmente la eficacia de medidas que pueden descartarse con facilidad y ha planteado la posible necesidad de cambios más profundos en el diseño. [6]
Conclusión parcial sobre el DSA. La principal aportación del DSA no consiste en prohibir una lista cerrada de funcionalidades. Consiste en trasladar a la plataforma la responsabilidad de conocer los riesgos producidos por su arquitectura, justificar sus decisiones, adoptar medidas proporcionadas y demostrar que esas medidas funcionan. El cumplimiento se desplaza hacia la evaluación documentada de los efectos reales del servicio.
5.2. Protección de datos personales
El diseño orientado al enganche puede utilizar datos personales para observar comportamientos, segmentar usuarios, crear perfiles, inferir preferencias, predecir respuestas, personalizar estímulos y medir resultados. Cuando estas operaciones implican tratamiento de datos personales, resulta aplicable el RGPD. [8]
No todo diseño adictivo constituye por sí mismo una infracción de protección de datos. Debe existir una operación comprendida en el ámbito material del Reglamento.
Principios aplicables
Los principios del artículo 5 pueden ser especialmente relevantes: licitud, lealtad, transparencia, limitación de la finalidad, minimización, exactitud, limitación de conservación, integridad y confidencialidad y responsabilidad proactiva. [8]
Protección desde el diseño y por defecto
El artículo 25 exige que el responsable integre medidas adecuadas desde el momento en que determina las finalidades y los medios del tratamiento. En un servicio personalizado, esto obliga a examinar qué datos son realmente necesarios, qué inferencias se producirán, qué nivel de personalización se aplica, qué configuración recibe el usuario por defecto y si existe una alternativa menos intrusiva. [8]
La pregunta no debería ser únicamente «¿podemos utilizar este dato?», sino «¿por qué lo necesitamos y qué efecto tendrá sobre la persona?».
Transparencia y lealtad
La transparencia no se satisface mediante una política extensa que enumera operaciones de forma abstracta. La persona debería poder entender qué comportamientos se observan, cómo influyen en las recomendaciones, por qué recibe determinados contenidos y qué posibilidades tiene de modificar la experiencia.
La lealtad exige además valorar si la información y el diseño crean expectativas razonables o aprovechan de manera desproporcionada la falta de conocimiento del usuario.
Evaluación de impacto
Cuando el tratamiento pueda entrañar un alto riesgo para los derechos y libertades, el artículo 35 exige una evaluación de impacto. La combinación de seguimiento sistemático, elaboración intensiva de perfiles, datos de menores, inferencias sensibles y decisiones de diseño capaces de afectar a la autonomía puede ser relevante para valorar la necesidad de esa evaluación. La conclusión debe adoptarse caso por caso. [8]
Posición de la AEPD
La AEPD ha relacionado los patrones adictivos con responsabilidad proactiva, protección desde el diseño, transparencia, licitud, lealtad, limitación de finalidad, minimización y posible tratamiento de categorías especiales. [3]
La Agencia también ha publicado una nota técnica sobre patrones adictivos y derecho a la integridad. El documento recopila evidencia sobre posibles efectos físicos y psíquicos y formula una posición institucional exigente respecto de estas prácticas. No equivale, sin embargo, a demostrar que toda funcionalidad produzca el mismo efecto en todas las personas. [9]
Artículo 22 del RGPD
No todo recomendador activa automáticamente el artículo 22. Ese precepto se refiere a decisiones basadas únicamente en tratamiento automatizado que produzcan efectos jurídicos o afecten significativamente de manera similar. Muchos sistemas de recomendación influyen en la experiencia sin alcanzar necesariamente ese umbral. Su aplicabilidad debe analizarse en función de los efectos concretos. [8]
Conclusión parcial sobre protección de datos. El problema no reside únicamente en cuánto se personaliza. Importa qué información permite personalizar, qué inferencias se crean, para qué finalidad, con qué base jurídica, bajo qué configuración y con qué consecuencias para la autonomía. El dato y el diseño forman parte de una misma operación de influencia y personalización.
5.3. Derecho europeo de consumo
El Derecho de protección del consumidor resulta esencial cuando el diseño influye en decisiones económicas. La Directiva 2005/29/CE prohíbe las prácticas comerciales desleales que distorsionan o pueden distorsionar de forma sustancial el comportamiento económico del consumidor. [10]
La Directiva distingue entre acciones engañosas, omisiones engañosas y prácticas agresivas. Una práctica puede ser agresiva cuando el acoso, la coacción o la influencia indebida reducen de forma significativa la libertad de elección y llevan al consumidor a adoptar una decisión que no habría tomado de otro modo. [10]
La norma presta atención específica a los grupos particularmente vulnerables por su edad, credulidad o determinadas condiciones físicas o mentales. Cuando una práctica puede afectar de forma previsible a ese grupo, debe evaluarse desde la perspectiva de uno de sus miembros medios. [10]
Este marco resulta especialmente relevante en diseños relacionados con compras, suscripciones, renovaciones, contenidos de pago, publicidad o entrega de datos a cambio de servicios.
Conclusión parcial sobre consumo. El Derecho de consumo permite observar el diseño no solo como una cuestión de información, sino como una arquitectura capaz de alterar la libertad económica. Una interfaz puede ser desleal aunque ninguna frase aislada sea falsa. La presentación, el orden, la fricción y la presión pueden modificar sustancialmente la decisión.
5.4. Reglamento de Inteligencia Artificial
El Reglamento (UE) 2024/1689 puede resultar aplicable en determinados supuestos, pero su alcance es más estrecho que el del DSA, el RGPD o el Derecho de consumo. [11]
El artículo 5 prohíbe ciertos sistemas de IA que utilicen técnicas subliminales, deliberadamente manipuladoras o engañosas. No prohíbe toda técnica persuasiva.
Para aplicar la prohibición deben concurrir varios requisitos:
- Debe existir un sistema de IA incluido en el ámbito del Reglamento.
- Deben utilizarse las técnicas descritas por la norma.
- El comportamiento debe alterarse de manera sustancial.
- Debe menoscabarse apreciablemente la capacidad de adoptar una decisión informada.
- La persona debe tomar una decisión que no habría adoptado de otro modo.
- Debe producirse, o ser razonablemente probable, un perjuicio importante.
El Reglamento también contempla determinados sistemas que explotan vulnerabilidades derivadas de la edad, la discapacidad o una situación social o económica específica. Las prácticas comerciales habituales y legítimas no deben considerarse por sí mismas manipulación prohibida cuando respetan el Derecho aplicable. [11]
Conclusión parcial sobre el Reglamento de IA. La mera presencia de personalización, recomendación o persuasión no permite presumir una práctica prohibida. La autoridad deberá demostrar, en el caso concreto, que concurren los elementos acumulativos del artículo 5. El Reglamento de IA puede formar parte del análisis, pero no debe convertirse en una prohibición general del diseño orientado al enganche.
6. Perspectiva comparada: Estados Unidos
Estados Unidos no dispone de un marco federal equivalente al Reglamento de Servicios Digitales. La respuesta se ha construido mediante protección del consumidor, privacidad infantil, regulación de suscripciones y cobros, legislación de los estados y responsabilidad civil.
6.1. FTC y patrones oscuros
La FTC puede actuar frente a prácticas desleales o engañosas. Su informe Bringing Dark Patterns to Light identifica técnicas como dificultar la cancelación, ocultar condiciones, disfrazar publicidad, introducir cargos, manipular elecciones y obtener información mediante interfaces confusas. [2]
6.2. Epic Games
En el asunto Epic Games, la FTC alegó que determinadas decisiones de diseño habían provocado compras involuntarias. La empresa aceptó destinar 245 millones de dólares a reembolsos a consumidores. En un acuerdo separado, aceptó una sanción de 275 millones por acusaciones relacionadas con la privacidad infantil y determinadas configuraciones predeterminadas. [12]
El caso no constituye un precedente directo sobre diseño adictivo. Su relevancia se encuentra en tres ideas:
- el flujo de una interfaz puede producir responsabilidad;
- las configuraciones predeterminadas importan;
- el consentimiento no puede obtenerse mediante una arquitectura confusa.
Ilustración conceptual generada con asistencia de IA. No representa personas ni hechos reales.
6.3. NGL
La FTC actuó también contra NGL, una aplicación de mensajes anónimos utilizada por adolescentes. Según la acusación, la aplicación enviaba mensajes generados artificialmente que parecían proceder de personas reales. La curiosidad o preocupación creada por esos mensajes se utilizaba para impulsar suscripciones. El acuerdo prohibió ofrecer aplicaciones de mensajería anónima a menores de 18 años. [13]
Estímulo emocional → interacción → suscripción → monetización.
6.4. SAFE for Kids Act
Nueva York aprobó la SAFE for Kids Act para restringir determinados flujos personalizados y notificaciones nocturnas dirigidos a menores. Las reglas definitivas fueron publicadas el 28 de julio de 2026 y entrarán en vigor el 25 de enero de 2027. [14]
La ley no impide que los menores utilicen redes sociales. Restringe determinados addictive feeds sin consentimiento parental, limita notificaciones relacionadas con esos flujos entre las 00:00 y las 06:00 e incorpora reglas sobre garantía de edad y consentimiento. [14]
Este modelo plantea una tensión difícil: proteger a los menores, comprobar la edad, no recoger datos innecesarios, mantener acceso a la información y respetar la libertad de expresión.
Conclusión parcial de la comparación. La Unión Europea y Estados Unidos no utilizan el mismo marco, pero convergen en un principio: el diseño de una interfaz puede generar responsabilidad cuando altera de manera desleal las decisiones, explota vulnerabilidades o produce riesgos que la empresa debía conocer y controlar. La diferencia principal está en el instrumento utilizado: evaluación sistémica en la Unión Europea; consumo, privacidad infantil y litigación en Estados Unidos.
7. Derechos de la infancia en el entorno digital
La Observación general núm. 25 del Comité de los Derechos del Niño establece que los derechos reconocidos por la Convención se aplican plenamente en el entorno digital. [15]
El Comité exige considerar:
- interés superior del menor;
- capacidades evolutivas;
- privacidad;
- libertad de expresión;
- acceso a información;
- participación;
- seguridad;
- protección frente a explotación económica.
También reclama que las empresas desarrollen procesos de diligencia debida y evalúen cómo sus productos pueden afectar a los derechos de niños y adolescentes. [15]
Proteger no significa excluir. El entorno digital ofrece oportunidades para aprender, crear, expresarse, participar, encontrar apoyo y relacionarse. La respuesta adecuada no consiste en expulsar a los menores de Internet, sino en diseñar servicios compatibles con su edad, desarrollo y capacidad real de comprensión.
Conclusión parcial. La protección del menor no puede reducirse al consentimiento parental ni a un control de tiempo. Exige analizar si el servicio respeta su desarrollo, evita explotar su vulnerabilidad, limita la personalización intrusiva y ofrece una experiencia segura por defecto.
Ilustración conceptual generada con asistencia de IA. No representa personas ni hechos reales.
8. Evidencia sobre redes sociales, lectura y aprendizaje
La evidencia científica no permite sostener una afirmación general como «las redes sociales perjudican siempre el aprendizaje». No existe un único tipo de red social, un único patrón de uso ni un efecto idéntico en todas las personas.
Importan la edad de inicio, la intensidad, el contenido, la finalidad, el momento del día, el contexto familiar, el contexto educativo y las actividades desplazadas.
8.1. Inicio temprano en redes sociales
Un estudio publicado el 3 de agosto de 2026 en Nature Human Behaviour analizó datos de 5.227 estudiantes del norte de Italia. Los investigadores combinaron información sobre el inicio en redes sociales con resultados longitudinales en pruebas estandarizadas de italiano, matemáticas e inglés. [16]
Los estudiantes que abrieron una cuenta personal en edades más tempranas presentaron posteriormente peores resultados en italiano y matemáticas frente a quienes comenzaron en noveno curso o más tarde. Entre quienes empezaron en sexto curso, las diferencias estimadas al llegar a octavo fueron aproximadamente -0,22 desviaciones estándar en italiano y -0,18 en matemáticas. No apareció un efecto equivalente en inglés. [16]
El estudio aplicó técnicas de emparejamiento, efectos fijos y diferencias en diferencias. Esto ofrece una base más sólida que una encuesta transversal. Sin embargo, no es un experimento aleatorio; la edad de apertura se reconstruyó retrospectivamente; la muestra procede de una región concreta; y las estimaciones dependen de supuestos sobre diferencias no observadas.
Los autores encontraron, además, evidencia compatible con que la presencia extendida del teléfono en distintos momentos del día pudiera contribuir a explicar parte de la relación. Ese análisis debe interpretarse con mayor cautela que el resultado longitudinal principal. [16]
Qué permite concluir. El estudio no demuestra que toda red social perjudique a cualquier menor. Sí sugiere que la edad de inicio y la integración del teléfono en la vida cotidiana pueden ser variables relevantes. El debate no debería limitarse a preguntar cuántas horas se utiliza una aplicación durante una semana.
8.2. Vídeos breves y resultados neurocognitivos
Una revisión sistemática publicada en junio de 2026 examinó la literatura sobre vídeos breves, rutinas digitales y resultados neurocognitivos en jóvenes. La revisión identifica asociaciones y preocupaciones relacionadas con atención, control inhibitorio, memoria, sueño, regulación emocional y uso problemático. [17]
La literatura incluida es heterogénea. Utiliza muestras, instrumentos y diseños distintos. Una parte importante es correlacional. Por tanto, la revisión aporta una señal de riesgo y una agenda de investigación, pero no prueba que los vídeos breves produzcan inevitablemente un deterioro neurocognitivo.
8.3. Teléfono propio y comprensión lectora
Un estudio publicado en Behavioral Sciences examinó a 106 menores de tercero y sexto de primaria. Los participantes que tenían teléfono propio obtuvieron, como grupo, resultados inferiores en comprensión lectora. Sin embargo, la presencia visible del teléfono durante la prueba no redujo por sí sola las puntuaciones. [18]
La relación entre propiedad y comprensión es observacional. La investigación utiliza una muestra reducida, no permite establecer causalidad y no identifica por sí sola el mecanismo que explicaría la diferencia. El resultado puede ser compatible con factores acumulativos como hábitos, contenidos, sueño, interrupciones, tiempo de lectura o diferencias familiares, pero el estudio no permite determinar cuál de ellos explica el resultado.
Qué permite concluir. La investigación debe tratarse como evidencia exploratoria. No justifica afirmar que entregar un teléfono cause directamente una pérdida de comprensión.
8.4. Lectura digital y desplazamiento
Un metaanálisis en red publicado en 2026 reunió 56 estudios sobre comprensión en papel, ordenador, tableta, lector electrónico y teléfono inteligente. [19]
Cuando la lectura digital exigía desplazamiento vertical, el papel mostró ventajas frente a los dispositivos digitales. Cuando no era necesario desplazarse y el contenido se presentaba de manera estable o paginada, las diferencias eran pequeñas y no siempre estadísticamente fiables. [19]
La mayor parte de las investigaciones incluidas se realizó con universitarios y textos expositivos en inglés. Los resultados no permiten afirmar «pantalla mala, papel bueno». Permiten una conclusión más precisa: la forma en que se presenta el texto -incluidos el tamaño del dispositivo, el desplazamiento y la estabilidad espacial- puede influir en la comprensión.
Conclusión parcial sobre aprendizaje y lectura. La evidencia no confirma un deterioro general e inevitable producido por la tecnología. Sí impide tratar la arquitectura digital como una variable irrelevante. La edad, el formato, la intensidad, el contexto y las actividades desplazadas pueden modificar los resultados. La pregunta científica no debe ser únicamente si se utilizó una pantalla, sino cómo, cuándo, para qué y en sustitución de qué actividad.
Ilustración conceptual generada con asistencia de IA. No representa personas ni hechos reales
9. Inteligencia artificial y delegación cognitiva
La inteligencia artificial generativa introduce un riesgo diferente al de las redes sociales. Las redes sociales pueden competir por la atención. La IA puede automatizar o externalizar tareas que antes realizaba el estudiante: buscar, seleccionar, resumir, organizar, argumentar, redactar y revisar.
Estas capacidades pueden ser beneficiosas. Un alumno puede recibir una explicación adaptada, ejemplos adicionales, retroalimentación, traducciones, preguntas, simulaciones o ayuda para encontrar un error. Pero también puede obtener una respuesta terminada sin comprender cómo se construyó.
¿Qué actividad realizó la herramienta y qué actividad tuvo que seguir realizando la persona?
9.1. Rendimiento inmediato y aprendizaje
El OECD Digital Education Outlook 2026 diferencia claramente el resultado de una tarea y el aprendizaje. La inteligencia artificial puede mejorar el producto inmediato. Sin embargo, cuando se externaliza una tarea sin orientación pedagógica, esa mejora puede no traducirse en una ganancia real de aprendizaje. [20]
La OCDE no propone rechazar la IA. Sostiene que puede apoyar el aprendizaje cuando existe un objetivo pedagógico, la herramienta proporciona andamiaje, el alumno participa activamente y el profesorado conserva la dirección del proceso. El riesgo aparece cuando el sistema elimina el esfuerzo productivo que permite comprender, recordar, transferir, evaluar y resolver problemas de manera autónoma. [20]
9.2. Revisión sistemática sobre pensamiento crítico y creatividad
Una revisión sistemática publicada en 2026 examinó 67 estudios empíricos sobre ChatGPT, pensamiento crítico y creatividad en educación superior. [21]
Los resultados no fueron uniformes. En actividades estructuradas, la herramienta podía apoyar argumentación, regulación metacognitiva, comparación, generación de ideas y revisión. En contextos poco estructurados aparecieron riesgos de descarga cognitiva, aceptación superficial, dependencia y menor participación crítica. [21]
La revisión no es un metaanálisis y reúne investigaciones heterogéneas. Tampoco permite trasladar automáticamente sus conclusiones a niños y adolescentes.
Qué permite concluir. La IA no tiene un efecto cognitivo único. Puede funcionar como apoyo o como sustituto parcial según el diseño de la actividad, la orientación y el grado de participación exigido al estudiante.
9.3. Metaanálisis sobre resultados educativos
Un metaanálisis de 2026 sintetizó investigaciones sobre IA generativa, rendimiento, escritura y capacidades de pensamiento de orden superior. Encontró efectos positivos medios en algunas dimensiones, pero también diferencias importantes entre países, niveles educativos, herramientas e intervenciones. [22]
Otros metaanálisis de 2026 han encontrado resultados positivos en educación superior, aunque advierten de heterogeneidad, sesgo de publicación, sensibilidad a estudios concretos y desigual calidad metodológica. [23]
Estos resultados no prueban que la IA mejore siempre el aprendizaje. Una intervención diseñada con objetivos pedagógicos, interacción y retroalimentación no es equivalente a pedir una respuesta completa a un chatbot general.
9.4. Inmersión enfocada y dependencia
Un estudio de 2026 analizó a 698 estudiantes universitarios chinos. La investigación utilizó el concepto de inmersión enfocada para describir una participación intensa y concentrada en la interacción con la IA. [24]
Los resultados mostraron una asociación positiva entre inmersión enfocada y pensamiento crítico, una asociación negativa entre dependencia de la IA y pensamiento crítico y una posible secuencia estadística entre percepción de capacidad del sistema, inmersión, dependencia y pensamiento crítico. [24]
El estudio es transversal y utiliza escalas autodeclaradas. No demuestra que la IA haya causado un aumento o una disminución de la capacidad crítica. Su valor está en diferenciar utilización intensa y activa de dependencia y delegación habitual.
9.5. Diferentes formas de uso
Otro estudio de 2026 encuestó a 342 universitarios chinos y distinguió tres formas de utilización: recuperación de información, generación de contenidos y revisión de textos. [25]
La recuperación de información se asoció positivamente con el pensamiento crítico percibido. La generación de contenidos mostró una asociación negativa. La revisión de textos no presentó una relación significativa. [25]
La palabra percibido resulta esencial. La investigación midió la autovaloración de los estudiantes, no su desempeño en una prueba objetiva. Además, el diseño fue transversal. Los resultados permiten formular hipótesis, pero no demostrar que buscar información mejore objetivamente el pensamiento crítico ni que generar contenidos lo deteriore.
Conclusión parcial sobre IA y aprendizaje. La evidencia disponible no respalda una visión determinista. La inteligencia artificial puede ampliar, orientar, ofrecer retroalimentación y facilitar el acceso al conocimiento. También puede sustituir, reducir la comprobación y permitir un buen resultado sin aprendizaje equivalente. El factor decisivo no es la presencia de la herramienta, sino la distribución del esfuerzo cognitivo entre el sistema y la persona.
10. Dos formas de utilizar la misma herramienta
La diferencia puede ilustrarse mediante dos solicitudes.
10.1. Uso sustitutivo
«Escribe el trabajo, resuelve el problema y dame la conclusión».
En este caso, el sistema puede realizar gran parte de la búsqueda, selección, organización, argumentación y redacción. El estudiante puede entregar un resultado correcto sin haber recorrido el proceso.
10.2. Uso de apoyo
«Muéstrame tres explicaciones distintas, identifica las debilidades de mi argumento y dime qué fuentes debería comprobar».
En este caso, la herramienta amplía las posibilidades, pero la persona todavía debe comparar, comprobar, elegir, justificar y redactar.
En ambos casos existe inteligencia artificial. Lo que cambia es la actividad intelectual que permanece bajo control del usuario.
11. Marco analítico propuesto: economía de la atención y delegación cognitiva
El marco que se presenta a continuación no constituye un modelo causal validado. Es una construcción analítica que organiza líneas de evidencia diferentes y permite identificar relaciones que deberían someterse a investigación y evaluación de riesgos.
11.1. Nivel técnico: arquitectura del servicio
- desplazamiento infinito;
- reproducción automática;
- notificaciones;
- recomendación;
- recompensas;
- métricas sociales;
- personalización;
- ausencia de puntos de cierre;
- herramientas generativas.
11.2. Nivel conductual
- frecuencia de apertura;
- prolongación de sesiones;
- uso nocturno;
- alternancia de tareas;
- retorno repetido;
- dificultad para finalizar;
- aceptación automática de recomendaciones;
- dependencia de respuestas generadas.
11.3. Condiciones mediadoras
- edad;
- vulnerabilidad;
- motivación;
- alfabetización digital;
- alfabetización en IA;
- contexto familiar;
- contexto educativo;
- supervisión;
- finalidad;
- diseño pedagógico;
- tipo de contenido.
11.4. Resultados posibles
- desplazamiento del sueño;
- desplazamiento del estudio;
- cambios en comprensión;
- rendimiento académico;
- descarga cognitiva;
- dependencia;
- mayor creatividad;
- mejor retroalimentación;
- aprendizaje personalizado;
- mejora de capacidades cuando existe andamiaje.
11.5. Proposición de análisis
Un entorno que incentiva la interacción rápida, repetida y fragmentada, combinado con herramientas que permiten externalizar una parte importante del esfuerzo intelectual, podría reducir las ocasiones cotidianas en que una persona practica la atención sostenida, la lectura profunda, la argumentación y la resolución autónoma de problemas.
Esta formulación no describe un efecto demostrado. Define un riesgo plausible que merece investigación, seguimiento, evaluación y medidas proporcionadas.
11.6. Aportación propia
La principal aportación de este marco consiste en evitar dos simplificaciones:
- Considerar que toda tecnología digital produce el mismo efecto.
- Analizar la atención y la inteligencia artificial como fenómenos completamente separados.
Arquitectura del servicio + características de la persona + contexto de uso + actividad sustituida o facilitada.
12. Obligaciones, buenas prácticas y propuestas regulatorias
12.1. Obligaciones actualmente exigibles
Según el servicio y el supuesto concreto, pueden resultar aplicables:
- evaluación y mitigación de riesgos sistémicos conforme al DSA;
- protección elevada de menores;
- transparencia de recomendadores;
- principios y obligaciones del RGPD;
- protección de datos desde el diseño;
- evaluación de impacto;
- prohibición de prácticas comerciales desleales;
- prohibiciones del Reglamento de IA cuando concurran todos sus requisitos.
12.2. Buenas prácticas de gobierno
Aunque una medida concreta no esté descrita literalmente en una norma, una organización responsable debería considerar:
- documentar el objetivo de cada funcionalidad;
- identificar la métrica que se optimiza;
- evaluar alternativas menos intrusivas;
- introducir puntos naturales de cierre;
- limitar notificaciones nocturnas;
- ofrecer opciones menos personalizadas;
- establecer configuraciones protectoras por defecto;
- probar la eficacia de las medidas;
- facilitar investigación independiente;
- revisar periódicamente los riesgos.
12.3. Agenda regulatoria
A medio plazo podría ser necesario:
- desarrollar estándares de evaluación de diseño orientado al enganche;
- definir indicadores comunes;
- mejorar el acceso de investigadores a datos;
- coordinar DSA, RGPD y Derecho de consumo;
- establecer auditorías interdisciplinares;
- valorar efectos sobre autonomía y capacidades dentro de las evaluaciones de impacto.
13. El diseño digital como cuestión de GRC
El diseño orientado al enganche no es únicamente una decisión de producto. Puede afectar a protección de datos, consumidores, menores, inteligencia artificial, reputación, ética, cumplimiento y gobierno corporativo. Por ello, debe integrarse en el sistema de gobierno, riesgos y cumplimiento.
13.1. Cadena de evaluación
Objetivo → métrica → datos → modelo → funcionalidad → conducta → riesgo → control → evidencia → eficacia.
13.2. Matriz de evaluación
13.3. Preguntas para la dirección
- ¿Qué conducta intentamos fomentar?
- ¿Por qué es legítima?
- ¿Qué métrica utilizamos?
- ¿Qué datos necesitamos?
- ¿Qué inferencias se generan?
- ¿Quién puede resultar afectado?
- ¿Qué alternativas se estudiaron?
- ¿Quién aprobó la funcionalidad?
- ¿Cómo puede el usuario recuperar el control?
- ¿Cómo sabemos que la mitigación funciona?
Conclusión parcial de gobierno. Una política de uso responsable no compensa una arquitectura orientada en sentido contrario. El gobierno debe intervenir antes del lanzamiento, durante la experimentación y después de la implantación. La evidencia de cumplimiento no es la existencia de una medida, sino la demostración de su eficacia.
14. Implicaciones para plataformas, sistemas educativos y familias
14.1. Plataformas
Las plataformas deberían:
- evaluar riesgos antes de lanzar o modificar funciones;
- revisar cambios significativos;
- proteger por defecto a menores;
- documentar experimentos;
- evitar que rechazar sea más difícil que aceptar;
- introducir pausas y puntos de cierre reales;
- limitar estímulos nocturnos;
- ofrecer alternativas menos personalizadas;
- medir la eficacia de los controles.
Una herramienta denominada «bienestar digital» no demuestra por sí misma que el servicio sea seguro.
14.2. Sistemas educativos
Prohibir teléfonos puede ser útil en determinadas situaciones, pero no constituye por sí solo una política educativa.
Los estudiantes necesitan aprender a:
- verificar;
- distinguir evidencia y opinión;
- reconocer errores;
- utilizar fuentes;
- declarar el uso de IA;
- conservar la capacidad de resolver tareas sin asistencia.
La evaluación debería observar también el proceso:
- borradores;
- fuentes;
- preguntas;
- decisiones;
- correcciones;
- defensa oral;
La IA educativa debería ofrecer pistas, preguntas, retroalimentación, contradicciones y oportunidades para revisar. No debería entregar siempre la solución completa.
14.3. Familias
Las familias necesitan información, no culpa. El tiempo de uso es un indicador, pero no el único.
También importa:
- qué actividad se realiza;
- a qué hora;
- con qué finalidad;
- qué emociones produce;
- si interrumpe el descanso;
- si desplaza otras actividades;
- si existe dificultad para detenerse.
Los adultos tampoco estamos fuera del problema. También respondemos a notificaciones, seguimos desplazándonos sin saber qué buscamos y aceptamos respuestas automáticas porque parecen convincentes. Educar implica mostrar cómo recuperamos nuestro propio control.
15. Limitaciones y agenda de investigación
Este trabajo presenta varias limitaciones.
- Es una revisión narrativa y no permite calcular un efecto conjunto.
- La evidencia científica es heterogénea e incluye muestras diferentes, instrumentos distintos, medidas autodeclaradas, pruebas académicas, resultados cognitivos y periodos de seguimiento desiguales.
- Gran parte de la investigación sobre IA se concentra en educación superior.
- Las herramientas y los modelos cambian rápidamente.
- Los estudios suelen analizar por separado redes sociales, lectura, atención, inteligencia artificial y pensamiento crítico.
Se necesitan investigaciones que estudien conjuntamente:
- arquitectura del servicio;
- momento y frecuencia de uso;
- desplazamiento de actividades;
- esfuerzo cognitivo;
- aprendizaje duradero;
- capacidad de transferencia;
También deben utilizarse indicadores que no se limiten al resultado inmediato. Conviene medir comprensión posterior, recuerdo, argumentación, autonomía, transferencia a problemas nuevos y capacidad de realizar la tarea sin asistencia.
16. Conclusiones
El diseño digital no es neutral. Una plataforma decide qué vemos, cuándo lo vemos, qué se recomienda, qué se mide y qué conducta se considera exitosa.
Estas decisiones pueden mejorar la experiencia. También pueden reducir el control del usuario cuando la organización optimiza la interacción sin valorar suficientemente sus efectos.
El marco europeo empieza a exigir que las plataformas conozcan sus riesgos, justifiquen su arquitectura, adopten medidas y acrediten su eficacia.
El RGPD obliga a integrar garantías cuando el diseño utiliza datos personales. El Derecho de consumo protege frente a arquitecturas que distorsionan decisiones económicas. El Reglamento de IA puede intervenir cuando concurren requisitos estrictos de manipulación y perjuicio.
La evidencia científica no permite demonizar la tecnología. El inicio temprano en redes sociales se ha relacionado con peores resultados académicos en un estudio longitudinal concreto. La forma de presentar un texto digital puede influir en la comprensión. Otros resultados son exploratorios o dependen de condiciones muy específicas.
La inteligencia artificial muestra también una doble capacidad. Puede ampliar, explicar, orientar, personalizar y ofrecer retroalimentación. Pero puede también sustituir, reducir la comprobación, facilitar la dependencia y permitir un buen resultado sin aprendizaje equivalente.
La diferencia no depende únicamente de la herramienta. Depende de su diseño, el contexto, la finalidad y la actividad que continúa realizando la persona.
La respuesta a la pregunta central del artículo no puede ser binaria. No se trata de elegir entre innovación y protección. Se trata de exigir una innovación capaz de explicar qué conducta fomenta, qué datos utiliza, qué riesgos produce, qué medidas adopta y cómo demuestra que esas medidas funcionan.
Diseñar responsablemente no significa impedir que una tecnología sea atractiva, sencilla o útil. Significa evitar que, para mantenernos conectados o proporcionarnos una respuesta inmediata, termine reduciendo nuestras oportunidades para comprender, decidir, argumentar y aprender por nosotros mismos.
Ilustración conceptual generada con asistencia de IA. No representa personas ni hechos reales
Bibliografía y fuentes
Las referencias se presentan en el mismo orden numérico utilizado en el cuerpo del artículo. Todos los identificadores y direcciones son enlaces activos.
A. Normativa, autoridades y documentos institucionales
[1] AGENCIA ESPAÑOLA DE PROTECCION DE DATOS Y COMISION NACIONAL DE LOS MERCADOS Y LA COMPETENCIA. «Diseno adictivo y plataformas digitales: cuando enganchar al usuario se convierte en un incumplimiento regulatorio». 20 de julio de 2026. https://www.aepd.es/prensa-y-comunicacion/blog/diseno-adictivo-y-plataformas-digitales-cuando-enganchar-al-usuario-se-convierte-en-incumplimiento-regulatorio
[2] FEDERAL TRADE COMMISSION. Bringing Dark Patterns to Light. Washington, D.C., 2022. https://www.ftc.gov/reports/bringing-dark-patterns-light
[3] AGENCIA ESPAÑOLA DE PROTECCION DE DATOS. Patrones adictivos en el tratamiento de datos personales: implicaciones para la proteccion de datos. Madrid, 2024. https://www.aepd.es/guias/patrones-adictivos-en-tratamiento-de-datos-personales.pdf
[4] FEDERAL TRADE COMMISSION. A Look Behind the Screens: Examining the Data Practices of Social Media and Video Streaming Services. Washington, D.C., 2024. https://www.ftc.gov/reports/look-behind-screens-examining-data-practices-social-media-video-streaming-services
[5] UNION EUROPEA. Reglamento (UE) 2022/2065 del Parlamento Europeo y del Consejo, de 19 de octubre de 2022, relativo a un mercado unico de servicios digitales. https://eur-lex.europa.eu/eli/reg/2022/2065/oj/spa
[6] COMISION EUROPEA. “Commission preliminarily finds TikTok’s addictive design in breach of the Digital Services Act”. 6 de febrero de 2026. https://digital-strategy.ec.europa.eu/en/news/commission-preliminarily-finds-tiktoks-addictive-design-breach-digital-services-act
[7] COMISION EUROPEA. “Commission preliminarily finds the addictive design of Instagram and Facebook in breach of the Digital Services Act”. 10 de julio de 2026. https://digital-strategy.ec.europa.eu/en/news/commission-preliminarily-finds-addictive-design-instagram-and-facebook-breach-digital-services-act
[8] UNION EUROPEA. Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, Reglamento General de Proteccion de Datos. https://eur-lex.europa.eu/eli/reg/2016/679/oj/spa
[9] AGENCIA ESPAÑOLA DE PROTECCION DE DATOS. Patrones adictivos y el derecho a la integridad de la persona. https://www.aepd.es/guias/patrones-adictivos-y-derecho-la-integridad.pdf
[10] UNION EUROPEA. Directiva 2005/29/CE del Parlamento Europeo y del Consejo, relativa a las practicas comerciales desleales. https://eur-lex.europa.eu/eli/dir/2005/29/2022-05-28/spa
[11] UNION EUROPEA. Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, por el que se establecen normas armonizadas en materia de inteligencia artificial. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/spa
[12] FEDERAL TRADE COMMISSION. Epic Games, In the Matter of. Expediente 1923203. https://www.ftc.gov/legal-library/browse/cases-proceedings/1923203-epic-games-matter
[13] FEDERAL TRADE COMMISSION. “FTC Order Will Ban NGL Labs and its Founders from Offering Anonymous Messaging Apps to Kids Under 18”. 9 de julio de 2024. https://www.ftc.gov/news-events/news/press-releases/2024/07/ftc-order-will-ban-ngl-labs-its-founders-offering-anonymous-messaging-apps-kids-under-18-halt
[14] OFFICE OF THE NEW YORK ATTORNEY GENERAL. “Attorney General James and Governor Hochul Release Final SAFE for Kids Act Rules to Protect Children Online”. 28 de julio de 2026. https://ag.ny.gov/press-release/2026/attorney-general-james-and-governor-hochul-release-final-safe-kids-act-rules
[15] COMITE DE LOS DERECHOS DEL NIÑO. Observacion general num. 25 (2021), relativa a los derechos de los niños en relacion con el entorno digital. https://tbinternet.ohchr.org/_layouts/15/treatybodyexternal/Download.aspx?Lang=es&symbolno=CRC%2FC%2FGC%2F25
B. Redes sociales, lectura y aprendizaje
[16] GUI, M.; RESPI, C.; ABBIATI, G., et al. “Longitudinal effect of early social media use on standardized learning outcomes during school career”. Nature Human Behaviour, 2026. https://doi.org/10.1038/s41562-026-02522-4
[17] EBSTER, M.; LAUERER, M.; NAGEL, E.; SCHMIDT, S. “Taming the endless scroll? Short-form videos, digital routines and neurocognitive outcomes in youth: a systematic literature review”. European Child & Adolescent Psychiatry, 2026. https://doi.org/10.1007/s00787-026-03083-7
[18] GREENFIELD, P. M.; HANNA, M.; BURGOS-CALVILLO, R.; RHINEHART, L. “Children, Cell Phones, and Reading Comprehension”. Behavioral Sciences, vol. 16, num. 8, art. 1263, 2026. https://doi.org/10.3390/bs16081263
[19] CLINTON-LISELL, V.; LITZINGER, C. “Decoding digital reading: a network meta-analysis of comprehension across devices”. Education and Information Technologies, vol. 31, pp. 1611-1643, 2026. https://doi.org/10.1007/s10639-025-13843-8
C. Inteligencia artificial, aprendizaje y pensamiento crítico
[20] OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. Paris: OECD Publishing, 2026. https://doi.org/10.1787/062a7394-en
[21] LI, C.; CUI, H.; HAGEDORN, L. S. “The cognitive impact of ChatGPT in higher education: A systematic review of critical and creative thinking outcomes”. Computers and Education: Artificial Intelligence, vol. 10, art. 100571, 2026. https://doi.org/10.1016/j.caeai.2026.100571
[22] DONG, Y., et al. “Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches”. Humanities and Social Sciences Communications, 2026. https://doi.org/10.1057/s41599-026-06903-y
[23] LIU, C.; XIE, L.; XU, G. “Generative AI in higher education: a meta-analysis of intellectual and social-emotional outcomes”. Frontiers in Psychology, 2026. https://doi.org/10.3389/fpsyg.2026.1848745
[24] TIAN, J.; ZHANG, R. “Outsourcing thinking to AI? Focused immersion, AI dependency, and the double-edged impact on critical thinking”. Humanities and Social Sciences Communications, 2026. https://doi.org/10.1057/s41599-026-07153-8
[25] ZHANG, J.; YANG, Y. “AI usage patterns and self-rated critical thinking among Chinese college students: the moderating role of academic motivation”. Scientific Reports, 2026. https://doi.org/10.1038/s41598-026-62466-7
Autor y responsable editorial: Leocadio Marrero Trujillo.
El enfoque, la arquitectura, los criterios de análisis y las conclusiones de este artículo han sido definidos y validados por el autor. Durante su elaboración se han utilizado herramientas de inteligencia artificial generativa como apoyo para la estructuración, reformulación, edición y creación de determinados elementos gráficos.
El contenido ha sido sometido a revisión humana sustantiva, comprobación de fuentes y validación jurídica y técnica. El autor ha aprobado la versión definitiva y asume íntegramente la responsabilidad editorial sobre su contenido.