Los avances en modelos de lenguaje grande (LLMs) han transformado la interacción humano–máquina de la consulta instrumental a la colaboración dialógica sostenida. Este artículo explora si el lenguaje en las relaciones humano–IA puede funcionar como un canal de desarrollo cognitivo para sistemas artificiales. Basándonos en teorías de cognición distribuida, la mente extendida, el razonamiento dialógico y la investigación reciente sobre el aprendizaje en contexto en transformadores, proponemos un marco en el que el desarrollo cognitivo ocurre en cuatro escalas interconectadas: dinámica (dentro de la interacción), sistémica (dentro de sistemas relacionales humano–IA), ecológica (a través de redes de interacciones mediadas por un modelo compartido) y cultural (a través de la circulación de artefactos producidos por estas interacciones). Si bien los sistemas de IA actuales no acumulan típicamente aprendizaje estructural entre sesiones, hallazgos recientes sobre optimización en contexto sugieren que la adaptación funcional durante la inferencia es más compleja que una simple ausencia de aprendizaje. Introducimos el concepto de cognición distribuida híbrida para describir estas configuraciones emergentes y argumentamos que el diálogo contemporáneo entre humanos e IA puede representar una etapa pre-teórica en la comprensión científica de nuevas formas de organización cognitiva.
Roca et al. (2026) estudiaron esta cuestión.