El autor de Ultralearning revisa su método tras la IA

Scott Young lleva desde 2019 construyendo una audiencia en torno a la idea de que aprender de forma intensiva y autónoma —lo que él llama ultralearning— puede sustituir o complementar la educación formal. Su libro vendió cientos de miles de ejemplares y generó todo un subgénero de productividad personal. Ahora, en un artículo publicado a finales de abril en su blog, el propio Young señala qué cambiaría del método si lo escribiese hoy, con la IA como variable nueva.

Es un ejercicio poco habitual: un autor desmontando en público partes de su propio marco conceptual. Que lo haga de forma ordenada, sin dramatismo, hace que valga la pena detenerse en sus argumentos.

Qué cambia según Young

El artículo —recogido en Hacker News aunque con escasa tracción inicial— identifica varios pilares del método original que la IA pone en cuestión o, al menos, reencuadra:

El valor de la memorización directa. Young argumentó en su libro que memorizar hechos concretos era parte del proceso: sin base factual, no hay comprensión profunda. Con modelos de lenguaje capaces de recuperar información de forma inmediata y contextualizada, la pregunta ya no es si memorizar sino qué merece ser memorizado. Su posición actualizada apunta a que la memoria sigue siendo valiosa, pero el criterio de selección cambia: importa más interiorizar estructuras de razonamiento que datos puntuales.

El principio de directness. Uno de los pilares originales del ultralearning es practicar lo más parecido posible a la aplicación real —si quieres escribir, escribe; si quieres programar, programa. Young matiza ahora que la IA puede actuar como entorno de práctica de alta fidelidad en dominios donde antes el acceso era caro o lento. Un aprendiz de código puede obtener feedback instantáneo y granular sin esperar a un mentor. Eso acelera el ciclo de práctica deliberada, pero también introduce el riesgo de depender del andamiaje externo sin consolidar el modelo mental propio.

El feedback como cuello de botella. El método original reconocía que obtener feedback de calidad era uno de los mayores obstáculos del aprendizaje autónomo. Young admite que este es el punto donde la IA cambia más las reglas: el coste del feedback ha caído de forma drástica. La consecuencia no es que aprender sea más fácil en abstracto, sino que el cuello de botella se desplaza: ya no es el acceso al feedback sino la capacidad de discriminar entre feedback útil y ruido.

Por qué importa esta revisión

El aprendizaje autodidacta tiene una tensión estructural que el artículo toca de pasada pero que vale la pena nombrar: la mayoría de los marcos de productividad personal se escriben en un momento concreto y envejecen con el contexto tecnológico que los rodea. Getting Things Done, por ejemplo, asume una cierta fricción en la gestión de información que hoy apenas existe.

Que Young actualice explícitamente sus premisas en lugar de ignorar el cambio de contexto es metodológicamente honesto. No reescribe el libro —ni lo desacredita—, sino que señala dónde las condiciones han cambiado lo suficiente como para que las recomendaciones originales necesiten matiz.

Para quién es útil este artículo: principalmente para lectores que ya conocen el método y buscan una hoja de ruta actualizada. También es una lectura razonablemente útil para cualquiera que diseñe programas de formación y necesite repensar dónde poner el foco cuando el acceso a información y feedback ya no es el problema central.

Lo que el artículo no resuelve

Hay una pregunta que el artículo roza pero no cierra: si la IA hace más eficiente el aprendizaje instrumental —adquirir habilidades concretas para resolver tareas concretas—, ¿qué pasa con el aprendizaje como proceso de formación del criterio propio? Young menciona el riesgo de la dependencia cognitiva, pero no desarrolla cómo el ultralearning debería blindarse contra él. Es, probablemente, el capítulo que falta.

---

En ClaudeWave seguimos con cierto escepticismo los marcos de productividad que se actualizan cada vez que aparece una nueva herramienta. Pero la autocrítica ordenada de Young es más útil que la mayoría de artículos que proclaman que la IA «lo cambia todo» sin especificar qué ni para quién.