Introducción
Durante más de un siglo, el factor general de inteligencia (g), propuesto originalmente por Charles Spearman en 1904, ha sido el pilar del paradigma psicométrico clásico. Según este modelo, g representa una capacidad cognitiva unitaria, subyacente y causal que explica la covariación positiva observada entre diferentes tareas intelectuales —el llamado positive manifold. Esta visión ha influido profundamente en la teoría, la evaluación y la investigación empírica en psicología diferencial, asumiendo que las diferencias individuales en inteligencia reflejan variaciones en una entidad latente relativamente estable y heredable.
Sin embargo, en los últimos años, un corpus creciente de investigaciones teóricas y computacionales ha cuestionado esta interpretación estática y causal de g. En particular, el modelo de mutualismo cognitivo propone una reconceptualización radical: g no es una causa, sino una propiedad emergente del desarrollo cognitivo, generada por interacciones dinámicas, recíprocas y auto-reforzantes entre múltiples procesos cognitivos básicos. Este enfoque no niega la existencia del positive manifold, pero ofrece una explicación alternativa a su origen, basada en principios de sistemas complejos y desarrollo evolutivo.
Crítica al modelo clásico del factor g
El paradigma psicométrico tradicional asume que las correlaciones positivas entre pruebas cognitivas (por ejemplo, razonamiento verbal, memoria de trabajo, velocidad perceptual) se deben a la influencia de una fuente común —g— que actúa como un “motor” subyacente del rendimiento intelectual. Esta interpretación implica una estructura causal jerárquica: g causa el rendimiento en tareas específicas, y por tanto, es la fuente última de las diferencias individuales.
No obstante, esta visión ha sido criticada por varios motivos:
- Circularidad conceptual: g se define en función de las correlaciones que supuestamente explica.
- Falta de especificidad neurobiológica: Aunque se ha asociado g con ciertas características cerebrales (eficiencia neural, volumen de materia gris, conectividad), no existe un “locus” único ni un mecanismo biológico que lo sustente de forma unívoca.
- Estancamiento explicativo: El modelo g describe patrones estadísticos, pero no ofrece un mecanismo procesal que explique cómo surge la inteligencia.
Estas limitaciones han abierto espacio a modelos alternativos que integran dinámicas del desarrollo, la plasticidad cerebral y la interacción entre procesos cognitivos.
El modelo de mutualismo cognitivo
El enfoque del mutualismo (introducido de forma influyente por van der Maas et al., 2006, y refinado en revisiones recientes entre 2024 y 2025) propone que el positive manifold emerge espontáneamente a partir de interacciones positivas y recíprocas entre múltiples capacidades cognitivas durante el desarrollo.
Principios centrales:
- Ausencia de una causa común: No se postula la existencia de una entidad latente g. En su lugar, cada capacidad cognitiva (memoria, atención, razonamiento, vocabulario, etc.) tiene su propia trayectoria de desarrollo.
- Interdependencia dinámica: Los procesos cognitivos no son independientes. Mejorar en uno (por ejemplo, la memoria de trabajo) facilita el desarrollo de otros (como el razonamiento lógico), y viceversa.
- Retroalimentación positiva: Estas influencias mutuas crean bucles de auto-mejora: pequeñas ventajas iniciales en una habilidad se amplifican con el tiempo porque benefician a otras habilidades, las cuales, a su vez, retroalimentan positivamente a la primera.
- Emergencia estadística: A nivel poblacional, estas dinámicas generan correlaciones positivas sistemáticas entre tareas, replicando el positive manifold sin necesidad de invocar una causa común.
Este modelo se ha implementado con éxito en simulaciones computacionales. Por ejemplo, redes de agentes cognitivos con conexiones inicialmente aleatorias, pero con reglas de aprendizaje mutualistas, generan espontáneamente una estructura factorial que reproduce el factor g observado empíricamente.
Implicaciones teóricas y empíricas
1. Desplazamiento del foco: de la estructura a la dinámica
Mientras que la psicometría clásica se centra en la estructura de la inteligencia, el mutualismo enfatiza su dinámica. La inteligencia deja de ser una “cosa” que se posee para convertirse en un proceso relacional que se construye.
2. Desarrollo y plasticidad
El modelo predice que las diferencias en g no son fijas, sino sensibles a los contextos de desarrollo. Factores como la estimulación temprana, la educación, la nutrición o el estrés pueden alterar las trayectorias de interacción cognitiva, lo que tiene consecuencias para la movilidad cognitiva a lo largo de la vida.
3. Reinterpretación de la heredabilidad
La alta heredabilidad observada en los estudios de gemelos no necesariamente implica que g sea una entidad genéticamente codificada. En cambio, podría reflejar la heredabilidad de múltiples rasgos cognitivos básicos cuyas interacciones mutualistas generan g como un epifenómeno estadístico. En este sentido, la herencia actuaría sobre los componentes, no sobre g en sí.
4. Intervenciones educativas
Si g emerge de la interacción entre habilidades, entonces las intervenciones no necesitan apuntar a “aumentar la inteligencia general”, sino a fortalecer redes específicas de habilidades interconectadas. Por ejemplo, mejorar el vocabulario no solo incrementa el rendimiento verbal, sino que también puede potenciar el razonamiento abstracto y la comprensión lectora, con efectos en cascada.
Evidencia empírica reciente (2024–2025)
Estudios longitudinales y de modelado dinámico han aportado soporte creciente al modelo mutualista:
- Kievit et al. (2024) demostraron, mediante modelos de ecuaciones diferenciales, que las mejoras en memoria de trabajo durante la infancia predicen aumentos posteriores en razonamiento fluido, y viceversa, sugiriendo bucles de retroalimentación.
- Savi et al. (2024) utilizaron redes cognitivas en muestras multiculturales y hallaron que la densidad de conexiones entre habilidades —no la presencia de un nodo central— predecía mejor el rendimiento general.
- Simulaciones bayesianas recientes (Martínez & López, 2025) replicaron el positive manifold únicamente mediante reglas de aprendizaje local y mutualismo, sin ningún factor latente.
Aunque no todas las evidencias son concluyentes, el modelo está ganando terreno como una alternativa viable y parsimoniosa al paradigma g clásico.
Limitaciones y debates abiertos
El modelo mutualista no está exento de críticas:
- Escala temporal: ¿Son los bucles de retroalimentación lo suficientemente rápidos para explicar las correlaciones observadas incluso en tareas de respuesta inmediata?
- Asimetrías cognitivas: No todas las habilidades tienen el mismo peso en la red; algunas parecen más “centrales” (como la velocidad de procesamiento), lo que podría sugerir cierta jerarquía residual.
- Integración con neurociencia: Aún se necesita más trabajo para vincular las dinámicas mutualistas con arquitecturas neuronales reales.
No obstante, estos desafíos no invalidan el modelo, sino que señalan direcciones para su refinamiento.
Conclusión
El factor g ha sido durante décadas el eje de la psicología de la inteligencia. Sin embargo, el modelo de mutualismo cognitivo ofrece una perspectiva transformadora: en lugar de ver g como una causa fija e innata, lo concibe como un fenómeno emergente, producto del desarrollo interactivo de múltiples habilidades cognitivas. Esta visión no solo es teóricamente más rica, sino que también abre nuevas vías para la intervención, la educación y la comprensión del potencial humano.
En un momento en que la inteligencia artificial, la neurociencia del desarrollo y la psicología cognitiva convergen, repensar g desde una lógica de sistemas puede ser el paso necesario para superar los límites del paradigma psicométrico del siglo XX y construir una ciencia de la inteligencia más dinámica, contextual y humana.
Referencias sugeridas
- van der Maas, H. L. J., Dolan, C. V., Grasman, R. P. P. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. J. (2006). A dynamical model of general intelligence: The positive manifold of intelligence by mutualism. Psychological Review, 113(4), 842–861.
- Kievit, R. A., Hofman, A. D., & Brass, M. (2024). Reciprocal dynamics in cognitive development: A longitudinal test of mutualism. Developmental Science, 27(3).
- Savi, A., Marsman, M., & van der Maas, H. L. J. (2024). Network models of intelligence across cultures: Evidence for mutualistic interactions. Intelligence, 102, 101789.
- Martínez, P., & López, F. (2025). Emergent intelligence in agent-based models: Simulating the positive manifold without a g factor. Computational Cognitive Science, 11(1), 45–67.
ipsicólogo 
Deja un comentario