¿La IA nos hace más inteligentes o solo nos hace parecerlo?

Una verdad incómoda: los estudiantes pueden sacar excelentes calificaciones en todas las tareas de clase y no aprender prácticamente nada. Por el contrario, pueden tener dificultades con las tareas y aprender mucho. Esta paradoja, documentada por los investigadores de la UCLA Robert Bjork y Nicholas Soderstrom, revela algo fundamental sobre el aprendizaje, y cobra especial importancia cuando hablamos de IA.

Su idea es simple pero profunda. Demostrar un buen desempeño hoy (rendimiento) es diferente a cambiar realmente lo que se almacena en el cerebro a largo plazo (aprendizaje). Cuando un estudiante utiliza ChatGPT para escribir un ensayo impecable, su rendimiento parece excelente. Pero, ¿se ha producido un aprendizaje real? A menudo, la respuesta es no.

Cómo aprende realmente el cerebro

Barbara Oakley, cuya investigación ha influido en millones de personas, describe el aprendizaje genuino como el paso del pensamiento consciente y esforzado a la experiencia automática. Cuando aprendes algo nuevo por primera vez, utilizas lo que los científicos llaman memoria declarativa: cada paso requiere toda tu atención. Con la práctica repetida, esas vías cerebrales se vuelven automáticas y pasan a la memoria procedimental. Por ejemplo, cuando aprendes a conducir por primera vez, cada movimiento exige una concentración total. Ahora conduces por el tráfico mientras hablas.

Oakley y sus colegas han aplicado esta neurociencia para comprender el impacto de la IA. Cuando la IA piensa por nosotros, esta transformación crucial nunca se produce. Las vías mentales que crean la experiencia genuina simplemente no se forman.

La ilusión de comprender

Veamos un ejemplo. Imagina que enseñas un concepto el lunes y evalúas a los alumnos ese mismo día. Obtienen una puntuación media del 90 %. Pero si evalúas a esos mismos alumnos una semana después, sin repasar, la puntuación media baja al 60 %. El conocimiento nunca llegó a la memoria a largo plazo. Los alumnos obtuvieron buenos resultados el lunes, pero en realidad no aprendieron.

El intervalo de una semana obliga al cerebro a recuperar la información, y ese esfuerzo mental por recordar es lo que crea el aprendizaje. Esto es lo que los científicos cognitivos denominan “esfuerzo productivo” o “dificultad deseable”. Las investigaciones demuestran que la IA puede crear una ilusión similar: los alumnos pueden mejorar su rendimiento inmediato con la IA, pero estas ganancias a corto plazo a menudo no se traducen en una mejor retención a largo plazo.

Cuando se deja el pensamiento en manos de la IA, no solo los cálculos, sino también el trabajo mental de resolver las cosas, el cerebro no establece las conexiones que crean una comprensión real. Como sostiene Robert Pondiscio, “los estudiantes que dependen de la IA para escribir un ensayo pueden presentar un trabajo excelente, pero no han realizado un pensamiento excelente”.

La misma tecnología, resultados opuestos

La misma tecnología de IA puede acelerar el aprendizaje o destruirlo. La diferencia no está en la tecnología, sino en cómo se diseña y se utiliza.

Cuando la IA está mal diseñada: un estudio realizado en Turquía en 2024 dio a los estudiantes de secundaria acceso ilimitado a herramientas de IA sin orientación pedagógica. Su rendimiento bajó un 17% en comparación con los estudiantes que no utilizaron la IA. Otro estudio descubrió que los estudiantes que utilizaban ChatGPT producían trabajos más atractivos, pero reducían drásticamente la planificación y la autoevaluación que impulsan el aprendizaje.

Cuando la IA está bien diseñada y los profesores están preparados: un estudio de Harvard descubrió que los estudiantes que utilizaban un tutor de IA bien diseñado aprendían más del doble en menos tiempo. El sistema fomentaba el pensamiento activo y proporcionaba un apoyo paso a paso. Los investigadores de Stanford obtuvieron resultados similares: la IA amplificaba la experiencia de los profesores en lugar de sustituir su criterio. Una investigación en Nigeria demostró que los estudiantes lograron en seis semanas lo que normalmente lleva entre un año y medio y dos años. El detalle fundamental es que estos resultados requirieron que maestros capacitados guiaran cada sesión, hicieran preguntas y desafiaran a los estudiantes a pensar profundamente.

El camino a seguir

La IA no es intrínsecamente buena ni mala para el aprendizaje. Lo que determina el resultado es cómo se diseñan las herramientas de IA y cómo los educadores guían su uso. La clave está en preservar el esfuerzo mental que impulsa el aprendizaje, ya sea mediante el diseño de tareas o el uso estratégico de las plataformas existentes, asegurándose de que la IA estimule el pensamiento en lugar de sustituirlo.

Cuando la IA piensa por ti, no puedes descubrir lo que no sabes. La investigación del experto en ciencia del aprendizaje Carl Hendrick muestra que el aprendizaje requiere retroalimentación sobre lo que se ha hecho mal. Pero si la IA resuelve el problema por ti, no hay errores de los que aprender. Nunca te has esforzado, así que no hay nada que corregir. En palabras del psicólogo cognitivo Daniel Willingham, la memoria es “el residuo del pensamiento”. Si la IA elimina la necesidad de pensar, también elimina la oportunidad de recordar. Por eso es esencial contar con una IA bien diseñada y con maestros capacitados. Juntos, garantizan que los estudiantes realicen el trabajo cognitivo.

Pero la preparación de los maestros por sí sola no es suficiente. Quienes toman las decisiones, desde los directores de escuela hasta los funcionarios del ministerio, deben comprender la distinción entre rendimiento y aprendizaje. Esto requiere nuevos enfoques de evaluación que evalúen el aprendizaje tanto con IA como sin ella. Al invertir en IA, los líderes deben preguntarse: ¿Pueden los estudiantes pensar de forma independiente después? ¿Pueden aplicarlo a un nuevo contexto?

La verdadera inversión consiste en desarrollar la capacidad de los sistemas educativos mediante:

• La formación de los maestros tanto en habilidades tecnológicas como en conocimientos pedagógicos para mantener el esfuerzo cognitivo en el aprendizaje.
• Preparar a los líderes escolares y a los funcionarios de educación para que reconozcan la diferencia entre un rendimiento impresionante y el aprendizaje real.
• Garantizar que los responsables políticos comprendan lo que requiere una implementación eficaz de la IA: tiempo de formación adecuado, apoyo continuo y recursos adecuados.
• Crear comunidades de práctica en las que los educadores desarrollen conocimientos colectivos.

En los países en desarrollo, estos retos se magnifican. El conocimiento de la ciencia del aprendizaje entre los educadores y los responsables políticos sigue siendo limitado, lo que hace que los estudiantes con habilidades básicas más débiles sean los más vulnerables: carecen de los conocimientos previos para reconocer cuándo la IA se equivoca, pero son ellos los que más necesitan un esfuerzo productivo para desarrollar su experiencia. Sin embargo, los datos de Nigeria, Harvard y Stanford muestran el camino a seguir: la IA funciona cuando amplifica la experiencia humana, no cuando sustituye el juicio humano. Nuestra inversión fundamental debe centrarse en preparar a los educadores para que comprendan que el aprendizaje real requiere un esfuerzo cognitivo. Con una preparación adecuada, la IA puede apoyar el esfuerzo productivo que desarrolla conocimientos duraderos, de modo que los estudiantes no solo den respuestas inteligentes, sino que realmente desarrollen su capacidad de pensar.

Este blog se inspiró en las interesantes presentaciones de researchED Chile 2025, donde Barbara Oakley, Tom Bennett, Nidhi Sachdeva, Greg Ashman, Rodrigo López y otros educadores destacados exploraron cómo la práctica basada en la evidencia puede guiar nuestro enfoque de las tecnologías emergentes en la educación.

Más información

Fundamentos de la ciencia del aprendizaje

• Aprender a aprender: curso de Barbara Oakley en Coursera (más de 4,8 millones de alumnos) que explica la neurociencia del aprendizaje, incluyendo cómo funciona la memoria, la importancia del esfuerzo productivo y técnicas prácticas para el aprendizaje profundo.
• Una mente para los números: libro de Barbara Oakley sobre cómo sobresalir en el aprendizaje de materias difíciles, basado en la investigación en ciencias cognitivas.
• Aprendizaje frente a rendimiento: el laboratorio de Robert Bjork en la UCLA, pionero en la investigación sobre la distinción entre rendimiento y aprendizaje, dificultades deseables y práctica de recuperación.
• The Learning Scientists: estrategias basadas en la evidencia para un aprendizaje eficaz, que incluyen la práctica de recuperación, la práctica espaciada y la elaboración.
• Portal de la UNESCO sobre la ciencia del aprendizaje

Barbara Oakley sobre la IA y el aprendizaje

• El podcast The Knowledge Project: Barbara Oakley habla sobre el aprendizaje, la memoria y la ciencia que hay detrás de una educación eficaz.
• La paradoja de la memoria: Oakley et al. (2025) sobre por qué nuestro cerebro necesita conocimientos en la era de la IA, explorando la descarga cognitiva y los sistemas de memoria.

Perspectivas relacionadas sobre la IA y la educación

• La ilusión del aprendizaje: Robert Pondiscio sobre el peligro de la IA para la educación, argumentando que la IA nos obliga a replantearnos cuál es el objetivo de la educación: no producir resultados pulidos, sino formar mentes capaces y perspicaces.
• Resumen de la investigación: Novedades en la ciencia del aprendizaje: revisión mensual de Carl Hendrick sobre las nuevas investigaciones en materia de aprendizaje, incluidos los últimos hallazgos sobre la retroalimentación de la IA, la práctica de la recuperación y la enseñanza de la lectura.
• Guía de implementación de la ciencia del aprendizaje: guía gratuita de Carl Hendrick para directores de centros educativos sobre la aplicación práctica de los principios de la ciencia del aprendizaje.
• ¿Qué mejora la memoria de los estudiantes? El trabajo de Daniel Whillingham demuestra que la memoria mejora cuando los estudiantes reflexionan profundamente sobre el significado, porque recordamos aquello en lo que pensamos.