¿Por qué la IA mejora los deberes pero frena el aprendizaje real?

La inteligencia artificial puede mejorar un trabajo escolar y, al mismo tiempo, empeorar el aprendizaje que debería producir ese trabajo. Esa es la incómoda conclusión de una investigación que siguió durante 30 meses a 26.811 estudiantes chinos de secundaria: tras adoptar herramientas de IA generativa, sus notas en los deberes aumentaron un 18 % y el tiempo necesario para terminarlos cayó un 30 %, pero el rendimiento en los exámenes a libro cerrado descendió alrededor de un 20 % en apenas seis meses.

El problema no parece estar en consultar a una máquina, sino en permitir que la máquina sustituya el esfuerzo intelectual. Cerca del 80 % de los usuarios de IA mostró un patrón compatible con la externalización de los deberes: entregas muy rápidas, resultados aparentemente excelentes y dificultades posteriores cuando el chatbot desaparecía de la mesa. Los estudiantes que mantuvieron un tiempo de trabajo parecido al de quienes no usaban IA sufrieron pérdidas mucho menores.

Un atajo que mejora la tarea y vacía el examen

La escena resulta familiar. El estudiante copia un ejercicio, recibe una explicación impecable, ajusta dos palabras y entrega un documento pulcro. Todo parece funcionar: menos tiempo, mejor nota, cero tachones. Pero el aprendizaje no ocurre en el archivo entregado, sino en esa zona menos vistosa donde uno se atasca, prueba, se equivoca y vuelve atrás.

La IA elimina buena parte de esa fricción. Y ahí aparece la trampa. Resolver una tarea no equivale necesariamente a comprenderla, del mismo modo que viajar como pasajero no enseña a conducir. El resultado puede parecer competente aunque la competencia pertenezca, en realidad, al sistema que ha generado la respuesta.

Los investigadores observaron que la penalización tardaba en hacerse visible. Los deberes mejoraban desde el principio, mientras que el deterioro afloraba meses después en pruebas realizadas sin ayuda. En los exámenes de acceso a la educación secundaria superior y a la universidad, la caída estimada se situó entre el 18 % y el 24 %, con el efecto completo apareciendo aproximadamente tras dos años de uso.

Ese retraso vuelve el fenómeno especialmente engañoso. Durante meses, profesores, familias y alumnos pueden interpretar las buenas entregas como una señal de progreso. La libreta está limpia, las respuestas son correctas y el trabajo llega antes de la cena. Luego se cierra el portátil, comienza el examen y la supuesta mejora se evapora. La nota del deber había subido; el conocimiento, no necesariamente.

Qué midieron realmente los investigadores

El estudio, firmado por David Strömberg, Victor Lei y Yanhui Wu, analizó estudiantes de los cursos equivalentes a los últimos años de primaria y la enseñanza secundaria. La muestra abarcó nueve asignaturas y combinó notas de deberes, tiempo de realización, exámenes mensuales a libro cerrado y pruebas de acceso de gran importancia académica.

No se trató de encerrar a miles de adolescentes en un laboratorio y repartirles chatbots al azar. Los autores estudiaron la adopción escalonada de la IA y compararon la evolución de quienes comenzaron a utilizarla en distintos momentos mediante un diseño estadístico conocido como diferencias en diferencias. Dicho de manera menos solemne: observaron qué cambiaba después de introducir la herramienta y contrastaron esa trayectoria con la de estudiantes que todavía no la usaban.

Treinta meses de uso real, no una demostración controlada

Ese planteamiento ofrece una fotografía amplia del comportamiento cotidiano, pero obliga a leer los porcentajes con cuidado. El trabajo encuentra una relación muy sólida entre la adopción de IA, el menor tiempo dedicado a los deberes y la caída posterior en los exámenes; aun así, no significa que cualquier estudiante que abra un chatbot vaya a perder exactamente una quinta parte de su rendimiento.

Es un estudio observacional, no una ley física. Puede haber diferencias entre colegios, familias, plataformas, profesores o formas de utilizar la tecnología. Tampoco cabe trasladar automáticamente los resultados de China a cada aula española. Lo que sí aparece con nitidez es el mecanismo: cuanto más se emplea la IA para ahorrar el esfuerzo que debía producir aprendizaje, mayor resulta la factura cuando toca responder sin ella.

Las pérdidas fueron más pronunciadas en las ciencias sociales, seguidas por las materias STEM —ciencia, tecnología, ingeniería y matemáticas— y los idiomas. También afectaron especialmente a los alumnos de cursos inferiores, a quienes tenían un rendimiento previo elevado y a los chicos.

El caso de los mejores estudiantes es particularmente revelador. Quien sabe formular instrucciones precisas obtiene respuestas mejores, adapta con habilidad el texto generado y puede ocultar con mayor facilidad que parte del razonamiento no es suyo. La ventaja académica inicial se convierte así en una destreza para subcontratar el pensamiento. Una ironía bastante propia de nuestro tiempo: los más capaces de manejar el atajo pueden terminar siendo quienes más terreno pierden.

La trampa no es la IA, sino el esfuerzo que desaparece

La psicología denomina descarga cognitiva al acto de trasladar una tarea mental a una herramienta externa. Una agenda recuerda las citas, el GPS calcula el camino y la calculadora se ocupa de las divisiones. No hay nada necesariamente malo en ello. Liberar memoria y atención permite concentrarse en problemas más complejos.

La dificultad surge cuando se externaliza justamente la operación que debía entrenarse. Consultar una fecha evita memorizar un dato secundario; pedir a un chatbot que construya todo un argumento impide practicar cómo se conectan las ideas. El esfuerzo mental no es un accidente molesto del aprendizaje. Es parte del aprendizaje.

Un alumno que recibe una respuesta terminada puede reconocerla y creer que la entiende. Esa sensación es seductora, casi tibia: todo encaja mientras está delante de los ojos. Sin embargo, reconocer una explicación no equivale a poder reconstruirla después, aplicarla en otro contexto o detectar cuándo contiene un error.

Por eso los exámenes sin IA actúan como una radiografía. Retiran el andamio y muestran qué permanece en pie. El estudio chino encontró que quienes conservaron un tiempo normal de dedicación —aunque utilizaran herramientas generativas— apenas registraron pérdidas. La diferencia no era la mera presencia del chatbot, sino si este acompañaba el razonamiento o lo reemplazaba.

Tutor o máquina de respuestas: la diferencia cambia el resultado

La investigación no demuestra que la inteligencia artificial sea incompatible con la educación. Demuestra algo más concreto y menos cómodo para los fabricantes de soluciones milagrosas: un chatbot diseñado para satisfacer peticiones no es automáticamente un buen tutor.

Otros trabajos han obtenido resultados distintos cuando la IA se estructura como un tutor que plantea preguntas, ofrece pistas graduales, corrige errores y obliga al estudiante a participar. Un ensayo controlado con universitarios de física encontró que un sistema construido con criterios pedagógicos consiguió mayores ganancias de aprendizaje en menos tiempo que una clase presencial de aprendizaje activo. La herramienta no regalaba simplemente la solución; guiaba al alumno por el problema y proporcionaba retroalimentación adaptada.

La diferencia es profunda. Una máquina de respuestas persigue que la tarea termine. Un tutor busca que el estudiante pueda terminarla solo la próxima vez. En el primer caso, la IA funciona como una grúa que levanta el peso; en el segundo, como un entrenador que corrige la postura mientras el músculo trabaja.

También otro ensayo concluyó que la IA generativa sin protecciones podía convertirse en una muleta durante la práctica y perjudicar después el rendimiento autónomo. El patrón coincide: la productividad inmediata aumenta, pero el conocimiento no siempre se consolida cuando el sistema facilita demasiado la solución.

Esto obliga a distinguir entre usos que suelen confundirse bajo la misma etiqueta. No es igual pedir una redacción completa que solicitar una crítica del borrador propio; tampoco pedir el resultado de una ecuación que recibir una pista sobre el siguiente paso. Resumir un capítulo sin haberlo leído ahorra tiempo. Comparar un resumen automático con la lectura, detectar omisiones y corregirlas exige comprensión.

La buena IA educativa debería saber callarse. Dejar unos segundos de silencio, devolver una pregunta, señalar una contradicción sin resolverla, pedir que el alumno explique por qué ha elegido un procedimiento. Justo lo contrario de los asistentes comerciales entrenados para ofrecer una respuesta rápida, convincente y amablemente empaquetada.

La factura aparece cuando se apaga la pantalla

La gran advertencia del estudio no es que los estudiantes estén usando tecnología. Cada generación ha incorporado herramientas que transformaron la forma de aprender, desde la imprenta hasta la calculadora. El problema aparece cuando una institución continúa evaluando el producto final como si este reflejara necesariamente el conocimiento de quien lo entrega.

Con la IA generativa, una tarea brillante puede ocultar un aprendizaje muy pobre. La nota del deber deja de ser un indicador fiable si nadie observa el proceso, las dudas, los borradores y la capacidad de defender lo escrito. El documento termina pareciéndose a un decorado: fachada impecable, habitaciones vacías.

Las escuelas afrontan así una paradoja poco elegante. Prohibir toda IA resulta difícil y empobrece una herramienta que también puede explicar, adaptar ejercicios y ofrecer apoyo individual. Integrarla sin modificar las tareas convierte parte de los deberes en una competición de copiar, pegar y disimular. Entre ambos extremos queda el trabajo menos espectacular: diseñar actividades donde pensar siga siendo inevitable.

El estudio de los 26.811 alumnos no dicta una condena definitiva, pero deja una señal difícil de ignorar. La IA puede prestar competencia aparente, mejorar entregas y ahorrar minutos; no puede transferir comprensión por ósmosis. Cuando llega el examen, la entrevista o cualquier situación en la que toca razonar sin red, cada estudiante conserva solamente aquello que hizo suyo. Lo demás sigue dentro de la máquina.