¿La IA mejora la educación o vacía el aprendizaje?

La inteligencia artificial generativa puede mejorar la educación cuando ayuda a comprender, practicar y revisar ideas. También puede vaciar el aprendizaje si hace por el estudiante el trabajo intelectual que este necesita realizar. La diferencia no está en que una respuesta llegue más deprisa o parezca mejor escrita, sino en lo que el alumno sabe hacer después sin la herramienta. Ese es el criterio que atraviesa el Informe de Educación Digital 2026 de la OCDE: objetivos pedagógicos claros, límites de uso y docentes capaces de decidir cuándo la tecnología aporta valor.

La IA ya interviene en trabajos escolares, estudios universitarios y formación profesional. Puede reformular una explicación difícil, proponer ejercicios o ayudar a comparar argumentos; también puede entregar una redacción terminada antes de que su autor haya ordenado una sola idea. Por eso, una tarea mejor resuelta no demuestra por sí sola un aprendizaje mayor. Entre el entusiasmo por automatizar el aula y la pretensión de mantener estas herramientas fuera de ella, la cuestión es más concreta: qué capacidades amplían y cuáles dejan de ejercitarse.

La OCDE enfría el entusiasmo y fija una línea roja

La OCDE distingue entre utilizar la IA como tutor, apoyo para estudiar o asistente del profesorado y convertirla en sustituta del razonamiento. La distinción parece sencilla hasta que se observa una actividad corriente. Un alumno puede pedir una explicación alternativa y después intentar resolver un problema, o solicitar directamente la solución y copiar sus pasos. En ambos casos ha usado la misma tecnología, pero solo en el primero conserva el trabajo mental decisivo.

Organizar materiales, generar preguntas de repaso o adaptar ejemplos a distintos niveles puede enriquecer una clase. La herramienta ofrece caminos que quizá no estaban disponibles en ese momento y permite ensayar otra forma de explicar un concepto. Sin embargo, cuando también resume, conecta ideas, redacta y concluye por el estudiante, el resultado puede tener aspecto de conocimiento sin que exista una comprensión equivalente detrás. Acabar antes no significa necesariamente aprender mejor; a veces significa haber eliminado precisamente la dificultad que enseñaba.

De ahí que el valor de la IA no dependa de abrir una aplicación en el aula. Depende de para qué se utiliza, en qué momento y bajo qué supervisión. Hay actividades en las que una ayuda inicial libera tiempo para discutir y corregir; en otras, esa misma ayuda impediría descubrir un error propio. El informe sitúa el criterio pedagógico por delante de la novedad técnica y plantea una pregunta para cada uso: qué parte del proceso conviene facilitar y cuál debe seguir en manos del alumno.

La ambigüedad se explica, en parte, porque la IA generativa no fue creada solo para enseñar. Puede redactar correos, traducir, programar, producir imágenes o condensar informes. Esa versatilidad la hace útil, pero no le confiere una finalidad educativa automática. Un texto impecable puede ser un punto de partida para analizarlo en clase o una forma de evitar el primer borrador, con sus titubeos y correcciones. Lo que cuenta es el hábito de pensamiento que deja tras su uso.

El dato incómodo: subir el rendimiento no garantiza aprender más

Las investigaciones recogidas por la OCDE muestran por qué conviene separar el rendimiento durante una práctica del aprendizaje que permanece después. En determinadas tareas, los estudiantes responden mejor mientras cuentan con IA generativa. Esa mejora inmediata es real, pero su alcance cambia cuando deben trabajar sin apoyo. Una herramienta puede facilitar el acierto del momento sin haber consolidado el conocimiento necesario para repetirlo por cuenta propia.

En un estudio citado en este debate, el porcentaje de respuestas correctas durante las prácticas con ayuda de IA aumentó un 127 %. El dato pierde su apariencia triunfal al mirar la evaluación posterior: sin la herramienta, el rendimiento fue similar al del grupo que había trabajado mediante autoaprendizaje. La diferencia observada en la práctica no se trasladó de forma equivalente a la prueba independiente. No invalida cualquier uso de IA, pero sí cuestiona que el número de ejercicios bien resueltos baste para juzgar su efecto educativo.

El resultado fue más preocupante en otra condición del estudio, en la que se empleó un chatbot de propósito general. Además de mostrar un rendimiento inmediato más flojo, el grupo registró después una caída del aprendizaje del 17 % en la evaluación sin apoyo. Es un resultado ligado a ese contexto experimental, no una cifra aplicable a todos los alumnos ni a cualquier programa. Su interés reside en mostrar que la forma de diseñar la ayuda puede importar tanto como disponer de ella.

La OCDE relaciona este riesgo con la pereza metacognitiva: dejar de vigilar el propio pensamiento porque las respuestas llegan demasiado pronto y con una presentación convincente. Pensar también implica advertir que algo no encaja, comprobar un cálculo, buscar otra explicación o resistir la tentación de dar por bueno el primer argumento. Si la herramienta encadena esos movimientos sin hacer visible dónde interviene el alumno, la fluidez del resultado puede confundirse con dominio de la materia.

La escuela ya conoce herramientas que descargan parte del esfuerzo, desde la calculadora hasta el buscador. La diferencia es que la IA generativa entrega respuestas con apariencia de trabajo terminado: encuentra información, la ordena, le da tono y construye una conclusión. Puede ser un apoyo extraordinario para examinar ideas, pero también una manera discreta de saltarse la lectura, la duda o la revisión. El problema no es ahorrar cualquier esfuerzo, sino ahorrar el que tenía una función formativa.

El profesor, lejos de sobrar, vuelve al centro de la escena

El profesorado no necesita competir con una máquina que produce textos en segundos. Su papel es decidir qué ayuda mejora una actividad y cuál la desactiva. En una clase, una explicación adicional puede permitir avanzar a quien se había quedado atrás; en otra, ofrecerla antes de tiempo elimina la oportunidad de probar una hipótesis. Esas decisiones dependen de los contenidos, del grupo y de lo que se quiere aprender, no solo de la potencia del sistema.

Teresa Romeu, profesora de la Universitat Oberta de Catalunya, plantea que primero hay que formar y dar criterio al profesorado, y después integrar la IA como ayudante. El orden importa. Entregar una plataforma a un centro no resuelve quién establece sus límites, cómo se comprueban sus respuestas ni qué tareas deben quedar fuera de ella. La competencia docente no se sustituye con acceso tecnológico; se necesita para convertir una posibilidad técnica en una actividad con sentido.

La lógica habitual de estas herramientas favorece la rapidez, la síntesis y el producto bien presentado. El aula también necesita pausas, ensayos fallidos y preguntas todavía mal formuladas. Un estudiante puede comprender mejor un problema después de equivocarse al resolverlo que al recibir una respuesta impecable a la primera. El docente reconoce cuándo ofrecer una pista y cuándo dejar espacio para esa fricción. No toda dificultad es un defecto que haya que eliminar.

Romeu señala que la IA puede servir para crear contenido, contrastarlo o arrancar una idea que luego evoluciona. Ahí aparece una función educativa más interesante que la mera entrega de resultados: producir un primer planteamiento para discutirlo, localizar sus lagunas y transformarlo. Si el alumnado debe justificar cambios, detectar errores y relacionar lo generado con lo estudiado, la herramienta se convierte en materia de trabajo. Si su texto se acepta sin revisión, ocupa el lugar de ese trabajo.

La formación del profesorado ya no es un extra

La preparación para usar IA no se reduce a aprender instrucciones para un chatbot. Incluye reconocer respuestas falsas pero verosímiles, valorar cuándo una explicación está simplificando demasiado y establecer criterios compartidos de evaluación. También exige tiempo para probar actividades y observar sus efectos. La formación necesita recursos y continuidad, no solo familiaridad con una interfaz que puede cambiar de un curso a otro.

La OCDE propone desarrollar estas tecnologías con docentes y estudiantes, en lugar de asumir que una solución diseñada fuera del aula funcionará igual en cualquier contexto. La experiencia diaria permite advertir problemas que una demostración técnica no revela: ritmos distintos, contenidos que requieren práctica autónoma o alumnos que interpretan de manera diferente una misma indicación. Diseñar para la educación exige conocer cómo se aprende y contrastar lo prometido con lo que sucede en clase.

Lo que enseñó la UOC con 900 alumnos

Un trabajo de la Universitat Oberta de Catalunya con 900 alumnos de distintas facultades examinó una cuestión menos vistosa que la mejora instantánea de notas: qué cambia cuando se ofrece formación específica sobre IA generativa. Un grupo recibió esa formación durante un semestre y otro no. El hallazgo destacado fue que más del 80 % del alumnado formado declaró tener más conocimiento y conciencia crítica sobre estas herramientas.

Se trata de una percepción comunicada por los participantes, no de una prueba de que todos aprendieran más contenidos de sus asignaturas. Aun así, apunta a una diferencia relevante. Conocer las limitaciones de un sistema permite advertir que puede inventar información, ofrecer una explicación incompleta o presentar con la misma seguridad una respuesta correcta y una equivocada. La alfabetización en IA cambia la relación con sus resultados: en vez de recibirlos como una autoridad, se pueden examinar y contrastar.

Romeu observó que la formación llevaba a los estudiantes a mirar el contenido de la asignatura desde otra perspectiva. Comparar dos respuestas, localizar un supuesto que ninguna explica o discutir por qué una formulación resulta engañosa puede convertir la tecnología en objeto de análisis. No basta con pedirle información: hay que reconocer qué sabe hacer, qué parece saber hacer y qué debe comprobarse. Esa conciencia resulta útil incluso cuando se decide no utilizarla para una tarea concreta.

El estudio también encontró diferencias entre áreas. El alumnado de disciplinas técnicas y de humanidades decía sentirse con más conocimiento sobre IA que el de Psicología o Educación. Esa distancia no permite ordenar unas carreras por delante de otras, pero recuerda que la adopción no será uniforme. Cada ámbito trabaja de manera distinta con el lenguaje, la evidencia, la creatividad y el juicio profesional. Una ayuda apropiada para explorar un borrador puede plantear otras dificultades cuando la tarea consiste en interpretar la situación de una persona.

Personalizar sí, sustituir no

Fernando Pavón, de Metrodora FP, sitúa una de las posibilidades más prometedoras en la personalización del aprendizaje. La IA puede ayudar a actualizar contenidos curriculares y preparar mapas, vídeos o materiales de apoyo adaptados. También permite reformular una explicación y ofrecer prácticas diferentes cuando varios estudiantes necesitan reforzar puntos distintos. En grupos con ritmos variados, esa capacidad puede ampliar las opciones del docente sin exigirle que prepare desde cero cada versión de un ejercicio.

Personalizar, sin embargo, no significa dejar la enseñanza en manos de un perfil calculado a partir de datos. Una herramienta puede mostrar que un alumno repite un error o tarda en superar cierto contenido; interpretar por qué ocurre exige contexto. Puede faltar una base anterior, haber una instrucción confusa o intervenir factores que no aparecen en la actividad digital. La IA ayuda a detectar patrones y ofrecer alternativas, mientras que el profesorado decide qué significan para una persona concreta.

Pavón relaciona estas posibilidades con la clase invertida, en la que parte del trabajo sobre los contenidos se realiza antes de acudir al aula y el tiempo compartido se reserva para aplicarlos. Un sistema generativo puede preparar preguntas iniciales, ofrecer materiales o facilitar un esquema provisional para discutir. Su aportación depende de que después haya contraste, argumentación y corrección. Si la actividad previa entrega ya la respuesta completa, el encuentro en clase corre el riesgo de limitarse a revisar un producto elaborado fuera de ella.

La personalización plantea así una exigencia doble. Debe ofrecer apoyos distintos sin rebajar automáticamente las preguntas difíciles, y debe dejar margen para que el estudiante explique qué ha comprendido. Adaptar una ruta no equivale a recorrerla por el alumno. La diferencia se ve en lo que sucede cuando desaparecen las pistas: si puede aplicar lo aprendido a un problema nuevo o solo reconoce una respuesta que antes le proporcionó la pantalla.

El proceso vale más que el resultado final

La OCDE pide centrar el uso educativo de la IA en el proceso de aprendizaje y no únicamente en el producto entregado. Durante mucho tiempo, una redacción limpia o un ejercicio terminado han servido como indicios razonables del trabajo realizado. Ahora una herramienta puede producir ambos con rapidez. El aspecto del resultado ha perdido fuerza como prueba suficiente de que quien lo presenta comprende sus ideas, ha tomado las decisiones importantes o podría repetirlas de manera autónoma.

Eso no vuelve inútiles los textos, los esquemas o los trabajos escritos. Cambia la forma de interpretarlos. Un borrador puede mostrar cómo evolucionó un argumento si se examinan las correcciones y se pide explicar por qué se hicieron. Un ejercicio correcto aporta más información cuando el alumno justifica el procedimiento o identifica el punto donde podría fallar. La comprensión aparece en las decisiones, no solo en la limpieza de la entrega final.

Entre los enfoques mencionados por la OCDE figuran los cuestionarios socráticos, basados en preguntas secuenciadas que empujan a comparar, rectificar y profundizar. En vez de proporcionar la solución, la IA puede pedir que se explique un supuesto o que se contraste una respuesta con otro caso. La diferencia pedagógica es notable: una asistencia cierra el problema por el alumno; la otra le ayuda a mantener abierto el razonamiento hasta que pueda sostener una conclusión propia.

La evaluación ya no puede seguir igual

La facilidad para generar textos obliga a revisar cómo se comprueba lo que sabe un estudiante. Fernando Pavón propone dar más peso a la aplicación del conocimiento, y Teresa Romeu apunta a pruebas orales y trabajos reflexivos que no dependan únicamente de una nota sobre el producto final. Ninguna modalidad sirve por sí sola para todos los contenidos. Lo importante es reunir evidencias de que el alumno puede explicar, utilizar y revisar aquello que entrega.

Una defensa oral permite preguntar por una elección concreta; un problema situado en un contexto nuevo muestra si se sabe trasladar una idea; el seguimiento de borradores hace visibles los cambios de criterio. Son maneras de observar partes del aprendizaje que una respuesta terminada puede ocultar. Evaluar el recorrido además del resultado no exige abandonar la escritura ni convertir cada clase en un examen improvisado, sino decidir qué pruebas responden mejor a los objetivos de cada actividad.

Ese cambio es distinto de perseguir trampas como principal estrategia. Una vigilancia centrada solo en averiguar si intervino una máquina deja intacta la cuestión educativa: qué demuestra realmente el trabajo presentado. La presencia de IA vuelve más importante pedir razones, conexiones y capacidad de corrección. Hablar con precisión, escuchar objeciones y defender una interpretación recuperan valor como señales de comprensión, aunque tampoco deban confundirse con una medida perfecta de lo que sabe cada alumno.

Hay un territorio donde la IA sigue sin alcanzar

En orientación educativa, Ana Cobos, presidenta de la Confederación de Psicopedagogía y Orientación de España, advierte de una dificultad especial. Elegir estudios o explorar una trayectoria profesional no equivale a cruzar calificaciones con una oferta de cursos. Intervienen expectativas, relaciones familiares, circunstancias sociales y dudas que a veces ni siquiera aparecen en la primera conversación. La orientación exige comprender una situación personal, no solo ordenar información disponible.

La IA puede presentar opciones formativas, ayudar a estructurar un plan de estudio o reunir información para comparar itinerarios. Son tareas útiles, pero distintas de escuchar a un alumno, percibir una contradicción entre lo que dice y lo que necesita, y acompañar una decisión sin reducirla a un patrón estadístico. Un expediente no contiene toda una biografía. Por eso, una recomendación generada automáticamente no reemplaza el juicio de quien conoce el contexto y puede conversar con la persona afectada.

El límite alcanza también a la vida cotidiana del aula. Enseñar no consiste solo en transmitir contenidos: implica advertir que alguien se ha perdido, saber cuándo pedir una explicación más y construir confianza para que pueda expresar una duda. Una aplicación puede ofrecer respuestas a cualquier hora, pero no sustituye la relación educativa en la que se interpretan silencios, avances y dificultades. Reconocer esa diferencia permite aprovechar sus funciones técnicas sin atribuirle capacidades humanas que no tiene.

Lo que está en juego en España

La incorporación de IA a la educación española no partirá de condiciones idénticas en todos los centros. Hay diferencias de infraestructura, de preparación del profesorado y de recursos disponibles para el alumnado fuera del aula. Tampoco todos los estudiantes tienen la misma facilidad para detectar una respuesta errónea o para utilizar una herramienta sin convertirla en sustituta del estudio. La desigualdad puede trasladarse al modo de usar la IA, incluso cuando el acceso a la aplicación parezca similar.

Un estudiante con una base sólida puede emplearla para contrastar argumentos y descubrir puntos débiles en su explicación. Otro puede aceptar la primera respuesta convincente y presentar un trabajo que no sabría defender. Entre centros también puede abrirse distancia si unos acuerdan objetivos y límites mientras otros improvisan. La promesa de apoyo individual perdería parte de su sentido si beneficia sobre todo a quien ya dispone de mejores condiciones para aprender.

La OCDE plantea que las decisiones públicas sobre estas tecnologías se apoyen en la ciencia del aprendizaje, no solo en su novedad o en la presión comercial. Eso implica examinar resultados sostenidos, necesidades de formación y condiciones de uso. También obliga a atender a privacidad, sesgos, transparencia y protección del alumnado. Un sistema generativo no se limita a responder: puede procesar información de quienes lo utilizan y producir salidas cuya fiabilidad o criterio no siempre resultan evidentes.

Reducir la discusión a estar a favor o en contra de la tecnología oscurece estas decisiones. Una misma herramienta puede aliviar una dificultad de acceso a los contenidos y, en otra tarea, debilitar la práctica autónoma. Su valor no queda fijado por la etiqueta de innovación ni por el temor que despierta. Depende de qué problema educativo pretende resolver, de cómo se verifica su efecto y de quién conserva la capacidad de corregir el rumbo cuando no funciona.

Aprender seguirá exigiendo pensar por cuenta propia

La IA generativa puede abrir nuevas formas de explicar, practicar y discutir contenidos. Los datos sobre rendimiento inmediato, la experiencia de formación de la UOC y las propuestas de personalización muestran posibilidades diferentes, no una garantía general. Juntos apuntan a una condición común: la herramienta aporta más cuando amplía la actividad del alumno que cuando produce por él una respuesta final difícil de distinguir de lo aprendido.

El profesorado necesita formación para tomar esa decisión, y la evaluación necesita pruebas que vayan más allá de un texto bien presentado. En orientación y en otras dimensiones de la vida escolar, el contexto humano sigue siendo decisivo. Ninguno de esos límites niega la utilidad de la IA; impide confundir utilidad con sustitución. La calidad de una respuesta no basta para medir la calidad de una educación.

Una escuela siempre ha tenido que elegir qué facilitar y qué esfuerzo merece preservarse. Ahora esa elección resulta más visible porque una máquina puede resolver en segundos actividades que antes ocupaban una tarde. El tiempo ahorrado puede dedicarse a preguntar mejor, contrastar y comprender, o puede dejar un hueco donde debía formarse una capacidad. Lo decisivo es lo que el estudiante puede pensar cuando la pantalla deja de responder.