Boletín del 24 de septiembre: la reversión temporal, un modelo que no escribe y el tutor de Gemini
Un estudio precisa cuándo el acceso temprano a la IA perjudica el pensamiento crítico, TypeSafe AI lanza un modelo que decide sin escribir, y el tutor de Gemini cumple un año en las aulas.
Esta semana, tres historias que parecen no tener nada en común: una investigación que precisa cuándo conviene abrir el acceso a la IA en una tarea, un modelo que ha decidido dejar de escribir del todo, y un tutor socrático que Google lleva ya un año puliendo dentro de Gemini.
La reversión temporal: cuándo ayuda la IA y cuándo la sustituye
Un experimento factorial con 393 participantes acaba de precisar algo que veníamos intuyendo sin poder demostrarlo: el efecto de la IA sobre el pensamiento crítico no depende solo de cuándo se accede a ella, sino de su interacción con el tiempo disponible. Con tiempo insuficiente, el acceso temprano ayuda. Con tiempo suficiente, el patrón se invierte y el acceso temprano perjudica, porque reduce la deliberación posterior aunque sobre tiempo para ella.
Conviene matizar la lectura que ha circulado en redes, que simplifica el hallazgo como «empezar sin IA rinde mejor». El factor decisivo no es el momento de acceso en sí, sino su combinación con la presión temporal, y eso tiene una consecuencia directa para el diseño de tareas: el riesgo no está en dejar entrar la IA pronto, sino en dejar de deliberar una vez que se tiene acceso a ella.
Aprendizaje guiado, el modo tutor de Gemini
El aprendizaje guiado en Google Gemini es una función educativa gratuita que transforma la inteligencia artificial en un tutor virtual interactivo. Google lo presentó en septiembre de 2025 y en 2026 lo está extendiendo dentro de su ecosistema educativo, con acceso ampliado y gratuito para estudiantes verificados.
¿Qué es y para qué sirve?
- Enfoque pedagógico: en lugar de dar la respuesta directa, guía paso a paso para que el estudiante llegue al conocimiento por sí mismo.
- Contenido multimedia: integra imágenes, diagramas y vídeos de YouTube dentro de la propia conversación para explicar temas complejos.
- Evaluación interactiva: crea cuestionarios y tarjetas didácticas (flashcards) para poner a prueba lo aprendido.
- Seguimiento del progreso: a partir de los cuestionarios genera guías de repaso centradas en los puntos débiles detectados.
Usos concretos para el aula: practicar matemáticas sin que resuelva el ejercicio, preparar un examen a partir de apuntes propios, depurar código guiando el razonamiento, o ensayar un comentario de texto sin que la IA lo redacte.
Fuentes: Google · Educación 3.0 · OpenWebinars
Descargar la guía de 20 páginas con prompts y casos de uso → (pendiente de enlace)
El hallazgo de esta semana refuerza un argumento que desarrollamos en el manual La evaluación del aprendizaje en tiempos de la IA: si el acceso temprano reduce la deliberación, evaluar solo el resultado deja de ser suficiente. Hay que evaluar el proceso.
Ver el manual →Diogo Almeida, coinventor de RLHF y de InstructGPT en OpenAI, ha lanzado Jev, un modelo que renuncia a generar texto. En lugar de conversar, devuelve decisiones tipadas con una probabilidad de confianza calculada en paralelo, sin la generación palabra a palabra de un LLM. Su empresa, TypeSafe AI, lo entrena con un método propio, RLCD, pensado para que el sistema calibre bien su confianza en vez de sonar convincente.
Para la universidad, el interés no está en sustituir al asistente conversacional del aula, porque Jev no razona en lenguaje libre. Está en la otra cara de la IA institucional: clasificar entregas contra una rúbrica con una cifra de confianza adjunta, enrutar consultas de estudiantes o alimentar un sistema de alerta temprana sin la caja negra de un modelo generativo. Conviene mantener la cautela: el propio Almeida ha reconocido que Jev puede equivocarse con confianza, y su planteamiento sigue siendo minoritario frente al RLHF, que continúa dominando la industria.
Leer más sobre el lanzamiento de Jev →- Dependencia de la IA y deshonestidad académica. Una encuesta a 1.045 universitarios chinos (Dai et al., 2026, Frontiers in Psychology) encuentra que la dependencia de la IA, no la mera sensación de tener el control sobre el trabajo, es lo que más se asocia con la propensión a presentar como propio un texto generado por IA; verificar habitualmente las respuestas no rompe esa asociación, pero sí se relaciona con menos dependencia. Los propios autores insisten en que son asociaciones, no una relación de causa demostrada. Ver el resumen →
Si el boletín te resulta útil, la forma más directa de apoyarlo es compartirlo con un colega que también esté pensando la evaluación y la docencia en tiempos de IA.
Ver el manual de evaluación →