Crea tu propio profesor: la promesa que circula en X y el problema que omite

"Un tutor de IA que proporciona todas las respuestas no enseña: instala dependencia. La distinción entre el tutor que amplifica el aprendizaje y el que lo sustituye no está en el modelo, sino en el diseño de la interacción."

Un problema de dos sigmas

Hay frases que circulan en X y capturan algo verdadero, aunque expresado de manera incompleta. "Aprender ya no depende de tener un profesor disponible, sino de saber crear el tuyo propio" es una de ellas. En junio de 2026, este mensaje y sus variaciones generan cientos de interacciones semanales en las conversaciones sobre IA y educación. La posibilidad es real, tangible y, para muchos estudiantes, genuinamente liberadora.

El problema no está en lo que dice. Está en lo que omite.

La idea de que el aprendizaje individualizado supera al grupal no es nueva ni intuitiva: tiene detrás décadas de investigación empírica. Benjamin Bloom la cuantificó en 1984 con lo que denominó el "problema de los dos sigmas": los estudiantes que reciben tutoría individual rinden dos desviaciones típicas por encima de quienes estudian en grupos convencionales (Bloom, 1984). Dicho en términos directos: prácticamente cualquier estudiante con acceso a un tutor personal de calidad aprende mejor que la inmensa mayoría de sus compañeros en clase convencional.

El hallazgo es extraordinario. El problema que describe también: la tutoría individual es cara, escasa y en la práctica reservada para quienes pueden costearla. Durante décadas, los sistemas de tutoría inteligente intentaron resolver esta desigualdad desde la ingeniería pedagógica. Desde los primeros experimentos de los años setenta hasta los sistemas analizados por VanLehn (2011) en su revisión comparativa de efectividad, la promesa era la misma: democratizar el acceso a la tutoría de calidad mediante tecnología. Los resultados fueron notables, aunque limitados por una restricción fundamental: cada sistema cubría un dominio específico, requería un desarrollo costoso y ofrecía conversaciones rígidas y predefinidas.

Lo que los modelos de lenguaje de gran escala cambian no es la promesa pedagógica, sino los costes de acceso y la flexibilidad conversacional. Por primera vez, cualquier estudiante con conexión a internet puede mantener una conversación fluida, adaptativa y persistente sobre casi cualquier tema, en cualquier idioma y a cualquier hora. Eso sí es genuinamente nuevo.

Lo que la IA puede tutorizar, y lo que no

La efectividad de un tutor de IA depende, más que del modelo empleado, de cómo se configura esa interacción. Van de Pol, Volman y Beishuizen (2010) describieron con precisión el núcleo del andamiaje efectivo en tutoría humana: la intervención contingente, es decir, la capacidad del tutor de calibrar su nivel de ayuda al estado real del aprendiz, retirándola progresivamente cuando ya no es necesaria. Esta calibración exige un diagnóstico continuo del nivel de comprensión.

Los modelos actuales pueden aproximarse a este ideal con efectividad considerable cuando la configuración lo facilita. La disponibilidad permanente elimina la barrera de horarios. La paciencia sin límite permite tantas reformulaciones como el estudiante necesite. La capacidad de generar ejemplos, analogías y representaciones alternativas multiplica las vías de explicación. Los espacios de proyecto con memoria contextual permiten, además, una continuidad que los sistemas de tutoría inteligente tradicionales difícilmente lograban.

Ahora bien, hay límites que la tecnología actual no ha resuelto y que conviene no ignorar. La calibración emocional del aprendizaje, la capacidad de distinguir la frustración genuina de la resistencia cognitiva productiva, el juicio sobre cuándo un error señala un malentendido profundo y cuándo es simplemente descuido, son dimensiones donde el tutor humano con experiencia sigue mostrando ventajas difícilmente replicables. La tutoría de calidad no es solo transmisión de información. Es una relación, y las relaciones tienen una textura que los modelos actuales simulan con habilidad creciente, pero sin asumir la responsabilidad ética que esa relación implica.

La trampa de la fluidez cognitiva

Aquí aparece la paradoja más incómoda de todo este debate. Bastani y colaboradores (2025) publicaron un hallazgo en las actas de la Academia Nacional de Ciencias de Estados Unidos que conviene leer con detenimiento antes de celebrar el acceso masivo a tutores de IA: los estudiantes que utilizaron IA como herramienta de respuesta directa durante una unidad de matemáticas mejoraron su rendimiento en el momento, pero cuando se evaluó su aprendizaje sin el apoyo de la IA, su desempeño fue significativamente inferior al del grupo de control. El tutor que todo lo responde puede sabotear el aprendizaje que pretende facilitar.

La explicación remite a lo que los investigadores cognitivistas denominan la paradoja de la facilidad: cuando el esfuerzo de recuperación o elaboración se elimina, el aprendizaje se vuelve fluido pero superficial. La sensación de comprensión, producida por la respuesta correcta que el modelo acaba de proporcionar, no equivale a la comprensión real. Desde la neurociencia cognitiva, la evidencia acumulada apunta en la misma dirección: cuando el pensamiento se externaliza de manera sistemática, los circuitos implicados en la elaboración profunda muestran menor activación. El esfuerzo cognitivo no es un coste que conviene reducir; es la condición del aprendizaje duradero.

El problema no es la IA. Es el modo de uso. Un estudiante que utiliza el modelo como oráculo del que extrae respuestas está desaprovechando la herramienta, exactamente como quien usa una calculadora sin entender las operaciones que realiza. La diferencia es que la calculadora no puede simular que ha enseñado a calcular.

Del asistente de respuestas al tutor socrático

La distinción crucial no es entre usar IA o no usarla. Es entre el modo de sustitución y el modo de amplificación cognitiva. El siguiente diagrama organiza los cuatro modos en que puede configurarse la interacción, según el tipo de intervención del modelo y el grado de autonomía que se exige al estudiante.

Configurar un modelo de lenguaje como tutor socrático implica diseñar la interacción de modo que la IA no proporcione respuestas directas ante preguntas cuya respuesta el estudiante podría elaborar, sino que devuelva preguntas que guíen el razonamiento. "¿Qué parte del problema no entiendes?" en lugar de "la respuesta es X". "¿Qué ocurre si aplicamos este principio al caso anterior?" en lugar de explicar el principio desde cero. Este tipo de configuración exige trabajo previo, pero produce un tutor cualitativamente diferente.

Las indicaciones de sistema de los modelos actuales permiten este diseño con un nivel de precisión considerable. Un espacio de proyecto dedicado a una asignatura puede contener no solo los materiales del curso, sino también las instrucciones pedagógicas que gobiernan el comportamiento del tutor: qué preguntas puede responder directamente, cuáles debe devolver al estudiante, cómo graduar la complejidad según el nivel declarado, cuándo remitir al profesor humano. Esta arquitectura pedagógica no surge sola. La construye el docente.

Y aquí está el giro que la frase viral pasa por alto. El acceso a una herramienta poderosa no equivale a saber usarla bien. La diferencia entre un tutor de IA que genera dependencia y uno que desarrolla autonomía no está en el modelo: está en el diseño de la experiencia de aprendizaje. Ese diseño es, en esencia, competencia del docente.

El profesor como arquitecto del aprendizaje

¿Qué rol queda para el profesor universitario en este escenario? No el de fuente de información, función que los modelos de lenguaje desempeñan con mayor eficiencia en términos de disponibilidad y amplitud. Tampoco el de evaluador de la reproducción memorística, tarea que pierde sentido cuando cualquier modelo puede reproducir cualquier contenido en segundos. El rol que emerge, y que resulta difícilmente delegable, es el de arquitecto de la experiencia de aprendizaje.

Diseñar con qué tutor interactuará el estudiante, bajo qué condiciones, con qué restricciones y en función de qué objetivos de aprendizaje, es una decisión pedagógica de alto nivel que requiere conocimiento del dominio, comprensión del perfil del aprendiz y claridad sobre qué tipo de comprensión se persigue. El docente que configura bien un tutor de IA no está siendo sustituido: está ejerciendo su conocimiento especializado en un nivel de abstracción superior al que la transmisión directa de contenido requería.

Asimismo, hay dimensiones del aprendizaje que pertenecen al registro de lo relacional y que los modelos actuales no replican. La capacidad de sostener la incertidumbre de un estudiante sin apresurarse a resolverla, de señalar el momento en que un error revela una comprensión equivocada de base, de vincular el conocimiento disciplinar con la trayectoria del aprendiz, son intervenciones que requieren presencia, juicio y responsabilidad ética. Un modelo de lenguaje puede simular paciencia. No puede asumir responsabilidad por el aprendizaje de nadie.

Du Boulay, Mitrovic y Yacef (2023), en su revisión del estado del arte en IA educativa, documentan la complementariedad entre sistemas automatizados e intervención docente: los primeros resultan más eficientes en la práctica deliberada y la retroalimentación inmediata, los segundos son irreemplazables en el diagnóstico contextual y la motivación sostenida. Esta complementariedad no es una concesión retórica. Es una descripción funcional de cómo distribuir la carga en un ecosistema de aprendizaje bien diseñado.

La pregunta que la frase no formula

La idea que circula en X, "crea tu propio profesor", invita a pensar el aprendizaje como un proyecto personal y autogestionado. Eso tiene valor real. Hay algo genuinamente liberador en la posibilidad de que el acceso al conocimiento deje de depender de la disponibilidad de un experto humano, de los horarios de atención tutorial o de la geografía.

Pero la frase omite la pregunta pedagógica central: ¿qué tipo de tutor estás creando? Uno que responde todo lo que preguntas, o uno que te obliga a pensar antes de responderte. Uno que suaviza la fricción del aprendizaje, o uno que la administra con inteligencia pedagógica. Uno que produce la ilusión de comprensión, o uno que verifica si la comprensión es real.

La respuesta a esa pregunta no depende del modelo de lenguaje elegido. Depende de quién diseña la interacción y con qué intención pedagógica. En eso, el papel del profesor universitario no ha desaparecido. Se ha vuelto más exigente, más estratégico y, probablemente, más determinante que nunca para la calidad del aprendizaje de quienes tiene a su cargo.