Dos futuros para aprender con IA

La IA puede hacer que los estudiantes aprendan más o que aprendan menos. Dos estudios recientes, un agente que entrega la tarea solo y cinco señales para saber hacia dónde va su universidad.

Dos futuros para aprender con IA
Ensayo · IA y educación superior

Y cinco señales para saber cuál de los dos estamos construyendo en nuestras aulas

La idea en una frase

La IA puede hacer que los estudiantes aprendan más o que aprendan menos. Lo que inclina la balanza no es la potencia del modelo, sino cómo se diseña su uso: si la herramienta ayuda a pensar o si piensa por el estudiante.

Dos estudios, dos resultados opuestos

Entre diciembre de 2024 y junio de 2025 se publicaron dos estudios sobre IA y aprendizaje universitario. Usan tecnología parecida y llegan a conclusiones contrarias.

Estudio 1 · BJET · dic. 2024

Con ChatGPT el ensayo sale mejor, pero el estudiante no aprende más

117 estudiantes escribieron un ensayo con una de cuatro ayudas: ChatGPT, un tutor humano, una lista de comprobación o ninguna. Quienes usaron ChatGPT mejoraron su texto, pero no transfirieron más conocimiento y revisaron menos su propio proceso de trabajo (Fan y colaboradores, 2025).

Asistente genérico
Estudio 2 · Scientific Reports · jun. 2025

Con un tutor de IA bien diseñado, se aprende más en menos tiempo

Estudiantes de física de Harvard compararon un tutor de IA hecho a medida con una clase presencial de aprendizaje activo. Quienes usaron el tutor aprendieron más y en menos tiempo (Kestin y colaboradores, 2025).

Tutor con método
¿Por qué difieren?

Los estudios no son comparables punto por punto: cambian la asignatura, la tarea y la herramienta. Pero hay una diferencia de fondo. En el primero, ChatGPT era un asistente genérico que daba respuestas. En el segundo, el tutor estaba programado para seguir un método pedagógico.

Leídos juntos, los dos estudios apuntan a lo mismo: el resultado depende del diseño del uso, más que de la presencia de IA.

De ahí salen dos futuros posibles. Lo más probable es que convivan.

1

Primer futuro: la IA amplía lo que hace el estudiante

En este escenario, la IA absorbe el trabajo mecánico y libera tiempo para pensar. El tutor pregunta, ofrece una pista y espera el siguiente intento. El docente usa las horas ganadas para conversar con cada estudiante.

Lo que se vio en Harvard

Los autores construyeron el tutor con las mismas prácticas pedagógicas que la clase de aprendizaje activo. La herramienta seguía un método y no improvisaba respuestas.

Tres cautelas antes de entusiasmarse

  1. Alcance limitadoFue un solo curso, un solo tema y una herramienta hecha a medida, no un chatbot comercial.
  2. El tamaño del efecto está en discusiónUn reanálisis independiente de los datos públicos (clayford.net, 2026, sin revisión por pares) confirma la ventaja del tutor, pero duda de que sea más del doble.
  3. Ni siquiera la tutoría humana hace milagrosEn 1984, Bloom habló de una mejora de dos desviaciones típicas con la tutoría individual. Ese resultado nunca se ha replicado. El metaanálisis de Cohen, Kulik y Kulik (1982), que recoge von Hippel (2024), estimó un efecto medio de 0,33. Desconfíe de quien prometa un «tutor personal que lo resuelve todo».
2

Segundo futuro: la IA hace la tarea por el estudiante

En este escenario, la IA produce el trabajo y el estudiante lo entrega. La nota sube, pero la capacidad de juzgar ese trabajo se ejercita cada vez menos.

Pereza metacognitiva

Fan y colaboradores (2025) le pusieron nombre: pereza metacognitiva. El estudiante deja de vigilar y evaluar su propio proceso porque delega esa tarea en la máquina. Quienes escribieron con ChatGPT lo hicieron menos que quienes trabajaron con un tutor humano o con una lista de comprobación.

Es un experimento de laboratorio, con 117 estudiantes y una sola tarea. Es una señal de alerta, no una sentencia.

El paso siguiente

Agentes que estudian en lugar del estudiante

Hasta ahora, el estudiante al menos copiaba y pegaba. Con la IA agéntica, sistemas que actúan por su cuenta dentro de otras plataformas, ni siquiera eso hace falta.

En febrero de 2026 una empresa lanzó Einstein, un agente que, según su propia web, hace lo siguiente (Landymore, 2026):

01Inicia sesión en Canvas con las credenciales del estudiante
02Lee la tarea y ve las videoclases
03Escribe el trabajo y participa en los foros
04Entrega antes del plazo
05El estudiante no interviene

El resultado: el estudiante puede no haber leído nunca lo que se presentó con su nombre. Y no es un caso aislado. Mills documenta vídeos en los que el navegador ChatGPT Atlas completa un cuestionario de Canvas sin intervención humana.

Cuesta detectarlosSegún California Virtual Campus (2025), imitan a un usuario real y pueden pasar inadvertidos.
Bloquearlos no es sencilloSegún Mills, Blackboard reconoce que no puede hacerlo. Instructure, la empresa de Canvas, dice que investiga vías.
El circuito se cierraLa MLA advirtió en 2025 de un bucle absurdo: una IA diseña la tarea, un agente la entrega y otra IA la corrige (Bauschard, 2026).

Si la tarea, la entrega y la corrección las hacen máquinas, ¿qué parte del aprendizaje queda dentro del aula?

Nota: Einstein es un producto comercial y sus capacidades son las que declara la empresa. No he comprobado cuántos estudiantes lo usan ni si sigue activo.

Un riesgo del que se habla menos

La dependencia

Una capacidad que se delega en una herramienta se convierte en un servicio. Y quien presta un servicio puede cambiarlo, encarecerlo o retirarlo. Si una generación aprende a escribir o a razonar apoyándose siempre en un proveedor, esa capacidad queda en manos ajenas.

Es una hipótesis mía. No conozco todavía un estudio que la respalde.

Resumen: mismo punto de partida, dos trayectorias

Dimensión
Ampliación
Sustitución
Qué hace la IA
Pregunta y da pistas
Entrega la respuesta
Qué hace el docente
Gana tiempo para conversar
Corrige trabajos cada vez más pulidos
Qué pasa con el criterio del estudiante
Se ejercita
Se atrofia

Lo que separa ambas trayectorias es el diseño del uso.

Cinco señales para saber cuál va ganando

Cada señal puede observarse en una asignatura, en un departamento o en una universidad entera.

Señal
Indica ampliación
Indica sustitución
01Qué hace la herramienta cuando el estudiante se equivoca
Pregunta o da una pista, y espera otro intento
Entrega la respuesta completa
02Qué ocurre cuando se retira la IA
El rendimiento se mantiene o mejora
El rendimiento cae
03Qué evalúa la institución
El proceso y la capacidad de explicar lo hecho
Solo el producto final
04Qué se hace con el tiempo ahorrado
Más atención directa al estudiante
Grupos más grandes y más carga docente
05Quién controla la herramienta
Hay alternativas, incluidos modelos locales
Dependencia de uno o dos proveedores

Qué decidirá el reparto

Mi apuesta es que ocurrirán los dos futuros, según el contexto. Lo decidirán el diseño de cada herramienta y la política de cada institución, más que la potencia de los modelos.

Delegar capacidades en herramientas no es nuevo. Clark y Chalmers (1998) ya se preguntaban dónde acaba la mente y dónde empiezan sus herramientas: la libreta, la calculadora, la agenda. Lo nuevo es la velocidad, y que ahora la herramienta conversa y actúa.

¿Y las interfaces cerebrales?

A veces se plantea que en el futuro «descargaremos» conocimiento en el cerebro. Las interfaces que existen hoy solo leen del cerebro. No escriben en él.

LeerConvertir actividad neuronal en voz o texto. Ya hay resultados.
EscribirInstalar conocimiento en un cerebro. No hay resultados que lo respalden.

Wairagkar y colaboradores (2025) publicaron en Nature un sistema que convierte la actividad neuronal en voz en un paciente con ELA. Quien escuchaba entendió esto:

Es un avance enorme para usos asistivos. Mi lectura: en una o dos décadas, estas interfaces no cambiarán el reparto entre ampliación y sustitución, salvo en esos usos asistivos.

Una medida para este semestre

5×5estudiantes · minutos
No hace falta esperar a grandes estudios

Elija una sola señal y mídala en su asignatura. Por ejemplo, la tercera: pida a cinco estudiantes que expliquen en voz alta, sin pantalla, un trabajo que entregaron con ayuda de IA.

Con cinco minutos por persona tendrá una primera idea de cuánto entendieron de lo que entregaron. Ese dato vale más que cualquier titular sobre el futuro.

Portada del libro IA agéntica en educación superior, de Fernando Santamaría
Libro en español

IA agéntica en educación superior

Fernando Santamaría · Editorial IAforTeachers · Primera edición, 2026

Qué cambia en el aula universitaria cuando la IA deja de responder y empieza a actuar: marco de decisión, casos y criterios para el profesorado.

Cupón COBO30: 12 € en lugar de 18 € Ver el libro

Fuentes

  1. Bauschard, S. (2026). AI agents are already inside our schools. Substack. stefanbauschard.substack.com (recoge el aviso de la MLA de octubre de 2025 y la postura de Blackboard).
  2. California Virtual Campus (2025, noviembre). Safeguarding academic integrity in the age of agentic AI. cvc.edu
  3. Clark, A. y Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7-19. https://doi.org/10.1093/analys/58.1.7
  4. Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X. y Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544
  5. Kestin, G., Miller, K., Klales, A., Milbourne, T. y Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6
  6. Landymore, F. (2026, 23 de febrero). New AI agent logs directly into college platform Canvas to do your homework for you. Futurism. futurism.com
  7. Mills, A. (s. f.). Agentic AI: Considerations for educators. Substack. annamills.substack.com
  8. Reanálisis independiente de los datos de Kestin et al. (2026, 31 de enero). clayford.net. clayford.net/posts/ai_tutoring_nature (blog, sin revisión por pares).
  9. von Hippel, P. T. (2024, primavera). Two-sigma tutoring: Separating science fiction from science fact. Education Next. educationnext.org
  10. Wairagkar, M., Card, N. S., Singer-Clark, T., Hou, X., Iacobacci, C., Miller, L. M., Hochberg, L. R., Brandman, D. M. y Stavisky, S. D. (2025). An instantaneous voice-synthesis neuroprosthesis. Nature, 644, 145-152. https://doi.org/10.1038/s41586-025-09127-3
IAFernando Santamaría · @IAforTeachers