El no saber como estado formativo

La inteligencia artificial educativa compite por eliminar la espera entre la pregunta y la respuesta. Pero hay investigación de varias décadas, desde la antropología hasta la psicología cognitiva, que sugiere que ese tiempo de no saber es precisamente donde se forma el criterio profesional.

Hay un momento en la formación de cualquier persona que se prepara para ejercer algo serio, medicina, derecho, un oficio artesanal, la investigación académica, en el que simplemente no sabe. Le falta, sobre todo, el criterio para decidir qué hacer con la información que ya tiene. Ese tramo suele vivirse como una carencia, algo que conviene atravesar lo más rápido posible para llegar al otro lado, donde ya se sabe. Conviene matizar esa lectura. El tramo de no saber no parece un defecto del proceso formativo. Es, probablemente, el lugar donde ocurre lo esencial de la formación.

Lo que Turner llamó liminalidad

El antropólogo Victor Turner llamó liminalidad a ese estado intermedio que estudió en los ritos de paso de los pueblos ndembu de Zambia, ni lo que la persona era antes ni lo que será después, un umbral donde la identidad queda en suspenso (Turner, 1969). Aplicado a la formación profesional, el estudiante que todavía no sabe diagnosticar, que todavía no sabe argumentar como abogado, que todavía no sabe pensar como investigador, atraviesa un umbral parecido. Y ese umbral, sostenido el tiempo suficiente, produce la transformación de identidad, no solo la acumulación de competencia técnica. Uno no se convierte en médico acumulando datos clínicos. Se convierte en médico sosteniendo, durante años, la incomodidad de no saber qué le pasa a un paciente y teniendo que actuar de todos modos.

Esta intuición tiene respaldo empírico más reciente. Una revisión panorámica de Moffett y sus colegas, que examinó noventa y siete estudios sobre cómo los estudiantes de profesiones sanitarias se relacionan con la incertidumbre, encontró que esta atraviesa la formación de principio a fin y que el terreno conceptual sigue siendo heterogéneo y poco sistematizado (Moffett et al., 2021). Dicho de otro modo, la incertidumbre es omnipresente en la formación profesional, pero rara vez se diseña de forma deliberada como parte del aprendizaje. Se padece más que se cultiva.

Aquí es donde el argumento se vuelve incómodo para el diseño actual de la inteligencia artificial educativa. Si el criterio de éxito de estas herramientas es resolver la duda lo más rápido posible, entonces comprimen precisamente el tramo donde se forma la identidad profesional. No hablamos ya de si el estudiante retiene mejor o peor un contenido, que es el terreno donde se mueve casi toda la literatura actual sobre inteligencia artificial y aprendizaje. Hablamos de otra cuestión, la formación de la persona misma, qué le ocurre cuando el tiempo de no saber se acerca a cero porque siempre hay un asistente disponible para resolver la incertidumbre en el acto.

Las tierras pantanosas de Schön

Donald Schön, en su libro sobre el profesional reflexivo, distinguía entre lo que llamaba las tierras altas y firmes de la racionalidad técnica, donde los problemas están bien definidos y las soluciones se aplican con precisión, y las tierras bajas y pantanosas de la práctica real, donde los problemas son confusos, ambiguos, y no admiten una respuesta correcta predefinida (Schön, 1983). Sostenía que la formación profesional seria ocurre en esas tierras pantanosas, no en las tierras altas. Podría sugerirse que la inteligencia artificial educativa, tal como se despliega hoy, empuja de forma sistemática al estudiante hacia las tierras altas, hacia la respuesta clara y bien definida, y lo aleja del pantano donde en realidad se forma el juicio profesional.

La capacidad negativa de Keats

El poeta inglés John Keats acuñó, en una carta a sus hermanos escrita a finales de diciembre de 1817, la expresión capacidad negativa para describir la aptitud de sostenerse en la incertidumbre, en el misterio, en la duda, sin la necesidad irritable de alcanzar hechos y razones que la cierren de inmediato (Keats, 1958). Hablaba de creación literaria, pero la idea se ha trasladado con fuerza a otros campos, entre ellos la formación de profesionales que deben tomar decisiones bajo ambigüedad genuina. Si toda ambigüedad se resuelve al instante porque hay un modelo de lenguaje disponible para resolverla, esa capacidad negativa, esa aptitud de convivir con lo no resuelto, sencillamente no tiene dónde ejercitarse.

Conviene ser prudentes aquí y no convertir este argumento en una defensa romántica del sufrimiento formativo por el sufrimiento mismo. No toda incertidumbre es buena en sí misma, ni conviene idealizar la confusión como si fuera automáticamente productiva. Un análisis normativo de Reis-Dennis y sus colegas lo formula con precisión: ni tolerar ni intolerar la incertidumbre resulta bueno en sí mismo, y lo que conviene cultivar en la formación son virtudes como la curiosidad, la diligencia y el coraje, que permiten habitar la duda sin quedar paralizado ni cerrarla en falso (Reis-Dennis et al., 2021). La evidencia disponible añade un matiz que conviene no pasar por alto. Una revisión sistemática de once estudios halló una asociación consistente entre una menor tolerancia a la ambigüedad y un peor bienestar psicológico durante la formación médica, aunque con una heterogeneidad metodológica que obliga a leer el hallazgo con cautela (Hancock y Mattick, 2020). La incertidumbre prolongada tiene, por tanto, sus propios costes, y el argumento no consiste en pedir más incertidumbre, sino la cantidad justa. Nos referimos a algo más preciso, la hipótesis de que existe una cantidad de tiempo de no saber que resulta funcionalmente necesaria para que se consolide algo distinto de la competencia técnica, un criterio, un juicio profesional, incluso un carácter formado en el oficio. Y la pregunta que nos interesa plantear es si la inteligencia artificial educativa, diseñada desde una lógica de eliminar fricción y resolver dudas al instante, recorta ese tiempo por debajo del umbral necesario, sin que nadie lo mida ni siquiera lo pregunte.

El error como mecanismo formativo

Hay una segunda pieza de evidencia que conviene incorporar aquí, porque desplaza el argumento hacia la práctica concreta del aula. El aprendizaje también ocurre, y de forma notable, a través del error. El investigador Manu Kapur documentó lo que llamó fracaso productivo, un diseño instructivo en el que los estudiantes intentan resolver problemas complejos sin apoyo previo, fracasan en el intento, y solo después reciben la instrucción formal que consolida el concepto (Kapur, 2008). Los estudiantes que atraviesan primero ese fracaso, aunque no logren resolver el problema por sí solos, terminan comprendiendo con más solidez que quienes recibieron la explicación completa desde el principio. El fracaso, en ese diseño, no es un efecto colateral que se tolera. Es la condición que hace posible la comprensión posterior.

Trasladado a la inteligencia artificial educativa, el patrón resulta evidente. Un estudiante que consulta al modelo antes de intentar resolver el problema por su cuenta se salta precisamente la fase de fracaso que Kapur identifica como necesaria. Obtiene la respuesta correcta de inmediato, sin haber generado antes sus propias representaciones erróneas del problema, esas representaciones que, según la investigación, son las que después dan sentido y anclaje a la explicación correcta. La eficiencia del sistema, medida en tiempo hasta la respuesta, se convierte así en un obstáculo pedagógico medido en la solidez de lo comprendido.

Figura 1. Dos diseños para el mismo momento formativo.

Lo que enseña equivocarse con convicción

Existe todavía un tercer mecanismo, menos conocido fuera de la psicología cognitiva, que refuerza el mismo argumento desde otro ángulo. Los psicólogos Norman Slamecka y Peter Graf demostraron, ya en 1978, que las personas recuerdan mejor la información que ellas mismas generan que la información que simplemente leen, un fenómeno que denominaron efecto de generación (Slamecka y Graf, 1978). No hace falta acertar en el primer intento para que el efecto se produzca. Existe, además, un hallazgo complementario todavía más llamativo. Cuando alguien comete un error con alta confianza y después recibe la corrección, memoriza la respuesta correcta con más fuerza que si nunca hubiera errado. A este fenómeno se le llama efecto de hipercorrección (Butterfield y Metcalfe, 2001).

Ambos hallazgos apuntan en la misma dirección y explican, mejor que la intuición habitual, algo que muchos docentes reconocen de forma empírica sin haberlo formalizado. Intentar producir la respuesta por cuenta propia, aunque sea de forma imperfecta o directamente equivocada, y someter después ese intento a corrección, enseña más que recibir la respuesta ya resuelta desde el principio. Es, en cierto sentido, una aplicación en negativo del aprendizaje. Uno aprende tanto por lo que logra generar como por el hueco exacto que deja al fallar. Cuando la inteligencia artificial entrega la respuesta correcta antes de que el estudiante haya generado su propio intento, elimina de raíz las dos condiciones que activan estos efectos, no hay generación propia que recordar con más fuerza, y no hay error de alta confianza que corregir con beneficio. La inmediatez, en este sentido preciso, no ahorra tiempo de aprendizaje. Lo cancela.

El criterio tácito

Hay una razón más profunda por la que la respuesta inmediata no sustituye al tramo de no saber. Buena parte del criterio profesional es conocimiento tácito, ese saber que se posee sin poder enunciarlo del todo. Michael Eraut, en un trabajo ya clásico sobre el aprendizaje en el puesto de trabajo, distinguió tres tipos de conocimiento tácito, la comprensión de personas y situaciones, las acciones rutinizadas y las reglas implícitas que gobiernan la deliberación, y mostró que se adquiere sobre todo por experiencia situada más que por transmisión explícita (Eraut, 2000). Un modelo de lenguaje entrega con eficacia la parte explícita del conocimiento, la que cabe en un texto. La parte tácita, la que un profesional experimentado reconoce sin poder verbalizarla, no viaja dentro de una respuesta. Se forma despacio, en la práctica, a base de tanteo y de error.

El cuarto nodo y la temporalidad formativa

Esto conecta con la tesis del cuarto nodo que hemos desarrollado en otros trabajos sobre conectivismo. Si los modelos de lenguaje constituyen un tipo de nodo que no opera bajo la temporalidad humana, capaz de resolver una duda en segundos donde un mentor tardaría días o semanas en dejar que el estudiante madurara la pregunta por sí mismo, entonces ese nodo altera no solo la simetría informacional de la red de aprendizaje, sino también la temporalidad formativa misma. Un tutor humano experimentado sabe cuándo callar, cuándo no dar la respuesta, cuándo dejar que el estudiante se equivoque de forma productiva. Esa es una competencia pedagógica sofisticada, construida sobre años de práctica. Cabe preguntarse si un sistema entrenado para maximizar la satisfacción inmediata del usuario puede aprender, alguna vez, a frustrar de forma constructiva, o si esa capacidad exige un diseño instruccional deliberado que hoy prácticamente nadie está construyendo.

Un matiz necesario

Sería deshonesto presentar la inteligencia artificial como una amenaza uniforme para el aprendizaje. En ciertos contextos ocurre lo contrario. Un experimento controlado reciente, con cincuenta aprendices noveles, encontró que un sistema de inteligencia artificial generativa ayudaba a explicitar el conocimiento tácito de un oficio y mejoraba de forma apreciable varias competencias prácticas frente a la formación tradicional (Guo y Hu, 2025). El estudio es limitado, la muestra es pequeña y el dominio muy específico, de modo que conviene no extrapolar sin más a la educación superior. Con todo, apunta a algo relevante para nuestro argumento. Lo determinante es el momento y el modo en que la herramienta se interpone entre el estudiante y su propio esfuerzo, más que la herramienta considerada en abstracto. La misma tecnología que puede cancelar el tramo de no saber puede, con otro diseño, ayudar a explicitar lo que antes quedaba oculto. La cuestión, en el fondo, es de diseño instruccional antes que de tecnología.

Diseñar la demora

No se trata de expulsar la inteligencia artificial del proceso formativo, ni de proponer un regreso nostálgico a la opacidad como valor en sí mismo. Se trata de diseñar, con la misma intención con la que se diseña cualquier otro componente pedagógico, los tramos donde el estudiante debe permanecer sin respuesta el tiempo suficiente para generar su propio intento, equivocarse con convicción, y solo entonces recibir la corrección. Eso exige lo contrario de lo que hoy optimiza casi toda la industria educativa basada en inteligencia artificial. En vez de minimizar la latencia entre pregunta y respuesta, habría que aprender a calibrarla.

La pregunta que queda abierta, y que probablemente definirá buena parte del diseño instruccional de los próximos años, es si alguien está dispuesto a construir esa demora a propósito, o si el mercado seguirá premiando, sin más, la inmediatez.