La IA debería reducir las dificultades que plantea el aprendizaje, no el esfuerzo que supone aprender en sí mismo
Por Devon Wible, vicepresidente de Enseñanza y Aprendizaje, Catapult Learning
La IA debería reducir las dificultades que plantea el aprendizaje, no el esfuerzo que supone aprender en sí mismo
La IA puede ayudar a los educadores a planificar, diferenciar la enseñanza, analizar datos, generar ejercicios de práctica, reducir la carga administrativa y mejorar la tutoría. Sin embargo, los centros educativos no deberían evaluar la IA principalmente en función de hasta qué punto hace que el aprendizaje sea más rápido, más fácil o más eficiente. El aprendizaje exige un esfuerzo cognitivo, y el principal riesgo de la IA en la educación es que eluda precisamente el trabajo que los alumnos necesitan realizar para desarrollar conocimientos, habilidades, independencia y capacidad de juicio.
La IA debería reducir las dificultades innecesarias relacionadas con el aprendizaje, no eliminar el esfuerzo cognitivo que supone el propio aprendizaje.
- Aprender requiere esfuerzo. Los alumnos desarrollan una comprensión duradera a través de la atención, la recuperación de conocimientos, el razonamiento, la explicación, la retroalimentación, la revisión, la práctica y la transferencia. Las herramientas que eliminan ese esfuerzo pueden mejorar el resultado, pero debilitan al alumno.
- Los alumnos más jóvenes y con dificultades son los que corren mayor riesgo. Necesitan un apoyo personalizado, relaciones sólidas, una enseñanza explícita, comentarios constructivos y un esfuerzo productivo. La inteligencia artificial debería ayudar a los profesores y tutores a proporcionarles todo eso, no a sustituirlos.
- El papel adecuado de la IA a corto plazo es dirigirse a los adultos. Utilícela para ayudar a los educadores a prepararse, evaluar, proporcionar apoyo y documentar, de modo que haya más tiempo para la enseñanza, y no menos.
- El modelo no es el producto; lo es la configuración. Un mismo modelo de IA puede configurarse para dar respuestas directamente o para no revelarlas y, en su lugar, orientar al usuario. Los compradores necesitan ver los límites de seguridad, no la demostración.
¿Esta herramienta de IA preserva, refuerza o debilita el esfuerzo cognitivo que necesitan los alumnos para aprender?
¿Qué es la IA?
La inteligencia artificial es un término amplio que hace referencia a los sistemas informáticos diseñados para realizar tareas que suelen requerir inteligencia humana: reconocer patrones, hacer predicciones, generar lenguaje, resumir información, recomendar los siguientes pasos o responder a indicaciones.
El debate actual en el ámbito educativo se centra principalmente en la IA generativa, es decir, en herramientas que crean textos, explicaciones, preguntas, resúmenes, comentarios, imágenes, código o materiales didácticos en respuesta a una indicación. Sin embargo, la IA en la educación abarca mucho más que esa única categoría. Un chatbot de uso general es diferente de una herramienta didáctica basada en IA, que a su vez es diferente de un asistente de planificación dirigido al profesorado, una herramienta de análisis de evaluaciones, un servicio de traducción o una plataforma basada en IA que facilite la tutoría.
Los docentes deben distinguir entre las herramientas de IA que se utilizan y definir claramente cómo se empleará cada una de ellas. Un artículo reciente de Instruction Partners recoge las conclusiones de un estudio titulado «AI in Action Learning Tour 2026», en el que los investigadores analizaron 20 productos basados en IA destinados a los alumnos en 32 aulas, 16 sistemas escolares y siete estados. Sus conclusiones refuerzan la idea de que el valor pedagógico de la IA depende menos de si un producto utiliza IA y más de para qué está diseñado dicho producto, qué papel le asigna al profesor y qué tipo de razonamiento exige a los alumnos.21
Por lo tanto, la primera pregunta que deben plantearse los centros educativos no es «¿Deberíamos utilizar la IA?». Las preguntas más acertadas son:
¿Qué tareas realiza la IA?
¿Qué tareas le quedan al educador?
¿Qué esfuerzo cognitivo realiza el alumno y qué esfuerzo cognitivo le ahorra la herramienta?
¿Contribuye esta herramienta a que los alumnos alcancen un aprendizaje más profundo y una mayor independencia, o simplemente les ayuda a realizar las tareas más rápidamente?
Cómo funciona realmente la IA generativa y por qué es importante para el aprendizaje
Para responder adecuadamente a esas preguntas, los responsables deben tener un conocimiento práctico de cómo funciona todo por dentro. La mayoría de las herramientas que se comercializan actualmente para los centros educativos se basan en grandes modelos de lenguaje (LLM), la misma categoría de sistemas que hay detrás de ChatGPT, Gemini, Claude y Copilot.
- Un LLM es un motor de predicción. Se entrena con enormes cantidades de texto para estimar, token a token (aproximadamente, un fragmento de palabra), cuál es la siguiente palabra más probable. Una respuesta no es más que esa predicción repetida hasta que el modelo decide que ha terminado.
- Está optimizado para la verosimilitud, no para la verdad. El objetivo del entrenamiento premia los textos que parecen escritos por una persona. La precisión es un resultado secundario frecuente, no una garantía. El modelo no cuenta con ningún mecanismo integrado para comprobar si una afirmación es correcta.
- Los errores de confianza son estructurales, no un fallo que se pueda corregir con un parche. Investigadores de OpenAI y Georgia Tech demostraron en 2025 que las llamadas «alucinaciones» se deben a la forma en que se entrenan y evalúan los modelos: las pruebas de referencia estándar premian una suposición segura frente a un «no lo sé» sincero, por lo que los modelos aprenden a adivinar.23
- Su comportamiento viene determinado por las instrucciones que se le dan, no solo por el modelo. El mismo modelo subyacente puede configurarse para dar la respuesta a un alumno o para no revelarla y, en su lugar, plantearle una pregunta. Esa capa de configuración, a menudo denominada «indicación del sistema» o «barreras de seguridad», es donde reside la mayor parte del diseño instruccional, y suele ser invisible para el comprador.
- No es determinista. Si haces la misma pregunta dos veces, es posible que obtengas dos respuestas diferentes. Esto es una ventaja en el trabajo creativo, pero un inconveniente en la enseñanza, donde la coherencia y la adecuación al plan de estudios son fundamentales.
De ello se desprenden dos consecuencias. En primer lugar, un alumno solo puede detectar una respuesta incorrecta pero expresada con fluidez si ya sabe lo suficiente como para verificarla. El alumno que más necesita apoyo es precisamente el que está menos preparado para evaluar lo que genera la herramienta, y esa es precisamente la razón por la que la labor de construcción del conocimiento no puede externalizarse. En segundo lugar, dado que el comportamiento didáctico reside en la configuración y no en el modelo, decir que «utiliza IA» no aporta prácticamente nada a un responsable. Lo que se le indica a la herramienta que haga, y lo que se le impide hacer, es la clave de todo.
No todas las «IA» son la misma herramienta
La etiqueta abarca al menos cinco categorías distintas, que se sitúan en puntos muy diferentes en relación con el trabajo cognitivo del alumno:
| Categoría | Para qué sirve | Dónde se sitúa el trabajo cognitivo | Riesgo de tomar atajos |
|---|---|---|---|
| Chatbot de uso general | Generación de texto libre sobre cualquier tema (ChatGPT, Gemini, Copilot, Claude) | Allí donde el alumno lo envíe. Por defecto, la herramienta se encarga del razonamiento, la redacción y el resumen. | Alto |
| Tutor de IA dirigido a los alumnos | Un modelo de lenguaje grande (LLM) integrado en indicaciones didácticas, contenidos y, a menudo, herramientas de voz o de lectura (por ejemplo, Amira, Khanmigo) | Depende totalmente del diseño de la barrera de seguridad. Puede ser socrática o puede ser una máquina de respuestas. | Varía según el diseño |
| Motor de ejercicios adaptativos y recomendaciones | Modelos predictivos que ordenan los elementos, ajustan el nivel de dificultad y señalan las habilidades. A menudo no son generativos en absoluto. | El alumno sigue realizando la actividad. La IA decide qué viene a continuación. | Inferior |
| Copiloto dirigido a profesores y tutores | Planificación de clases, diferenciación, elaboración de andamios de aprendizaje, bancos de preguntas, traducción, notas de seguimiento | Con el adulto. El alumno nunca toca la herramienta. | Bajo |
| Evaluación y análisis de datos | Detección de patrones en datos de seguimiento del progreso, diagnósticos e intervenciones | Con el adulto. Sirve de base para las decisiones pedagógicas. | Bajo |
Las directrices para desarrolladores del Departamento de Educación de EE. UU. plantean una cuestión relacionada: piden a los equipos de producto que diseñen pensando en la enseñanza y el aprendizaje, demuestren el impacto de sus productos, protejan los derechos civiles, garanticen la seguridad y la protección, y se ganen la confianza mediante la transparencia.25 Los responsables pueden utilizar esa misma lista a la inversa, como un conjunto de exigencias.
El objetivo de la escuela es aprender, no completar tareas
Las escuelas existen para ayudar a los alumnos a adquirir los conocimientos básicos, las habilidades, las estrategias y los hábitos de pensamiento necesarios para participar plenamente en la vida. Por eso existen los estándares de cada curso. Los estándares no son listas de verificación arbitrarias. Representan una visión acumulativa de lo que los alumnos deben saber, comprender y ser capaces de hacer a lo largo del tiempo.
El aprendizaje genera oportunidades. Los alumnos aprenden a leer con comprensión, a escribir con claridad, a razonar matemáticamente, a comprender la historia y las ciencias, a comunicarse, a colaborar, a cuestionar la información, a resolver problemas y a entender el mundo. Estas capacidades les abren las puertas a la universidad, al mundo laboral, a la formación profesional, a la vida cívica y a la independencia personal.
La IA socava este objetivo cuando limita las oportunidades de los alumnos para desarrollar estas capacidades de forma independiente. Si una herramienta ofrece un resumen, un argumento, una respuesta o una explicación antes de que el alumno haya realizado el trabajo necesario, es posible que este termine la tarea sin haber logrado un aprendizaje significativo.
Esto no es un argumento en contra de la tecnología en la educación. La tecnología puede ampliar el acceso, facilitar la práctica, mejorar la retroalimentación, potenciar la accesibilidad y ayudar a los educadores a comprender mejor las necesidades de los alumnos. La preocupación es concreta: ciertos tipos de IA, especialmente la IA generativa, pueden facilitar que los alumnos eludan el trabajo cognitivo que la escuela está diseñada para fomentar.
Favorece el aprendizaje
- Una calculadora, una vez que los alumnos comprenden las operaciones que realiza
- Un corrector ortográfico, una vez que el escritor haya redactado y revisado el texto
- Una herramienta que ayuda al profesor a detectar un concepto erróneo, preparar un andamiaje o diseñar mejores ejercicios de práctica
Entorpece el aprendizaje
- Una herramienta que genera el razonamiento, la estructura, el texto, el resumen o la respuesta antes de que el alumno haya desarrollado esas capacidades
- Una herramienta que proporciona de forma repetida el texto, la explicación o la respuesta que los alumnos deben elaborar
La cuestión no es si una herramienta es digital, sino si favorece o entorpece el proceso de aprendizaje. La IA no debería aprender por los alumnos. Debería ayudar a los adultos a crear mejores condiciones para que los alumnos aprendan.
La alfabetización en IA es importante, pero no implica integrar chatbots en todas las plataformas que utilizan los alumnos ni incorporar la IA en cada interacción. Los alumnos pueden aprender cómo funciona la IA, en qué aspectos falla, cómo surgen los sesgos, cómo se ve afectada la privacidad y por qué es importante el juicio humano, sin delegar en la IA tareas como leer, escribir, razonar, plantear preguntas o resolver problemas.
El aprendizaje requiere un esfuerzo cognitivo productivo
Aprender no es lo mismo que hacer los deberes. Los alumnos aprenden cuando relacionan la información nueva con lo que ya saben, reflexionan sobre su significado, practican a lo largo del tiempo, recuperan información de la memoria, reciben comentarios, corrigen errores y aplican lo aprendido en nuevos contextos.
La obra «The Science of Learning», de Deans for Impact, resume estos principios con claridad. Los alumnos aprenden relacionando los nuevos conocimientos con los que ya poseen. La memoria de trabajo es limitada. El aprendizaje a largo plazo requiere un procesamiento significativo. La práctica debe ser exigente, espaciada, variada y acompañada de retroalimentación. Además, los alumnos deben comprender que aprender requiere esfuerzo y supone un reto.1
Eso no significa que la escuela deba ser innecesariamente difícil. Las tareas mal diseñadas, los materiales inaccesibles, las instrucciones poco claras, la carga cognitiva excesiva o la frustración sin justificación no mejoran el aprendizaje. La teoría de la carga cognitiva nos recuerda que la memoria de trabajo es limitada y que la enseñanza debe minimizar la carga innecesaria o superflua.2
Pero el esfuerzo cognitivo productivo es diferente. Se trata del trabajo mental que consiste en dar sentido, recordar, explicar, organizar, revisar, comparar, aplicar y transferir. La ciencia del aprendizaje nos ofrece una distinción útil: no toda dificultad es beneficiosa, pero cierto esfuerzo es necesario. Las investigaciones sobre las «dificultades deseables» demuestran que las situaciones que se perciben como más difíciles a corto plazo pueden reforzar la retención y la transferencia a largo plazo.3
Práctica de recuperación. Los alumnos suelen aprender más cuando recuperan activamente la información de la memoria que cuando vuelven a leer, volver a ver o reciben la información de nuevo.4
Autoexplicación. Los alumnos profundizan en su comprensión cuando se explican a sí mismos los ejemplos y el razonamiento, en lugar de limitarse a seguir los pasos de un ejemplo resuelto.5
Fracaso productivo. En las condiciones adecuadas, los alumnos se benefician al intentar resolver problemas complejos antes de recibir la enseñanza formal, especialmente cuando ese esfuerzo va seguido de una consolidación de los conceptos y de una enseñanza explícita.6
Las implicaciones para la IA. No te limites a preguntarte si la IA facilita una tarea. Pregúntate si mantiene el esfuerzo esencial: la búsqueda de información, el razonamiento, la generación, la explicación, la revisión y la aplicación.
El andamiaje debe fomentar la independencia, no la dependencia
El aprendizaje no es una elección binaria entre un esfuerzo sin apoyo y una ayuda inmediata. Una enseñanza eficaz se sitúa entre esos dos extremos.
La «zona de desarrollo próximo» de Vygotsky describe el espacio que media entre lo que un alumno puede hacer de forma autónoma y lo que puede hacer con ayuda.7 Es aquí donde la enseñanza y la tutoría cualificadas cobran mayor importancia. El adulto se da cuenta de lo que el alumno está a punto de conseguir, le proporciona el andamiaje adecuado y le ayuda a avanzar hacia la independencia. Wood, Bruner y Ross describieron el andamiaje en la tutoría como el apoyo que permite a los alumnos resolver problemas que aún no podrían resolver por sí mismos.8 La clave es que el andamiaje es temporal y tiene un propósito concreto. Apoya la participación del alumno al tiempo que preserva su papel en la tarea.
El modelo de «transferencia gradual de la responsabilidad» plantea lo mismo en términos pedagógicos. Pearson y Gallagher describieron el paso de la responsabilidad del profesor a la del alumno, y Fisher y Frey contribuyeron posteriormente a popularizar el modelo en la práctica docente.910
La orientación es importante. El apoyo debe fomentar la autonomía, no la dependencia. Las herramientas que ayudan al profesor a identificar un concepto erróneo, preparar un andamiaje o diseñar mejores prácticas pueden reforzar la enseñanza. Una herramienta que proporcione repetidamente el razonamiento, la redacción, la explicación o la respuesta que se supone que deben desarrollar los alumnos socava el proceso de aprendizaje y su objetivo.
La IA debería ayudar a los educadores a facilitar el aprendizaje, no a obstaculizarlo.
El riesgo de la IA es que se toman atajos
La IA es potente porque reduce el esfuerzo, ya que genera respuestas, explicaciones, resúmenes, borradores, traducciones, ejemplos y comentarios casi al instante. Esto resulta útil en muchos procesos de trabajo de los adultos. Sin embargo, para los estudiantes, especialmente para aquellos que aún están en fase de aprendizaje, esa misma capacidad puede suponer un riesgo.
Daniel Willingham ha defendido que los alumnos solo deberían utilizar la IA para tareas que ya saben hacer bien.11 Ese principio es importante porque muchas tareas escolares no se asignan únicamente por el producto final. Se asignan por el trabajo mental que realizan los alumnos mientras las llevan a cabo. Natalie Wexler plantea una idea similar: los educadores necesitan conocimientos de ciencia cognitiva para tomar decisiones acertadas sobre la IA, ya que el aprendizaje requiere un esfuerzo cognitivo.12
Un estudio sobre el uso de la IA generativa entre los alumnos de secundaria chinos reveló que la adopción de la IA mejoró las notas de los deberes y redujo el tiempo necesario para completarlos, aunque posteriormente el rendimiento en los exámenes disminuyó.13 Aunque el contexto difiere del de las aulas estadounidenses, la advertencia sigue siendo válida: las mejoras en la productividad a corto plazo pueden ocultar un aprendizaje más débil a largo plazo.
Robinson, Gormley, Ribeiro y Loeb constataron que el mero acceso no era suficiente. El apoyo humano aumentaba la participación, pero el uso seguía siendo escaso y el rendimiento en lectura no mejoraba.16
Bastani y sus colegas proporcionaron a alumnos turcos de 3.º de ESO a 1.º de Bachillerato una de las dos herramientas creadas a partir del mismo modelo. «GPT Base» se comportaba como ChatGPT. A «GPT Tutor» se le programó para que diera pistas, pero no soluciones completas. Los alumnos que utilizaron la herramienta sin restricciones obtuvieron mejores resultados en los ejercicios de práctica, pero peores en el examen, lo que los autores atribuyen al uso de la herramienta como «muletilla». Las restricciones eliminaron en gran medida este efecto negativo.22 La lección para los compradores: el modelo no es el producto. La configuración sí lo es.
Lo mismo ocurre con los datos de proceso. Un estudio de 2025 publicado en el *British Journal of Educational Technology* comparó a alumnos que escribían con ChatGPT, con un experto humano o con una lista de verificación. El grupo de ChatGPT mostró menos de las estrategias metacognitivas que impulsan el aprendizaje, como planificar y evaluar su propio trabajo. Los autores denominan a este patrón «pereza metacognitiva»: los alumnos delegan la autocorrección que la tarea estaba diseñada para fomentar.24
Esto no es solo una preocupación para los alumnos con dificultades. Para los estudiantes que van rezagados, el riesgo es que la IA se convierta en un mero sustituto de la enseñanza humana, el apoyo gradual, la retroalimentación y las relaciones. Para los estudiantes de alto rendimiento, el riesgo es diferente: la IA se convierte en una herramienta para mantenerse al día, pulir el trabajo, producir más y aparentar éxito, al tiempo que se elude el trabajo cognitivo más lento que aporta profundidad. En *Never Enough*, Jennifer Breheny Wallace describe la presión que sienten muchos alumnos de alto rendimiento por rendir, optimizar y parecer excepcionales.14 En ese contexto, la IA puede convertirse en otra forma de satisfacer exigencias implacables sin desarrollar la comprensión, la resiliencia y el criterio que esas tareas pretendían cultivar.
Los alumnos que se quedan atrás suelen necesitar algo más que explicaciones. Necesitan un diagnóstico, una enseñanza explícita, comentarios constructivos, ánimos, apoyo lingüístico, refuerzo de la confianza y un adulto de confianza que sepa interpretar sus vacilaciones, su evasión, su frustración y su comprensión parcial. Necesitan a alguien que sepa decidir cuándo volver a explicar, proporcionar apoyo, insistir o hacer una pausa.
Las investigaciones sobre la tutoría basada en IA invitan a la cautela. El National Student Support Accelerator (NSSA) de Stanford ha destacado que la «tutoría basada en IA» no es un modelo único: la tutoría dirigida por personas y respaldada por la IA difiere de la tutoría dirigida por la IA o basada exclusivamente en ella. El informe de 2026 del NSSA concluye que los datos actuales respaldan el uso de herramientas de IA que mejoran la eficacia de los tutores y la capacidad de los educadores, más que el uso de la IA como sustituto de una tutoría de gran impacto.15 Informes recientes de The 74 concretan la cuestión: los estados están invirtiendo en herramientas de tutoría con IA, como Amira y Khanmigo, mientras que los investigadores advierten de que la evidencia a gran escala sigue siendo limitada y que la aceptación por parte de los estudiantes sigue siendo un reto importante.17
Se trata de una cuestión de equidad. Si los alumnos con un buen apoyo reciben una enseñanza impartida por personas, mientras que los que tienen dificultades solo reciben apoyo automatizado, la tecnología no reducirá las diferencias. Más bien las acentuará.
Antes que la expansión, debe existir una visión coherente
En la actualidad, el sector carece de una visión coherente y basada en datos sobre la IA en los centros educativos. Gran parte de lo que parece inevitable no es más que el impulso del mercado. Los responsables educativos deberían mostrarse cautelosos a la hora de adoptar la IA simplemente porque los proveedores la han convertido en algo omnipresente. La pregunta no es «¿Cuánta IA podemos integrar?», sino «¿A qué fin pedagógico sirve esto y qué proceso cognitivo protege?».
Algunos sistemas educativos están empezando a establecer límites más claros en lo que respecta a la IA dirigida a los alumnos:
Las Escuelas Públicas de Nueva York han anunciado una moratoria de un año sobre el uso de herramientas de IA generativa dirigidas a los alumnos de los cursos 2K a 8.º para el curso 2026-27.18
El LAUSD, el segundo distrito escolar más grande del país, ha restringido el acceso de los alumnos a las plataformas de IA generativa para el curso 2026-27, mientras elabora recomendaciones normativas y medidas de protección.19
Estas medidas adoptadas por los dos distritos más grandes del país son señales políticas, no un rechazo generalizado a la IA. Ambos están reduciendo el uso de la IA dirigido a los alumnos, al tiempo que aclaran cómo debe funcionar la IA dentro de sus sistemas.
El límite del desarrollo se extiende más allá de los primeros cursos. La preocupación es mayor en primaria y secundaria, donde los alumnos aún están adquiriendo conocimientos básicos, lenguaje, capacidad de atención, razonamiento y hábitos académicos. Pero no desaparece en el instituto. Los alumnos de más edad también necesitan oportunidades protegidas para aprender los procesos de redacción, investigación, investigación científica, razonamiento matemático, revisión, colaboración y resolución de problemas complejos. Cuando el objetivo de aprendizaje es el proceso en sí mismo, la IA no debería eludirlo. Un alumno de bachillerato que aprende a redactar un trabajo de investigación, a realizar un experimento científico, a analizar pruebas o a construir un argumento necesita practicar el pensamiento, no simplemente producir el resultado final.
Enseñar a los alumnos sobre la IA es diferente a poner la IA directamente a disposición de los alumnos en fase de desarrollo como herramienta didáctica. Los centros educativos pueden fomentar la alfabetización en IA sin convertir a la IA en el mediador por defecto del aprendizaje.
El papel adecuado de la IA es servir de apoyo a los educadores
El discurso se ha orientado hacia una visión de los profesores como guías, facilitadores o motivadores, mientras que la tecnología se encarga de impartir la enseñanza. Ese enfoque resulta demasiado limitado.
Los profesores son educadores con formación específica. Conocen los estándares y los contenidos, el desarrollo infantil, la cultura del aula, la evaluación, la motivación, los conceptos erróneos, el andamiaje, la retroalimentación y la ciencia del aprendizaje. Su labor no consiste en mantener a los alumnos interesados mientras una plataforma imparte los contenidos. Diseñan y orientan un proceso de aprendizaje que ayuda a los alumnos a adquirir conocimientos, desarrollar habilidades, formular mejores preguntas, razonar con mayor claridad y volverse más independientes con el tiempo.
Los alumnos también aprenden de forma muy eficaz unos de otros cuando un educador diseña y supervisa el trabajo. El debate, la colaboración, la explicación entre compañeros, la discusión, la resolución conjunta de problemas y la retroalimentación requieren, en todos los casos, criterio humano e interacción social. Estos aspectos no son secundarios para el aprendizaje, sino que forman parte integral del mismo. Los profesores lo hacen de forma más eficaz que los ordenadores. Los alumnos, guiados por educadores cualificados y trabajando con otros alumnos, lo hacen mejor que la tecnología.
La función más adecuada a corto plazo de la IA es la orientada a los adultos y el apoyo a la enseñanza. La IA puede ayudar a los profesores y tutores a:
Se trata de mejoras significativas. La tutoría y la intervención a gran escala suponen un reto. Los programas deben formar a los tutores, armonizar la enseñanza, supervisar el progreso, comunicarse con los colegios y las familias, y mejorar continuamente. La inteligencia artificial puede reducir las fricciones en ese sistema.
Pero el objetivo de esta eficiencia debe quedar claro: más tiempo para la enseñanza, no menos. Una mejor preparación del personal docente, no una presencia docente más débil. Un apoyo más sólido, no una sustitución automatizada.
Siete principios de la adopción
Preguntas que hay que plantear a cualquier herramienta de IA antes de que se implante en vuestros centros educativos:
- Esfuerzo cognitivo central
Pregunta si la herramienta aumenta o reduce el esfuerzo cognitivo necesario para alcanzar el objetivo de aprendizaje.
- Reduce las fricciones innecesarias, no el pensamiento crítico
Utiliza la IA para eliminar las cargas administrativas, las barreras de accesibilidad y los diseños deficientes de los flujos de trabajo para los adultos. No la utilices para eliminar la recuperación de información, el razonamiento, la explicación, la revisión o el esfuerzo productivo de los alumnos.
- Mantener la enseñanza de liberación gradual mediante una enseñanza centrada en el alumno
Los profesores y tutores deben hacerse cargo de todo el proceso de enseñanza, desde la demostración hasta la práctica guiada, pasando por la colaboración y la aplicación autónoma. La inteligencia artificial puede ayudar a diseñar andamios de aprendizaje, ejemplos, ejercicios de práctica y evaluaciones de comprensión, pero no debe eximir de responsabilidad ni proporcionar el razonamiento que los alumnos deben desarrollar.
- Mantener a los docentes al corriente de la actividad docente
Los profesores y tutores deben interpretar los resultados de la IA, validar las recomendaciones y tomar las decisiones pedagógicas definitivas.
- Mide el aprendizaje, no solo la finalización
Realiza un seguimiento de los resultados duraderos: retención, transferencia, calidad de la explicación, rendimiento autónomo, confianza y crecimiento. No te bases únicamente en el uso, la velocidad, la implicación o la finalización de tareas.
- Proteger el aprendizaje básico, el proceso de profundización y el desarrollo de la independencia
Se debe actuar con especial precaución al utilizar la IA dirigida a los alumnos en primaria y secundaria; con alumnos que reciban apoyo de intervención, educación especial o refuerzo de habilidades básicas; y en cualquier tarea cuyo objetivo sea desarrollar el proceso de pensar, escribir, investigar, revisar, razonar, colaborar o resolver problemas. Esto incluye a los alumnos más avanzados, que pueden sentirse especialmente tentados a utilizar la IA para optimizar el resultado sin dedicarse a un trabajo más profundo.
- Analizar los incentivos de los proveedores
Tal y como ha informado Natasha Singer, las grandes empresas tecnológicas están marcando el rumbo de la implantación de la IA en los centros educativos a través de la formación, los planes de estudios, la promoción, la filantropía y los ecosistemas de plataformas.20 Los centros educativos necesitan una guía pedagógica clara antes de que sean los proveedores quienes la definan por ellos.
- ¿Qué modelo y de quién? Indica el modelo subyacente y el proveedor. ¿Qué ocurre con el producto cuando ese proveedor cambia o deja de ofrecerlo?
- Muéstranos los límites. ¿ Qué se le indica que haga la herramienta y qué se le impide hacer? ¿Puede ofrecer una respuesta completa o un borrador definitivo? ¿Puede el distrito configurarlo por curso, asignatura o tarea?
- ¿Dónde tiene lugar el proceso de reflexión del alumno? Repasa una tarea de principio a fin. En cada paso, ¿quién es el que recurre a sus conocimientos, razona, redacta y revisa: el alumno o el modelo?
- ¿Puede el profesor verlo todo? Las transcripciones completas, los conceptos erróneos señalados y el tiempo dedicado a cada tarea deberían estar a la vista del profesor, no solo un panel de control de participación.
- ¿Qué ocurre con los datos de los alumnos? ¿Se utiliza alguna información de los alumnos para entrenar o ajustar los modelos? ¿Qué datos se conservan, durante cuánto tiempo y quién puede eliminarlos? ¿Cómo cumple el producto con las obligaciones derivadas de la FERPA y la COPPA?
- ¿Cómo se gestionan las respuestas incorrectas? ¿ Cuál es la tasa de error medida en vuestros contenidos y qué ve el alumno cuando el modelo tiene dudas?
- ¿Cuáles son las pruebas? Pregunta por los resultados en materia de retención y rendimiento autónomo, no por el uso o la satisfacción, y pregunta quién llevó a cabo el estudio.
La IA puede llegar a ser un elemento valioso en la educación, pero los responsables educativos deben definir con precisión qué tipo de valor buscan. La promesa de la IA no debería consistir en que facilite el aprendizaje a los alumnos, sino en que ayude a los adultos a diseñar y garantizar las condiciones necesarias para un aprendizaje profundo.
Aprender requiere esfuerzo. No se trata de un esfuerzo inútil, ni de confusión por el simple hecho de confundirse, sino del esfuerzo cognitivo productivo que supone recordar, razonar, explicar, practicar, repasar y aplicar. Ese esfuerzo no es un defecto del proceso de aprendizaje. Es el proceso de aprendizaje en sí mismo.
La IA no debería encargarse de enseñar a los alumnos. Debería ayudar a los adultos a crear mejores condiciones para que los alumnos aprendan. Esa es la postura que deberían adoptar los centros educativos.
Fuentes
- Deans for Impact, La ciencia del aprendizaje, segunda edición. deansforimpact.org
- Sweller, J. (1988). «Carga cognitiva durante la resolución de problemas: efectos sobre el aprendizaje». *Cognitive Science*, 12, 257-285. doi.org/10.1207/s15516709cog1202_4
- Bjork, E. L. y Bjork, R. A. (2011). «Ponértelo difícil, pero en el buen sentido: crear dificultades deseables para mejorar el aprendizaje». bjorklab.psych.ucla.edu
- Roediger, H. L., III, y Karpicke, J. D. (2006). «Aprendizaje potenciado por pruebas: la realización de pruebas de memoria mejora la retención a largo plazo». Psychological Science, 17(3), 249-255. doi.org/10.1111/j.1467-9280.2006.01693.x
- Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P. y Glaser, R. (1989). Autoexplicaciones: cómo estudian los alumnos y utilizan los ejemplos al aprender a resolver problemas. Cognitive Science, 13(2), 145–182. doi.org/10.1207/s15516709cog1302_1
- Kapur, M. (2008). «El fracaso productivo». Cognition and Instruction, 26(3), 379-424. doi.org/10.1080/07370000802212669
- Vygotsky, L. S. (1978). La mente en la sociedad: el desarrollo de los procesos psicológicos superiores. Harvard University Press. hup.harvard.edu
- Wood, D., Bruner, J. S. y Ross, G. (1976). «El papel de la tutoría en la resolución de problemas». Journal of Child Psychology and Psychiatry, 17(2), 89-100. doi.org/10.1111/j.1469-7610.1976.tb00381.x
- Pearson, P. D. y Gallagher, M. C. (1983). «La enseñanza de la comprensión lectora». Contemporary Educational Psychology, 8(3), 317-344. doi.org/10.1016/0361-476X(83)90019-X
- Fisher, D. y Frey, N. (2007). «Comprobación de la comprensión: técnicas de evaluación formativa para tu aula». ASCD. ascd.org
- Daniel T. Willingham, «Los estudiantes solo deberían utilizar la IA para aquellas cosas que ya saben hacer bien». dtwuva.substack.com
- Natalie Wexler, «¿Cómo debería utilizarse la IA en los centros educativos?», nataliewexler.substack.com
- David Stromberg, Victor Lei y Yanhui Wu, «The Generative AI Learning Penalty: Evidence from Chinese Secondary Education», Documento de debate del CEPR n.º 21577, 2 de junio de 2026. cepr.org
- Jennifer Breheny Wallace, *Nunca es suficiente: cuando la cultura del éxito se vuelve tóxica y qué podemos hacer al respecto*. Portfolio/Penguin, 2023. penguinrandomhouse.com
- Aceleradora Nacional de Apoyo al Estudiante, «La tutoría con IA no es un concepto único: lo que realmente sabemos», 20 de agosto de 2026. nssa.stanford.edu
- Carly D. Robinson, David Gormley, Ana Trindade Ribeiro y Susanna Loeb, «El acceso no es suficiente: el apoyo humano mejora la implicación con la tutoría mediante IA», EdWorkingPaper n.º 26-1451, junio de 2026. edworkingpapers.com
- Linda Jacobson, «Los tutores de IA aún no sustituyen a los humanos, según un estudio», The 74, 1 de septiembre de 2026. the74million.org
- Escuelas Públicas de Nueva York, Orientación sobre la inteligencia artificial. schools.nyc.gov
- Anna Merod, «El LAUSD prohíbe a todos los alumnos el uso de herramientas de IA», K-12 Dive, 3 de septiembre de 2026. k12dive.com
- Natasha Singer, «Cómo las grandes empresas tecnológicas se han apoderado de las escuelas estadounidenses», The New York Times, 23 de agosto de 2026. nytimes.com
- Instruction Partners, «AI in Action Learning Tour»: Una visión práctica del papel de la IA en la enseñanza, septiembre de 2026. ailearningtour.instructionpartners.org
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. y Mariman, R. (2025). «La IA generativa sin controles de seguridad puede perjudicar el aprendizaje: pruebas a partir de las matemáticas de secundaria». Actas de la Academia Nacional de Ciencias, 122(26), e2422633122. papers.ssrn.com
- Kalai, A. T., Nachum, O., Vempala, S. S. y Zhang, E. (2025). «Why Language Models Hallucinate». arXiv:2509.04664. arxiv.org/abs/2509.04664
- Fan, Y., Tang, L., Le, H., et al. (2025). Cuidado con la pereza metacognitiva: efectos de la inteligencia artificial generativa en la motivación, los procesos y el rendimiento en el aprendizaje. British Journal of Educational Technology, 56(2), 489–530. arxiv.org/abs/2412.09315
- Departamento de Educación de EE. UU., Oficina de Tecnología Educativa (2024). Diseño educativo con inteligencia artificial: una guía esencial para desarrolladores. files.eric.ed.gov/fulltext/ED661949.pdf
¿Estás listo para saber más?
Catapult Learning Se enorgullece de ofrecer un programa de apoyo escolar validado según el nivel 2 de la ESSA. Gracias a nuestro compromiso con unas colaboraciones sólidas y una puesta en marcha fluida, puede estar seguro de que sus alumnos recibirán el apoyo que necesitan. Por eso obtenemos resultados como que el 100 % de los alumnos con dificultades en lectura mejoren al menos un nivel académico tras la puesta en marcha de nuestro programa.
Da el siguiente paso y visita nuestra página de «Tutoría de alto impacto» para ver nuestro modelo en acción, leer más historias de éxito y ponerte en contacto con nosotros para una consulta gratuita. Juntos, podemos conseguir mejores resultados.
