¿Cuál es el estado actual en la búsqueda en torno a esta perspectiva?
Aunque claramente existen diferencias entre países, instituciones y sistemas educativos, la discusión internacional ya no se concentra principalmente en permitir o prohibir la IA generativa en los niveles educativos medio y superior, de secundaria en adelante. La pregunta central se ha desplazado hacia relación entre estudiantes, profesores e IA que propicie un aprendizaje genuino.
La UNESCO, particularmente a través de los trabajos de Fengchun Miao, Wayne Holmes, Mutlu Cukurova y Kelly Shiohira, propone una posición centrada en las personas más que en las plataformas. No propone rechazar la IA, sino desarrollar competencias para comprender sus alcances y límites, utilizarla críticamente y preservar la responsabilidad humana. Sus marcos recientes incluyen fundamentos técnicos, ética, pensamiento crítico, pedagogía y diseño responsable.
En el reporte “Digital Education Outlook”, 2026, la Organización para la Cooperación y el Desarrollo Económicos (OCDE) concluye que la IA generativa puede favorecer el aprendizaje cuando existe una intención pedagógica explícita; sin embargo, el uso de herramientas generales puede mejorar el desempeño inmediato sin producir aprendizaje duradero. La distinción es fundamental: hacer mejor una tarea con IA no equivale necesariamente a haber aprendido a realizarla.
Un ejemplo de esta distinción lo trabajaron Hamsa Bastani y colaboradores, en un estudio que abarca cerca de mil estudiantes de matemáticas de preparatoria en Turquía. Con acceso abierto a GPT-4 resolvían mejor los ejercicios, pero, al retirar la IA, obtuvieron resultados 17 % inferiores a quienes nunca la habían utilizado. Cuando el sistema funcionaba como tutor —ofreciendo pistas sin proporcionar directamente las respuestas— el efecto negativo prácticamente desaparecía. También es interesante el trabajo de Ethan y Lilach Mollick, quienes realizan una experimentación controlada en la que profesores y estudiantes aprenden a utilizar la IA como tutor, entrenador, compañero, simulador o herramienta, manteniendo en las personas la responsabilidad por el proceso y los resultados.
En una visión más amplia, Wayne Holmes y Neil Selwyn preguntan quién controla las tecnologías y los datos, qué intereses comerciales intervienen y qué capacidades humanas pueden deteriorarse cuando se automatizan actividades intelectuales. Selwyn también cuestiona la expectativa de que la IA necesariamente reducirá el trabajo docente.
¿Qué nos recomienda la experiencia en curso?
La ocupación y preocupación actuales sobre la inteligencia artificial en general, y particularmente su uso en instituciones y procesos educativos, ha generado coincidencias en una serie de recomendaciones que básicamente apuntan hacia una visión de transformación integral de la educación, con la participación de todos los protagonistas relevantes:
Primero, antes de dar acceso masivo a los estudiantes a plataformas de IA generativa, conviene construir y actualizar permanentemente la competencia docente en los aspectos didácticos, funcionales y éticos de la IA.
Segundo, la IA debe ayudar a los estudiantes a aprender mejor y con mayor profundidad, tanto en la funcionalidad básica de consulta como en el desarrollo de agentes y programas para objetivos de sistematización de información y automatización de procesos. no se trata de sustituir al profesor ni mucho menos eliminar el esfuerzo intelectual. Experiencias como las de Francia, por ejemplo, combinan diagnóstico inicial, práctica adaptativa, supervisión docente y evaluación independiente; otras incorporan la obligación de cuestionar y verificar las respuestas de la IA en fuentes externas.
Tercero, resulta conveniente crear laboratorios educativos de experimentación e innovación en IA, que partan de problemas pedagógicos y contextos reales de los estudiantes, nunca ha sido recomendable comprar primero la solución y luego comprar el problema. También es aconsejable no depender de una sola plataforma comercial y vincular las capacidades de IA con proyectos y problemas relevantes.
Cuarto, la IA debe ser objeto de crítica de parte de todos los actores relevantes involucrados en su uso. Por ejemplo, se puede pedir a los estudiantes que evalúen textos generados por IA mediante rúbricas, detecten deficiencias, verifiquen información y argumenten sus juicios. De esta manera la IA produce el objeto que debe analizarse, en lugar de resolver directamente el trabajo del alumno.
Quinto, es muy importante que la incorporación institucional de la IA suceda en conjunto con programas de formación docente, alfabetización, protección de datos y seguimiento científico.
En conjunto, se percibe que las experiencias más prometedoras no son las que ofrecen mayor acceso irrestricto a la IA, sino las que introducen deliberadamente una fricción cognitiva: los estudiantes intentan y experimentan; la IA pregunta y orienta; los estudiantes reconsideran y verifican; el profesor interviene cuando es necesario; finalmente, los estudiantes muestran lo aprendido.
Otras preguntas, para ampliar el panorama actual.
El asunto hoy ya no es la disyuntiva de usar o no IA, especialmente en la educación media y superior. Otras preguntas emergen con más fuerza, por ejemplo: ¿qué operaciones cognitivas es recomendable que realice el o la estudiante antes, durante y después de encargar alguna parte de la tarea a la IA?
De esta pregunta se desprenden otras: ¿conviene introducir la IA antes, durante o después del esfuerzo intelectual autónomo? ¿Qué ocurre con la memoria, la atención, la tolerancia a la dificultad y la capacidad de formular problemas cuando siempre existe asistencia inmediata? ¿Cómo distinguir el descargo cognitivo legítimo —delegar operaciones rutinarias para pensar problemas más complejos— de una posible atrofia de capacidades fundamentales?
La evaluación es todo un capítulo aparte. Si un o una estudiante puede producir con IA un ensayo, programa, traducción o análisis de gran calidad, ¿qué evidencia demuestra que posee la competencia evaluada? Esto obliga a reconsiderar tareas, exámenes, defensas orales, bitácoras de proceso, evaluación presencial y actividades en las que los alumnos expliquen y justifiquen sus decisiones. Es decir, la evaluación no puede limitarse al resultado; también necesita incorporarse lo aprendido –incluyendo errores y aciertos– durante el proceso.
Adicionalmente, se multiplican las preguntas sobre desigualdad cognitiva: ¿la IA beneficia más al estudiante competente, capaz de interrogarla y verificarla, y al mismo tiempo vuelve más dependiente al de menor autorregulación?; sobre epistemología: ¿cómo aprende un joven a distinguir entre conocer y recibir una respuesta plausible?; sobre autoría: ¿qué significa y qué implica que un texto o una idea sean realmente propios?; sobre diversidad cultural: ¿qué conocimientos pueden quedar desplazados cuando millones de estudiantes consultan modelos entrenados para estandarizar creencias y respuestas?; y sobre los intereses y el poder: ¿conviene que unas cuantas corporaciones privadas se conviertan en intermediarias de la relación de millones de jóvenes con el conocimiento?
En conjunto, este enjambre de preguntas tiene su hilo conductor en la visión educativa que se planteó al principio de este ensayo: no es cuánto puede hacer un estudiante con inteligencia artificial, sino cuánto puede comprender, explicar, transferir y hacer por sí mismo como consecuencia de haberla utilizado. Este enfoque posiblemente permitiría distinguir rendimiento asistido, aprendizaje adquirido y autonomía cognitiva. La evidencia que surge de varios países e instituciones sugiere precisamente que esos tres fenómenos no son equivalentes.
Referencias.
African Union. (2024). Continental Artificial Intelligence Strategy: Harnessing AI for Africa’s Development and Prosperity. African Union Commission.
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences.
Department for Education. (2025). The biggest risk is doing nothing: Insights from early adopters of artificial intelligence in schools and further education colleges. UK Government.
Estonian Ministry of Education and Research. (2025). AI Leap Programme to Bring AI Tools to All Schools.
France Éducation International. (2024). AI4T—Artificial Intelligence for and by Teachers.
Inter-American Development Bank. (2025). AI and Education: Building the Future Through Digital Transformation. IDB.
Kestin, G., Miller, K., Klales, A., Milbourne, T., et al. (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.
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. MIT Media Lab/arXiv. [Preprint].
Ministère de l’Éducation nationale. (2026). M.I.A. Seconde: Une approche personnalisée de la remédiation en français et en mathématiques.
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO.
Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: Guidance for policy-makers. UNESCO.
Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO
MEXT. (2026). Guideline for the Use of Generative AI in Elementary and Secondary Education. Government of Japan.
NSW Department of Education. (2026). NSWEduChat. Government of New South Wales.
Radboud Universiteit/NOLAI. (2026). Nationaal Onderwijslab AI.
OECD. (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing. doi:10.1787/062a7394-en.
University of Auckland. (2026). Artificial Intelligence in Learning and Teaching: Two-Lane Approach to Assessment.
University of Sydney. (2024–2025). AI assessment policy: Protecting integrity and empowering students.
UNESCO. (2025). AI and the future of education: Disruptions, dilemmas and directions. UNESCO.
UNESCO IESALC. Valentini, A., & Blancas, A. (2025). The challenges of AI in higher education and institutional responses: Is there room for competency frameworks? UNESCO IESALC.
World Bank. (2025). From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria. World Bank.
———————————————-
Lloréns, L. (2026, 23 de septiembre). ¿Quién aprende cuando la inteligencia artificial responde? Proyecto Desaprender y Aprender. Ensayo elaborado por el autor con apoyo de ChatGPT en el apunte inicial y localización de fuentes documentales. La elaboración de argumentos, revisión de contenido y fuentes, así como la versión final son responsabilidad del autor.
