TECNOLOGIA

El gran problema de usar la inteligencia artificial como estudiante no son las trampas: el drama está en el proceso de aprendizaje

Por

junio 8, 2025

La
inteligencia
artificial
ha
llegado
pisando
con
fuerza
a
diferentes
sectores
con
opiniones
encontradas.
Así,
en
el
ámbito
laboral
hay
quien
piensa
que

la
IA
va
a
disparar
la
productividad
y
mejorar
el
rendimiento
mientras
que
otras
personas
consideran
que

sus
trabajos
corren
peligro.
Eso
sí,
hay
un
lugar
donde

la
inteligencia
artificial
ha
sido
recibida
con
los
brazos
abiertos:
la
comunidad
estudiantil.
La
IA

puede
convertirse
en
tu
mejor
aliada
y
además,
por
qué
no
decirlo,
se
puede

hacer
trampas
mejor
que
nunca.

Desde
las
míticas
chuletas
hasta
internet
y
la
Wikipedia
o
Encarta,
los
y
las
estudiantes
nunca
habían
tenido
una
herramienta
capaz
de
armar
textos
y
trabajos
personalizados
de
acuerdo
a
sus
necesidades
y
formatos
con «solo»
redactar
un
buen
prompt.
La
consecuencia
es

un
juego
del
gato
y
el
ratón
entre
profesorado
y
estudiantes
donde
los
primeros
tienen
todas
las
de
perder:
la
IA
avanza
a
pasos
de
gigante
y

los
detectores
no
son
fiables.

La
IA
es
un
arma
de
doble
filo
en
función
de
lo
que
dominas
una
materia

Pero
más
allá
de
ingeniárselas
para
elaborar
nuevas
formas
de
evaluar
conocimientos
por
un
lado
y
por
otro,
preparar
el
mejor
prompt
posible,
que
haya
una
herramienta
al
alcance
de
la
mano
de
cualquiera
capaz
de
preparar
un
buen
trabajo
por
ti
(al
menos,
para
que
apruebes),
esconde
algo
más
grave:

desalienta
el
aprendizaje,
algo
de
lo
que
algunas

personas
de
la
Gen
Z
ya
se
han
dado
cuenta.
Esa
frustración
a
la
que
todo
el
mundo
se
ha
enfrentado
cuando
un
problema
no
sale
y
no
entiendes
algo
y
tienes
que
leer,
releer,
hacer
ensayo
y
error
y
recurrir
a
preguntar.

Como

resume
Nicholas
Carr,
escritor
estadounidense
sobre
tecnología
y
negocios
(en
cuyo
currículum
aparecen
medios
como
el
New
York
Times),
cuando

una
persona
usa
una
máquina
para
automatizar
una
tarea
para
hacer
algo
pueden
pasar
tres
cosas:

La
habilidad
en
esa
actividad
mejora.
La
habilidad
para
desempeñar
la
labor
se
atrofia.
La
habilidad
nunca
se
desarrolla.

¿De
qué
depende
cada
una
de
las
vías?
Del
dominio
de
la
disciplina
en
cuestión.
Lo
vemos
mejor
con
un
ejemplo:
si
eres
un
dev
con
mucha
experiencia
y
recurres
a
ChatGPT
para
ayudarte
a
depurar
unas
líneas,
puede
que
encuentres
fallos
y
descubras
nuevas
formas
de
solucionar
un
problema.
Si
estás
aprendiendo,
ese
proceso
de
darle
vueltas
a
las
cosas,
experimentar
y
descubrir
se
ve
cercenado
por
esa
mano «amiga»
de
la
IA.
La
práctica.

Pero
ojo,

incluso
en
ese
caso
de
dominio,
si
seguimos
usando
la
inteligencia
artificial
más
y
más
(al
fin
y
al
cabo,
lo
hace
bastante
bien)
de
forma
continua,
terminaremos
reduciendo
la
frecuencia
de
desempeño
de
esa
labor,
lo
que
se
traduce
en
que
en
el
medio
y
largo
plazo
la
habilidad
irá
mermando.
Estamos
dejando
de
entrenar
esa
capacidad:
le
pasa
al
dev
y
también
le
pasa
a
mi
padre,
un
carpintero
jubilado
desde
hace
un
par
de
años
al
que
ahora
le
cuesta
más
trabajar
con
la
madera
por
la
falta
de
práctica.
Se
oxida.

Oxidarse
es
malo,
pero
no
aprender
es
todavía
peor.
Con
la
progresiva
implementación
de
la
inteligencia
artificial
en
diferentes
escenarios
veremos
los
tres
casos,
pero
el
tercero
es
especialmente
sangrante:
los
estudiantes
de
ahora
serán
los
profesionales
del
mañana,
que
sabrán
utilizar
a
la
máquina
pero
no
lo
hay
detrás.
Pasará
factura
al
talento
y
el
ingenio
de
los
mejores
profesionales,
a
los
que
les
faltará
práctica.

Lo
peor
es
que
la
inteligencia
artificial
puede
usarse
de
principio
a
fin
en
el
ámbito
estudiantil
y
ya
desde
el
instituto:
para
ahorrarse
el
trabajo
de
leer
y
escribir,
para
resumir
y
comprender
conceptos,
para
saber
discernir
el
grano
de
la
paja.
No
son
tareas «especializadas»,
sino
básicos
para
la
vida
diaria.

Usar
la
inteligencia
artificial
implica
revertir
básicos
del
aprendizaje.

Cuando
pensamos
en
un
trabajo
que
un
estudiante
entrega,
el
producto
es
lo
de
menos:
lo
más
importante
es
todo
el
proceso
que
hay
detrás,
esa
pedagogía
que
implica
buscar
fuentes
y
hacer
una
lectura
crítica,
sintetizar,
extraer
conclusiones
y
razonar
para
componer
un
conjunto.

El
resultado
es
lo
de
menos,
lo
importante
es
el
camino,
porque
es
donde
radica
el
aprendizaje.
Clay
Shirky,
Vicerrector
de
IA
y
Tecnología
Educativa
en
la
Universidad
de
Nueva
York,

lo
resume
como: «el
verdadero
resultado
del
curso
es
la
experiencia
del
estudiante«.

Decía
mi
profesor
de
ecuaciones
diferenciales
de
la
carrera
que «nada
que
no
cuesta
aprender
puede
denominarse
conocimiento»
y
es
tal
cual:
para
aprender
hace
falta
lidiar
con
dificultades.
Escurrir
el
bulto
antaño
normalmente
suponía
suspender
o
poner
parches,
pero
con
la
IA
generativa
y
su
amplia
adopción
nos
enfrentamos
a
algo
peor:
a
pensar

para
qué
meterse
en
ese
berenjenal
obsoleto
cuando
ChatGPT
lo
puede
hacer
por
ti.

Pero
lo
que
la
IA
ofrece
no
es
aprendizaje,
sino
ilusión
de
aprendizaje.
Puede
que
parezca
que
con
IA
haces
los
trabajos
de
clase
mejor
(y
atendiendo
al
mero
resultado
puede
que
así
sea),
pero
el
resultado
final
es
peor.
En
pocas
palabras:
aprendes
menos.
El
resultado
de

este
largo
estudio
de
la
Universidad
de
Pensilvania
en
2024
sobre
los

efectos
de
la
IA
en
estudiantes
de
secundaria
es
demoledor:

«El
acceso
a
GPT-4
mejora
significativamente
el
rendimiento
(entendido
como
las
calificaciones,
pero
al
retirar
el
acceso
a
la
tecnología,
los
estudiantes
rinden
peor
que
aquellos
que
nunca
tuvieron
acceso.»

Aquí
puede
darse
una
paradoja:
no
adquirir
suficiencia
en
habilidades
básicas
y
esenciales
del
aprendizaje
por
usar
inteligencia
artificial
se
traduce
en
que

cuanto
más
y
antes
usen
la
IA
los
estudiantes,
peor
van
a
hacer
los
prompt
para
usarla.
Al
fin
y
al
cabo
para
que
hacer
un
buen
prompt
hace
falta
entender
bien
el
problema,
a
veces
hasta
dividirlo
en
subtareas,
conocer
el
contexto
y
el
objeto
y
alcance.
El
pez
que
se
muerde
la
cola