Lo que queda después de cerrar el chat

Supongamos que estoy estudiando para una prueba de matemáticas. Me atasco en una ecuación, le pido ayuda a una IA y recibo una explicación paso a paso. La leo. Cada operación tiene sentido. Al final, el ejercicio está resuelto y siento que puedo seguir avanzando.

Después llega la prueba. Cambian los números y desaparece el chat.

¿Sé por dónde empezar?

En un liceo de Turquía, cerca de mil estudiantes participaron en un experimento con GPT-4. El chat básico mejoró su desempeño durante la práctica. En la prueba sin ayuda, sus puntajes fueron un 17% inferiores a los del grupo sin IA (Bastani et al., 2025).

Si un colegio hubiera evaluado la herramienta solo por los ejercicios de práctica, habría tenido razones para celebrar una mejora. La prueba independiente mostró que ese resultado era insuficiente para saber qué podía hacer después el estudiante.

La psicología lleva décadas estudiando esta distancia entre desempeño y aprendizaje. Nicholas Soderstrom y Robert Bjork reunieron esa evidencia en una revisión publicada en 2015. Algunas condiciones mejoran la ejecución durante una tarea sin producir avances equivalentes en lo que logramos retener o aplicar después. También puede ocurrir lo contrario: una práctica que parece más difícil puede dejar un aprendizaje más duradero (Soderstrom & Bjork, 2015).

Volvamos a la ecuación. Seguir un procedimiento que alguien acaba de explicar puede ser muy distinto de elegir ese procedimiento cuando todavía no sabemos cómo resolver el problema. Si cada vez que me atasco recibo la solución completa, puedo terminar todos los ejercicios sin haber practicado suficientemente esa elección.

La herramienta puede volver menos visible una dificultad que sigue ahí.

Otro grupo usó un tutor que ofrecía pistas con apoyo docente y evitaba entregar soluciones completas. El perjuicio prácticamente desapareció, sin una mejora detectable frente al grupo sin IA. Las pruebas fueron inmediatas (Bastani et al., 2025).

Ese resultado abre una posibilidad concreta: cambiar la forma de ayudar.

En Harvard, Greg Kestin y sus colegas estudiaron un tutor de IA en un curso de física con 194 estudiantes. El sistema organizaba actividades, incorporaba soluciones preparadas por docentes y ofrecía retroalimentación. Los resultados en las pruebas posteriores fueron mejores que con clases presenciales de aprendizaje activo, donde los estudiantes también resolvían problemas y recibían orientación. El experimento, publicado en Scientific Reports en 2025, abarcó dos lecciones y evaluaciones inmediatas (Kestin et al., 2025). Ninguno de estos dos experimentos permite establecer qué ocurrió con el aprendizaje meses después.

Hay, por tanto, razones para desarrollar estas herramientas. Los resultados también muestran cuánto se pierde al describir experiencias tan distintas simplemente como «usar IA».

Un chat que resuelve el ejercicio y un tutor que organiza la práctica pueden emplear el mismo modelo. Mi lectura es que debemos prestar atención a qué hace el estudiante durante la interacción. Qué intenta antes de pedir ayuda, cómo revisa un error y qué decisiones siguen a su cargo.

Ahí aparece una responsabilidad que compartimos quienes enseñamos y quienes diseñan estas herramientas.

Cuando calificamos una tarea hecha con IA, observamos lo que pueden producir juntos una persona y un sistema. Esa combinación puede tener un valor real. La educación también busca ampliar lo que esa persona será capaz de comprender y hacer después. Para evaluar una herramienta necesitamos observar ambas cosas.

Un colegio o una universidad podría comenzar por una unidad del curso y comprobar qué logran explicar y resolver los estudiantes sin apoyo. Después debería volver a medirlo, cuando haya pasado algo de tiempo o cambie el problema. También convendría evaluar cómo trabajan con la IA, incluidos los errores que detectan y las decisiones que pueden justificar al utilizarla.

Contar cuentas habilitadas o tareas completadas deja esas preguntas sin responder.

La exigencia alcanza a nuestras evaluaciones. Si pedimos un informe y calificamos únicamente su versión final, obtenemos poca información sobre cómo se construyó. Podemos pedir que el estudiante defienda una decisión, corrija una solución equivocada o resuelva una variación del problema. Hacerlo requiere tiempo docente y criterios claros. Una política que solo compre licencias dejará ese trabajo sin resolver.

Vale la pena que un estudiante reciba ayuda cuando se atasca. Una explicación oportuna puede permitirle continuar donde antes habría abandonado.

El cuidado está en lo que ocurre a continuación. Si comprende por qué una operación sirve, intenta el siguiente paso y aprende a reconocer cuándo usarla, la ayuda puede ampliar sus posibilidades. Habrá que mirar entonces qué ocurre al cerrar el chat: aparece un problema nuevo y el estudiante tiene que elegir, por sí mismo, cómo empezar.

Referencias

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, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122

Kestin, G., Miller, K., Klales, A., Milbourne, T., & 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

Soderstrom, N. C., & Bjork, R. A. (2015). Learning Versus Performance: An Integrative Review. Perspectives on Psychological Science, 10(2), 176–199. https://doi.org/10.1177/1745691615569000