IA en tutorías y mentoría estudiantil

Distinguir tutoría de mentoría

#

Antes de revisar tendencias, vale separar dos prácticas que en español se confunden:

• Tutoría — acompañamiento centrado en contenido. El tutor responde dudas, ofrece explicaciones, plantea problemas, evalúa progresos en un dominio específico. La mayor parte de la literatura sobre IA en educación se ocupa de esta función.
• Mentoría — acompañamiento centrado en la persona. El mentor orienta decisiones académicas y profesionales, sostiene la motivación en momentos difíciles, modela una trayectoria, ofrece presencia humana. Esta función rara vez aparece en los estudios de IA.

La distinción importa porque los estudios disponibles sobre IA se concentran en la primera y prácticamente no tocan la segunda. Confundirlas produce análisis erróneos.

Qué muestra la evidencia disponible sobre tutoría con IA

#

• Un ensayo controlado con resultado favorable, en un contexto acotado. Kestin y colegas (2025) compararon, en un curso de física de Harvard, un tutor de IA construido con contenido, prompts y andamiaje diseñados por especialistas frente a la clase presencial activa: los estudiantes de la condición con tutor aprendieron más en menos tiempo. Los propios autores aclaran que no suponen que la tutoría estructurada con IA vaya a superar al aprendizaje activo en todos los contextos, en particular donde se requiere síntesis compleja de conceptos y pensamiento crítico de orden superior. Es un resultado alentador de un ensayo, no una conclusión general: su alcance depende del diseño pedagógico del tutor y del tipo de tarea.
• Disponibilidad permanente. El tutor de IA atiende a las 3 de la mañana, en domingo, en el momento en que la duda aparece. Para estudiantes que combinan estudios con trabajo, esta disponibilidad cambia el patrón de acceso a la ayuda.
• Personalización de contenido. El tutor de IA puede adaptar ejemplos, explicaciones y ejercicios al estudiante en una escala que ningún docente con cincuenta estudiantes puede sostener.
• Reducción de la barrera para preguntar. Estudiantes que no preguntan en clase por timidez o por temor al juicio sí preguntan a la IA.

Estos beneficios potenciales son razones para tomarse la tendencia en serio. No son, todavía, prueba de que cualquier tutor de IA mejore el aprendizaje: la revisión de Burns (2026) para Brookings advierte que, hasta ahora, muchas afirmaciones sobre los beneficios educativos de la IA generativa han ido por delante de los estudios de calidad, y que el diseño pedagógico es lo que separa los casos que funcionan de los que no.

Riesgos de diseño (no efectos inevitables)

#

Las mismas fuentes que reportan resultados prometedores identifican riesgos que dependen de cómo se diseñe y se use el tutor:

• Tarea resuelta sin aprendizaje. La OCDE (2026) subraya que completar mejor una tarea no implica aprender: sin orientación pedagógica, delegar la tarea a la IA generativa puede mejorar la entrega sin producir ganancias reales de aprendizaje.
• Dependencia metacognitiva. Si el tutor resuelve siempre, el estudiante puede dejar de regular su propio aprendizaje. Es un riesgo a vigilar en el diseño (¿el tutor da la respuesta o guía hacia ella?), no un destino comprobado de todo uso.
• Aceptación pasiva de salidas. La fluidez de las respuestas de IA puede reducir la disposición a contrastar, dudar o reformular. Los tutores mejor evaluados incorporan andamiaje que obliga al estudiante a producir antes de recibir.
• Mentoría fuera de alcance. Acompañar a un estudiante que atraviesa una crisis personal, sostener motivación cuando flaquea, modelar una trayectoria profesional: no hay estudios que muestren que estas funciones puedan delegarse a IA. La narrativa que las incluye en la promesa del tutor inteligente va por delante de lo demostrado.

Cuándo puede servir un tutor de IA y cuándo debe intervenir una persona

#

De las fuentes revisadas se desprende un reparto tentativo, que cada institución debe verificar en su contexto:

• Un tutor de IA puede servir para práctica guiada de contenido bien delimitado, dudas puntuales fuera de horario, repetición con variantes y ajuste de dificultad — siempre que el tutor esté construido con contenido y andamiaje pedagógico revisados por especialistas, como el del ensayo de Kestin y colegas.
• Una persona debe intervenir cuando la tarea exige síntesis compleja o juicio de orden superior, cuando el estudiante muestra señales de dependencia o desmotivación, y en toda la dimensión de mentoría: orientación de trayectoria, acompañamiento personal, decisiones éticas.
• El aprendizaje debe comprobarse sin IA. Si el tutor participa en la práctica, la evaluación de lo aprendido necesita instancias donde el estudiante actúe sin asistencia; de otro modo no puede distinguirse ganancia de aprendizaje de mejora del trabajo entregado, que es exactamente la confusión contra la que advierte la OCDE.

Decisiones institucionales pendientes

#

Tres decisiones que una universidad pública necesita tomar frente a esta tendencia:

• Definir qué tipos de tutoría se delegan a IA y cuáles permanecen humanas. No es una decisión técnica; es pedagógica.
• Articular el sistema institucional de tutorías existente con las herramientas de IA disponibles. Si la institución ya tiene un programa de tutorías, integrar IA sin desmantelar la práctica humana.
• Formar al claustro tutorial en uso responsable de IA. No basta con permitir el uso; los tutores académicos necesitan criterios sobre cuándo recomendar IA, cuándo desaconsejarla y cuándo intervenir (por ejemplo, si un estudiante deja de intentar antes de preguntar). El marco de competencias de IA para docentes de UNESCO (2024) define conocimientos, habilidades y valores para ese fin; es un marco de formación, no una prueba de eficacia de los tutores.

Riesgo específico para universidades públicas

#

Donde la relación entre tutores y estudiantes es desbalanceada, la tentación de delegar la tutoría completa a la IA por razones de eficiencia es real. No hay todavía estudios que midan el costo de esa sustitución en el mediano plazo, y esa ausencia de datos es en sí misma una razón para la cautela: los riesgos de diseño descritos arriba (tarea resuelta sin aprendizaje, dependencia, pérdida de vínculo) son plausibles y difíciles de revertir una vez desmantelada la estructura humana. La eficiencia de la IA no debería leerse como sustituto de la presencia humana, sino como liberación de tiempo docente para hacer lo que la IA no puede.

Lecturas relacionadas

#

La tendencia sobre IA generativa y personalización del aprendizaje cruza con esta; el ensayo del blog sobre el rol del docente en la era de la IA sostiene la distinción funcional; la entrada de glosario sobre tutor inteligente sintetiza el concepto técnico.