Resolver con IA no siempre significa aprender: qué muestra la evidencia

Imaginemos a dos estudiantes que entregan, con ayuda de un chatbot, un comentario correcto sobre una lectura. Días después reciben otro texto y deben explicarlo por su cuenta. Uno reconoce el argumento y señala sus límites; el otro no sabe por dónde empezar. La primera entrega se parecía. Lo aprendido, posiblemente, no.

Esta escena inventada plantea una dificultad real: la calidad de un trabajo realizado con IA no basta para saber qué aprendió quien lo presenta. Podemos observar lo que consigue con ayuda, lo que puede hacer después sin ella y lo que conserva pasado un tiempo. También importa si puede aplicar lo aprendido a una situación nueva. En este artículo, «ganancias cognitivas» se refiere a mejoras comprobadas en conocimientos o capacidades como explicar, razonar y resolver; no a un aumento demostrado de la inteligencia general.

La investigación ofrece resultados de perjuicio y de beneficio. Para entenderlos conviene separar las tendencias escolares de las pruebas sobre una intervención concreta. Esta revisión narrativa reúne estudios experimentales y documentos institucionales seleccionados; no es una revisión sistemática ni calcula un efecto promedio de toda la literatura.

Lo que PISA revela y lo que no puede atribuir a la IA

#

PISA evalúa cómo jóvenes de 15 años utilizan conocimientos de lectura, matemáticas y ciencias. Las tendencias preocupan porque describen capacidades necesarias para seguir aprendiendo. Pero el descenso de una puntuación no equivale a diagnosticar una pérdida general de inteligencia ni identifica automáticamente qué la produjo. Además, las tendencias de lectura que documenta la OCDE comenzaron antes de la difusión de los chatbots actuales: estos no pueden explicar por sí solos todo ese recorrido. Eso tampoco descarta que influyan en los años recientes. OCDE, resultados PISA 2025

La distinción depende del diseño de la evaluación. En sus rondas internacionales ordinarias, PISA compara muestras de estudiantes; no sigue el aprendizaje de cada adolescente antes y después de empezar a usar una herramienta. Tampoco asigna al azar quién recibe IA, para qué tarea o con qué acompañamiento. Sirve para describir diferencias y formular hipótesis, pero una comparación transversal —una observación de personas distintas en un momento dado— no proporciona por sí sola la comparación necesaria para atribuir un efecto. La propia OCDE advierte sobre este límite. OCDE, análisis de PISA

Pensemos en una situación hipotética: quienes consultan más un chatbot obtienen peores notas. Podría ocurrir que delegar la práctica perjudique su aprendizaje. Pero también podrían recurrir más a la herramienta precisamente porque ya tenían dificultades. O ambas cosas podrían depender del apoyo docente y los conocimientos previos. Estos factores pueden influir tanto en el uso de IA como en el resultado; comparar usuarios y no usuarios sin atenderlos mezcla explicaciones distintas. El diagrama representa ese problema, no una estimación de efectos.

Las flechas representan hipótesis. Los conocimientos previos, el acompañamiento y las condiciones de estudio pueden afectar a la vez el uso de IA y el desempeño. La flecha discontinua señala el efecto que se quiere estimar, que una asociación observada no identifica por sí sola.

A escala de países aparece otro salto: que dos tendencias nacionales coincidan no demuestra que los adolescentes expuestos a una de ellas sean quienes explican la otra. Y ajustar estadísticamente algunas diferencias, como el nivel socioeconómico, no garantiza que desaparezcan todas las explicaciones alternativas. Las notas técnicas de PISA piden cautela incluso al interpretar cambios de asociaciones entre rondas. OCDE, notas técnicas

Por tanto, la conclusión es ausencia de una atribución causal suficiente, no prueba de que la IA carezca de efectos. Para acercarnos a esa pregunta necesitamos comparar intervenciones específicas: qué estudiantes participan, qué tarea realizan, qué apoyo reciben y qué pueden hacer después. La asignación al azar ayuda a formar grupos comparables; aun así, importan el abandono, el cumplimiento de la intervención y la manera de evaluar. También pueden aportar evidencia diseños no aleatorizados bien justificados: lo decisivo es que permitan descartar explicaciones rivales, con supuestos explícitos.

Un riesgo demostrado en una situación concreta

#

Bastani y sus colaboradores (2025) estudiaron a cerca de mil estudiantes de secundaria en Turquía. Compararon práctica de matemáticas sin IA con dos asistentes: uno general y otro configurado para orientar el razonamiento y limitar la entrega directa de respuestas.

Con el asistente general mejoró la resolución durante la práctica. Al retirarlo, el resultado en el examen fue un 17% inferior al del grupo que había practicado sin IA. Es una diferencia relativa en esa evaluación, no una pérdida de puntos de inteligencia. Con el tutor configurado no se detectó el mismo perjuicio, pero tampoco una ventaja significativa en el examen sin ayuda. El estudio muestra que mejorar la tarea asistida puede coexistir con un aprendizaje posterior menor. No demuestra que todo uso de IA produzca ese resultado. Bastani et al., 2025

Qué usos sí han mostrado mejoras de aprendizaje

#

Las experiencias favorables permiten afinar la pregunta. No son pruebas de una misma herramienta universal: cambian el tipo de ayuda, la actividad y el resultado evaluado.

Una tutoría estructurada para estudiar contenidos concretos. En un ensayo con 194 universitarios de física, Kestin y sus colaboradores (2025) encontraron mayores ganancias inmediatas con un tutor de IA que con clases de aprendizaje activo. El sistema incorporaba una secuencia preparada por especialistas, instrucciones específicas y soluciones de referencia; el estudiante podía avanzar a su ritmo. El resultado corresponde a ese conjunto, no a abrir cualquier chatbot. Además, las evaluaciones fueron próximas a las lecciones: no acreditan retención de meses ni transferencia a problemas muy distintos. Kestin et al., 2025

Un programa acompañado dentro de una escuela. En Edo, Nigeria, un ensayo evaluó seis semanas de sesiones adicionales para estudiantes de secundaria, con Copilot y actividades de inglés vinculadas al currículo y guiadas por docentes. El programa mejoró una evaluación que combinaba inglés, competencias digitales y conocimientos de IA; también hubo resultados favorables en inglés. La intervención incluía tiempo adicional, materiales y acompañamiento: no permite atribuir toda la ganancia al modelo. El documento de trabajo analiza, además, la pérdida de participantes en la evaluación final, un límite importante al interpretar sus estimaciones; los análisis de sensibilidad de los autores conservaron resultados favorables. De Simone et al., 2025

Apoyo al tutor que acompaña al estudiante. Tutor CoPilot ofrece sugerencias a tutores humanos para responder a dificultades matemáticas. En la versión de noviembre de 2025 del estudio, el alumnado de tutores con acceso a la herramienta tuvo cuatro puntos porcentuales más de probabilidad de superar las comprobaciones al final de las sesiones: del 62% al 66%. Aquí la IA intervenía en la ayuda que ofrecía una persona. Es evidencia de mejora en el dominio de temas de esas sesiones, no de una ganancia duradera en toda la capacidad matemática. Wang et al., 2025, documento de trabajo

Acceso a IA durante una tarea de escritura. Contractor y Reyes (2026) asignaron al azar a 211 universitarios la posibilidad de usar IA al preparar un ensayo. El grupo con acceso obtuvo mejores resultados en pruebas de conocimientos sin IA, inmediatamente y una semana después. Es un preprint: debe leerse con la cautela de un trabajo todavía no revisado por pares. Resulta relevante porque impide concluir que solo los tutores especiales pueden ayudar. Sus comparaciones entre estrategias de uso tampoco prueban qué estrategia causó el beneficio: los estudiantes eligieron cómo utilizar la herramienta. Contractor y Reyes, 2026

Estos resultados no permiten repartir los usos en dos listas definitivas, una buena y otra mala. Sí permiten identificar preguntas de diseño: si la ayuda da ocasión de practicar y recibir retroalimentación; si alguien puede reconocer un error; y si la evaluación comprueba algo más que una entrega correcta. El mecanismo concreto que explica cada mejora debe investigarse, no deducirse únicamente de que el programa funcionó.

Por dónde están avanzando las instituciones

#

Las instituciones no recorren una trayectoria única. Algunas respuestas organizan el acceso y la formación; otras rediseñan la evaluación o prueban intervenciones acotadas. Los casos siguientes ilustran decisiones documentadas en distintas regiones. No representan a todas las instituciones del mundo, ni su existencia demuestra que ya hayan conseguido ganancias cognitivas.

En Singapur, el Ministerio de Educación integra funciones de IA en Student Learning Space para apoyar el aprendizaje y la retroalimentación. Entre los ejemplos públicos figuran asistentes para matemáticas y respuestas breves. El ministerio describe revisiones de pertinencia educativa, calidad de las respuestas y seguridad. La decisión relevante es situar herramientas con funciones delimitadas dentro de una infraestructura educativa. La documentación consultada explica esa organización; no constituye una evaluación causal de su efecto sobre todo el alumnado. Ministerio de Educación de Singapur, 2026

En Australia, la discusión se ha desplazado también hacia qué evidencia permite acreditar aprendizaje. La Universidad de Sídney describió en 2025 dos modalidades: evaluaciones con uso de IA prohibido o controlado y tareas abiertas a su uso bajo orientación docente. No son dos categorías de estudiantes, sino oportunidades para observar capacidades diferentes. Universidad de Sídney, 2025

La agencia australiana TEQSA recoge caminos de reforma por programa completo, por asignatura o combinados. Propone atender el proceso y contar con demostraciones fiables en momentos relevantes de la formación. Ese planteamiento reconoce que declarar qué herramienta se usó no basta para demostrar lo aprendido. También conserva una tensión: aumentar controles puede consumir tiempo docente y estrechar las tareas si no se cuida el propósito educativo. La guía plantea orientaciones, no una prueba de impacto de todas esas reformas. Lodge et al., 2025

En Chile, una guía para aulas rurales de Enseña Chile, alojada por el Ministerio de Educación comienza por el objetivo de aprendizaje, los criterios que permitirán reconocerlo y las actividades pertinentes. Contempla también el uso de IA por el profesorado cuando el alumnado no dispone de dispositivos. Es una forma de situar la tecnología dentro de la planificación y de las condiciones de acceso; el documento no demuestra por sí mismo que esa propuesta haya mejorado los resultados escolares. Enseña Chile, guía de integración práctica

A escala internacional, el marco de competencias docentes de UNESCO incluye pedagogía, fundamentos de IA, ética y desarrollo profesional. Esa amplitud importa: saber pedir una respuesta es solo una parte de lo que necesita quien decide cómo incorporarla a una clase. El marco ofrece una orientación para formar y evaluar capacidades docentes, no una certificación de que todos los países hayan realizado esa formación. Miao y Cukurova, 2024

Ilustración conceptual: una decisión institucional necesita examinar qué cambia en el trabajo del estudiante. No representa a las instituciones citadas ni documenta un resultado experimental.

Leídos junto con los ensayos, estos casos sugieren una dirección que conviene discutir: una institución puede hacerse responsable de la calidad de la ayuda y de cómo se comprueba el aprendizaje, en lugar de dejar ambas decisiones enteramente a cada usuario. Esa es una interpretación de los casos, no una tendencia mundial cuantificada. Los pilotos de Nigeria y Tutor CoPilot muestran, además, que estudiar el acompañamiento docente puede ser tan relevante como estudiar el acceso directo del estudiante a un chatbot.

La tensión pendiente es concreta. Una política puede aumentar las cuentas disponibles, las tareas entregadas o la satisfacción sin mejorar la comprensión. Para sostener una promesa de aprendizaje hacen falta resultados pertinentes y seguimiento, incluido qué ocurre con quienes necesitan más apoyo. El coste, el tiempo del profesorado y la posibilidad de estudiar sin dispositivos también forman parte de la decisión. Un beneficio promedio en un ensayo breve no resuelve por sí solo cómo extenderlo a una institución.

Qué podría significar esto en una actividad de lectura

#

Supongamos que queremos aprender a distinguir una asociación de una causa. Un texto informa que quienes leen más suelen obtener mejores calificaciones. Eso describe dos hechos que aparecen juntos; no demuestra que uno produzca el otro. También podrían intervenir los conocimientos previos o el apoyo disponible para estudiar.

Podemos empezar escribiendo nuestra interpretación y señalando la frase que la respalda. Después, pedir al chatbot una objeción concreta: «¿Mi conclusión afirma algo que estos datos no permiten?». La revisión tendría que explicar qué cambió y por qué, contrastándolo con la lectura. Quien todavía no reconoce ese salto necesita ejemplos explicados y acompañamiento; decirle solamente «verifica la IA» traslada una responsabilidad sin enseñarle a ejercerla.

Días después, otro fragmento y una explicación sin ayuda permitirían comprobar si reconoce la misma distinción. La secuencia es una propuesta didáctica, no un método garantizado por los estudios citados. Puede organizarse como un ciclo de retroalimentación que permita revisar el trabajo, atendiendo a cómo conservar la dirección del trabajo con IA.

Trabajar bien con herramientas también es una capacidad valiosa. Por eso evaluar sin IA tiene sentido cuando interesa conocer qué conserva el estudiante sin ese apoyo; evaluar con ella permite observar cómo contrasta una respuesta y justifica su uso. La institución debe decidir qué capacidades quiere desarrollar en cada caso y qué evidencias aceptará. Esa decisión convierte la preocupación por un posible deterioro en una pregunta que sí puede ponerse a prueba: después de esta actividad, ¿qué comprende y puede hacer el estudiante que antes no podía?