Aprender con IA dentro del sistema: cibernética, Antropoceno y universidad — Cole y Marandi (2026)

La pregunta que cambia el debate

#

Una estudiante entrega un texto correcto después de consultar un sistema de IA. La entrega cumple con el formato, parece bien escrita y llega a tiempo. Pero la situación deja abierta la pregunta que importa para el aprendizaje: ¿qué pudo comprender, decidir y hacer por sí misma durante el proceso? La respuesta no depende únicamente de si la herramienta «funcionó». También depende de la presión de la tarea, el tiempo disponible, la evaluación, el apoyo docente, la plataforma y las condiciones económicas en las que esa estudiante estudia.

El artículo de David R. Cole y Pegah Marandi, publicado por Humanities and Social Sciences Communications, propone mirar esa escena como una relación más amplia. Su tesis es que el estudiantado no encuentra la IA como una herramienta externa y aislada, sino dentro de un ensamblaje estudiante–IA–universidad. En ese ensamblaje participan los sistemas de generación, las plataformas, las instrucciones, los plazos, las reglas de integridad académica, el deseo de aprobar, el trabajo remunerado y las expectativas sobre el futuro laboral.

El aporte es importante porque desplaza la pregunta. En lugar de preguntar solamente si la IA ayuda o perjudica, el texto pregunta qué relaciones de control, retroalimentación, aceleración y juicio reorganizan el aprendizaje cuando la IA entra en la universidad. Su respuesta no es una defensa de la adopción irrestricta ni una invitación a prohibirla. Es una propuesta para estudiar las condiciones en las que la agencia puede conservarse, debilitarse o reconstruirse.

Qué tipo de artículo es

#

Conviene ubicar el género antes de valorar sus conclusiones. Cole y Marandi presentan una explicación «especulativa y con apoyo empírico» que combina análisis filosófico con entrevistas y grupos focales. La parte empírica reunió a 48 estudiantes de educación de una universidad grande y semiurbana, en una sociedad tecnológicamente avanzada, durante seis meses. El artículo informa que existieron aprobación ética y consentimiento informado.

La investigación no es un ensayo de intervención ni una comparación entre grupos con y sin IA. Tampoco mide directamente si el estudiantado retiene más conocimientos, transfiere mejor lo aprendido o resuelve después una tarea sin apoyo. Sus datos aparecen como «portales»: umbrales analíticos que interrumpen y ponen a prueba la argumentación conceptual. Por eso las cifras del texto deben leerse como resúmenes de lo expresado por las personas participantes, no como estimaciones de prevalencia universitaria.

Esta distinción evita una lectura exagerada. El artículo puede ayudar a nombrar mecanismos y tensiones que una encuesta de uso suele ocultar. No puede demostrar que la IA produzca un efecto general sobre el aprendizaje universitario ni que las proporciones observadas representen a estudiantes de otras instituciones, disciplinas o países.

De la herramienta al campo de retroalimentación

#

La cibernética aporta al artículo un vocabulario para pensar los bucles de comunicación y control. En una interacción sencilla, una persona pregunta, recibe una respuesta y modifica su siguiente acción. Cuando ese ciclo se repite dentro de una plataforma, una tarea y un sistema de evaluación, la retroalimentación deja de ser un detalle técnico. Puede reorganizar qué se considera una respuesta suficiente, cuánto tiempo parece razonable dedicar a leer y escribir y qué tipo de trabajo intelectual se vuelve visible.

El artículo reconstruye tres movimientos. El primero es el de la retroalimentación y el control, asociado con sistemas que ajustan su comportamiento a partir de información. El segundo introduce la reflexividad: el sistema empieza a observar cómo observa y cómo participa quien lo usa. El tercero atiende a la complejidad y a la autoorganización, donde las relaciones entre personas, instituciones y máquinas producen efectos que nadie controla por completo.

Esta secuencia no debe convertirse en una historia lineal según la cual toda IA universitaria avanzaría necesariamente hacia una autonomía creciente. Su utilidad es otra. Permite preguntar qué ocurre cuando una persona usa una respuesta de IA, vuelve a pedir una reformulación, adapta su texto a la evaluación y termina aceptando como natural una velocidad de trabajo que antes no era posible. El bucle no está dentro del modelo únicamente. Está repartido entre la interfaz, la tarea, el tiempo y la expectativa institucional.

En el primer portal, los autores reportan que el 94 % de las personas participantes conocía y usaba herramientas de IA en su trabajo universitario, mientras que el 84 % afirmaba conservar agencia y capacidad de decisión. Leído superficialmente, el resultado podría parecer tranquilizador. Leído desde la cibernética, abre una tensión más precisa: una persona puede sentirse agente y, al mismo tiempo, actuar dentro de un campo que ya organizó las opciones disponibles, los ritmos de estudio y las formas aceptables de producir un texto.

Lo que los estudiantes reconocen y lo que no siempre pueden nombrar

#

El segundo portal muestra que el 91 % describió la IA como una fuente de información, aclaración, edición o refinamiento. Sin embargo, solo el 36 % relacionó su uso con una reflexión más explícita sobre el funcionamiento de la IA, su vínculo con la disciplina o la diferencia entre apoyo y ventaja engañosa cuando docentes y tutores habían incorporado el tema al currículo. El artículo reporta también que un grupo menor, el 12 %, percibía la IA como algo autónomo o autoorganizado más allá de una ayuda para estudiar.

Estos porcentajes no forman una escala de madurez del estudiantado. Sugieren una diferencia entre usar una salida y comprender la relación en la que esa salida participa. Una persona puede pedir una explicación, corregir un párrafo y volver a solicitar un ejemplo sin preguntarse qué sesgos, objetivos comerciales o criterios de selección hacen posible esa interacción. La alfabetización en IA, en esta lectura, no consiste solamente en formular instrucciones eficaces. Incluye reconocer el sistema, evaluar sus respuestas y decidir qué parte de la actividad no debe delegarse.

Aquí el artículo se conecta con la alfabetización crítica en IA que ya desarrolla este sitio. La pregunta no es si el estudiantado «sabe usar» una herramienta en abstracto, sino si puede identificar qué transforma la herramienta en una relación de dependencia, qué evidencia necesita para confiar y qué condiciones le permiten rechazar una sugerencia sin quedar en desventaja frente a la tarea.

El Antropoceno no es un decorado

#

La segunda parte del marco introduce el Antropoceno. El término aparece aquí para vincular la IA con la aceleración económica, las infraestructuras materiales y el daño ecológico que acompañan el desarrollo tecnológico. La educación no sería un espacio separado de esas dinámicas. Las universidades organizan tiempo, trabajo, evaluación y acceso; los sistemas de IA se incorporan a esa organización y también la modifican.

La tesis puede parecer muy amplia, pero el artículo la concreta al mostrar cómo el estudiantado describe presiones ordinarias. El 79 % expresó preocupación por el desplazamiento del trabajo humano en el futuro y el 75 % señaló restricciones vinculadas con tareas, plazos y las exigencias económicas de avanzar en la carrera. En ese contexto, la IA no aparece solo como una comodidad. Puede convertirse en un acelerador de supervivencia académica, sobre todo para quien trabaja, dispone de poco tiempo o teme no poder cumplir con el ritmo institucional.

Esta es una de las mejores decisiones del texto. Evita convertir la delegación en un defecto moral individual. Si una institución exige producir más textos en menos tiempo y luego acusa al estudiantado de buscar atajos, deja fuera la parte del sistema que hizo atractiva la aceleración. Eso no elimina la responsabilidad de revisar una salida, respetar la autoría o aprender el contenido. Sí obliga a distribuir la responsabilidad entre la persona, la actividad y la institución.

El doble vínculo de la escritura universitaria

#

Cole y Marandi nombran un doble vínculo. El estudiantado recibe la exigencia de producir trabajo original, demostrar juicio crítico y evitar usos indebidos de la IA. Al mismo tiempo, estudia en un entorno donde la herramienta es accesible, rápida y cada vez más normalizada. La universidad pide conservar el trabajo de escribir mientras organiza condiciones que comprimen el tiempo para leer, pensar, conversar y revisar.

El doble vínculo no significa que toda evaluación sea contradictoria ni que la escritura sin IA sea siempre una solución. Significa que una regla individual de prohibición no resuelve una tensión que también es curricular y organizativa. Si la única respuesta institucional es detectar o castigar, la relación real entre herramienta, aprendizaje y presión de tiempo queda oculta.

Por eso el artículo propone un bucle de retorno o back loop. En vez de seguir la trayectoria de disponibilidad, captura, aceleración y optimización, una actividad puede introducir pausa, juicio, alfabetización en IA y rediseño de la evaluación. El movimiento de retorno no consiste en salir de la tecnología, algo que rara vez está al alcance de una persona estudiante. Consiste en volver visible qué se está haciendo, qué trabajo se desplaza, qué se verifica y qué se decide conservar como práctica humana.

En términos pedagógicos, eso implica proteger momentos en los que el estudiantado lea antes de pedir una respuesta, formule una interpretación propia, contraste una salida con la fuente y explique por qué acepta, modifica o rechaza una sugerencia. La guía de agenciamiento humano frente a la IA y la guía de evaluación formativa con IA ofrecen rutas más operativas para esa preocupación. El artículo reseñado aporta el marco para entender por qué esas decisiones no son adornos metodológicos, sino interrupciones de un bucle de aceleración.

Qué aporta y dónde se queda corto

#

El texto tiene tres fortalezas. La primera es que conecta niveles que suelen separarse: la experiencia de una persona que escribe, la organización universitaria de la evaluación y la materialidad de las infraestructuras digitales. La segunda es que trata la agencia como algo situado, no como una propiedad que el estudiante conserva intacta o pierde de una vez. La tercera es que traduce una discusión filosófica compleja en preguntas pedagógicas reconocibles: cómo se lee, qué se evalúa, cuándo se hace visible el proceso y qué trabajo intelectual se considera irrenunciable.

Sus límites también son importantes. La muestra es pequeña y localizada en una sola universidad. El texto no ofrece una base para generalizar porcentajes a todo el estudiantado universitario. Las entrevistas y los grupos focales permiten conocer percepciones y relatos, pero no sustituyen la observación de lo que las personas hacen ni una prueba de aprendizaje posterior. Además, el artículo no compara herramientas concretas ni intervenciones pedagógicas, y la relación entre sus categorías filosóficas —cibernética, capitalismo, Antropoceno y pensamiento maquínico— y los testimonios estudiantiles es en parte interpretativa.

También conviene leer con cautela la palabra aprendizaje. Los autores hablan de cómo estudiantes aprenden en conjunción con IA, pero el diseño descrito permite sostener mejor una tesis sobre las condiciones y experiencias del estudio que una conclusión sobre ganancias cognitivas. No hay que usar este artículo como evidencia de que la IA mejora el aprendizaje, ni como prueba de que lo deteriora. Su valor está en mostrar qué habría que observar antes de hacer cualquiera de esas afirmaciones.

Cuatro preguntas para una actividad o política

#

La reseña permite convertir la discusión en decisiones verificables.

1. ¿Qué acelera la IA y qué trabajo intelectual sigue siendo necesario? Si produce un primer mapa de ideas, la actividad debe conservar lectura, selección, contraste y justificación.
2. ¿Qué condiciones empujan a usarla? Antes de interpretar una delegación como falta de compromiso, conviene revisar plazos, carga de trabajo, acceso a apoyo y claridad de la indicación.
3. ¿Qué evidencia muestra que hubo aprendizaje? Una entrega correcta no basta. Puede ser necesario pedir una explicación, una defensa oral, una revisión razonada o una transferencia a un caso nuevo.
4. ¿Qué espacios de pausa protege la institución? La alfabetización en IA necesita tiempo curricular para probar, discutir, verificar y rechazar; no puede reducirse a una advertencia sobre integridad académica.

Estas preguntas no forman un método garantizado por el artículo. Son una traducción editorial de su problema central. Sirven para que la conversación deje de girar alrededor de una herramienta aislada y examine el sistema de relaciones que hace posible un uso determinado.

Veredicto

#

Cole y Marandi ofrecen una lectura exigente y útil para el debate universitario. Su mejor aporte no es una receta para integrar IA, sino una advertencia contra dos simplificaciones simétricas. La primera dice que basta con entregar acceso para ampliar el aprendizaje. La segunda supone que basta con prohibir para protegerlo. Ambas dejan fuera las condiciones que organizan la atención, el tiempo, la escritura y el juicio.

Leer el aprendizaje con IA como un ensamblaje estudiante–IA–universidad permite formular una tarea más concreta. La universidad no puede controlar todas las plataformas ni retirar la presión económica de la vida estudiantil, pero sí puede rediseñar sus actividades, hacer visible el proceso, formar en evaluación de salidas y crear momentos donde pensar no sea sinónimo de producir deprisa. La agencia no aparece aquí como una posesión individual que la tecnología puede quitar o devolver. Es una capacidad que se sostiene —o se debilita— mediante relaciones pedagógicas e institucionales.

La pregunta que queda abierta es, por tanto, menos espectacular y más difícil: ¿qué organización del estudio permite que una persona aprenda con IA sin dejar que la velocidad de la plataforma defina por completo qué significa aprender?

Referencia y acceso

#