Un alumno entrega una explicación impecable. Está bien estructurada, utiliza el vocabulario adecuado y, a primera vista, demuestra que domina el tema. Pero basta con pedirle que explique con sus propias palabras por qué ha llegado a esa conclusión para que aparezcan las dudas.
La IA ha mejorado la respuesta. Lo que todavía no sabemos es si el alumno ha aprendido más.
Esa diferencia importa. Una herramienta de IA puede ayudar a resolver un ejercicio, mejorar un texto o llegar antes a una respuesta correcta y, al mismo tiempo, asumir parte del esfuerzo mental que precisamente queríamos que hiciera el estudiante.
Pero también puede utilizarse de otra manera: para plantear preguntas, ofrecer pistas, poner a prueba una explicación o ayudar a detectar un error.
Por eso, el debate educativo resulta más útil cuando dejamos de reducirlo a “permitir o prohibir la IA”. La pregunta realmente interesante es otra:
¿Está ayudando al alumnado a pensar o está haciendo por él el trabajo intelectual que queremos que aprenda a realizar?
Mejorar el resultado no siempre significa aprender más
Un buen resultado no basta para demostrar que ha habido aprendizaje.
La prueba aparece cuando el alumnado puede explicar cómo ha llegado a una respuesta, detectar un error, aplicar lo aprendido en una situación diferente o volver a resolver una tarea similar con menos ayuda.
Si al retirar la IA esas capacidades desaparecen, es posible que la herramienta haya mejorado el rendimiento durante la actividad, pero no necesariamente el aprendizaje.
Esta distinción es especialmente importante con la IA generativa. El Digital Education Outlook 2026 de la OCDE advierte precisamente de este riesgo: las herramientas generalistas pueden mejorar el resultado inmediato de una tarea sin producir ganancias equivalentes de aprendizaje cuando el estudiante delega en ellas parte del esfuerzo cognitivo necesario para desarrollar conocimientos y habilidades.
La consecuencia práctica no es dejar de utilizar IA, sino observar algo más que el producto final.
¿Qué decisiones ha tomado el estudiante? ¿Qué ha corregido? ¿Qué errores ha detectado? ¿Puede explicar el resultado? Y, sobre todo, ¿puede aplicar después lo aprendido cuando la herramienta ya no está disponible?
Qué nos dice la evidencia reciente
La investigación disponible empieza a mostrar un panorama bastante más interesante que el simple “la IA funciona” o “la IA perjudica el aprendizaje”.
La IA generativa puede mejorar el rendimiento, pero los resultados dependen mucho de cómo se integra en la actividad y qué trabajo sigue correspondiendo al estudiante.
Un metaanálisis publicado en The Korean Journal of Educational Policy, que reunió once estudios cuantitativos y treinta y dos cualitativos sobre ChatGPT en educación, encontró efectos positivos sobre el rendimiento académico. Pero el resultado no depende únicamente de disponer de la herramienta: aspectos como una enseñanza estructurada, la mediación docente o la alineación con los objetivos educativos forman parte de las condiciones que determinan su utilidad.
Un segundo estudio permite ver esta diferencia con bastante claridad.
En un ensayo controlado con 194 estudiantes universitarios de Física publicado en Scientific Reports, un tutor basado en IA y diseñado siguiendo principios pedagógicos consiguió mayores ganancias de aprendizaje en menos tiempo que una sesión presencial de aprendizaje activo. Los estudiantes también declararon mayores niveles de motivación y compromiso.
Pero hay un detalle importante.
El experimento no consistía en dar acceso libre a un chatbot y esperar que cada estudiante supiera utilizarlo para aprender.
El tutor había sido diseñado específicamente para estructurar la interacción, proporcionar feedback, ofrecer apoyos y adaptar el ritmo de trabajo. Además, el estudio se realizó con alumnado universitario, en un curso concreto de Física, por lo que sus resultados no deberían trasladarse automáticamente a cualquier etapa, materia o contexto educativo.
Lo interesante para un docente no es concluir que “la IA enseña mejor”.
Es algo bastante más útil: el diseño pedagógico de la interacción importa tanto como la herramienta que utilizamos.
Usar ChatGPT no es una metodología
Decir que una clase “utiliza IA” nos dice muy poco sobre cómo está aprendiendo el alumnado.
También podemos decir que utiliza internet o un libro de texto y seguir sin saber qué están haciendo realmente los estudiantes.
Pensemos en una actividad de escritura.
Un estudiante puede pedir a ChatGPT que redacte un texto sobre un tema, hacer después algunos cambios y entregarlo.
También puede escribir primero su propio borrador, pedir a la herramienta que señale tres puntos débiles, decidir cuáles de esas críticas son válidas, revisar el texto y justificar los cambios.
En ambos casos se ha utilizado IA.
Pero el trabajo intelectual que realiza el estudiante es completamente diferente.
Esta distinción sirve para casi cualquier materia. En lugar de resolver directamente un problema, la IA puede ofrecer una pista. En lugar de redactar una explicación, puede formular preguntas para comprobar si se ha entendido. En lugar de corregir automáticamente un trabajo, puede señalar un posible error para que sea el estudiante quien lo localice y lo revise.
La cuestión, por tanto, no es cuánta IA hay en una actividad, sino qué trabajo le estamos cediendo.
Si la herramienta asume precisamente el razonamiento, la práctica o la toma de decisiones que queremos enseñar, puede facilitar la tarea y, al mismo tiempo, vaciar una parte importante del aprendizaje.
Cuatro condiciones para que la IA aporte valor educativo
1. Un objetivo de aprendizaje explícito
Antes de decidir cómo utilizar la IA, hay que tener claro qué queremos que aprenda el alumnado.
No es lo mismo utilizarla para comprender un concepto que para practicar un procedimiento, construir un argumento o revisar un texto. La herramienta puede ser útil en todos esos casos, pero su función debería ser diferente.
Una pregunta sencilla ayuda a orientar la actividad:
¿Qué debería ser capaz de hacer el estudiante al terminar que no podía hacer antes?
También conviene decidir cómo vamos a comprobarlo.
Puede ser mediante una explicación oral, la resolución de un problema parecido, la comparación razonada entre dos versiones o una pequeña tarea sin asistencia.
Definir esa evidencia desde el principio ayuda a decidir qué apoyo puede ofrecer la IA y qué parte conviene reservar al estudiante.
2. Mediación docente
Introducir IA en una actividad no elimina la necesidad de diseñarla.
Comparemos dos instrucciones:
“Utiliza ChatGPT para resolver el ejercicio.”
frente a:
“Haz un primer intento sin ayuda. Después pide una pista a la IA. Corrige tu solución y explica qué has cambiado y por qué.”
La herramienta puede ser exactamente la misma. La actividad de aprendizaje no lo es.
En el segundo caso, el alumno tiene que recuperar conocimientos, enfrentarse al problema, interpretar una pista y justificar una corrección. La IA interviene, pero no realiza todo el recorrido por él.
Ese es precisamente uno de los retos para el profesorado: decidir cuándo entra la IA, para qué entra y qué parte del trabajo intelectual no queremos delegar. Antes de incorporar una herramienta nueva, también puede resultar útil hacer un diagnóstico del aula antes de cambiar la metodología, para identificar qué problema queremos resolver realmente.
La OCDE insiste en que la IA generativa aporta más valor cuando se utiliza con una finalidad pedagógica explícita y sin sustituir el esfuerzo cognitivo que forma parte del aprendizaje.
3. Actividad cognitiva del alumnado
Para valorar una actividad con IA conviene observar algo muy concreto:
¿Quién está haciendo el trabajo intelectual importante?
Si la herramienta interpreta el problema, elige el enfoque, construye los argumentos y redacta la respuesta mientras el estudiante se limita a aceptarla, podemos obtener un producto excelente con muy poco aprendizaje detrás.
En cambio, si el alumnado tiene que comparar alternativas, justificar una elección, detectar errores, formular preguntas o revisar una primera solución, la IA desempeña un papel de apoyo sin asumir todo el razonamiento.
Dos estudiantes pueden entregar trabajos de calidad similar y haber realizado procesos completamente distintos.
Por eso interesa hacer visibles algunas decisiones: qué opción descartaron, qué cambiaron después de consultar la herramienta o por qué consideran que una respuesta es mejor que otra.
El diseño de la actividad también influye en la implicación. Si quieres profundizar en esta parte, puedes revisar cómo motivar a alumnos desmotivados diseñando mejores condiciones de aprendizaje.
4. Retroalimentación y verificación
Una respuesta convincente de una IA no tiene por qué ser correcta.
Puede incluir datos erróneos, referencias inexistentes, razonamientos débiles o simplificaciones difíciles de detectar precisamente porque están bien redactadas.
Por eso verificar no debería ser una recomendación añadida al final de la actividad. Puede convertirse en parte de la propia tarea.
Según el caso, el alumnado puede contrastar una afirmación con una fuente fiable, comprobar un cálculo por otro procedimiento, buscar un contraejemplo o comparar la respuesta de la IA con los criterios trabajados previamente en clase.
Lo importante es que el estudiante no delegue también la comprobación en la misma herramienta que ha producido la respuesta.
Señales de que la IA está sustituyendo el aprendizaje
No siempre es fácil detectar cuándo una herramienta está ayudando y cuándo ha empezado a asumir demasiado trabajo. Hay algunas señales que deberían hacernos revisar la actividad:
- El resultado es bueno, pero cuesta explicarlo. El estudiante entrega una respuesta correcta, pero no puede reconstruir los pasos, justificar una decisión o resolver después un ejercicio similar sin ayuda.
- La primera respuesta de la IA se convierte en la respuesta final. No se comprueban datos, fuentes o razonamientos y tampoco se plantean alternativas.
- Solo vemos el producto terminado. Si únicamente evaluamos el texto, presentación o solución final, resulta difícil saber qué decisiones ha tomado el estudiante durante el proceso.
- La IA aparece antes de que exista un primer intento. Esto resulta especialmente problemático cuando evita precisamente la práctica que queremos desarrollar: formular una hipótesis, recuperar conocimientos, buscar una estrategia o enfrentarse a un primer borrador.
- Las producciones empiezan a parecerse demasiado. Respuestas muy homogéneas, argumentos previsibles o textos sin ejemplos propios pueden indicar que la herramienta está tomando decisiones que antes correspondían al alumnado.
- La actividad genera problemas que no habíamos previsto. Por ejemplo, introducir datos personales o trabajos del alumnado sin valorar las condiciones del servicio, o depender de una herramienta a la que no todos pueden acceder en las mismas condiciones.
Ninguna de estas señales demuestra por sí sola que una actividad esté mal diseñada.
Pero si aparecen varias a la vez —especialmente si el alumnado obtiene buenos resultados con IA que después no puede reproducir sin ella— conviene preguntarse qué parte del trabajo está realizando realmente la herramienta.
Un protocolo sencillo: antes, durante y después
Llevar estos criterios al aula no exige convertir cada actividad con IA en una secuencia interminable.
Un protocolo de tres momentos puede ser suficiente.
Antes: decide qué hará la IA y qué seguirá haciendo el alumnado
Define qué debe aprender el alumnado y delimita el papel de la herramienta: cuándo puede intervenir, para qué puede utilizarse y qué parte seguirá correspondiendo al estudiante.
Este es también el momento de establecer las reglas: cómo debe indicarse su uso, qué criterios servirán para valorar sus respuestas y qué información no debe introducirse en la herramienta.
Durante: haz visibles las decisiones
No es necesario guardar conversaciones interminables con el chatbot.
Basta con conservar algunas evidencias relevantes del proceso: una pregunta importante, una respuesta descartada, un error detectado o un cambio que el estudiante decidió realizar.
Podemos pedir, por ejemplo, que señale una propuesta de la IA con la que no está de acuerdo y explique por qué, o que contraste una afirmación importante con otra fuente.
Así, utilizar la herramienta deja de consistir únicamente en obtener respuestas y obliga a tomar decisiones sobre ellas.
Después: comprueba qué queda cuando retiramos la ayuda
No hace falta plantear otro examen.
Puede bastar con pedir que expliquen oralmente una idea, resuelvan una variante del problema, apliquen el procedimiento a otro caso o detecten un error que no habían visto antes.
Ese último paso permite comprobar qué puede hacer ya el estudiante por sí mismo y qué necesita todavía más práctica.
La misma tarea, dos diseños distintos
Imaginemos una actividad de Ciencias: explicar por qué se producen las estaciones del año.
El objetivo no es conseguir una definición correcta, sino comprobar si el alumnado comprende la relación entre la inclinación del eje terrestre, el movimiento de traslación y la cantidad de radiación solar que recibe cada hemisferio.
Primer diseño: el estudiante pide a la IA que explique por qué existen las estaciones, adapta la respuesta y la entrega.
Es muy posible que obtenga un texto correcto y bien estructurado.
Pero después resulta difícil saber qué ha ocurrido: ¿comprendía ya la explicación?, ¿ha detectado algún error?, ¿podría reconstruirla sin consultar de nuevo la herramienta?
Podemos utilizar exactamente la misma IA de otra manera.
Segundo diseño: antes de consultarla, cada estudiante representa con un dibujo cómo cree que se producen las estaciones y escribe una breve explicación. Después pide a la herramienta que formule preguntas para poner a prueba su modelo.
A partir de esas preguntas, contrasta las ideas clave con una fuente científica y revisa su dibujo, señalando qué ha cambiado y por qué.
La actividad termina con una comprobación breve sin IA:
¿Por qué cuando es verano en España es invierno en Argentina?
Ahora tiene que aplicar el mismo modelo a una situación concreta.
En ambos diseños se ha utilizado inteligencia artificial y en ambos puede obtenerse un buen producto final.
La diferencia está en quién ha tenido que pensar para llegar hasta él.
Lista de comprobación para una actividad con IA
Antes de llevar una actividad con IA al aula, estas preguntas ayudan a revisar su diseño:
- ¿Está claro qué debe aprender el alumnado y para qué se utiliza la IA?
- ¿El estudiante tiene que tomar decisiones, explicar, comparar, corregir o justificar?
- ¿La IA evita hacer por el alumnado precisamente aquello que queremos que aprenda a hacer?
- ¿Hay criterios para comprobar si sus respuestas son correctas y suficientemente fiables?
- ¿Podemos observar alguna evidencia del proceso y no únicamente el producto terminado?
- ¿Existe una forma de comprobar después qué puede hacer el estudiante con menos ayuda o en una situación diferente?
- ¿Se han previsto la privacidad, la edad del alumnado, la accesibilidad y posibles diferencias en el acceso a la herramienta?
- ¿La actividad es viable en una clase real sin añadir una carga de seguimiento desproporcionada al profesorado?
Si varias respuestas son “no”, probablemente no sea necesario descartar la IA.
Lo que conviene revisar es el papel que le hemos asignado.
La pregunta correcta no es si usar IA
La evidencia disponible no permite afirmar que introducir IA en el aula mejore automáticamente el aprendizaje. Tampoco que utilizarla lo perjudique necesariamente.
Una misma herramienta puede ayudar a practicar, recibir retroalimentación o comprender un concepto y, en otra actividad, limitarse a producir una respuesta que el estudiante apenas necesita elaborar. La OCDE llega a una conclusión muy similar: la IA generativa puede enriquecer el aprendizaje cuando existe una intención pedagógica clara, pero no debería sustituir el esfuerzo cognitivo que queremos desarrollar.
Por eso, decidir únicamente entre permitir o prohibir la IA deja fuera la cuestión pedagógica más importante.
Los centros necesitan criterios compartidos sobre su uso, evaluación, privacidad y protección de datos. Pero al diseñar una actividad concreta hay una decisión anterior: qué queremos que aprenda el alumnado, qué papel tendrá la herramienta y cómo comprobaremos que ese aprendizaje se ha producido.
Al final, hay una pregunta que permite revisar casi cualquier actividad con IA:
¿La herramienta está ayudando al alumnado a pensar mejor o está haciendo por él el pensamiento que queremos enseñar?
Si resuelve precisamente aquello que el estudiante necesita aprender a hacer, el diseño debería cambiar.
Si ofrece apoyo, obliga a tomar decisiones y después podemos comprobar que el alumnado comprende y aplica lo trabajado sin depender de ella, entonces la IA sí puede aportar valor educativo.