Un paper publicado en febrero de 2026 en arXiv por investigadores de ELLIS Alicante y la EPFL documenta lo que muchos docentes intuían pero pocos datos confirmaban: la integración no crítica de IA en educación produce daños no intencionales que van mucho más allá de los resultados académicos. Los autores identifican cuatro dimensiones interrelacionadas: cognición, agencia, bienestar emocional y ética. Y establecen una distinción que cambia la conversación en las escuelas: la diferencia entre IA pedagógica e IA naive. La primera puede fortalecer el aprendizaje. La segunda lo erosiona, silenciosamente, dimensión por dimensión. Auroria fue diseñada desde el principio para estar en el primer grupo.
El paper AI in Education Beyond Learning Outcomes: Cognition, Agency, Emotion, and Ethics (Favero, Pérez-Ortiz, Käser y Oliver, 2026) no es una advertencia sobre el futuro. Es un diagnóstico del presente. Sus autores sintetizan evidencia de ciencias cognitivas, psicología, educación y ética para mostrar cómo la IA que hoy usan los estudiantes en todo el mundo puede estar socavando, en simultáneo, su capacidad de pensar de forma crítica, su autonomía como aprendices, su bienestar emocional y su integridad académica.
La conclusión central no es que la IA deba salir de las aulas. Es que el tipo de IA importa, y que la mayoría de las herramientas que se usan hoy no fueron diseñadas para el contexto educativo.
Un marco de análisis que las escuelas necesitan conocer
Los cuatro daños no intencionales que documenta la investigación
El paper organiza los riesgos de la IA educativa en cuatro dimensiones que no son independientes sino que se refuerzan mutuamente. El cognitive offloading (la descarga cognitiva en herramientas externas) reduce las oportunidades de razonamiento esforzado; esa reducción contribuye a lo que los autores llaman la ilusión de fluidez, la tendencia a confundir la facilidad de uso con aprendizaje real; esa ilusión debilita la agencia del estudiante; y la agencia reducida amplifica daños emocionales como la ansiedad, la baja autoestima y la dependencia.
Juntos, estos efectos no son accidentales. Son sistémicos. Y abordarlos requiere intervenciones coordinadas en el diseño de la IA, la pedagogía, la evaluación y la política institucional.
Cognición: cuando la facilidad se confunde con aprendizaje
Aprender de verdad requiere esfuerzo cognitivo. La investigación en ciencias del aprendizaje lleva décadas documentando el valor de lo que se conoce como dificultades deseables: la lucha mental que se siente incómoda en el momento pero que produce comprensión profunda, retención de largo plazo y conocimiento transferible.
Las herramientas de IA generativa de propósito general van exactamente en la dirección opuesta. Según el paper, al proveer respuestas pre-digeridas de forma pasiva y directiva, limitan las oportunidades de reflexión y compromiso crítico. Un estudio a gran escala citado en el paper (Gerlich, 2025) encontró que la alta dependencia de IA correlaciona con menor desempeño en evaluaciones de pensamiento crítico, mediado por el cognitive offloading.
La distinción que cambia todo: IA pedagógica vs. IA naive
El paper introduce la distinción entre IA pedagógicamente alineada e IA naive, y es la más importante para las instituciones educativas.
La IA naive entrega respuestas. La IA pedagógica andamia el razonamiento. La primera optimiza para la velocidad y la fluidez. La segunda preserva la fricción cognitiva productiva, hace preguntas en lugar de dar soluciones, y usa el error como oportunidad de aprendizaje. Los sistemas diseñados con principios de aprendizaje activo, constructivismo y andamiaje, según el paper, pueden mejorar dramáticamente los resultados de aprendizaje. Los que no, los erosionan.
La ilusión de fluidez
Los estudiantes tienden a interpretar la facilidad como una señal de buen aprendizaje, un sesgo que los investigadores llaman ilusión de fluidez. Las herramientas de IA que priorizan rapidez y conveniencia amplían este sesgo: reducen la lucha cognitiva y debilitan el pensamiento crítico. Para contrarrestarlo, la IA debe preservar y gestionar estratégicamente la fricción cognitiva, promoviendo la recuperación activa, el feedback diferido y la incertidumbre como oportunidad de indagación.
Agencia: la dependencia que erosiona la autonomía
En educación, agencia es la capacidad del estudiante de hacer elecciones intencionales, informadas y autónomas, apoyadas en la autorregulación, la metacognición y el pensamiento crítico. La comodidad y los outputs persuasivos de la IA pueden erosionar esa agencia, convirtiendo a los estudiantes en receptores pasivos de contenido generado algorítmicamente.
La trampa de la confianza excesiva
La dependencia excesiva lleva al overtrust: los estudiantes aceptan los outputs de la IA sin evaluación crítica. Según el paper, la presentación similar a la humana de las herramientas de IA alienta esta rendición cognitiva, reduciendo el pensamiento evaluativo y la confianza en las propias decisiones. El paper cita investigación que muestra que la instrucción explícita sobre las limitaciones estadísticas de la IA puede restaurar el compromiso crítico.
El 61% de los estudiantes encuestados en un estudio internacional de 4.000 universitarios en 16 países manifestaron preocupación por la privacidad de sus datos, y muchos cuestionaron la confiabilidad del contenido generado por IA. Los estudiantes ven los riesgos. El problema es que los sistemas que usan no los ayudan a gestionarlos.
Conformidad intelectual: el riesgo más silencioso
Al proveer respuestas pre-armadas, la IA puede empujar silenciosamente a los estudiantes hacia el razonamiento normativo, desalentando la creatividad y las interpretaciones diversas. Con el tiempo, esto arriesga estandarizar los patrones de pensamiento en lugar de fomentar el razonamiento imaginativo. Los autores lo llaman conformidad intelectual, y es uno de los daños menos visibles y más duraderos.
Emoción: el costo que nadie está midiendo en las aulas
La dimensión emocional es la que menos aparece en las discusiones sobre IA educativa y la que más impacto puede tener sobre la trayectoria de largo plazo de los estudiantes.
Tecnostrés y fatiga digital
El tecnostrés surge cuando los estudiantes deben adaptarse a sistemas de IA opacos y en rápida evolución sin suficiente control ni comprensión, generando ansiedad y sobrecarga cognitiva. La fatiga digital y el desenganche aparecen cuando la IA media la mayoría de las interacciones de aprendizaje, reduciendo las oportunidades de conexión social significativa. En entornos dominados por IA, los estudiantes pueden experimentar menor sentido de pertenencia y resiliencia emocional.
El ciclo de baja autoestima y mayor dependencia
Los estudiantes con menor confianza son más propensos a depender de la IA como estrategia compensatoria, creando un ciclo autorreforzante: evitar el desafío reduce la confianza, lo que a su vez aumenta la dependencia de la IA. Cuando los estudiantes perciben a la IA como inherentemente superior a ellos, pueden erosionarse la motivación, la creatividad y el pensamiento independiente, fomentando el síndrome del impostor y el desenganche de largo plazo.
El paper también documenta el fenómeno del AI guilt: muchos estudiantes experimentan incomodidad, vergüenza o ansiedad cuando el uso de IA entra en conflicto con sus valores de autenticidad, esfuerzo e integridad académica. Esa tensión no resuelta puede socavar el sentido de identidad y pertenencia en las comunidades académicas.
Ética: privacidad, vigilancia e integridad académica
Las herramientas de IA educativa suelen depender de la recolección continua de datos, creando ambientes donde los estudiantes pueden sentirse permanentemente monitoreados, evaluados y registrados. Cuando los aprendices perciben que cada interacción es almacenada o analizada, evitan la experimentación, la toma de riesgos intelectuales y el aprendizaje a través del error, procesos esenciales para el pensamiento crítico y la comprensión profunda.
El paper es directo sobre las consecuencias: el miedo a equivocarse puede llevar a la vergüenza, la reducción de la confianza y la conformidad, socavando el rol de la educación en cultivar la curiosidad, la resiliencia y el juicio reflexivo.
En cuanto a la integridad académica, cuando las evaluaciones priorizan productos pulidos sobre procesos de aprendizaje, la IA puede convertirse en un facilitador de conducta incorrecta en lugar de crecimiento intelectual, amenazando la credibilidad de las instituciones educativas y las normas compartidas de justicia, esfuerzo y confianza de las que dependen.
Cómo responde Auroria a cada uno de estos riesgos
La conclusión central del paper es esta: los daños surgen cuando la IA reemplaza el juicio humano, el esfuerzo y la interacción; los beneficios emergen cuando la IA andamia esos procesos. Eso no es una descripción de lo que la IA podría hacer algún día. Es la descripción exacta del principio de diseño de Auroria.
| Dimensión | Riesgo documentado (Favero et al., 2026) | Respuesta de Auroria |
|---|---|---|
| Cognición | Cognitive offloading, ilusión de fluidez, reducción del pensamiento crítico | Andamiaje pedagógico que preserva la fricción cognitiva productiva. No entrega respuestas: orienta el razonamiento. |
| Agencia | Dependencia, overtrust, conformidad intelectual | El docente mantiene visibilidad y control. La plataforma está diseñada para fortalecer la autonomía del estudiante. |
| Emoción | Tecnostrés, AI guilt, baja autoestima | Interacciones delimitadas por objetivo pedagógico. Alertas para el docente ante señales de malestar. |
| Ética | Vigilancia, explotación de datos, integridad académica comprometida | Sin reconocimiento emocional. Sin caja negra. Transparencia total para la institución. Datos del estudiante protegidos. |
El paper menciona explícitamente un ejemplo de diseño correcto: Maike, un chatbot privado y socrático que guía a los aprendices a través del cuestionamiento crítico y la autorreflexión. Auroria comparte ese principio de diseño: la plataforma no reemplaza al docente ni al pensamiento del estudiante. Los acompaña.
Qué pueden hacer las escuelas hoy
El paper ofrece un checklist para tres tipos de actores: diseñadores de IA, estudiantes e instituciones. Para las escuelas, las implicancias más concretas son:
- Diseñar evaluaciones que recompensen el pensamiento crítico independiente, no solo el producto final. El proceso importa.
- Integrar la IA para promover el compromiso activo y la metacognición, no para automatizar la entrega de contenido.
- Enseñar alfabetización en IA que desmitifique las capacidades del sistema y normalice el uso reflexivo y transparente.
- Complementar, no reemplazar, la interacción humana. La IA debería andamiar la conexión social, no sustituirla.
- Elegir herramientas con salvaguardas de bienestar emocional integradas desde el diseño, no como agregado. Ver cómo lo hace Auroria.
La pregunta no es si la IA debe estar en las aulas. Ya está. La pregunta es si la institución eligió la herramienta pensando en el desarrollo integral del estudiante o solo en la eficiencia. Si querés explorar cómo llevar IA pedagógica a tu institución, escribínos.
Conclusión
El paper de Favero et al. (2026) no es alarmista. Es preciso. Dice que la IA tiene potencial real para mejorar la educación, y dice exactamente en qué condiciones ese potencial se convierte en daño. La condición es siempre la misma: cuando la IA reemplaza el esfuerzo, la interacción humana y la autonomía en lugar de apoyarlos.
Las escuelas que eligen herramientas de IA sin considerar estas dimensiones no están siendo neutrales. Están tomando una decisión, aunque no lo sepan. Auroria fue construida para que esa decisión sea una de cuidado: de la cognición, la agencia, la emoción y la ética de los estudiantes.
Sobre Auroria
Auroria es una plataforma de inteligencia artificial pedagógica diseñada para escuelas. Desarrollamos tecnología educativa con supervisión docente integrada, adaptación curricular y salvaguardas de bienestar estudiantil. Si forman parte de una institución educativa y quieren conocer cómo implementar Auroria, pueden escribirnos a info@auroria.com.ar o agendar una demo.
Fuentes y referencias
- Favero, L., Pérez-Ortiz, J.A., Käser, T., Oliver, N. (2026). AI in Education Beyond Learning Outcomes: Cognition, Agency, Emotion, and Ethics. arXiv:2602.04598.
- Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. MDPI.
- OpenAI (2025). Building an AI-ready workforce: A look at college student ChatGPT adoption in the US.
- Digital Education Council (2025). Global survey of 4,000 university students on AI use.
- UNESCO (2025). Artificial intelligence in education.
Preguntas frecuentes sobre IA en educación, pensamiento crítico y autonomía
¿Qué dice la investigación sobre el impacto de la IA en el pensamiento crítico de los estudiantes?
Un estudio a gran escala (Gerlich, 2025) encontró que la alta dependencia de IA correlaciona con menor desempeño en evaluaciones de pensamiento crítico, mediado por el cognitive offloading: la tendencia a delegar tareas analíticas o de síntesis en herramientas externas en lugar de realizarlas de forma independiente. El paper de Favero et al. (2026) sintetiza esta evidencia junto con investigación en psicología, educación y ética para mostrar que estos efectos son sistémicos.
¿Qué es la IA pedagógica y en qué se diferencia de ChatGPT o la IA generativa de propósito general?
La IA pedagógica es aquella diseñada específicamente para contextos educativos, con principios de aprendizaje activo, andamiaje y constructivismo integrados en su diseño. ChatGPT y otras herramientas de IA generativa de propósito general fueron creadas para usuarios adultos con objetivos de productividad y creatividad: no están optimizadas para preservar la fricción cognitiva productiva, ni tienen supervisión docente integrada, ni salvaguardas ante señales de malestar emocional en estudiantes.
¿Qué es el cognitive offloading y por qué es un problema en educación?
El cognitive offloading es el uso de herramientas externas para reducir la carga mental. Puede ser beneficioso cuando libera recursos para la reflexión profunda, pero se vuelve dañino cuando elimina el esfuerzo cognitivo esencial para el aprendizaje real: la comprensión profunda, la retención de largo plazo y el conocimiento transferible. Cuando la IA genera la respuesta en lugar de guiar al estudiante a construirla, el aprendizaje que ocurre es superficial.
¿Cómo impacta la IA en el bienestar emocional de los estudiantes?
El paper identifica varios mecanismos. El tecnostrés surge de tener que adaptarse a sistemas opacos en rápida evolución. La fatiga digital aparece cuando la IA media la mayoría de las interacciones educativas, reduciendo la conexión social significativa. El AI guilt es la incomodidad que experimentan los estudiantes cuando su uso de IA entra en conflicto con sus valores de autenticidad y esfuerzo. Y el ciclo de baja autoestima y mayor dependencia afecta especialmente a estudiantes vulnerables.
¿Por qué las herramientas de IA en educación tienen riesgos éticos?
Las herramientas de IA educativa suelen depender de la recolección continua de datos sensibles, incluyendo desempeño académico, patrones de comportamiento e interacciones personales, con frecuencia bajo estructuras de gobernanza opacas. Los estudiantes típicamente tienen comprensión limitada de cómo se recolectan, almacenan o monetizan sus datos. Además, la vigilancia percibida puede inhibir la experimentación intelectual y el aprendizaje a través del error, procesos esenciales para el desarrollo crítico.
¿Cómo previene Auroria los daños que documenta el paper?
Auroria fue diseñada con los principios que el paper identifica como protectores: andamiaje del razonamiento en lugar de sustitución de la respuesta, supervisión docente integrada con visibilidad en tiempo real, sin reconocimiento emocional ni caja negra, transparencia total para la institución sobre qué hace la plataforma y para qué, y salvaguardas ante señales de malestar estudiantil. No es un complemento de seguridad sobre una herramienta genérica: es el diseño base desde el primer día.
