La inteligencia artificial promete mejorar el aprendizaje, personalizar la enseñanza y ahorrar tiempo docente. Wayne Holmes cuestionó esas afirmaciones en el Congreso PAIDEIA. ¿Qué dice realmente la investigación y cómo podemos saber si una herramienta está aportando valor educativo?
Un alumno puede entregar un trabajo excelente con ayuda de inteligencia artificial. Puede resolver ejercicios más rápido, escribir un texto mejor estructurado o encontrar una explicación en segundos.Pero hay algo que ese resultado no nos dice: cuánto aprendió durante el proceso.
¿Comprendió lo que hizo? ¿Podría resolver un problema parecido sin ayuda? ¿Desarrolló alguna capacidad que antes no tenía?
Estas preguntas estuvieron presentes en la conferencia que Wayne Holmes, investigador del University College London, ofreció el 13 de octubre en el Congreso Internacional PAIDEIA, en Buenos Aires.
Holmes propuso una mirada crítica sobre las afirmaciones que acompañan la expansión de la inteligencia artificial en educación. No se trata de negar sus posibilidades, sino de distinguir entre lo que la tecnología promete, lo que las investigaciones efectivamente muestran y lo que todavía necesitamos comprobar.
La distinción importa porque las escuelas están tomando decisiones sobre herramientas que pueden transformar la manera en que sus alumnos estudian, escriben, investigan y resuelven problemas.
Y para tomar esas decisiones, una buena demostración de producto no alcanza.
La IA educativa promete mucho. ¿Qué estamos midiendo?
Entre las promesas más frecuentes de la inteligencia artificial aplicada a la educación aparecen la personalización del aprendizaje, la mejora de la escritura, el aumento de la participación de los alumnos y el ahorro de tiempo docente.
En PAIDEIA, Holmes presentó una comparación entre esos beneficios inmediatos y sus posibles costos a largo plazo.
Por ejemplo: una herramienta que acelera la escritura podría terminar sustituyendo parte del esfuerzo necesario para desarrollar esa habilidad. Un sistema disponible las 24 horas podría modificar la relación de los alumnos con sus docentes. Y una aplicación que promete ahorrar tiempo podría exigir nuevas tareas de supervisión, revisión y corrección.
Son advertencias relevantes, pero conviene hacer una distinción: identificar un riesgo no equivale a demostrar que ese riesgo se produce siempre.
La pregunta útil no es si la IA es buena o mala para la educación. Es qué efectos tiene cada herramienta, en qué condiciones y sobre qué aspectos del aprendizaje.
| Lo que promete la IA | Lo que necesitamos comprobar |
|---|---|
| Resolver tareas más rápido | ¿El alumno puede resolverlas después sin asistencia? |
| Mejorar la escritura | ¿Está desarrollando sus propias habilidades de escritura? |
| Personalizar las respuestas | ¿La adaptación favorece una comprensión más profunda? |
| Ahorrar tiempo docente | ¿Disminuye el trabajo total o aparecen nuevas tareas de supervisión? |
| Ofrecer ayuda permanente | ¿Promueve autonomía o una dependencia cada vez mayor? |
Estas preguntas cambian el criterio de evaluación. Ya no alcanza con observar lo que una plataforma es capaz de producir: necesitamos entender qué sucede con las personas que la utilizan.
Lo que sabemos: mejores resultados no siempre significan más aprendizaje
El informe OECD Digital Education Outlook 2026 aborda precisamente esta diferencia.
La OCDE señala que las herramientas de IA generativa de uso general pueden mejorar el desempeño de los estudiantes durante una tarea sin producir necesariamente avances equivalentes en su aprendizaje.
Un alumno puede obtener una respuesta correcta con ayuda de IA y, sin embargo, no haber desarrollado los conocimientos necesarios para llegar a ella por su cuenta.
Esto no significa que recibir ayuda sea perjudicial. La enseñanza siempre ha incluido explicaciones, ejemplos y acompañamiento.
La diferencia está en qué hace esa ayuda con el esfuerzo de aprender: ¿lo orienta o lo reemplaza?
Un experimento que muestra por qué importa el diseño
Una investigación de Hamsa Bastani y sus colaboradores, publicada en Proceedings of the National Academy of Sciences (PNAS) en 2025, estudió el uso de asistentes basados en GPT-4 con cerca de mil estudiantes de matemática de secundaria.
Los investigadores compararon tres condiciones: estudiantes que trabajaban sin el asistente, estudiantes con una versión de IA similar a un chatbot generalista y estudiantes con una versión que incorporaba orientaciones pedagógicas. Esta última estaba diseñada para ofrecer pistas en lugar de entregar directamente las respuestas. También utilizaba información preparada por docentes sobre las soluciones y los errores más frecuentes.
Durante las actividades de práctica, los dos grupos que utilizaron IA obtuvieron mejores resultados que el grupo sin asistencia, pero cuando llegó el momento de resolver ejercicios sin la herramienta, apareció una diferencia importante.
Los estudiantes que habían utilizado la versión más abierta del asistente obtuvieron resultados un 17% inferiores a los del grupo de control. En cambio, quienes habían utilizado la versión con orientaciones pedagógicas mostraron un rendimiento estadísticamente similar al de los estudiantes que habían trabajado sin IA.
Es un resultado que merece una lectura cuidadosa, porque el estudio no demuestra que toda IA generalista perjudique el aprendizaje, ni tampoco demuestra que cualquier herramienta con pistas y preguntas mejore los resultados educativos.
Lo que sí muestra, en ese contexto experimental, es que dos formas de diseñar la asistencia pueden producir efectos distintos, incluso cuando ambas ayudan a resolver mejor las actividades inmediatas, y que mejorar el rendimiento durante la práctica no garantiza un mejor desempeño posterior.
Consultar el estudio original: Generative AI without guardrails can harm learning (PNAS, 2025)
Lo que todavía no sabemos: los efectos a largo plazo
Una de las preocupaciones planteadas por Holmes es la posibilidad de que un uso excesivamente dependiente de la IA reduzca las oportunidades de practicar habilidades cognitivas.
La hipótesis es comprensible: si una herramienta resuelve sistemáticamente las partes más exigentes de una actividad, el alumno podría tener menos oportunidades de desarrollar esas capacidades. Pero todavía necesitamos más evidencia para establecer cuándo ocurre, con qué intensidad y si sus efectos se mantienen en el tiempo.
En 2025, un equipo encabezado por Nataliya Kosmyna publicó el estudio exploratorio Your Brain on ChatGPT, que analizó diferencias en la escritura de ensayos con y sin asistencia de inteligencia artificial. Los investigadores observaron diferencias en indicadores de actividad cerebral, comportamiento y relación de los participantes con sus propios textos.
La investigación abre preguntas relevantes, pero no las resuelve de manera definitiva. Esta cautela también debe aplicarse a otras promesas habituales de la IA educativa.
Que una plataforma adapte sus explicaciones no demuestra, por sí solo, que cada alumno aprenda mejor, que un docente prepare una actividad en menos tiempo no demuestra que su carga de trabajo total haya disminuido. Y que los estudiantes disfruten utilizando una herramienta no significa necesariamente que hayan adquirido más conocimientos.
Son dimensiones distintas. Si queremos evaluar aprendizaje, tenemos que medir aprendizaje.
Lo que empieza a mostrar resultados: IA con objetivos pedagógicos claros
Hasta acá podríamos llegar a una conclusión equivocada: que la evidencia invita a desconfiar de toda inteligencia artificial aplicada a la educación.
No es eso lo que muestran las investigaciones. La OCDE también identifica resultados prometedores cuando la IA se utiliza con objetivos pedagógicos explícitos y se integra a estrategias de enseñanza fundamentadas.
Por ejemplo, los sistemas de tutoría pueden ofrecer retroalimentación, formular preguntas, presentar pistas progresivas y adaptar sus intervenciones según las dificultades que encuentra un estudiante.
También existen investigaciones que muestran beneficios cuando la IA ayuda a tutores humanos a mejorar sus estrategias de acompañamiento.
La diferencia no está simplemente en que una herramienta se presente como «educativa». Está en cómo fue diseñada, qué papel cumple dentro de la actividad y qué evidencia respalda sus resultados.
Una IA que entrega inmediatamente la solución y otra que ayuda a descomponer un problema pueden ofrecer experiencias muy distintas. Pero incluso cuando una herramienta incorpora decisiones pedagógicas razonables, todavía queda una pregunta pendiente: ¿funcionan esas decisiones con los alumnos, docentes y contenidos para los que fue creada? La respuesta requiere evaluación.
La responsabilidad de quienes desarrollamos IA educativa
En Auroria partimos de una decisión de diseño: la inteligencia artificial debe acompañar el razonamiento del alumno, no limitarse a producir respuestas. Por eso incorporamos un enfoque socrático, basado en preguntas y pistas que buscan ayudar a los chicos a construir sus propias soluciones.
También contemplamos la adaptación al nivel educativo y herramientas de seguimiento para que los docentes puedan acompañar el proceso. Estas decisiones expresan qué tipo de experiencia de aprendizaje queremos promover.
Pero hay una diferencia que consideramos fundamental: estar diseñados para promover la autonomía no equivale a haber demostrado cuánto mejora esa autonomía.
Para sostener esa segunda afirmación necesitamos evaluar resultados de aprendizaje, observar qué sucede en distintos contextos y comparar desempeños con criterios claros. Creemos que esa distinción debería formar parte de la conversación de toda empresa que desarrolla tecnología para escuelas.
Porque la responsabilidad no termina en explicar qué funcionalidades ofrece una plataforma. También incluye ser transparentes sobre qué beneficios están comprobados y cuáles siguen siendo objetivos que necesitan validación.
Cinco preguntas para evaluar las promesas de una IA educativa
Una escuela no necesita esperar a que la investigación responda todas las preguntas para empezar a tomar mejores decisiones. Sí necesita distinguir qué está evaluando.
Antes de incorporar una herramienta, vale la pena preguntar:
1. ¿Qué beneficio concreto promete? «Mejorar el aprendizaje» es una afirmación demasiado amplia. ¿Se refiere a comprensión lectora, resolución de problemas, escritura, autonomía o rendimiento en una evaluación?
2. ¿Con qué evidencia respalda esa promesa? ¿La plataforma presenta estudios independientes, evaluaciones propias, experiencias de usuarios o solamente ejemplos de funcionamiento? Cada fuente permite llegar a conclusiones diferentes.
3. ¿Qué se midió realmente? Una tarea terminada, una respuesta correcta o una buena valoración de los alumnos no son lo mismo que una mejora de aprendizaje. Importa saber qué indicadores se utilizaron.
4. ¿Qué pueden hacer los alumnos sin la herramienta? Una forma de evaluar el aprendizaje es observar si pueden explicar sus respuestas, transferir lo aprendido a problemas nuevos y resolver actividades similares sin asistencia.
5. ¿Qué lugar tienen los docentes en la evaluación? Los docentes necesitan poder identificar avances, dificultades y posibles dependencias. Su criterio es indispensable para interpretar lo que sucede durante el proceso de aprendizaje.
Estas preguntas no sirven únicamente para evaluar una plataforma antes de contratarla. También pueden orientar pruebas piloto y decisiones de implementación dentro de cada escuela.
La pregunta que debería guiar la incorporación de IA
La inteligencia artificial ya está modificando la manera en que los alumnos estudian y producen trabajos. La discusión no puede limitarse a cuánto tiempo ahorra o qué tan impresionantes son sus respuestas. Tampoco alcanza con repetir que tiene un enorme potencial educativo.
La conferencia de Wayne Holmes en PAIDEIA y la investigación disponible nos invitan a exigir algo más: distinguir entre lo que una herramienta permite hacer y lo que efectivamente ayuda a aprender.
Eso implica reconocer beneficios comprobados, investigar resultados todavía inciertos y evaluar cada tecnología en función de objetivos pedagógicos concretos.
En Auroria creemos que diseñar una IA para la educación también implica asumir esa responsabilidad: explicar las decisiones que tomamos, reconocer lo que todavía falta demostrar y seguir construyendo evidencia. Porque la pregunta más importante para una escuela no es si sus alumnos pueden hacer más cosas con IA.
Es qué están aprendiendo gracias a ella.
¿Cómo aborda Auroria estos desafíos?
Si la evidencia nos muestra que resolver mejor una tarea no siempre significa aprender más, hay una pregunta que quienes desarrollamos IA educativa debemos hacernos: ¿cómo diseñamos herramientas que acompañen el proceso de aprendizaje en lugar de limitarse a entregar resultados?
En Auroria, esa pregunta forma parte de nuestras decisiones de diseño. Nuestra plataforma está pensada para el contexto escolar y utiliza un enfoque socrático: en lugar de ofrecer siempre una respuesta terminada, busca acompañar a los alumnos mediante preguntas, pistas y orientaciones que los ayuden a avanzar en su razonamiento.
También contempla la edad y el nivel educativo de los chicos, y ofrece herramientas para que los docentes puedan seguir sus interacciones y acompañar el trabajo en el aula.
Estas características responden a una intención pedagógica concreta: que la inteligencia artificial funcione como un apoyo para pensar, explorar y aprender, sin desplazar el papel del docente.
Elegir IA educativa también es elegir cómo queremos que aprendan nuestros alumnos
La inteligencia artificial puede ofrecer nuevas formas de acompañar la enseñanza. Pero su potencial no debería confundirse con resultados ya demostrados.
Para las escuelas, el desafío no es incorporar la herramienta que más promete, sino elegir con criterios pedagógicos claros, hacer buenas preguntas y evaluar qué sucede realmente con sus alumnos.
En Auroria trabajamos para que la IA acompañe el razonamiento y forme parte de una experiencia educativa guiada por docentes.
Si querés conocer cómo funciona ese enfoque en la práctica, podemos mostrártelo.
Agendá una demostración gratuita de Auroria
Preguntas frecuentes sobre IA educativa y aprendizaje
¿Está demostrado que la inteligencia artificial mejora el aprendizaje de los alumnos?
No de manera general. Existen investigaciones que muestran resultados positivos en determinados contextos y con ciertos diseños de herramientas. También hay estudios en los que la IA mejora el desempeño durante una actividad sin generar mejores resultados cuando los estudiantes trabajan solos. Por eso, la pregunta no debería ser si «la IA mejora el aprendizaje», sino qué herramienta, utilizada de qué manera, mejora qué aprendizaje y en qué condiciones.
¿Cuál es la diferencia entre rendimiento y aprendizaje?
El rendimiento describe cómo le va a un alumno en una actividad o evaluación concreta. El aprendizaje implica adquirir conocimientos y habilidades que pueda utilizar más adelante, incluso en situaciones nuevas. Una IA puede ayudar a producir una respuesta correcta sin que el alumno haya comprendido cómo llegar a ella. Para evaluar el aprendizaje, necesitamos observar también qué puede explicar, recordar y resolver por su cuenta.
¿Una IA que hace preguntas en lugar de dar respuestas es necesariamente mejor?
No necesariamente. Las preguntas y las pistas pueden ser recursos pedagógicos valiosos, pero su efectividad depende de cómo estén diseñadas, cuándo aparezcan y qué necesite cada alumno. El método socrático es una orientación de diseño. Para saber si una implementación concreta produce mejores aprendizajes, hace falta evaluarla.
¿Cómo puede una escuela comprobar si una herramienta de IA está ayudando a aprender?
Puede comenzar con objetivos de aprendizaje específicos y observar qué sucede antes, durante y después del uso de la herramienta. Por ejemplo, comparar la capacidad de los alumnos para resolver problemas similares sin asistencia, explicar sus procedimientos o aplicar conocimientos a situaciones nuevas. También es importante incorporar las observaciones docentes y distinguir entre mejoras en la experiencia de uso y mejoras en los aprendizajes.
¿Qué debería pedirle una escuela a una empresa de IA educativa?
Además de información sobre funcionalidades, privacidad y seguridad, debería solicitar claridad sobre las decisiones pedagógicas de la herramienta y la evidencia que respalda sus beneficios. Si todavía no existen estudios que demuestren determinados resultados, es importante que la empresa lo explicite. La transparencia sobre lo que sabemos y lo que todavía necesitamos investigar también es un criterio de calidad.
