La pregunta importante ya no es si la inteligencia artificial entrará en la educación. Ya entró. La pregunta es qué clase de relación construiremos con ella.
Podemos diseñar una tecnología que entregue respuestas cada vez más rápidas, o una que devuelva preguntas, pistas y perspectivas. La primera reduce la fricción. La segunda convierte esa fricción en aprendizaje. Ambas pueden parecer útiles durante una tarea, pero no producen el mismo efecto cuando la herramienta desaparece.
Esta distinción es el corazón de GRAVYA: la inteligencia responde; el criterio se forma.
Rendimiento no es lo mismo que aprendizaje
Un ensayo aleatorizado publicado en Proceedings of the National Academy of Sciences trabajó con cerca de mil estudiantes de secundaria en Turquía durante cuatro sesiones de matemáticas. Comparó tres condiciones: materiales habituales, una interfaz similar a ChatGPT y un tutor basado en GPT-4 con salvaguardas pedagógicas diseñadas junto a docentes.
Mientras la IA estaba disponible, los resultados parecían espectaculares. El grupo con la interfaz abierta mejoró su desempeño en los ejercicios asistidos un 48 % frente al control; el tutor con pistas y límites, un 127 %. Pero en el examen posterior, realizado sin IA, el grupo de acceso abierto obtuvo resultados un 17 % inferiores a quienes nunca habían usado la herramienta. En el grupo con tutor guiado, ese perjuicio desapareció, aunque tampoco apareció una mejora significativa en el examen independiente.
La lección no es que la IA perjudique inevitablemente el aprendizaje. Es más precisa: una ayuda que maximiza el resultado inmediato puede debilitar la adquisición de la capacidad que ese resultado debería representar. El diseño importa. Dar la solución y acompañar el razonamiento no son equivalentes.
El propio estudio encontró una pista del mecanismo: los estudiantes tendían a usar la versión abierta como muleta —pidiendo y copiando soluciones—, mientras que con el tutor protegido pedían ayuda y ensayaban respuestas propias. Además, no parecían percibir la pérdida de aprendizaje. La facilidad produce una ilusión peligrosa: confundir fluidez con dominio.
La evidencia positiva también tiene una condición humana
Otros experimentos muestran que la IA sí puede ampliar el aprendizaje cuando ocupa un lugar de apoyo.
En Nigeria, un ensayo aleatorizado del Banco Mundial evaluó un programa extraescolar de seis semanas que combinó tutoría generativa con orientación docente. El efecto global fue de 0,31 desviaciones estándar, una magnitud que los autores comparan con aproximadamente entre 1,5 y 2 años de aprendizaje típico. No fue una conversación solitaria entre un estudiante y una máquina: hubo sesiones estructuradas, docentes presentes y objetivos pedagógicos definidos.
Tutor CoPilot ofrece otra señal. En un ensayo con tutores humanos y estudiantes de comunidades históricamente desatendidas, quienes trabajaron con tutores asistidos por IA tuvieron cuatro puntos porcentuales más de probabilidad de dominar los temas de matemáticas; entre los tutores inicialmente peor valorados, la diferencia fue de nueve puntos. El sistema no reemplazaba al tutor: le sugería preguntas orientadoras, ejemplos y estrategias. El mayor valor apareció precisamente donde la IA ayudó a una persona a ejercer mejor su oficio.
Estos resultados no autorizan promesas universales. Los contextos, edades, materias y duraciones son distintos. Sí permiten formular una hipótesis de diseño sólida: la IA educativa funciona mejor cuando aumenta la capacidad del acompañante humano y protege la actividad cognitiva del aprendiz.
Cinco límites que convierten una respuesta en aprendizaje
Una IA alineada con GRAVYA debería:
- Preguntar antes de resolver. Comprobar qué entiende el estudiante y dónde se interrumpe su razonamiento.
- Ofrecer pistas graduadas. Dar la ayuda mínima necesaria para que la siguiente operación siga siendo humana.
- Exigir recuperación. Después de una explicación, retirar la ayuda y pedir que la idea sea reconstruida con palabras propias.
- Mostrar incertidumbre y fuentes. Separar lo comprobado, lo inferido y lo que necesita verificación.
- Devolver la decisión. La herramienta propone; la persona contrasta, elige y asume las consecuencias.
La UNESCO ha pedido una aproximación humana, segura, equitativa y significativa a la IA generativa en educación. Esa orientación no se resuelve con una declaración ética al principio de un proyecto. Tiene que aparecer en la interfaz, en el ritmo de la conversación, en lo que la herramienta se niega a hacer y en el modo en que devuelve agencia al aprendiz.
La posición de GRAVYA
GRAVYA no propone renunciar a la inteligencia artificial. Propone habitarla con criterio.
La IA puede ampliar el campo de preguntas, ofrecer contraste, adaptar una explicación o ayudar a un docente a observar patrones. Pero no debe apropiarse del momento en que una persona formula una duda, soporta la incertidumbre, ensaya una respuesta y decide qué piensa.
Ese momento no es una demora que debamos automatizar. Es el lugar donde ocurre el aprendizaje.
Pregunta para la comunidad: ¿Tu herramienta de IA te ayuda a comprender mejor o simplemente te permite terminar antes?
Referencias
- Bastani, H. et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS.
- De Simone, M. E. et al. (2025). From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria. World Bank Policy Research Working Paper 11125.
- Wang, R. E. et al. (2025). Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise. Stanford SCALE Initiative.
- UNESCO (2023, actualización 2026). Guidance for generative AI in education and research.