Controversia
¿Estudiar con IA es aprender menos?
Si un estudiante hace sus tareas con IA generativa, ¿aprende más, aprende menos — o depende de cómo la usa?
Hay posiciones serias en varios sentidos; ninguna se impone como acuerdo.
Actualizado el 21 de agosto de 2026
La adopción llegó antes que la evidencia: encuestas citadas por The Economist ponen el uso de IA generativa entre universitarios de países ricos sobre el 80%, y sobre el 90% en Reino Unido y Alemania. Durante dos años el debate se alimentó de anécdotas —ensayos idénticos, profesores desconfiando— hasta que en 2026 aparecieron los primeros resultados grandes. Y apuntan, a primera vista, en direcciones opuestas.
El resultado incómodo viene de China: en un panel de 30 meses con 26.811 estudiantes de secundaria, quienes usaban IA subieron sus notas de tareas y bajaron el tiempo dedicado — y rindieron 20% peor que sus compañeros en los exámenes. La nota de tarea, que antes predecía el examen, dejó de hacerlo. Pero el detalle importa más que el titular: la pérdida se concentra en el patrón de externalización (tarea rápida con nota alta), mientras quienes usan IA sin ahorrar tiempo casi no pierden.
El resultado opuesto viene de un experimento aleatorizado con universitarios: el acceso a un chatbot para estudiar un tema nuevo subió los puntajes y la ganancia persistió una semana después, ya sin chatbot — con mejoras mayores en quienes lo usaron para pedir explicaciones de conceptos que en quienes le pidieron texto hecho.
Leídos juntos, los dos estudios no se contradicen: describen la misma herramienta usada de dos maneras — como sustituto del esfuerzo o como tutor. Eso corre la pregunta institucional: ya no '¿prohibir o permitir?' sino qué usos, a qué edad y con qué acompañamiento. Para un sistema escolar que discute la IA en el aula sin medición propia, como el chileno, el matiz es la diferencia entre legislar contra la herramienta y legislar contra el mal uso.
Posiciones
Usada para externalizar la tarea, la IA infla las notas y vacía el aprendizaje
En un panel de 30 meses con 26.811 estudiantes chinos de secundaria y nueve asignaturas, la adopción de IA subió las notas de tarea (+18%) y redujo el tiempo dedicado (−30%) — y bajó 20% el rendimiento en los exámenes mensuales dentro de seis meses. La nota de tarea invirtió su valor predictivo: quienes más brillan en la tarea tienden ahora a rendir peor en el examen. El castigo se concentra en el patrón consistente con externalización (tarea excepcionalmente rápida con nota alta), que describe a la mayoría de los usuarios; quienes mantienen el tiempo de trabajo casi no pierden.
Contraargumento
Es un estudio observacional en un sistema escolar específico y de alta presión: la adopción no fue aleatoria, y lo que identifica es el costo de un patrón de uso — no una propiedad inevitable de la herramienta. El propio estudio muestra el matiz: el daño desaparece casi por completo cuando el estudiante no usa la IA para ahorrar tiempo.
Evidencia
Strömberg, Lei y Wu, 'The Generative AI Learning Penalty: Evidence from Chinese Secondary Education' (working paper, 2026): panel de 30 meses, exámenes cerrados mensuales y de admisión, tareas y tiempos en nueve asignaturas.
Representante: David Strömberg (U. de Estocolmo), Victor Lei y Yanhui Wu (U. de Hong Kong)
The Generative AI Learning Penalty: Evidence from Chinese Secondary EducationCon la IA de tutor se aprende más — y lo aprendido queda
En un experimento aleatorizado con estudiantes universitarios que aprendían un tema nuevo, el acceso a un chatbot subió los puntajes inmediatos en 0,27 desviaciones estándar — y la ganancia persistió una semana después, cuando ya no había chatbot. La mejora diferida fue mayor entre quienes usaron la IA para pedir explicaciones de conceptos que entre quienes le pidieron texto hecho. La herramienta puede enseñar, no sólo resolver; lo que importa es el modo de uso.
Contraargumento
Población de élite y tarea acotada: una semana no es un semestre, y el diseño no captura el riesgo que el panel chino sí ve — el hábito sustitutivo acumulado a lo largo de años de escolaridad. Que la IA pueda enseñar no garantiza que, sin diseño pedagógico, se use para eso.
Evidencia
Contractor y Reyes, 'Experimental Evidence on the Learning Impact of Generative AI' (IZA Discussion Paper 18792, julio de 2026): asignación aleatoria, medición inmediata y a una semana.
Representante: Zara Contractor y Germán Reyes (Middlebury College)
Experimental Evidence on the Learning Impact of Generative AINi prohibir ni dejar hacer: uso guiado, centrado en lo humano
La primera orientación global para IA generativa en educación propone gobernar el uso en vez de vetarlo: enfoque centrado en lo humano, validación ética de las herramientas, protección de datos, límites de edad para el uso autónomo y formación docente. El problema no es que los estudiantes usen IA: es que la usen sin diseño pedagógico — y la respuesta institucional es construir ese diseño, no confiscar la herramienta que ya está en todos los bolsillos.
Contraargumento
La guía corre detrás de la adopción: cuando la mayoría ya usa la herramienta por su cuenta, el 'uso guiado' exige capacidades docentes y de fiscalización que muchos sistemas escolares no tienen — y mientras se construyen, el patrón sustitutivo se instala solo.
Evidencia
UNESCO, 'Guidance for generative AI in education and research' (2023): primera guía global sobre IA generativa en educación, con validación ética, límites de edad y desarrollo de capacidades docentes.
Representante: UNESCO
Guidance for generative AI in education and research
Preguntas no resueltas
- ¿El daño del uso sustitutivo es reversible si el estudiante cambia el hábito, o deja un déficit acumulado?
- ¿Conviene mover la evaluación hacia formatos donde la IA no pueda sustituir el razonamiento (presencial, oral), o incorporar la IA como herramienta evaluada?
- ¿A qué edad y con qué acompañamiento conviene el primer contacto con estas herramientas en el aula?
Relacionado
Fuentes esenciales
- The Generative AI Learning Penalty: Evidence from Chinese Secondary Education
David Strömberg, Victor Lei y Yanhui Wu · 2026
- Experimental Evidence on the Learning Impact of Generative AI
Zara Contractor y Germán Reyes · 2026
- Guidance for generative AI in education and research
UNESCO · 2023
- Does AI stop children from learning?
The Economist · 2026