Una IA que se niega a dar respuestas
Una universidad estadounidense está poniendo a prueba un asistente de inteligencia artificial con una particularidad sorprendente: en lugar de resolver dudas, lanza preguntas. Los resultados han dejado perplejos tanto a profesores como a alumnos.
Mientras la mayoría de las herramientas digitales prácticamente entregan los deberes resueltos, este sistema funciona al revés. Se niega en rotundo a ofrecer soluciones y obliga a los estudiantes a construir su propio razonamiento paso a paso. La filosofía que lo inspira tiene siglos de antigüedad, aunque ahora viene envuelta en tecnología de última generación.
Cuando el chatbot responde con más preguntas
En la educación superior estadounidense, casi nueve de cada diez estudiantes recurren a chatbots para resolver sus tareas, con frecuencia para evitar el esfuerzo de pensar. Obtienen respuestas rápidas, sí, pero comprenden muy poco.
El sistema llamado Macro Buddy intenta romper ese ciclo. Donde un chatbot convencional mostraría una fórmula resuelta, este tutor responde únicamente con nuevas preguntas. Si un alumno pregunta cómo calcular el crecimiento del producto interior bruto, en pantalla no aparece ninguna ecuación, sino interrogantes como estos:
- ¿Qué datos necesitas para medir el crecimiento económico?
- ¿Qué información te aporta un número índice sobre la evolución en el tiempo?
- ¿Cuál es la variable principal en este caso?
Macro Buddy se comporta menos como una calculadora y más como un profesor exigente que no cede hasta que el alumno llega a la conclusión por sí mismo. La idea de fondo es clara: el aprendizaje real ocurre cuando uno establece conexiones entre conceptos, no cuando copia una solución ya elaborada.
Una filosofía antigua con tecnología moderna
Los creadores de Macro Buddy, economistas de la Universidad de Wisconsin-La Crosse, se inspiraron en el llamado método socrático. Esta tradición filosófica se basa en el diálogo progresivo mediante preguntas cada vez más precisas, a través del cual una persona alcanza la comprensión de forma gradual. El sistema digital replica ese principio dentro de un modelo de lenguaje.
Los investigadores alimentaron la inteligencia artificial con transcripciones completas de sus clases de macroeconomía. El programa no tiene acceso a internet, no puede consultar ninguna enciclopedia ni fuente externa, y solo conoce los conceptos trabajados en la asignatura. Esto hace que cada respuesta esté estrechamente vinculada al material oficial del curso.
Cuando un estudiante comete un error conceptual, el tutor no lo "rescata" con la respuesta correcta. En cambio, reformula sus preguntas. Si alguien confunde el PIB real con el PIB nominal, recibe preguntas sobre el índice de precios, el poder adquisitivo y la inflación, sin que la fórmula exacta aparezca en ningún momento.
Cada error se convierte en una serie de contrapreguntas, de modo que los estudiantes deben encontrar por sí mismos el eslabón que falta en su razonamiento.
Experimento con 140 estudiantes: pensar activamente marca la diferencia
Para comprobar si este enfoque funciona realmente, los investigadores dividieron en la primavera de 2025 a un grupo de 140 estudiantes de macroeconomía en cuatro entornos de aprendizaje distintos:
- Individual con tutor de IA: los alumnos trabajaban solos con Macro Buddy.
- Grupos de trabajo tradicionales: los estudiantes debatían las tareas en grupo, sin IA.
- Grupo combinado: primero trabajaban con el tutor de IA y después discutían los contenidos en pequeños grupos.
- Grupo de control: clases habituales sin ningún apoyo adicional.
Los resultados, publicados en un documento de trabajo en SSRN, muestran diferencias muy claras. El grupo combinado fue el gran ganador. Los estudiantes que primero se enfrentaron a las preguntas de la IA y luego contrastaron sus ideas con compañeros sacaron de media 12 puntos más en un examen importante que el grupo de control.
Lo más llamativo fue lo que ocurrió cuando los alumnos utilizaban la tecnología de forma pasiva. En los grupos donde la IA funcionaba principalmente como máquina de respuestas, los resultados cayeron una media de 8 puntos en cuanto la herramienta dejó de estar disponible. Sin ese apoyo digital, muchos estudiantes demostraron no haber comprendido realmente los conceptos de fondo.
El tutor funciona como una muleta cognitiva: quien se apoya en ella se debilita; quien la usa para entrenarse, se fortalece.
Cómo la IA convierte un error en una oportunidad de aprendizaje
El núcleo del sistema es un ciclo continuo de preguntas y respuestas. Si un estudiante ofrece una explicación incorrecta sobre la inflación, no aparece ninguna cruz roja ni la respuesta correcta. En su lugar, llegan preguntas de seguimiento, por ejemplo sobre:
- la cantidad de dinero que circula en la economía;
- la velocidad con la que ese dinero cambia de manos;
- la relación entre la masa monetaria y el nivel general de precios.
A través de esa cadena de preguntas, el estudiante se ve obligado a reconstruir su propio proceso de pensamiento. La IA registra qué conceptos fallan con más frecuencia y ajusta el recorrido de preguntas en consecuencia. La conversación resulta así menos parecida a un cuestionario estático y más a un interrogatorio personalizado.
Investigaciones previas en el ámbito educativo, incluyendo trabajos de Harvard, ya habían demostrado que este tipo de diálogo guiado mediante preguntas es más eficaz a largo plazo que la explicación directa. El conocimiento se asienta mejor cuando la persona busca activamente la respuesta en lugar de recibirla de forma pasiva.
IA y trabajo en grupo: la máquina y el ser humano se refuerzan mutuamente
Uno de los hallazgos más destacados del estudio es precisamente la combinación de interacción digital y humana. En el grupo con mejores resultados, los estudiantes usaban Macro Buddy únicamente en una primera fase individual. Después ponían en común su razonamiento con sus compañeros.
En esas sesiones grupales, la IA actuó como un verdadero detonador de debate. Los alumnos llegaban con diferentes caminos de resolución, todos construidos a partir de las preguntas que habían respondido previamente. Eso generaba discusiones sobre definiciones, pasos intermedios e intuición económica, en lugar de debates sobre qué respuesta era correcta o incorrecta.
Según expertos en educación, precisamente esa combinación de un tutor de IA exigente con una puesta en común social podría convertirse en un nuevo modelo para la enseñanza universitaria con inteligencia artificial. No como sustituto del docente, sino como una capa adicional que entrena a los estudiantes para razonar con mayor rigor.
Qué implicaciones tiene esto para las universidades hispanohablantes
Este enfoque conecta directamente con debates que también se viven en universidades de España y Latinoamérica: ¿cómo integrar la IA sin que los estudiantes dejen de pensar por sí mismos? Algunas aplicaciones posibles serían:
- Tutores de IA que solo trabajen con los conceptos de una asignatura específica, al igual que Macro Buddy.
- Una fase obligatoria de reflexión individual con preguntas de la IA, seguida de un seminario en grupos reducidos.
- Docentes que diseñen sus propias secuencias de preguntas en torno a los errores más habituales, para que la IA pueda profundizar de forma precisa.
De este modo, los profesores podrían dedicar más tiempo a los contenidos más complejos, mientras la IA se ocupa de las preguntas rutinarias y los conceptos básicos. Al mismo tiempo, esto exige reglas claras: los estudiantes deben entender que el sistema no es un generador de respuestas, sino una herramienta de entrenamiento para su propio pensamiento.
Riesgos y condiciones necesarias para que estos tutores funcionen
Esta forma de trabajar también plantea nuevas preguntas. Los alumnos pueden frustrarse si nunca reciben una respuesta directa, especialmente en vísperas de un examen. Las instituciones educativas deben explicar con claridad por qué el sistema está diseñado así y dónde pueden encontrar los estudiantes soluciones concretas, como exámenes de práctica o ejercicios resueltos.
Otro aspecto importante es la transparencia: un tutor de IA entrenado con los apuntes de clase del propio docente puede heredar sus errores. Las universidades tendrán que verificar que el sistema de preguntas y respuestas sea correcto y esté actualizado, especialmente cuando cambie el temario o las definiciones económicas evolucionen.
Para los estudiantes, un tutor tan exigente y persistente puede ser un entrenamiento de enorme valor. Quien aprende a construir primero su propio razonamiento y solo después lo contrasta con otros desarrolla habilidades que van mucho más allá de una asignatura de macroeconomía: pensamiento crítico, razonamiento estructurado y la capacidad de revisar y cuestionar las propias conclusiones.
