IA en la educación: de atajo rápido a instrumento de razonamiento
Investigadores de una universidad estadounidense han desarrollado un tutor digital que funciona de manera completamente distinta a los chatbots convencionales. En lugar de resolver directamente las preguntas de los estudiantes, el sistema responde con preguntas dirigidas y progresivas. Este enfoque, inspirado en la filosofía socrática, busca que los estudiantes vuelvan a razonar de verdad, en lugar de limitarse a copiar respuestas generadas por una máquina.
El problema: nueve de cada diez estudiantes usan IA para hacer sus tareas
En la educación superior, el uso de chatbots ha crecido a una velocidad vertiginosa. En Estados Unidos, se estima que casi nueve de cada diez estudiantes recurren a la inteligencia artificial para completar sus trabajos. El proceso suele ser siempre el mismo: pegar la pregunta, copiar la respuesta y entregar. Práctico, sí, pero el pensamiento crítico desaparece por completo.
El nuevo tutor de IA, llamado Macro Buddy, ha sido diseñado precisamente para romper ese patrón. El sistema nunca ofrece directamente el resultado de un cálculo ni una definición acabada. Si alguien pregunta cómo se calcula el crecimiento del producto interior bruto, no recibe ninguna fórmula, sino preguntas como: "¿Qué datos necesitas para determinar el crecimiento entre dos años?" o "¿Qué nos dice el nivel de precios en este ejemplo?"
El principio fundamental es claro: la IA no puede pensar en lugar del estudiante, sino ayudarle a pensar por sí mismo.
Este tutor digital opera actualmente en clases de macroeconomía de la Universidad de Wisconsin-La Crosse. El sistema ha sido alimentado con transcripciones completas de las clases y el material oficial del curso. No tiene acceso a internet, por lo que no puede recuperar explicaciones aleatorias de la red. Solo aparecen en la conversación los conceptos y ejemplos que los estudiantes ya han encontrado en la asignatura.
Un método filosófico de más de 2.400 años en formato digital
El diseño del sistema se apoya firmemente en el método socrático, una forma de enseñanza con más de 2.400 años de antigüedad. En lugar de impartir conocimiento directamente, el maestro formula preguntas que empujan al alumno hacia la comprensión. El tutor de IA hace exactamente lo mismo, pero en formato digital.
Cuando un estudiante comete un error, la IA no lo corrige de forma directa, sino que replantea la situación. Si alguien confunde el PIB real con el PIB nominal, no recibe la fórmula correcta, sino preguntas sobre índices de precios, inflación y poder adquisitivo. Es el propio estudiante quien debe establecer las conexiones.
- La IA nunca ofrece una respuesta final ni una solución completamente desarrollada.
- Los errores son detectados y transformados en nuevas preguntas.
- Toda la explicación se mantiene dentro del contenido de la asignatura.
- El ritmo y el nivel se adaptan a cada estudiante individualmente.
Los creadores quieren que los estudiantes establezcan conexiones activas: ¿qué concepto está relacionado con qué mecanismo?, ¿qué paso le falta aún a mi razonamiento? Esto exige más esfuerzo que leer una solución ya resuelta, pero genera una comprensión mucho más sólida y duradera.
Experimento con 140 estudiantes: los más activos suben 12 puntos
Para medir el impacto de este enfoque, los investigadores realizaron en la primavera de 2025 un experimento con 140 estudiantes de macroeconomía. Fueron divididos en cuatro grupos, cada uno con una forma de trabajo diferente:
| Grupo | Método de trabajo |
|---|---|
| 1 | Trabajo exclusivamente con el tutor de IA |
| 2 | Tareas grupales tradicionales, sin IA |
| 3 | Primero con el tutor de IA, después debate en grupo |
| 4 | Grupo de control, sin apoyo adicional |
Los resultados, compartidos en un documento de trabajo en SSRN, muestran diferencias notables. Los estudiantes del grupo mixto —primero trabajo individual con IA, luego debate conjunto— obtuvieron las calificaciones más altas en el tercer examen. De media, sacaron 12 puntos más que el grupo de control.
El efecto más poderoso surgió cuando la IA no reemplazaba la discusión grupal, sino que afilaba el pensamiento individual justo antes de ese debate.
En el extremo opuesto, los estudiantes que intentaron apoyarse pasivamente en la tecnología obtuvieron peores resultados. En situaciones donde la IA sí proporcionaba respuestas directas —fuera de este experimento— y luego dejaba de hacerlo, sus puntuaciones cayeron una media de 8 puntos. Cuando el apoyo digital desapareció, la comprensión de los contenidos resultó ser frágil y superficial.
Cada error se convierte en el punto de partida de un nuevo paso de razonamiento
La verdadera fortaleza del tutor de IA reside en cómo gestiona los errores. Una respuesta incorrecta o un razonamiento defectuoso no es cortado de raíz, sino que se convierte en el punto de partida de una nueva serie de preguntas.
Si un estudiante afirma, por ejemplo, que la inflación surge únicamente por un mayor volumen de dinero en circulación, recibirá preguntas de seguimiento sobre la velocidad de circulación del dinero, los niveles de precios y la demanda de bienes. A través de esa cadena de preguntas, el estudiante empieza a dudar por sí solo de su explicación inicial, demasiado simplista.
Los investigadores hacen referencia a trabajos anteriores realizados en Harvard, publicados en 2025 en la revista Scientific Reports. Ese estudio ya demostraba que hacer preguntas guiadas resulta más eficaz para la construcción de conocimiento a largo plazo que simplemente suministrar información. El nuevo tutor aplica este principio en un campo concreto, con estudiantes reales y exámenes como punto de medición.
La IA y el trabajo en grupo se refuerzan mutuamente
La combinación de interacción individual con la IA seguida de trabajo en pequeños grupos resulta sorprendentemente potente. Los estudiantes llegan al grupo con un razonamiento ya afinado por las preguntas del tutor. Durante la discusión, esos razonamientos chocan entre sí, lo que hace visibles las lagunas e inconsistencias.
Así surgen conversaciones como: "A mí la IA me preguntaba siempre sobre índices de precios, ¿y a ti?" o "Yo tuve que relacionarlo todo con la velocidad de circulación del dinero." Esas comparaciones ayudan a los estudiantes a consolidar mejor los conceptos clave.
Según los análisis educativos, este tipo de combinación entre persona y máquina ofrece una vía para integrar la IA en el plan de estudios sin socavar el desarrollo de habilidades analíticas. El tutor no sustituye nada; simplemente activa el diálogo dentro de la mente del estudiante y entre los propios estudiantes.
Lo que las universidades españolas pueden aprender de este modelo
Para las universidades y escuelas superiores de España, la situación resulta muy familiar: los docentes lidian con trabajos generados por IA y con estudiantes que usan ChatGPT como primer y último recurso. La experiencia estadounidense demuestra que existe otra forma de hacer las cosas.
En lugar de prohibir la IA o dejarla completamente libre, las instituciones educativas pueden implementar herramientas con limitaciones integradas:
- Sin respuestas directas, solo preguntas y pistas orientadoras.
- Acceso restringido al material del propio curso.
- Detección de errores que conduce a la reformulación, no a la respuesta correcta.
- Vinculación con debates obligatorios posteriores en grupos de trabajo.
Los docentes también pueden desarrollar dinámicas en las que los estudiantes practiquen primero con el tutor y luego reflexionen en clase: ¿qué preguntas te ayudaron a avanzar?, ¿dónde te bloqueaste?, ¿en qué momento empezaste a responder en piloto automático?
Riesgos y oportunidades de este enfoque
Aun así, existen aspectos a vigilar. Si los estudiantes descubren qué tipo de respuesta "espera" la IA, pueden empezar a adivinar el patrón correcto en lugar de razonar de verdad. En ese caso, la calidad de las preguntas que formula el tutor se vuelve absolutamente decisiva.
Este modelo también exige una colaboración precisa entre expertos en contenidos y especialistas en IA. Solo si los materiales del curso están bien integrados en el sistema, el tutor podrá formular preguntas coherentes que se ajusten al nivel y a los objetivos de aprendizaje de la asignatura.
Al mismo tiempo, este enfoque abre perspectivas muy interesantes. Un tutor de IA disponible las 24 horas del día, capaz de plantear preguntas pacientes y desafiantes, puede aliviar la presión sobre las clases prácticas y dar a los estudiantes más espacio para practicar a su propio ritmo. En asignaturas de primer año con grupos numerosos, donde la atención personalizada suele escasear, un tutor digital puede cubrir parte del diálogo que de otro modo nunca llegaría a producirse.
Para los propios estudiantes, el mensaje es claro: quien utiliza este tipo de herramientas de IA como un espejo de pensamiento —y no como una máquina expendedora de respuestas— está entrenando exactamente las habilidades que marcarán la diferencia en el mercado laboral. No ganará quien más información sea capaz de encontrar, sino quien sepa formular las mejores preguntas. Y eso vale tanto para las personas como para las máquinas.
