Adoptar inteligencia artificial en entornos educativos sin un marco pedagógico claro está generando efectos contrarios a los esperados: los estudiantes aprenden menos, razonan menos y dependen más de la tecnología para tareas que deberían fortalecer su capacidad analítica.

Esa es la conclusión que emerge de una serie de investigaciones recientes que cuestionan la narrativa de que la IA es un acelerador universal del aprendizaje.

El problema no es la tecnología, sino cómo se usa

Los datos de la evaluación PISA más reciente revelan que los alumnos que utilizan IA de forma habitual obtienen calificaciones hasta 20 puntos por debajo en ciencias respecto a quienes no la usan —una brecha equivalente a casi un año escolar completo. Sin embargo, existe un matiz relevante: los estudiantes que reciben formación explícita en alfabetización sobre IA logran posicionarse ligeramente por encima del promedio general, lo que sugiere que el problema no es la herramienta en sí, sino la ausencia de instrucción sobre cómo usarla.

Un experimento con estudiantes de matemáticas refuerza esta lectura. Aunque el uso de modelos como GPT-4 mejoró las calificaciones a corto plazo, el aprendizaje real se deterioró. Cuando se retiró el acceso a la IA en una evaluación posterior, el grupo que había dependido de ella obtuvo un rendimiento 17% inferior al de quienes trabajaron sin asistencia. La ganancia era ilusoria: los alumnos habían externalizado el razonamiento, no lo habían desarrollado.

Pereza metacognitiva: el riesgo estructural

Los investigadores han acuñado el término "pereza metacognitiva" para describir la tendencia a buscar respuestas inmediatas sin esfuerzo cognitivo significativo. Este patrón, cuando se vuelve habitual, erosiona precisamente las habilidades que más valoran los entornos de trabajo complejos: pensamiento crítico, síntesis, resolución de problemas bajo incertidumbre.

Frente a este riesgo, la propuesta que gana tracción en círculos académicos es el modelo de "tutor de IA": en lugar de entregar respuestas, el sistema formula preguntas que guían al estudiante hacia la deducción propia. Es una diferencia de diseño con implicaciones profundas para cualquier organización que esté evaluando cómo integrar IA en procesos de formación interna.

Impacto psicosocial: más allá del rendimiento

Un estudio del MIT añade otra dimensión al debate. El uso continuo de herramientas de IA conversacional se asocia con mayores niveles de soledad, dependencia emocional y aislamiento social entre los jóvenes. La Asociación Americana de Psicología ha advertido sobre la dificultad creciente que enfrentan para distinguir entre la empatía simulada por un software y la interacción humana genuina.

Este hallazgo tiene implicaciones que trascienden el aula. Las organizaciones que incorporan IA en procesos de onboarding, mentoría o desarrollo de talento deben considerar si están construyendo capacidades reales o generando dependencias que fragilicen a sus equipos a mediano plazo.

La variable que define el resultado

El diagnóstico consolidado de la evidencia disponible no apunta a eliminar la IA de los entornos de aprendizaje, sino a rediseñar su rol. Cuando actúa como andamiaje —guiando, cuestionando, estructurando el pensamiento— potencia el desarrollo cognitivo. Cuando actúa como solucionario automático, lo sustituye.

Esa distinción, aparentemente simple, es la que separa una estrategia de adopción tecnológica que genera valor de una que lo destruye silenciosamente.