Educación y transmisión del saber

15.1El tutor universal: promesa y realidad

Bajo el capó

¿Cómo se fabrica un tutor de IA? Se parte de un gran modelo generalista al que se orienta mediante una instrucción de sistema (capítulo 4) que impone una postura socrática: no dar la respuesta, sino guiar mediante preguntas, verificar la comprensión paso a paso, animar. A ello se suma a menudo la base de conocimientos del programa, suministrada al modelo en el momento de responder (la generación aumentada por recuperación, RAG, capítulo 6) con el fin de limitar las alucinaciones y ceñirse al currículo; algunos sistemas miden de forma continua las respuestas del alumno para ajustar la dificultad, herederos de los antiguos «sistemas tutoriales inteligentes». Productos como Khanmigo (Khan Academy) o los modos de «aprendizaje» de los grandes asistentes ilustran este enfoque. Pero ninguna instrucción neutraliza por completo el riesgo de error del modelo subyacente: sigue siendo necesaria una supervisión humana.

Bajo el capó

Cómo se adapta un tutor (repetición espaciada y seguimiento de conocimientos)

Personalizar el aprendizaje no se reduce a un modelo de lenguaje locuaz; se apoya en técnicas pedagógicas contrastadas que la IA automatiza y afina. La repetición espaciada explota una ley bien documentada de la memoria: se retiene de forma duradera al repasar una noción a intervalos crecientes, justo antes de olvidarla. Así, ciertos programas calculan, para cada alumno y cada noción, el mejor momento del próximo repaso. El seguimiento de conocimientos (knowledge tracing) va más lejos: a partir de las respuestas del alumno, el sistema mantiene un modelo de lo que domina o no, noción por noción, y estima la probabilidad de que acierte la siguiente pregunta. Es ese modelo el que permite proponer el ejercicio adecuado al nivel justo, ni demasiado fácil ni desmoralizador (la «zona de desarrollo próximo» de los pedagogos). La aportación de la IA generativa consiste en injertar, sobre ese armazón, una explicación en lenguaje natural adaptada a cada bloqueo. La promesa del tutor personalizado (sección 15.1) descansa, por tanto, tanto en esta mecánica de modelización del alumno como en la conversación.

15.2La crisis de la evaluación

15.3Transformar la escuela y la universidad

En pocas palabras

Más allá del alumno, la IA afecta a todo el sistema educativo.

El docente aumentado: preparar clases, generar ejercicios diferenciados, corregir exámenes, gestionar lo administrativo. La IA puede devolver tiempo a la relación pedagógica, siempre que siga siendo una herramienta al servicio del docente.
El contenido enseñado: si la IA sabe programar, traducir y redactar, la escuela debe desplazar el acento hacia lo que sigue siendo propiamente humano y lo que la IA no domina: el espíritu crítico, la creatividad, la colaboración, la verificación de las fuentes y, precisamente, la competencia para trabajar con la IA (capítulo 17). Esta alfabetización en IA (comprender qué es un modelo, sus límites y sus sesgos, saber verificar sus salidas) se convierte en una materia por derecho propio.
La formación a lo largo de toda la vida: en un mercado laboral trastornado (capítulo 17), aprender a aprender y reconvertirse se convierten en competencias centrales, que la IA puede precisamente ayudar a adquirir.

15.4Riesgos: dependencia, brecha y desaprendizaje

Esquema 15.1. La doble cara de la IA educativa. La misma herramienta puede reforzar el aprendizaje o sustituirlo. Todo depende del uso: pensar con la IA, o hacer que piense en nuestro lugar.

El desaprendizaje («deskilling»): si se delega sistemáticamente el esfuerzo cognitivo (escribir, calcular, razonar) a la máquina, las competencias subyacentes corren el riesgo de atrofiarse. Ahora bien, el esfuerzo, la dificultad e incluso el error son ingredientes del aprendizaje profundo. Este riesgo afecta también a los adultos (capítulo 19).
La brecha digital: el acceso desigual a las mejores herramientas (de pago) corre el riesgo de ahondar las diferencias entre alumnos y entre países, en lugar de reducirlas. La promesa de democratización puede volverse una acentuación de las desigualdades.
La privacidad de los menores: confiar la educación a herramientas que recopilan datos sobre niños plantea cuestiones de protección especialmente sensibles (capítulo 21).

En contexto

¿hay que seguir cursando estudios largos?

La IA reaviva un intenso debate sobre el valor de los títulos. En un polo provocador, el ensayo No estudies más (Laurent Alexandre y Olivier Babeau, 2025, capítulo 7) sostiene que, al volverse la inteligencia «gratuita e infinitamente disponible», los estudios largos clásicos se volverían «contraproducentes»: habría que acumular menos saberes que la IA proporciona a demanda, y aprender más a aprender, de forma continua. En el otro polo, numerosos educadores recuerdan que los argumentos contrarios siguen siendo poderosos: hacen falta sólidos conocimientos de base para utilizar bien la IA y juzgar sus respuestas (sin los cuales no se detectan sus errores); el título conserva una función de señal y de ascensor social; y la escuela transmite mucho más que saberes (espíritu crítico, método, socialización, autonomía). El riesgo, subrayado por ambos lados, es que un eslogan «no estudies más» mal entendido acentúe las desigualdades, al apartar de los estudios a los alumnos más frágiles mientras que los mejor dotados continúan formándose. La posición razonable no consiste, sin duda, en formarse menos, sino en formarse de otra manera, al desplazar la IA el centro de gravedad de los conocimientos memorizados hacia las competencias de juicio, creación y aprendizaje permanente (capítulo 17).

Para recordar (capítulo 15)

La IA promete el tutor universal personalizado, pero un buen tutor humano motiva y crea un vínculo que la máquina no reproduce; la IA ayuda sobre todo al alumno ya autónomo.
La evaluación tradicional (el trabajo para casa) está en crisis; la detección es poco fiable, y la verdadera respuesta es repensar la evaluación (oral, clase, proyectos, IA asumida).
La IA transforma también el oficio docente (aumento) y el contenido enseñado, que debe privilegiar el espíritu crítico y la competencia para trabajar con la IA.
Los riesgos mayores: el desaprendizaje (delegar el esfuerzo cognitivo), la brecha digital y la privacidad de los menores.

Del aprendizaje a la imaginación: el capítulo 16 explora cómo la IA trastorna la creación y la cultura.

15.1El tutor universal: promesa y realidad#

15.2La crisis de la evaluación#

15.3Transformar la escuela y la universidad#

15.4Riesgos: dependencia, brecha y desaprendizaje#

Para recordar (capítulo 15)

15.1El tutor universal: promesa y realidad

15.2La crisis de la evaluación

15.3Transformar la escuela y la universidad

15.4Riesgos: dependencia, brecha y desaprendizaje