¿Ayuda de verdad la IA generativa a aprender?

Desde finales de 2022, millones de alumnos y estudiantes usan asistentes generativos para repasar, redactar, programar o comprender. La cuestión central ya no es la adopción, masiva, sino el efecto real sobre el aprendizaje. La literatura de 2025-2026 ofrece una respuesta en dos tiempos: una señal media positiva y una advertencia causal importante.

Los metaanálisis: un efecto medio positivo

Varias síntesis convergen hacia un beneficio moderado. Un metaanálisis de 37 estudios señala un efecto moderadamente positivo de ChatGPT sobre el rendimiento escolar ^[1]. Otro, sobre 35 estudios experimentales y más de 4000 participantes, halla un efecto del mismo orden, si bien advierte de límites en el pensamiento de orden superior ^[2]. Síntesis más amplias en el nivel universitario apuntan en la misma dirección ^[3]. En promedio, pues, la IA generativa parece ayudar, sobre todo en la comprensión, la productividad y la implicación.

La advertencia causal: rendir no es aprender

El resultado más importante procede de un ensayo controlado publicado en PNAS. Estudiantes de secundaria que disponían de un asistente tipo ChatGPT sin salvaguardas resolvían mejor sus ejercicios durante la sesión (+48 %), pero caían un 17 % en un examen sin IA: el rendimiento inmediato ocultaba un aprendizaje menor ^[4]. Dato crucial: una versión «tutor» con salvaguardas pedagógicas eliminaba ese daño. El problema no es la IA, es la IA sin diseño.

Otros trabajos exploran el mecanismo. Un estudio del MIT Media Lab observó, mediante electroencefalografía, una conectividad neuronal más débil y una «deuda cognitiva» en quienes redactaban con ayuda de un LLM frente a quienes escribían solos ^[5], un resultado sugerente pero preliminar, con una muestra pequeña. Una encuesta a 666 personas señala una correlación negativa entre el uso frecuente de herramientas de IA y el pensamiento crítico, mediada por la descarga cognitiva ^[6].

La IA generativa puede hacer brillar la producción mientras apaga el aprendizaje. Distinguir ambos es la tarea central del diseño pedagógico.

Síntesis Learnya

¿Qué hacer con esta paradoja?

• Diseñar usos que exijan el esfuerzo del estudiante, no que lo eviten.
• Distinguir las tareas de producción (la IA ayuda) de las tareas de adquisición (la IA puede perjudicar).
• Medir la retención y la transferencia, no solo la nota inmediata.
• Formar en un uso metacognitivo: verificar, criticar, reformular lo que produce la IA.

La UNESCO aboga por un enfoque centrado en el ser humano, que subordina el despliegue de la IA a la protección de los datos y a las finalidades educativas ^[7]. Para los actores europeos y suizos, esto se une a una exigencia de soberanía: conservar el control de los datos y de los usos para que la herramienta sirva al aprendizaje, y no al revés.

Por qué los estudios se contradicen en apariencia

El lector apresurado podría concluir que reina el caos: unos estudios ensalzan la IA, otros la acusan. En realidad, la contradicción es solo aparente y depende de lo que se mide. Los trabajos que reportan beneficios miden a menudo el rendimiento o la productividad durante el uso; los que alertan miden el aprendizaje duradero, una vez retirado el asistente. Es exactamente la lección del ensayo de PNAS: la ayuda mejora la producción inmediata, pero puede abrir un déficit de competencia ^[4].

Esta distinción lo cambia todo en la práctica. Un estudiante que redacta más rápido con un asistente no aprende necesariamente a redactar mejor. La ganancia de productividad es real, pero no debe confundirse con una ganancia de aprendizaje. Diseñar un dispositivo educativo consiste precisamente en decidir dónde se quiere productividad (por ejemplo, desbrozar una búsqueda documental) y dónde se quiere esfuerzo (por ejemplo, construir un argumento).

También conviene desconfiar de la ilusión de fluidez. Una respuesta bien redactada produce una sensación de dominio que no es dominio. Es uno de los mecanismos que sugieren los trabajos sobre la descarga cognitiva y el pensamiento crítico ^[6]. La solución no es prohibir la IA, sino enseñar un uso reflexivo: pedir al estudiante que verifique, critique, reformule y explique lo que la herramienta ha producido, para transformar un consumo pasivo en procesamiento activo.

Una alfabetización en IA, nueva competencia básica

Si una conclusión se desprende, es que el uso importa más que la herramienta. La competencia decisiva de los próximos años será la alfabetización en IA: saber cuándo recurrir a ella, cómo formular una petición, cómo verificar y criticar una respuesta y, sobre todo, cuándo prescindir de ella para aprender por uno mismo. Esta competencia no se adquiere de forma espontánea; se enseña, como se enseñó la búsqueda documental en la era de internet.

Para los sistemas educativos, el reto es acompañar esa alfabetización en lugar de padecerla. Ello supone marcos claros, docentes formados y herramientas cuyo funcionamiento y datos se controlan. La IA generativa no es ni una amenaza ni una solución en sí misma: es un amplificador. Amplifica el aprendizaje cuando se usa bien, y la ilusión de aprender cuando no.