IA en educación: más alla del rendimiento
La educación siempre ha estado marcada por la incorporación de nuevas herramientas que transforman la manera de enseñar y aprender. Desde la imprenta hasta internet, cada avance tecnológico ha planteado nuevas preguntas sobre cómo equilibrar rendimiento y comprensión. Hoy nos encontramos ante una de las transformaciones más rápidas y profundas: la llegada de la inteligencia artificial generativa.
La tecnología relacionada con la IAg (Inteligencia Artificial Generativa) ha tenido una penetración rápida y profunda en el mundo educativo. Probablemente la tecnología con un mayor impacto en un menor periodo de tiempo de la historia. Aproximadamente el 85 % del alumnado de secundaria y universidad utiliza la IAg en su estudio diario y, por su parte, en torno al 75 % del profesorado afirma usarla para preparar o impartir clases (GoStudent, 2025). Esta tendencia apunta a convertirse en permanente.
El atractivo inmediato y sus implicaciones en el aprendizaje
Muchos estudiantes encuentran reconfortante y gratificante usar ChatGPT en tareas de escritura, ya que facilita el proceso, reduce el esfuerzo y ofrece resultados rápidos y organizados. Esta experiencia de eficacia inmediata refuerza positivamente su percepción del sistema, haciéndolo atractivo incluso cuando no se involucran plenamente en el razonamiento o la revisión crítica de lo generado (Stadler, Fischer, & Greiff, 2024). En un sistema educativo basado en el rendimiento y la competitividad, como el actual, es inevitable su utilización. Jamás había sido tan fácil tener un rendimiento excelente con un procesamiento cognitivo tan pequeño.
La utilización de estas herramientas por parte del alumnado mejora el rendimiento inmediato, ya que proporciona productos finales alineados con los criterios de evaluación de los procesos educativos más habituales, generalmente coherencia, organización y contenido. Sin embargo, la evidencia científica apunta a que esa mejora en el rendimiento no está necesariamente conectada a una mejora en el aprendizaje (Deng et al., 2025). Una desconexión que es motivo de preocupación y análisis en el sistema educativo desde hace mucho tiempo pero que ha cobrado especial importancia en la época de las IAg, donde la desconexión entre rendimiento y aprendizaje se ha extremado.
Uso dialógico y reflexivo de la IAg para el aprendizaje real
La desconexión entre rendimiento y aprendizaje se debe, principalmente, al uso no crítico ni reflexivo de las herramientas de inteligencia artificial generativa (IAg), lo que con frecuencia se traduce en una simple transcripción directa de las respuestas generadas al producto final entregado al docente. Esta forma de uso, pasiva y acrítica, puede mejorar el rendimiento inmediato, pero no favorece la comprensión ni el aprendizaje duradero.
En contraste, la utilización de IAg de forma dialógica, es decir, como un asistente que acompaña, estimula preguntas, facilita la reflexión y promueve la toma de decisiones del estudiante, convierte la interacción en un proceso de pensamiento compartido. Este enfoque fomenta el compromiso cognitivo y metacognitivo, la autorregulación y la elaboración significativa, elementos clave para un aprendizaje real y transferible. Como señalan Chen y Chang (2024), cuando la IA se emplea como andamiaje dialógico, apoyando a los estudiantes en la reflexión, la revisión y la autorregulación —en lugar de ofrecer respuestas directas—, mejora los resultados de aprendizaje y fortalece la motivación intrínseca.
Sin embargo, esta utilización dialógica y reflexiva requiere un conocimiento y madurez complicados de alcanzar en las etapas de aprendizaje que caracterizan las enseñanzas básicas. Debido a ello es recomendable la utilización de IAg diseñadas de forma específica para generar estos procesos de aprendizaje de forma automática mediante la aplicación de distintos enfoques metodológicos y la retroalimentación personalizada y en tiempo real basada en los datos obtenidos del propio alumno (Jin et al, 2025).
Para apoyar esta evolución hacia un uso más efectivo y personalizado de la inteligencia artificial en el aula, existen herramientas diseñadas específicamente para fomentar este tipo de aprendizaje. En Blinklearning contamos con TUTOR IA, un asistente inteligente que se integra en el proceso de enseñanza diario y acompaña al estudiante en sesiones individuales que refuerzan los conceptos que más le cuestan, fomentando la reflexión, la autorregulación y el aprendizaje significativo sin reducir el trabajo cognitivo necesario. En lugar de dar la respuesta, ofrece un apoyo estructurado para que el alumnado la construya por sí mismo o, en vez de limitarse a definir un concepto, le ayuda a comprenderlo. Todo ello, bajo el control del docente, para que la tecnología sea una aliada real en la personalización del aprendizaje y en la mejora del rendimiento.
Riesgos asociados de la IAg
Esta utilización de la IA no está exenta de riesgos, uno de los principales es su rendimiento inconsistente según la tarea, lo que ha sido descrito por Kwan, Li y Xu (2025) como la “frontera dentada” (jagged frontier) de las capacidades de la IA. Este concepto señala que, aunque la IA puede ofrecer soluciones de alta calidad en ciertas tareas, como exámenes médicos o ejercicios de programación, su desempeño no es predecible ni homogéneo. Incluso en tareas similares, puede variar drásticamente su precisión. Esta irregularidad representa un desafío para el aprendizaje, ya que los estudiantes no siempre pueden anticipar cuándo la IA ofrecerá una respuesta correcta y cuándo no.
En consecuencia, si los alumnos no poseen el conocimiento suficiente o las habilidades críticas para verificar lo que la IA produce, corren el riesgo de incorporar errores sin darse cuenta. Es decir, un usuario con conocimiento sobre el tema para el que está usando el asistente es consciente de cuando la respuesta no cumple sus expectativas y reformula o busca una nueva manera de continuar su tarea, pero un usuario sin ese conocimiento asume la corrección de la respuesta de forma automática. Esta situación no solo limita el aprendizaje, sino que puede perpetuar la dependencia y debilitar la autorregulación.
Importancia de desarrollar habilidades críticas en los estudiantes
La frontera dentada refleja la importancia de desarrollar en el alumnado las habilidades para verificar y pensar críticamente sobre los resultados. En cualquier caso, este riesgo puede reducirse, en parte, con un correcto entrenamiento del modelo y favoreciendo su contextualización con contenido y actividades determinadas. El modelo es más preciso cuando recibe instrucciones más concretas, como referencias a desarrollos o respuestas modelo de las actividades. Esta característica pone en valor la importancia del contenido como referencia básica en torno a la cual actúa la IA.
Para acompañar a docentes y estudiantes en este proceso de aprendizaje crítico y personalizado, Blinklearning ofrece soluciones innovadoras que facilitan la integración de la inteligencia artificial en el aula, siempre con un enfoque en el desarrollo autónomo y reflexivo del alumnado. Si deseas explorar cómo estas herramientas pueden transformar tu práctica educativa, te invitamos a conocer más sobre TUTOR IA y las posibilidades que ofrece para potenciar el aprendizaje.
Fuentes:
- Chen, H.-C., & Chang, C.-Y. (2024). Effectiveness of AI-assisted game-based learning: A quasi-experimental study of generative AI support in science education. British Journal of Educational Technology. Advance online publication. https://doi.org/10.1111/bjet.13456
- Deng, H., Wu, J., Zhang, Y., & Sun, R. (2025). Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies. Computers & Education, 205, 105936. https://doi.org/10.1016/j.compedu.2024.105936
- GoStudent. (2025). Informe sobre educación e inteligencia artificial 2025. https://www.gostudent.org/static/documents/es-es/informe-educacion/2025.pdf
- Jin, X., Pei, Q., Ng, C. K., & Sun, Y. (2025). Analytics of self-regulated learning in learning analytics feedback processes: Associations with feedback literacy in secondary education. Smart Learning Environments, 12(1), 2. https://doi.org/10.1186/s40593-025-00486-6
- Kwan, Y., Li, T., & Xu, M. (2025). Distinguishing performance gains from learning when using generative AI. Educational Psychology Review, 37(1), 55–78. https://doi.org/10.1007/s10648-025-09765-9
- Stadler, M., Fischer, F., & Greiff, S. (2024). Does ChatGPT function as a cognitive shortcut? Investigating students’ cognitive and metacognitive engagement in AI-assisted academic writing. Smart Learning Environments, 11(1), 6. https://doi.org/10.1186/s40561-024-00316-7
