La dependencia de la inteligencia artificial en la educación ya no es un temor lejano: es una pregunta que las escuelas enfrentan hoy. Esta semana, el investigador Wayne Holmes volvió a ponerla sobre la mesa con una advertencia incómoda: estas herramientas fueron diseñadas para parecer humanas, y eso cambia la manera en que aprendemos con ellas.
La dependencia de la inteligencia artificial: una herramienta diseñada para parecer humana
Holmes es profesor de Estudios Críticos de IA y Educación en University College London y ha asesorado a la UNESCO y al Consejo de Europa. En una entrevista con Infobae, publicada el 18 de octubre, sostiene que la IA generativa es distinta de las tecnologías anteriores justamente porque imita lo humano. Eso, dice, fomenta la dependencia y nos lleva a sobreestimar lo que puede hacer.
Su diagnóstico va más lejos: afirma que la IA llegó a las aulas sin evidencia suficiente de beneficios para el aprendizaje, que los estudiantes que la usan no están aprendiendo bien y que los docentes pierden autonomía. También señala el peso de unas pocas empresas tecnológicas que ven en la educación un mercado lucrativo. Son afirmaciones de un especialista, no un consenso; precisamente por eso conviene discutirlas con calma, con datos y con docentes y estudiantes en la mesa, en cada institución.
¿Personalización o estandarización?
Una de las promesas más repetidas es la personalización del aprendizaje con IA: cada estudiante avanzaría a su ritmo, con explicaciones a su medida. Holmes pone el argumento de cabeza. Para él, lo que se vende como personalización es en realidad estandarización: caminos distintos que terminan en el mismo examen.
La objeción importa porque toca el sentido de educar, y se conecta con la autonomía docente e inteligencia artificial: quién decide qué se enseña y cómo. Si aprender es, además de adquirir datos, una actividad social basada en vínculos con docentes y compañeros, un sistema que optimiza respuestas correctas puede dejar fuera justo lo que no se mide: la conversación, la duda compartida, el criterio propio.
La brecha digital invertida
Quizá el punto más inquietante es lo que Holmes describe como una brecha invertida. Los estudiantes de sectores con más recursos conservan el acceso a docentes humanos, mientras que los de sectores vulnerables dependen cada vez más de pantallas, sobre todo en zonas rurales donde faltan maestros.
Hay aquí un dilema real. Donde no hay docentes, una herramienta de IA puede ser lo único disponible, y rechazarla sin alternativa tampoco es justo. Pero aceptar que el contacto humano sea un privilegio de quien puede pagarlo sería convertir una desigualdad vieja en una nueva, ahora con apariencia de innovación. La brecha digital invertida en la educación obliga a preguntar quién recibe docentes y quién recibe algoritmos.
Alfabetización en IA: primero la pregunta, luego la herramienta
Holmes no propone prohibir. Recuerda que las prohibiciones son fáciles de eludir, como ocurrió en Australia con las redes sociales y el uso de VPN. Su propuesta es una alfabetización en inteligencia artificial en las escuelas centrada en lo humano: un currículo con 10% de dimensión tecnológica, 10% de práctica y 80% dedicado a derechos, medio ambiente y el control de la tecnología por pocas empresas.
Su primera pregunta no es «¿cómo uso esta herramienta?», sino «¿conviene usarla en esta situación?». Es el mismo espíritu del modelo ético-pedagógico de EthiaLab y de nuestra formación «Más allá de la IA»: el juicio docente va primero, y la tecnología se ajusta a él, no al revés. Aprender cómo usar la IA de forma ética en el aula empieza por decidir cuándo no usarla.
Para reflexionar
Si una escuela adopta IA para ahorrar tiempo, ¿qué está dejando de hacer con ese tiempo ahorrado? Antes de responder, vale la pena mirar con honestidad el punto de partida: evalúa qué tan preparada está tu institución y conoce más del trabajo de EthiaLab en el blog.
