Click acá para ir directamente al contenido

Lo que la IA no puede enseñar

Director ejecutivo de Tu Clase, Tu País

Eugenio Severin

Jueves 15 de octubre de 2026

Enseñar y aprender son experiencias que nuestra especie practica desde mucho antes de que existieran las escuelas. Un adulto muestra cómo se hace algo, un niño lo intenta, el adulto corrige con un gesto o una palabra, y entre ambos se va armando un saber. Ocurre en el aula, en la familia, en el encuentro entre adultos. Ese encuentro y vínculo, y no la acumulación de datos en la memoria, es lo que define el proceso de aprender. Si educar consistiera en memorizar y repetir, la IA ganaría a los estudiantes con toda certeza. Conviene partir por ese vínculo antes de discutir qué herramienta hace qué.

Una profesión puede descomponerse en tareas, pero es siempre más que la suma de ellas. Planificar una unidad, redactar una guía, armar una prueba o producir un primer borrador de retroalimentación son tareas que la IA generativa ya resuelve con un nivel aceptable. La encuesta TALIS 2024 de la OCDE, que consultó a 280.000 educadores de 55 sistemas educativos, mostró que ya ese año, en promedio, un 36% de los profesores de secundaria baja ya la había usado en su trabajo. Entre quienes no, tres de cada cuatro dijeron que les faltaban los conocimientos y las habilidades para hacerlo. Pero que una tarea se automatice no vuelve prescindible a quien enseña. Lo que hace un buen docente en una sala -como leer un rostro que se apaga, decidir que hoy no es el día para una evaluación, reconocer una idea valiosa detrás de una pregunta torpe- no figura en ningún listado de tareas.

Si la IA libera tiempo, nos queda definir para qué. Un ensayo con 259 docentes de 68 escuelas de Inglaterra, incluido en la revisión de Stanford SCALE (2026), midió una reducción cercana al 30% en el tiempo de preparar clases, sin diferencias detectables en su calidad. Las encuestas a través de las cuales los propios docentes estiman el ahorro, como la de Gallup y la Walton Family Foundation en Estados Unidos, entregan cifras mucho mayores, de 5,9 horas ahorradas a la semana. Se trata de un tiempo que puede volver a los estudiantes, a la conversación entre colegas y al descanso de una profesión muy desgastada. 

Pero esas horas ahorradas pueden ser absorbidas también por más reportes y más burocracia. El BID advierte que el tiempo ganado gracias a la IA no significa automáticamente disponer de más horas para enseñar o apoyar a los alumnos y que en caso de producirse un ahorro, debe comunicarse qué se hará con él. Cuidar a los estudiantes y cuidar a quienes los enseñan son dos caras de una misma decisión y ésta no la toma la tecnología, sino los sostenedores, los sistemas educativos y las políticas públicas.

Usar bien estas herramientas es una competencia profesional distinta de saber manejarlas. Los sistemas generativos producen textos fluidos que pueden contener errores, sesgos o simplificaciones, y detectarlos exige conocer la disciplina, a los estudiantes y el contexto. Un experimento con unos mil estudiantes de secundaria en Turquía (Bastani et al., PNAS, 2025) mostró que un chatbot genérico mejoró el desempeño de estos durante la práctica y lo redujo en 17% en el examen sin asistencia de éste. La versión que daba pistas en vez de respuestas, eliminó ese efecto. Un estudio del CIAE de la Universidad de Chile y el CENIA con 102 universitarios encontró que quienes conversaron con ChatGPT sobreestimaron más cuánto habían aprendido y explicaron peor que quienes leyeron los mismos textos, aunque los autores advierten que eso no prueba que usarlo sea malo para aprender, sino que depende el tipo de uso que se haga.

La guía de la UNESCO sobre IA generativa en educación e investigación (2023) propone un enfoque centrado en las personas y pide que las instituciones validen la adecuación ética y pedagógica de estas herramientas antes de incorporarlas. Esa validación necesita docentes con formación para ejercerla. Si la formación inicial y continua no incorpora este criterio, cada profesor queda resolviendo solo frente al desafío.

Hay decisiones que conviene no delegar, por eficiente que sea la máquina. La retroalimentación que llega a un estudiante en un momento frágil. La evaluación de una trayectoria, que abre o cierra oportunidades. La convivencia en el aula, que se construye con presencia. John Hattie, en su síntesis de metaanálisis Visible Learning (2009), ubicó la relación entre docente y estudiante entre las influencias de mayor efecto sobre el aprendizaje, apoyándose en el metaanálisis de Cornelius-White (2007).

Quizás el criterio para los próximos años sea delegar a la máquina lo que se puede descomponer y que se proteja, con deliberación, lo que ocurre entre personas. Qué queda de cada lado se irá resolviendo escuela por escuela, con los docentes en esa conversación desde el comienzo. 

El comité de IA del MIT (2026) propone el mismo criterio para la educación superior: usarla para aumentar la curiosidad, la creatividad y el aprendizaje, no para automatizarlos. En el mundo de los algoritmos, la diferencia la harán los docentes que entienden que el resultado del aprendizaje depende de establecer una auténtica relación de aprendizaje.