La inteligencia artificial no vuelve más fácil aprender: vuelve más fácil quedar como alguien que aprendió. Lo que decide el resultado sigue siendo el trabajo mental que queda del lado de quien aprende, y es justamente el que una herramienta eficiente se ofrece a ahorrarle.
Es la parte de mi trabajo que menos se ve. Llego a esto desde un doctorado en negocios y una formación en ciencia de datos en Harvard, y publiqué ocho artículos que ponen un modelo clásico del aprendizaje —ASSURE, SAM, la andragogía de Knowles, la curva del olvido— frente a la evidencia reciente sobre inteligencia artificial. Lo que sigue es lo que quedó después de leer esa evidencia, no lo que me gustaría que estuviera pasando con la formación.
La fluidez no es aprendizaje
Estudiar algo que se entiende sin fricción produce una sensación agradable y engañosa. En un experimento clásico sobre el estilo de doce pintores, mezclar los cuadros hizo que el 78 % reconociera mejor obras nuevas; y una proporción idéntica, el 78 %, siguió creyendo, con la prueba ya rendida, que le habría convenido estudiarlos de a un autor por vez. La práctica que se siente difícil es la que enseña; la que se siente cómoda suele estar midiendo otra cosa. La IA se optimiza en la dirección contraria: su mérito es entregar el material ya resuelto, con el camino hecho. Por diseño, empuja hacia la condición que peor retiene.
Sin diseño, la herramienta se lleva el esfuerzo que producía el aprendizaje
En un experimento con casi mil estudiantes secundarios, el grupo que practicó matemática con GPT-4 sin restricciones mejoró un 48 % durante la práctica y, en el examen sin la herramienta, rindió un 17 % peor que quienes nunca la habían tenido. Una versión del mismo modelo que ofrecía pistas en vez de soluciones mejoró todavía más la práctica y dejó el examen a la par del grupo sin IA. En un curso de física de Harvard, un tutor de IA diseñado con criterio pedagógico logró que los estudiantes aprendieran más del doble, en menos tiempo, que en una clase de aprendizaje activo. En los tres casos el modelo de lenguaje es equivalente. Lo único que los separa es si alguien decidió de antemano qué parte del trabajo tenía que seguir haciendo la persona.
Recuperar de memoria no tiene reemplazo, aunque todo esté a una consulta
No tiene sentido memorizar una fecha o una sintaxis: esa discusión está cerrada. Pero el criterio se ejerce con lo que uno ya sabe, no con lo que podría buscar, y lo que queda disponible es lo que alguna vez se sacó de la memoria con esfuerzo, no lo que se leyó de nuevo. Un ensayo controlado con 120 universitarios lo midió sin piedad: los que prepararon un trabajo con ChatGPT respondieron correctamente el 57,5 % de una evaluación sorpresa a los cuarenta y cinco días, contra el 68,5 % de los que lo prepararon sin IA. La consecuencia práctica no es apagar la herramienta. Es no dejar que sea ella la que recupera.
Lo aprendido se aplica según el entorno, no según el curso
Cuarenta años de investigación sobre transferencia apuntan afuera del aula. En un metaanálisis de 89 estudios, el entorno de trabajo correlaciona 0,26 con la aplicación de lo aprendido cuando lo enseñado es una habilidad abierta —conducir una negociación, calificar una oportunidad— y apenas 0,04 cuando es una habilidad cerrada, del tipo operar un software. Dicho de otro modo: cuanto más se parece a criterio lo que se enseña, más decide el jefe y menos el curso. La IA hizo que producir formación cueste una tarde. No cambió nada de lo que pasa el lunes siguiente, que es donde la evidencia ubica el problema.
Lo que no creo
No creo que personalizar el contenido sea personalizar el aprendizaje. Ajustar el ejemplo, el idioma o el ritmo es cosmética si la persona sigue recibiendo todo hecho. Personalizar es empezar por el problema que cada uno tiene esta semana, y eso exige preguntarlo primero.
No creo en medir formación por horas cursadas ni por porcentaje de finalización. Son métricas de actividad: registran que alguien estuvo, no que pueda hacer algo que antes no podía.
No creo que prohibir la IA en educación sea una estrategia. Es una forma de postergar la decisión difícil, que es rediseñar la evaluación para que distinga a quien entendió de quien delegó.
No creo que la IA vuelva innecesario saber. En una tarea elegida a propósito fuera de lo que el modelo resuelve bien, los consultores que trabajaron con IA quedaron 19 puntos porcentuales por debajo, en respuestas correctas, del grupo que la resolvió sin ella. La herramienta responde con la misma seguridad en los dos casos; lo que cambia es si del otro lado hay alguien en condiciones de notar la diferencia.
La discusión pública sobre inteligencia artificial y aprendizaje se ocupa de qué herramienta usar y de qué está permitido. Es la parte fácil. La pregunta que decide el resultado es cuál es el trabajo que sigue siendo de quien aprende, y quién se hace cargo de protegerlo.
Delegar el trabajo de aprender no te ahorra tiempo. Te ahorra el aprendizaje.