La inteligencia artificial se ha instalado en las rutinas escolares con una velocidad que pocos anticipaban hace apenas tres años. Encuestas recientes sitúan el uso de estas herramientas entre estudiantes universitarios en el 94% en el Reino Unido y en el 93% en Alemania, cifras que hace poco tiempo hubieran parecido exageradas. Los profesores llevan meses señalando algo llamativo: reciben redacciones que se parecen entre sí, con un estilo casi idéntico, y sospechan que detrás está ChatGPT u otro modelo similar generando el texto de principio a fin. Hasta ahora esa sospecha se sostenía sobre todo en la intuición, con poca evidencia sólida que confirmara si la IA ayuda de verdad a aprender o si, por el contrario, sustituye el esfuerzo cognitivo que exige adquirir conocimiento. Un estudio reciente aporta datos concretos sobre esa pregunta, siguiendo durante meses a decenas de miles de estudiantes de secundaria, y sus conclusiones desmontan la idea de que usar más IA se traduce automáticamente en mejores resultados académicos.
Un experimento a gran escala en China
El trabajo lo firman David Stromberg, de la Universidad de Estocolmo, junto con Victor Lei y Wu Yanhui, de la Universidad de Hong Kong. Los investigadores rastrearon a 27.000 alumnos de entre 12 y 18 años en China, un país donde la adopción de asistentes conversacionales ha sido especialmente rápida gracias a modelos locales como Doubao y DeepSeek. Alrededor del 80% de esos estudiantes reconoció utilizar habitualmente alguno de estos sistemas para resolver tareas escolares, mientras que el 20% restante, que apenas los empleaba, sirvió como grupo de control natural para comparar resultados. Este diseño permitió aislar el efecto del uso de IA sobre dos variables distintas: el rendimiento en los deberes y el rendimiento en los exámenes, que tradicionalmente han estado muy correlacionados entre sí.
Deberes mejor, exámenes peor
Los resultados, publicados en un paper alojado en la plataforma SSRN bajo el título «The Generative AI Learning Penalty», resultan bastante reveladores. Tras seis meses de seguimiento, la nota media de los deberes entre los alumnos que usaban IA subió un 18% en todas las asignaturas analizadas. El tiempo que tardaban en completar cada tarea también se redujo de forma notable, pasando de una media de 64 minutos a solo 45. Sin embargo, cuando llegaba el momento de los exámenes presenciales, sin ayuda de ningún asistente, esos mismos estudiantes obtenían puntuaciones un 20% inferiores a las de sus compañeros del grupo de control. El patrón histórico donde una buena nota en los deberes anticipaba un buen resultado en el examen se invirtió por completo: quienes más destacaban en las tareas asistidas por IA eran, paradójicamente, quienes peor rendían después sin ella.
El fenómeno del «cognitive offloading»
Este efecto tiene nombre entre los investigadores en educación: se conoce como descarga cognitiva o «cognitive offloading». Consiste en delegar en una herramienta externa procesos mentales que normalmente entrenarían la memoria, el razonamiento y la capacidad de resolver problemas por cuenta propia. Un informe de la Brookings Institution, publicado en enero y basado en entrevistas con más de 500 educadores, familias y estudiantes de 50 países, además de en el análisis de más de 400 estudios previos, concluyó que en el estado actual de la tecnología los riesgos de usar IA generativa en la educación de menores superan a sus beneficios. Un estudio anterior de Microsoft, de febrero de 2025, ya había encontrado indicios de que el uso frecuente de estos sistemas se asociaba con un peor juicio crítico y una menor capacidad de análisis independiente entre los usuarios que confiaban en ellos de forma sistemática.
El olvido de la robótica educativa
Vale la pena recordar que la IA generativa no es la primera tecnología que despertó grandes expectativas en las aulas. Hace apenas ocho o nueve años, la robótica educativa vivía su momento de mayor visibilidad mediática: kits de montaje, competiciones escolares como First Lego League y programas de introducción a la programación con placas Arduino llenaban titulares y ferias de innovación docente. Curiosamente, el mercado de robots educativos no ha desaparecido ni se ha estancado, aunque la conversación pública se haya desplazado casi por completo hacia los chatbots. Según datos recogidos por WhalesBot, el mercado global de robots educativos alcanzó los 1.800 millones de dólares en 2025 y se prevé que llegue a 2.320 millones en 2026, con una proyección de hasta 18.000 millones de dólares en 2034 y una tasa de crecimiento anual compuesta del 29,16%. La diferencia clave frente a la IA generativa no es tanto de volumen económico como de naturaleza pedagógica: montar, programar y depurar el comportamiento de un robot físico obliga al alumno a razonar paso a paso y a corregir errores por prueba y error, justo el tipo de esfuerzo activo que el uso pasivo de un chatbot tiende a eliminar. Es razonable pensar que buena parte del atractivo mediático de la robótica se ha trasladado hacia la IA simplemente porque esta última promete resultados más inmediatos y visibles, aunque los datos del estudio chino sugieran que esa inmediatez tiene un coste que no se aprecia hasta el examen.
Lo que dicen quienes estudian el aula por dentro
Otros investigadores llevan tiempo advirtiendo de un problema parecido en distintos contextos educativos. Según recoge un reportaje de Fortune, especialistas en aprendizaje comparan el uso descontrolado de IA con el fracaso histórico de las llamadas «máquinas de enseñar» del siglo XX: dispositivos que individualizaban el ritmo de cada alumno pero que dejaban a los estudiantes incapaces de integrar ese conocimiento con lo aprendido fuera de la máquina. Una encuesta reciente de la Universidad de Wisconsin, realizada entre 303 docentes y profesionales educativos del estado y 132 de otros puntos del país, encontró que menos de un tercio había implementado políticas o límites claros sobre el uso de IA en sus centros. Esa ausencia de reglas explicaría, según los propios investigadores, buena parte del deterioro observado en las competencias de lectura, escritura y conocimiento factual básico entre los estudiantes que dependen de estas herramientas sin ninguna guía.
No toda la IA funciona igual
Conviene matizar algo importante: el problema no parece residir en la tecnología en sí misma, sino en cómo se utiliza. Una revisión publicada en PMC describe lo que sus autores llaman la «paradoja cognitiva» de la IA en educación. El trabajo distingue entre sistemas de tutoría inteligente, diseñados para guiar al estudiante paso a paso sin darle la respuesta directamente, y los asistentes conversacionales de propósito general, que suelen entregar la solución completa con un solo mensaje. Los primeros mostraron mejoras en la retención de contenidos cuando se usaban de forma puntual, mientras que la exposición prolongada a los segundos se asoció con un declive claro en la memoria a medio plazo. La conclusión de los investigadores es que la IA debería reforzar las estrategias de aprendizaje dirigidas por el propio alumno, no sustituirlas por completo.
El caso concreto de los chatbots generalistas
Merece la pena detenerse en el producto que protagoniza buena parte de esta controversia: los grandes modelos de lenguaje de propósito general, del tipo ChatGPT, Doubao o DeepSeek. Estos sistemas están optimizados para producir respuestas completas, coherentes y bien redactadas en segundos, sin necesidad de que el usuario aporte ningún razonamiento intermedio. Esa misma eficiencia, que resulta tan útil en un entorno profesional, se convierte en un problema pedagógico cuando el objetivo no es obtener una respuesta correcta sino desarrollar la capacidad de llegar a ella. A diferencia de un tutor humano, de un sistema adaptativo diseñado específicamente para la enseñanza o de un robot educativo que exige interacción física y depuración activa, un chatbot generalista no tiene ningún mecanismo que le impida resolver el ejercicio entero de golpe, ni ninguna función pensada para forzar al estudiante a pensar antes de recibir la solución. El propio comentario del economista Paul Novosad sobre el estudio chino, difundido en redes sociales, resumía la situación de forma directa: usar IA para los deberes permite terminar antes y sacar mejor nota, pero pasa factura en el examen, cuando esa misma ayuda ya no está disponible.
Reflexiones finales
Los datos de este estudio no cierran el debate sobre la IA en la educación, pero sí lo sitúan en un terreno más concreto. La pregunta ya no es si los menores deberían usar estas herramientas, porque su adopción masiva es un hecho consumado, sino cómo diseñar su uso para que no sustituya el esfuerzo intelectual que sostiene el aprendizaje real. El contraste con la robótica educativa resulta instructivo: no ha desaparecido, sigue creciendo en cifras de mercado, pero ha perdido protagonismo frente a una tecnología que exige menos esfuerzo visible por parte del alumno, aunque los resultados a largo plazo cuenten otra historia. Los centros educativos que aún no han definido una política clara sobre IA en el aula corren el riesgo de ver cómo mejoran las notas de los deberes mientras se deterioran, en silencio, las competencias que esas notas deberían reflejar. La responsabilidad recae tanto en quienes diseñan estos sistemas, que podrían incorporar mecanismos pedagógicos más cuidadosos, como en las familias y los docentes, que son quienes deciden en la práctica cuándo y cómo se usa la tecnología en casa y en clase.
3