Pedimos a una IA que explique un concepto difícil. La respuesta llega clara, ordenada, con ejemplos y quizá hasta con una analogía que finalmente hace sentido. Terminamos un ejercicio, seguimos con la tarea y sentimos que el tema quedó entendido.
La comprobación llega después. Intentamos reconstruir la idea sin abrir la conversación, explicar por qué funciona o aplicarla a un caso diferente, y algunas piezas empiezan a faltar. Esa distancia entre seguir una buena explicación y disponer realmente de lo aprendido se vuelve especialmente importante a medida que la IA participa más en el estudio.
Las herramientas generativas pueden ser buenas compañeras para aprender. Distintas investigaciones ya muestran mejoras cuando se utilizan para ofrecer retroalimentación, adaptar explicaciones o guiar la práctica.
La pregunta interesante empieza después: ¿cómo sabemos que esa ayuda se convirtió en aprendizaje?
Resolver una tarea y aprenderla son procesos distintos
Completar correctamente una actividad ofrece una señal, pero dice poco por sí sola sobre lo que podremos hacer horas o días después. Parte del trabajo intelectual puede haber ocurrido en la conversación con la herramienta: encontrar el procedimiento, ordenar los argumentos, recordar una fórmula o señalar qué paso seguía.
Un experimento con cerca de mil estudiantes de preparatoria estudiando matemáticas mostró precisamente esa diferencia. El acceso a una versión convencional de GPT-4 mejoró considerablemente el desempeño mientras los estudiantes podían usarla, pero al retirar la herramienta obtuvieron resultados inferiores al grupo que había practicado sin ella. Una versión diseñada específicamente como tutor, con límites y orientación pedagógica, redujo buena parte de ese efecto.
El hallazgo permite separar dos cosas que pueden ocurrir al mismo tiempo: una herramienta puede mejorar nuestro desempeño mientras la utilizamos y dejar menos aprendizaje disponible para resolver después por cuenta propia. La manera en que utilizamos la asistencia importa tanto como su capacidad para producir una buena respuesta.
¿Qué queda cuando cerramos la conversación?
La ciencia del aprendizaje lleva tiempo estudiando una señal especialmente útil: intentar recuperar información sin tenerla enfrente. Recordar una idea, reconstruir un procedimiento o responder una pregunta desde la memoria fortalece la retención y permite comprobar qué partes están realmente disponibles.
Recuperar también sirve para descubrir huecos. Algo puede parecernos perfectamente claro mientras lo leemos y resultar mucho más difícil cuando tenemos que explicarlo con nuestras propias palabras.
La transferencia añade otra prueba. Aprender un principio implica poder reconocerlo o utilizarlo también frente a ejemplos distintos. Una revisión de más de 120 experimentos encontró que la práctica de recuperación puede favorecer esa transferencia, aunque el efecto depende del tipo de tarea y de cómo se practique.
El aprendizaje empieza a hacerse visible cuando podemos recuperar una idea, explicarla y utilizarla fuera de la respuesta que nos ayudó a entenderla.
La sensación de claridad también puede engañarnos
La IA tiene una cualidad especialmente atractiva para estudiar: puede hacer que algo difícil parezca comprensible muy rápido. Simplifica, reorganiza, vuelve a explicar y adapta el lenguaje hasta que una idea parece encajar.
Esa fluidez ayuda, pero también puede complicar nuestra propia evaluación. Dos estudios recientes sobre razonamiento encontraron que las personas que utilizaron IA mejoraron su desempeño, mientras tendían a sobreestimar qué tan bien habían resuelto las tareas. La capacidad del sistema y la capacidad que atribuimos a nuestro propio aprendizaje pueden mezclarse con facilidad.
Esto tampoco significa que una explicación sencilla perjudique el aprendizaje. Significa que sentir que entendimos y comprobar que entendimos son momentos distintos.
La IA también puede servir para ponernos a prueba
Aquí aparece una posibilidad mucho más interesante que utilizarla únicamente para obtener explicaciones. La misma herramienta puede pedirnos que reconstruyamos una idea, generar un problema diferente, presentar una respuesta con un error para que lo encontremos o solicitar que defendamos una conclusión.
Un estudio de 2026 sobre aprendizaje asistido con IA encontró mejores resultados de aplicación y mayor conciencia metacognitiva cuando los estudiantes tenían que criticar y corregir resultados producidos por la propia IA, en lugar de limitarse a recibir su ayuda.
La interacción cambia entonces de propósito. En vez de preguntar siempre “¿cuál es la respuesta?”, podemos pedir “dame un caso distinto para resolver”, “hazme tres preguntas sobre esto” o “propón una explicación incorrecta para que encuentre el problema”. La IA deja de ocupar todo el espacio de resolución y se convierte también en una forma de práctica.
El diseño de la ayuda cambia el resultado
La evidencia disponible tampoco apunta a una historia sencilla de “IA buena” o “IA mala” para aprender. Un ensayo controlado realizado con estudiantes universitarios de Física en Harvard encontró que un tutor con IA diseñado alrededor de principios pedagógicos permitió mayores ganancias de aprendizaje en menos tiempo que una clase de aprendizaje activo sobre el mismo contenido. Los estudiantes también reportaron mayor motivación y participación.
Una revisión más amplia de 57 estudios llegó a una conclusión igualmente matizada: el uso de IA generativa mostró efectos positivos en distintos resultados de aprendizaje universitario, aunque el efecto sobre metacognición —la capacidad de observar y regular el propio aprendizaje— fue mucho menos claro.
El punto empieza a desplazarse entonces de usar o evitar la IA hacia qué actividad intelectual conserva la persona mientras la utiliza. Explicaciones, retroalimentación y apoyo personalizado pueden ampliar el aprendizaje; resolver sistemáticamente aquello que necesitamos practicar puede producir un resultado diferente.
Aprender también significa poder mover lo entendido
El entorno digital ya nos había dado acceso a cursos, tutoriales, videos, buscadores, comunidades y especialistas. La IA añade algo distinto: una explicación puede adaptarse en el momento y continuar hasta encontrar una forma que resulte comprensible.
Esa posibilidad amplía todavía más las oportunidades de aprender, pero también vuelve más importante distinguir entre haber llegado a una respuesta y haber construido algo que podamos volver a utilizar. Recordar, explicar, relacionar, detectar errores y aplicar en una situación nueva ofrecen pistas mucho más útiles que la simple sensación de que una tarea salió bien.
La pregunta para estudiar con IA empieza así a cambiar. Además de pensar qué puede hacer una herramienta para ayudarnos, podemos observar qué somos capaces de reconstruir, explicar o resolver después de cerrar la conversación.
Ahí el aprendizaje deja de ser una impresión y empieza a convertirse en algo que podemos comprobar.
▏
Desde la investigación
- Bastani et al. / PNAS (2025): la IA mejoró el desempeño durante la práctica, pero el diseño del tutor determinó cuánto aprendizaje permaneció después.
- Kestin et al. / Scientific Reports (2025): un tutor de IA diseñado con principios pedagógicos produjo mayores ganancias de aprendizaje en estudiantes universitarios de Física.
- Chen y Cheung (2025): un metaanálisis de 57 estudios encontró beneficios generales de la IA generativa en aprendizaje universitario, con resultados más limitados en metacognición.
- McDermott (2021): la práctica de recuperar información fortalece la retención y constituye una de las estrategias más consolidadas de la ciencia del aprendizaje.