Abrir un chatbot para resolver una duda fue una de las primeras formas de incorporar inteligencia artificial al estudio. En poco tiempo, esa conversación empezó a cambiar: algunas herramientas ahora preguntan antes de responder, otras organizan materiales propios, detectan vacíos de conocimiento, generan ejercicios o mantienen una ruta de estudio.
La competencia tecnológica se está desplazando con ellas. ChatGPT, Gemini, Claude y Gemini Notebook ya muestran estrategias distintas para ocupar un lugar más estable dentro del aprendizaje, desde la conversación guiada hasta espacios adaptativos que siguen el progreso.
La diferencia importa porque un tutor digital necesita hacer bastante más que producir una respuesta correcta. Tiene que interpretar qué está estudiando una persona, trabajar con contexto, decidir qué explicación puede servirle, formular otra pregunta y, en algunos casos, conservar señales de lo que ocurrió anteriormente.
El nuevo ring de los asistentes para estudiar
A primera vista, las cuatro experiencias pueden parecer similares: se escribe algo y una IA responde. Al mirar sus funciones educativas aparecen apuestas bastante diferentes.
ChatGPT ha desarrollado su Modo de estudio alrededor de la conversación guiada. Puede preguntar qué sabe el estudiante, avanzar paso a paso, trabajar con materiales cargados, crear ejercicios, explicar errores y comprobar comprensión. Cuando la función de memoria está disponible y activa, también puede utilizar contexto previo para personalizar la experiencia.
Gemini está avanzando hacia un espacio de estudio más estructurado. Sus Study Notebooks, presentados en junio de 2026, parten de una meta de aprendizaje y pueden incorporar apuntes, programas y materiales del curso. Un diagnóstico inicial ayuda a identificar fortalezas y vacíos; después genera lecciones y cuestionarios adaptados, mientras un panel registra el progreso.
Claude for Education apuesta especialmente por el razonamiento guiado. Su Learning Mode funciona dentro de Projects y utiliza preguntas de estilo socrático, énfasis en conceptos fundamentales y acompañamiento del proceso antes de llegar a una solución. Anthropic lo plantea como una experiencia orientada al pensamiento independiente dentro de entornos universitarios.
Gemini Notebook, antes conocido como NotebookLM, parte de otra lógica. El centro son las fuentes que reúne el usuario: PDFs, sitios web, videos, audio o textos. A partir de ellas puede conversar sobre el contenido y generar materiales como tarjetas didácticas y cuestionarios, con controles de dificultad y selección de fuentes.
Comparativo: cuatro formas de acercarse al estudio
| Experiencia | Apuesta central | Cómo guía | Materiales propios | Continuidad |
|---|---|---|---|---|
| ChatGPT | Conversación guiada | Preguntas, pistas, explicación gradual y comprobación | Archivos e imágenes | Puede aprovechar memoria cuando está disponible |
| Gemini | Ruta adaptativa | Diagnóstico, lecciones y cuestionarios ajustados | Apuntes y materiales del curso | Registra progreso dentro de Study Notebooks |
| Claude | Razonamiento socrático | Preguntas, principios y desarrollo del razonamiento | Projects y contexto del trabajo | Organiza el trabajo alrededor de un proyecto |
| Gemini Notebook | Aprendizaje desde fuentes | Conversación, cuestionarios y tarjetas de estudio | Las fuentes son el centro de la experiencia | Mantiene cuadernos organizados por materiales |
Las funciones cambian con rapidez y algunas dependen del tipo de cuenta o entorno educativo. El benchmark muestra sobre todo la estrategia tecnológica que cada producto está construyendo, más que una equivalencia exacta entre funciones.
Detrás del tutor hay más que un modelo de lenguaje
La conversación visible es apenas una capa. Para comportarse como tutor, un sistema necesita combinar distintas piezas tecnológicas.
Primero está el modelo de lenguaje, que interpreta una pregunta, una explicación o una respuesta del estudiante. Encima aparecen instrucciones que definen el comportamiento educativo: ofrecer pistas, dividir un problema, preguntar antes de explicar o ajustar el nivel de detalle.
El contexto agrega otra capa. Puede provenir de la conversación, de documentos cargados, de materiales del curso o de fuentes seleccionadas. En sistemas que trabajan con recuperación de información, el modelo recibe fragmentos relevantes de esos contenidos antes de elaborar su respuesta, una arquitectura conocida habitualmente como RAG.
Después aparece una tarea más compleja: decidir qué conviene hacer a continuación. Una respuesta incompleta puede activar una pista; una respuesta acertada puede llevar a un problema más difícil; una confusión puede producir otro ejemplo.
Ahí comienza a aparecer la diferencia entre una IA que conversa y una experiencia diseñada para enseñar.
El nuevo terreno de competencia está en lo que ocurre después de cada respuesta: qué pregunta sigue, qué contexto se recupera y cómo cambia el recorrido.
ChatGPT apuesta por convertir la conversación en guía
El Modo de estudio de ChatGPT conserva la interfaz habitual del chatbot, pero modifica la forma de interactuar. Puede comenzar preguntando por el nivel del estudiante, descomponer un tema, presentar preguntas abiertas y ajustar la explicación conforme avanza la conversación.
Esa estrategia aprovecha una fortaleza natural de los modelos conversacionales: mantener un intercambio flexible. La misma sesión puede pasar de explicación a ejercicio, después a retroalimentación y finalmente a una prueba breve.
La memoria añade otra posibilidad cuando está activa: utilizar información procedente de conversaciones anteriores para personalizar la experiencia. Eso acerca la interacción a una tutoría que dispone de más contexto sobre la persona que estudia, aunque el propio servicio advierte que el modo puede cometer errores y requiere verificar información importante.
Gemini está construyendo una ruta de estudio
Google está tomando una dirección algo distinta con Study Notebooks. En lugar de partir únicamente de la siguiente pregunta, el estudiante define una meta, aporta materiales y responde un diagnóstico inicial.
A partir de ahí, Gemini identifica áreas que requieren mayor atención, genera pequeñas lecciones, propone cuestionarios y registra el avance en un panel personalizado. Google describe el producto como una plataforma de aprendizaje interactiva y adaptativa. }
Ese modelo empieza a parecerse menos a una sucesión de conversaciones independientes y más a un recorrido con estado: existe un punto de partida, una meta y señales de progreso entre ambos.
Google también está conectando estas experiencias con Classroom. Entre sus anuncios de 2026 están actividades dirigidas por docentes y cuadernos fundamentados en materiales específicos de clase, con información sobre áreas donde un estudiante o un grupo puede necesitar apoyo adicional.
Claude pone el razonamiento en el centro
Anthropic diseñó Learning Mode para Claude for Education alrededor de otra decisión: orientar la conversación hacia el proceso de razonamiento.
La herramienta puede responder con preguntas como qué evidencia respalda una conclusión o cómo abordaría el estudiante un problema. También enfatiza los principios detrás de una solución y funciona dentro de Projects, donde conversaciones y materiales pueden organizarse alrededor de una tarea o materia.
La apuesta tecnológica se apoya menos en construir un panel de progreso y más en configurar el comportamiento del modelo para que la conversación provoque explicación, argumentación y exploración.
Es una diferencia sutil pero importante. Dos productos pueden utilizar modelos de lenguaje muy capaces y, aun así, producir experiencias de estudio distintas por las reglas, el contexto y la secuencia que rodean al modelo.
Gemini Notebook empieza desde las fuentes
Gemini Notebook invierte el punto de partida. En vez de comenzar con una conversación abierta y después añadir materiales, el cuaderno se construye alrededor de un conjunto de fuentes.
El usuario puede incorporar PDFs, sitios web, videos de YouTube, audio o texto y seleccionar cuáles utilizar en una consulta. Desde el panel Studio también puede generar cuestionarios y tarjetas didácticas, ajustar su dificultad y volver sobre aquello que todavía necesita repasar.
Para estudiar una materia concreta, esa arquitectura introduce una ventaja conceptual: el espacio de trabajo tiene fronteras visibles. El estudiante sabe qué documentos están alimentando la experiencia y puede organizar distintos cuadernos alrededor de temas o proyectos.
Dentro del ecosistema de Google, Gemini Notebook y Gemini representan por ello dos capas diferentes: una concentrada en trabajar profundamente con fuentes y otra que avanza hacia una ruta adaptativa de aprendizaje.
La siguiente frontera puede ser acompañar el recorrido completo
Las funciones actuales ya ofrecen una pista sobre hacia dónde podría moverse esta competencia. El salto siguiente consiste en conservar una meta durante más tiempo y coordinar distintas acciones alrededor de ella.
El OECD Digital Education Outlook 2026 dedica un capítulo a tutores basados en diálogo y describe agentes pedagógicos generativos capaces de alternar entre dar pistas, plantear preguntas reflexivas, ofrecer apoyo y ajustar el grado de autonomía según el desarrollo de la conversación. El informe señala que el contexto de interacciones anteriores puede permitir al agente modificar su estrategia conforme cambia la situación del estudiante.
La OCDE incluso plantea, todavía como horizonte emergente, la idea de un acompañante transversal que pueda seguir a una persona entre materias y periodos de aprendizaje, conectando conocimientos y conservando un perfil más continuo. El propio informe aclara que esa posibilidad permanece principalmente en el terreno teórico y de investigación temprana.
Algunas piezas de ese futuro ya empiezan a aparecer por separado. Gemini diagnostica y registra progreso dentro de Study Notebooks; ChatGPT puede combinar conversaciones de estudio con memoria; Claude organiza contextos dentro de Projects; Gemini Notebook conserva espacios construidos alrededor de fuentes.
Del chatbot al tutor y del tutor al agente
Un chatbot parte de una consulta y genera una respuesta. Un tutor de IA añade reglas para preguntar, orientar, retroalimentar y adaptar la interacción. Un sistema más cercano a un agente suma otra capacidad: mantener una meta y coordinar pasos para avanzar hacia ella.
En el estudio, eso podría significar recibir los materiales de una materia, identificar qué falta dominar, proponer una secuencia, generar ejercicios, observar resultados y decidir qué retomar después. Algunas de esas funciones ya existen; su integración sostenida en una sola experiencia es la frontera que las plataformas empiezan a explorar.
La competencia entre asistentes educativos puede terminar moviéndose precisamente hacia ahí. Saber muchas respuestas seguirá siendo útil; acompañar un recorrido completo exige además contexto, memoria, adaptación y capacidad para decidir qué debería ocurrir después.
▏
Desde la investigación
- OCDE, Digital Education Outlook 2026. Distingue entre IA generativa de uso general y herramientas diseñadas con intención pedagógica; destaca el potencial de tutores capaces de preguntar, ofrecer pistas y modificar su estrategia según la interacción.
- Google, Study Notebooks (2026). Gemini incorpora espacios orientados a una meta de aprendizaje, con diagnóstico inicial, lecciones personalizadas, cuestionarios y seguimiento del progreso.
- OpenAI, Study Mode. ChatGPT puede trabajar mediante preguntas guiadas, explicación paso a paso, práctica y comprobación de comprensión; también puede utilizar archivos y memoria cuando están disponibles.
- OECD sobre agentes pedagógicos. El horizonte de desarrollo apunta hacia sistemas con interacción adaptativa, mayor continuidad y capacidad de combinar distintas estrategias de apoyo alrededor del aprendizaje.