La paradoja de la IA en la educación: Entre la Amplificación y la dependencia intelectual
- Karla Melissa Celis Malatesta
- 20 sept
- 5 Min. de lectura
Reflexiones de una charla en Grupo Metared TIC Perú sobre los desafíos que enfrentamoseducadores en la era de la inteligencia artificial.
Hoy tuve el privilegio de compartir con colegas del Grupo Metared TIC Perú una reflexión que me ha mantenido despierto durante meses: estamos viviendo una paradoja educativa sin precedentes. La misma tecnología que puede potenciar las capacidades cognitivas superiores de nuestros estudiantes (y nuestras!) también puede erosionar las habilidades de pensamiento crítico si no la integramos estratégicamente.
Esta no es una reflexión teórica e hipotética. Es una realidad que se está documentando científicamente en tiempo real y lo hemos visto y leído con el estudio que hizo el MIT respecto al uso de ChatGPT, este año.
¿Qué es la Paradoja Cognitiva de la IA?
Imaginemos esta situación: un estudiante de MBA utiliza ChatGPT (u otro modelo) para resolver un caso empresarial complejo en 10 minutos. Obtiene un análisis estructurado, con datos relevantes y conclusiones sólidas (al parecer). La pregunta que nos podemos hacer es: ¿está desarrollando su capacidad crítica o la está atrofiando?
Esta tensión define lo que planteo en la charla como paradoja cognitiva de la IA en educación: mientras las herramientas generativas pueden amplificar nuestras capacidades cognitivas superiores, existe el riesgo real de erosionar habilidades de pensamiento crítico si no se integran estratégicamente en los procesos educativos.
La idea fuerza es clara: la IA no es inherentemente positiva ni negativa; su impacto depende de cómo los educadores diseñamos las experiencias de aprendizaje y de cómo los estudiantes regulan su uso.
Nueva Evidencia Neurológica: El Concepto de "Deuda Cognitiva"
La evidencia más reciente y perturbadora proviene del MIT Media Lab. Nataliya Kosmyna y su equipo publicaron en junio 2025 un estudio revolucionario titulado "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task". Usando electroencefalografía (EEG), midieron qué sucede literalmente en nuestros cerebros cuando dependemos de la IA para escribir.
Los resultados si bien son lógicos y quizá los podríamos haber predicho, evidencian científicamente una realidad:
Participantes que escribieron sin herramientas mostraron la conectividad cerebral más fuerte y distribuida, especialmente en ondas alfa (pensamiento creativo) y beta (concentración sostenida).
Usuarios de ChatGPT exhibieron la conectividad más débil, con patrones neurales significativamente menos complejos.
El resultado más preocupante fue que estos efectos persisten incluso después de dejar de usar la IA. Kosmyna introduce el concepto de "deuda cognitiva" que se da cuando transferimos demasiado pensamiento a la IA.
Los participantes que habían usado ChatGPT reportaron menor sentido de autoría: "No puedes citar nada de tu ensayo. No sientes que sea tuyo, así que no te importa”. Cuando no nos sentimos responsables de una idea, es menos probable que la recordemos, defendamos o refinemos.
La Paradoja se Confirma Globalmente
Esta evidencia neurológica converge con hallazgos previos que documentan la misma paradoja desde diferentes ángulos:
Ahmed Elshall de Florida Gulf Coast University, en su artículo Balancing AI-assisted learning and traditional assessment: the FACT assessment in environmental data science education nos presenta un framework FACT (Fundamental, Applied, Conceptual, Critical Thinking) implementado en un curso de ciencia de datos ambientales. Sus resultados muestran la paradoja en acción:
Estudiantes sin IA tuvieron rendimiento consistente pero limitado a tareas básicas
Estudiantes con IA pero sin orientación mostraron mayor variabilidad y menor rendimiento promedio
Estudiantes con IA Y orientación pedagógica lograron abordar problemas complejos del mundo real
Pero aquí está la paradoja: el 50% de estudiantes admitió depender fuertemente de la IA, mientras expresaban preocupación sobre perder habilidades de resolución independiente.
Gkintoni et al. (2025) analizaron 103 estudios sobre IA en educación y encontraron la misma tensión sistémica: los sistemas neuroadaptativos mejoran el aprendizaje cuando gestionan la carga cognitiva correctamente, pero sin diseño pedagógico deliberado, la IA puede crear "offloading cognitivo" donde los estudiantes transfieren el esfuerzo mental a la máquina.
Los Fundamentos Teóricos de la Paradoja
Para entender por qué esta paradoja es estructuralmente inevitable, es importante reflexionar sobre tres marcos teóricos fundamentales:
1. Teoría de la Carga Cognitiva (CLT): La Mecánica de la Paradoja
La Teoría de la Carga Cognitiva nos explica el mecanismo exacto. Nuestra memoria de trabajo tiene límites claros, y la IA puede gestionar tres tipos de carga:
Carga extrínseca (tareas irrelevantes): La IA la reduce brillantemente, liberando recursos para aprendizaje profundo
Carga intrínseca (complejidad inherente): La IA puede manejarla por nosotros - aquí comienza la paradoja
Carga germinal (construcción de esquemas): Aquí está el núcleo del problema
La carga germinal es necesaria para formar conocimiento duradero, pero la IA puede eliminarla completamente. La trampa cognitiva surge cuando la IA reduce TODA la carga, incluida la que necesitamos para construir conocimiento.
2. Taxonomía de Bloom
Nos muestra exactamente dónde ocurre la paradoja en el espectro cognitivo:
Niveles inferiores (Recordar, Comprender, Aplicar): La IA es buenísima - beneficio claro, poca controversia
Niveles superiores (Analizar, Evaluar, Crear): Aquí surge la paradoja
¿Por qué específicamente aquí? Porque estos niveles requieren lucha cognitiva personal para desarrollarse, pero la IA puede simular estos procesos sin que el estudiante los desarrolle. Un estudiante puede "crear" un análisis sofisticado con IA pero no haber desarrollado capacidad analítica propia.
3. Sistema 1 vs Sistema 2
Daniel Kahneman (en Pensar rápido, pensar despacio) nos explica el mecanismo neurológico exacto:
Sistema 1 (rápido, automático): La IA lo potencia perfectamente
Sistema 2 (lento, deliberado): Se atrofia si no se ejercita
La paradoja neurológica: La IA hace que el Sistema 2 se sienta como Sistema 1. Los estudiantes experimentan "flujo cognitivo" pero sin el trabajo deliberado necesario. El cerebro interpreta esta facilidad como competencia, creando una ilusión de aprendizaje sin construcción real de capacidad.
Propuesta Práctica: El Framework FACT
Ante esta evidencia, ¿cómo equilibramos los beneficios transformadores de la IA con la necesidad de desarrollar capacidades cognitivas independientes?
El framework FACT de Elshall ofrece una respuesta estructurada:
Lecciones para la Implementación
La evidencia converge en tres lecciones críticas:
1. Secuenciación Temporal es Crítica Primero habilidades fundamentales, luego aplicación con IA. Sin esta secuencia, la paradoja se inclina hacia la dependencia.
2. Orientación Explícita es Indispensable Los datos de Elshall son claros: rendimiento sin orientación (88.4) vs. con orientación en IA (95.8). La IA sin pedagogía es contraproducente.
3. Metacognición Constante Los estudiantes necesitan monitorear conscientemente su dependencia con prompts reflexivos: "¿Qué aporta la IA vs. qué hago yo?"
Reflexiones Finales: Vivir con la Paradoja
La evidencia de MIT, Florida Gulf Coast, y estudios globales converge en una conclusión incómoda: la paradoja cognitiva no desaparecerá. No se trata de encontrar el punto perfecto donde la IA ayuda sin crear dependencia. Se trata de desarrollar la capacidad de navegar conscientemente esta tensión.
Como educadores, nuestra tarea no es resolver la paradoja, sino enseñar a nuestros estudiantes a danzar con ella de manera productiva. Nuestros estudiantes necesitan:
Habilidades sólidas para ser colaboradores competentes de la IA
Conciencia metacognitiva para reconocer cuándo dependen demasiado
Pensamiento crítico para evaluar outputs de IA
Autonomía intelectual para funcionar sin IA cuando sea necesario
El futuro no es humanos vs. IA, ni humanos dependientes de IA, sino humanos que gestionan sabiamente su relación con la IA.
La pregunta que nos hacemos con nuestros colegas en Metared TIC Perú: ¿estamos preparando estudiantes más inteligentes o más dependientes? La respuesta depende de las decisiones pedagógicas que tomemos hoy.
Referencias:
Elshall, A. S., & Badir, A. (2025). Balancing AI-assisted learning and traditional assessment: The FACT assessment in environmental data science education. Frontiers in Education, 10, Article 1596462.
Gkintoni, E., Antonopoulou, H., Sortwell, A., & Halkiopoulos, C. (2025). Challenging Cognitive Load Theory: The Role of Educational Neuroscience and Artificial Intelligence in Redefining Learning Efficacy. Brain Sciences, 15(2), Article 203.
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X. H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on chatgpt: Accumulation of cognitive debt when using an ai assistant for essay writing task. arXiv preprint arXiv:2506.08872.
Lineman, J. P., Sweet, M. M., & Sutton, F. (2025). Beyond Content: Leveraging AI and Metacognitive strategies for transformative learning in higher education. ACBSP Journal.
Comentarios