El aula con inteligencia artificial: una promesa que puede ampliar la brecha y borrar la disidencia

La idea de que la inteligencia artificial puede sustituir, aunque sea en parte, a un docente de matemática se instaló con fuerza en los debates educativos de los últimos años. Para Wayne Holmes, investigador del UCL Knowledge Lab de la University College London, esa comparación no se sostiene: detrás de cada promesa de eficiencia, advierte, se esconden dos riesgos concretos, el aumento de la desigualdad entre escuelas y la uniformidad del pensamiento.

Holmes lleva años estudiando cómo la IA impacta en la enseñanza y su postura es decididamente escéptica. Distingue, ante todo, entre enseñar sobre inteligencia artificial y utilizar la IA como recurso pedagógico. El primer terreno, dice, es imprescindible para formar ciudadanos críticos en un mundo atravesado por algoritmos. El segundo es donde aparecen los problemas.

Por qué la analogía con la calculadora no cierra

Uno de los argumentos más repetidos es que la IA generativa hará con la escritura y el razonamiento lo que la calculadora hizo con la matemática: transformar la tarea sin eliminarla. Holmes lo descarta de raíz. La calculadora es una herramienta determinista: si se aprietan las teclas correctas en el orden correcto, la respuesta siempre es correcta. La IA generativa, en cambio, es probabilística: produce una palabra detrás de la otra eligiendo la más probable según sus datos de entrenamiento, y eso no garantiza precisión. Para un alumno, saber si la salida es confiable exige un nivel de criterio que muchas veces todavía no tiene.

“Con una calculadora, si apretás los botones correctos en el orden correcto, obtenés la respuesta correcta siempre. Con la IA generativa no podés estar seguro.”Wayne Holmes, investigador del UCL Knowledge Lab

La paradoja de la desigualdad

Holmes advierte que la IA puede profundizar la grieta educativa en lugar de cerrarla. En las escuelas privadas de élite, la captación de alumnos no pasa por la tecnología sino por los docentes: la promesa de marca son los maestros, no las computadoras ni los chatbots. En contextos de escasez de profesores, de bajos recursos o de difícil acceso geográfico, en cambio, la inteligencia artificial suele aparecer como solución de reemplazo, no de apoyo.

El efecto combinado, según Holmes, es perverso: en las aulas acomodadas se invierte en docentes y se usa IA como complemento; en las aulas vulnerables se la usa para el agujero que deja la falta de maestros. Las consecuencias, agrega, van mucho más allá del aula: si la educación se desfinancia en nombre de la eficiencia tecnológica, se debilita la base misma de la participación ciudadana y, con ella, la calidad de la democracia.

Cómo funciona el sesgo hacia la uniformidad

• La IA generativa elige palabra por palabra la continuación más probable de un texto a partir de patrones en sus datos de entrenamiento.
• Esos datos están dominados por las perspectivas más repetidas y mejor representadas en internet, libros y artículos.
• Los enfoques críticos, minoritarios o disidentes quedan subrepresentados porque estadísticamente aparecen menos.
• Para el usuario, sobre todo si es un estudiante, esa postura mayoritaria se vuelve invisible: parece la única posible.
• El resultado es un aprendizaje que tiende a homogeneizarse y a borrar matices que un buen docente pondría sobre la mesa.

Holmes lo comprobó con un experimento simple. Consultó a varias herramientas sobre los problemas del aprendizaje personalizado y todas respondieron que la única dificultad era implementarlo. Ninguna puso en duda si el enfoque funciona o si conviene revisarlo. Para el investigador, el ejemplo muestra con claridad cómo la IA refleja lo que ya está en sus datos: si la posición dominante es que el aprendizaje personalizado es positivo, la herramienta difícilmente propondrá cuestionamientos.

Como la calculadora de mesa que cualquier abuelo tenía en la cocina, la IA responde de manera mecánica: hace cuentas a partir de las reglas que le cargaron. La diferencia es que nadie discutiría la veracidad de dos más dos, mientras que un texto generado por IA puede ser creíble y, aun así, incorrecto o tendencioso.

Qué falta para que llegue a todos (y qué duda conviene antes)

Consultado sobre cómo usaría la IA si tuviera que armar una escuela hoy, Holmes fue tajante: no incorporaría ninguna de las herramientas actuales. Lo que falta, según su mirada, no es más despliegue técnico sino evidencia. Falta regulación que audite las respuestas y obligue a declarar fuentes, falta formación docente para usar la IA como apoyo y no como reemplazo, y falta discusión pública sobre qué se pierde cuando un algoritmo decide qué versión del conocimiento se enseña. Mientras la promesa de eficiencia llegue antes que esas respuestas, advierte, la inteligencia artificial corre el riesgo de ensanchar la desigualdad y de enseñar a todos, pero a pensar todos lo mismo.