La inteligencia artificial puede hacer cada vez más cosas por nosotros. La verdadera pregunta educativa es cuáles podemos delegar sin renunciar al aprendizaje que ocurría mientras las hacíamos.
—Eso es IA.
Cada vez escucho más esa frase. Casi nunca es una descripción. Es un veredicto.
Se dice con ese tono con el que señalamos algo que acaba de perder valor: el texto es bueno, sí, pero “es IA”; la imagen impresiona, pero “es IA”; la respuesta parece correcta, pero “eso lo hizo una inteligencia artificial”.
Como si descubrir la participación de una máquina bastara para invalidar el resultado. Como si nuestra meta fuera detectar cuánto hizo la tecnología para después descontarlo, eliminarlo o desecharlo.
Quizá estamos mirando el lugar equivocado.
La pregunta importante no es si hubo inteligencia artificial.
La pregunta es:
¿qué ocurrió con nosotros mientras la utilizábamos?
Porque se puede trabajar con una IA y aprender muchísimo.
Podemos discutir con ella, pedirle que explique aquello que no entendemos, confrontar hipótesis, comprobar fuentes, detectar contradicciones, ensayar una idea y descubrir que era peor de lo que suponíamos. Podemos cambiar de opinión porque apareció una evidencia mejor. Podemos terminar una conversación sabiendo algo que antes ignorábamos.
Y también puede ocurrir exactamente lo contrario.
Podemos pedirle un texto, recibirlo, cambiar tres palabras y presentarlo.
Podemos obtener una conclusión sin haber recorrido ninguna de las preguntas que conducen hasta ella.
Podemos entregar un resultado impecable y salir del proceso exactamente igual que como entramos.
Quizá eso sea lo verdaderamente lamentable.
No que la inteligencia artificial haya participado.
Sino que nosotros no hayamos participado intelectualmente.
Porque la IA acaba de romper una equivalencia que durante mucho tiempo dimos por sentada:
producir algo ya no significa necesariamente haber aprendido algo.
Y esa pequeña ruptura puede resultar mucho más importante para la educación que cualquier discusión sobre prompts.
Una idea bastante antigua
Por eso me interesó una investigación presentada recientemente por el Centro de Educación General en Inteligencia Artificial del Departamento de Ciencias de la Computación de la Universidad Tsinghua.
No porque venga de China.
Tampoco porque sus investigadores hayan descubierto una idea que nadie hubiera pensado antes.
Y mucho menos porque debamos convertir otro desarrollo educativo en una carrera de caballos para decidir quién “va ganando”.
Lo destacable es otra cosa.
Tsinghua ha decidido colocar en el centro de su propuesta educativa un concepto que llama autonomía cognitiva.
El nombre puede parecernos nuevo.
La preocupación no lo es.
Preguntar quién produjo una información es antiguo.
Pedir evidencia también.
Reconocer que una conclusión tiene límites pertenece a la ciencia desde mucho antes de que existieran modelos de lenguaje.
Dudar, comprobar, cambiar de opinión y asumir las consecuencias de una decisión forman parte de eso que, antes de necesitar terminología especializada, llamábamos simplemente tener criterio.
Ahí está, precisamente, lo interesante.
En una época enamorada de la innovación, una de las propuestas más sensatas puede consistir en recuperar cosas que nunca debimos olvidar.
Porque nuestro problema no comenzó con ChatGPT.
Vivíamos desde mucho antes en medio de una abundancia informativa que demasiadas veces confundimos con conocimiento.
Le pusimos incluso un nombre adecuado: infoxicación.
Más información de la que podemos procesar.
Más titulares de los que podemos comprobar.
Más opiniones de las que podemos digerir.
Más datos, videos, estadísticas, expertos, gurús, notificaciones y certezas instantáneas disputándose un pedazo de nuestra atención.
La inteligencia artificial no creó ese mundo.
Hizo algo diferente.
Nos ofreció la posibilidad de delegar también una parte creciente del esfuerzo necesario para movernos dentro de él.
Y entonces la pregunta cambió.
Ya no basta con preguntarnos:
¿es verdadera esta información?
Tenemos que preguntarnos también:
¿qué parte de mi pensamiento acabo de entregar?
Depender nunca fue el problema
Uno de los mayores aciertos de la propuesta de Tsinghua consiste en no confundir autonomía con autosuficiencia.
Nadie piensa completamente solo.
Nunca lo hicimos.
Pensamos con libros que escribieron otros.
Con profesores.
Con amigos.
Con médicos.
Con periodistas.
Con bibliotecas, mapas, calculadoras, estadísticas, diccionarios y buscadores.
Nuestra inteligencia siempre ha dependido de otras inteligencias.
Pretender ahora que una persona autónoma debe hacer cada operación por sí misma sería absurdo.
Sería como exigirle fabricar sus zapatos para demostrar que sabe caminar.
La propuesta de Tsinghua habla, por eso, de conservar autonomía dentro de una dependencia abierta.
Podemos pedir ayuda.
Podemos delegar.
Podemos permitir que una inteligencia artificial busque, calcule, organice datos, compare posibilidades o sugiera hipótesis.
La autonomía no desaparece por eso.
Desaparece cuando dejamos de saber qué delegamos, por qué lo delegamos, cuánto podemos confiar en el resultado y quién conserva la responsabilidad de decidir qué hacer con él.
Ésa es una frontera mucho más interesante que dividir el mundo entre trabajos hechos “con IA” y trabajos hechos “sin IA”.
Una persona puede no utilizar inteligencia artificial y pensar de manera profundamente dependiente.
Otra puede utilizarla todos los días sin renunciar a su criterio.
El problema nunca fue depender.
El problema es abdicar sin darnos cuenta.
Seis preguntas bastante antiguas
Tsinghua divide la autonomía cognitiva en seis dimensiones: vigilancia de la fuente, sensibilidad a la evidencia, conciencia de los límites, calibración de confianza, agencia cognitiva y juicio de responsabilidad.
Los nombres son académicos.
Las preguntas no.
Imaginemos a un estudiante frente a una respuesta de inteligencia artificial.
Parece convincente.
Primero:
¿de dónde salió esto?
Encuentra una fuente.
Después:
¿esa fuente demuestra realmente lo que la respuesta afirma?
Descubre que el estudio citado se realizó sobre una población muy concreta.
Entonces:
¿hasta dónde puedo generalizar la conclusión?
Luego:
ahora que conozco esos límites, cuánto debería confiar?
Y finalmente:
si utilizo esa respuesta para tomar una decisión y nos equivocamos, quién responde?
Vistas así, las dimensiones de Tsinghua dejan de parecer una teoría exclusiva sobre inteligencia artificial.
Sirven frente a un chatbot.
Pero también frente a un video de TikTok.
Una encuesta.
Un diagnóstico.
Un titular.
Un experto.
Una estadística que confirma exactamente aquello que ya queríamos creer.
Quizá ésa sea una de las virtudes del planteamiento.
La inteligencia artificial es el escenario.
El aprendizaje debería sobrevivirle.
Tener el resultado sin haber hecho el viaje
Durante mucho tiempo, un profesor podía deducir ciertas cosas observando el resultado de un estudiante.
Si alguien entregaba un ensayo razonablemente bueno, era lógico imaginar que había tenido que leer, seleccionar información, ordenar ideas, escoger palabras y sostener algún tipo de argumento.
La inferencia nunca fue perfecta.
Pero funcionaba lo suficiente.
La inteligencia artificial acaba de romperla.
Dos estudiantes pueden entregar textos de calidad semejante después de experiencias intelectuales completamente distintas.
Uno pudo conversar durante horas con la herramienta.
Contradecirla.
Verificar fuentes.
Descartar respuestas.
Reformular preguntas.
Cambiar de opinión.
Reescribir el texto.
El otro pudo escribir veinte palabras y copiar el resultado.
El producto puede parecerse.
El proceso no.
Y si hablamos de educación, esa diferencia lo cambia todo.
Porque una escuela no existe solamente para producir tareas terminadas.
Existe para transformar, de alguna manera, a quienes pasan por ella.
Ahora podemos obtener el producto sin haber atravesado el proceso.
Y hay procesos que importan precisamente porque atravesarlos nos modifica.
¿Por qué hacer algo que la máquina hace mejor?
Aquí comienza, para mí, la pregunta realmente difícil.
¿Qué ocurre cuando la inteligencia artificial no hace una tarea aproximadamente igual que nosotros, sino mejor?
Más rápido.
Con menos errores.
Con acceso a más información.
Con una capacidad para comparar posibilidades que ningún ser humano podría igualar.
¿Por qué debería entonces un estudiante seguir haciendo esa tarea?
La pregunta parece tecnológica.
Es profundamente educativa.
Porque algunas cosas las hacemos para conseguir un resultado.
Pero otras las hacemos porque hacerlas nos construye.
Un niño no aprende a sumar porque el mundo carezca de calculadoras.
Aprende porque algo ocurre en su cabeza mientras comprende qué significa sumar.
No enseñamos a escribir únicamente porque necesitemos textos.
Escribir obliga a ordenar.
A escoger.
A descartar.
A descubrir que aquella idea que parecía perfectamente clara dentro de nuestra cabeza se vuelve mucho menos clara cuando intentamos convertirla en una frase.
Tampoco recordamos únicamente porque Google pueda olvidar.
La memoria crea relaciones. Y esas relaciones son parte de aquello que después llamamos comprender.
Por eso el gran dilema educativo de los próximos años no será determinar qué tareas puede hacer la inteligencia artificial.
Esa lista crecerá casi todos los días.
La pregunta será otra:
¿qué tareas necesitamos seguir haciendo nosotros, aunque una máquina pueda hacerlas mejor, porque el verdadero resultado de esas tareas no es el producto sino la persona que aparece después de realizarlas?
Esa pregunta vale bastante más que aprender el prompt de la semana.
La fricción que confundimos con un defecto
Durante décadas diseñamos tecnología bajo una promesa bastante sencilla:
menos fricción.
Un clic menos.
Una espera menos.
Una búsqueda menos.
Un formulario menos.
Llegar antes.
Resolver antes.
Encontrar antes.
Y buena parte de ello representa progreso.
No existe ninguna virtud especial en perder tres horas haciendo peor algo que una herramienta puede resolver correctamente en unos segundos.
El problema aparece cuando trasladamos automáticamente esa misma lógica al pensamiento.
Porque algunas formas de esfuerzo mental no son defectos del proceso.
Son el proceso.
Recordar cuesta.
Comparar cuesta.
Formular una pregunta buena cuesta.
Sostener una duda cuesta.
Detectar una contradicción cuesta.
Escribir un primer párrafo mediocre hasta descubrir qué queríamos decir cuesta.
Cambiar de opinión cuesta todavía más.
Tal vez una educación preocupada por la autonomía cognitiva deba hacer algo que parece extraño en nuestra época:
preservar deliberadamente ciertas formas de fricción cognitiva.
Primero dime qué piensas.
Después pregunta a la IA.
Antes de consultarla, dime cuánto confías en tu respuesta.
Ahora busca evidencia.
¿Qué cambió?
¿Por qué?
¿Qué aceptaste?
¿Qué rechazaste?
¿Podrías defender esa conclusión si la pantalla desapareciera?
No para castigar a quien utiliza tecnología.
Precisamente para aprender a utilizarla.
Eliminar toda fricción puede producir una experiencia magnífica para un usuario.
No necesariamente para un estudiante.
Volvamos a “eso es IA”
Quizá por eso deberíamos revisar la frase del comienzo.
—Eso es IA.
¿Qué estamos diciendo exactamente?
¿Que una herramienta participó?
Eso cada vez nos dirá menos.
Participa un corrector.
Participa un buscador.
Participa un traductor.
Participa una hoja de cálculo.
Participa un sistema de navegación.
Y cada vez participarán más modelos, agentes y herramientas que probablemente ni siquiera veremos trabajando.
La procedencia tecnológica de un resultado será una información insuficiente.
La pregunta verdaderamente educativa será:
¿qué hiciste tú con lo que la inteligencia artificial hizo por ti?
¿Lo entendiste?
¿Lo discutiste?
¿Sabes por qué funciona?
¿Sabes dónde puede fallar?
¿Podrías detectar un error?
¿Cambiaste alguna idea?
¿Aprendiste algo que antes no sabías?
Porque quizá lo lamentable no sea presentar un resultado elaborado con ayuda de inteligencia artificial.
Lo lamentable sería presentarlo sin haber aprendido nada en el camino.
Ahí sí habría ocurrido una sustitución.
No necesariamente de la persona.
De una oportunidad.
Tsinghua es el caso, no la carrera
La propuesta de Tsinghua gana relevancia porque no se queda solamente en el concepto.
El proyecto intenta convertir estas ideas en materiales, actividades y formas de evaluación. Su despliegue incluye centenares de instituciones participantes y una progresión curricular que busca enseñar desde edades tempranas a reconocer errores, analizar evidencia, comprender límites y decidir qué debe hacer la persona y qué puede delegar a un sistema.
Eso merece atención.
Pero no necesitamos convertirlo en una proclamación de que “China ganó”.
Ni siquiera necesitamos afirmar que China descubrió algo que el resto del mundo ignoraba.
Otros marcos educativos internacionales avanzan también hacia ideas como agencia humana, metacognición, autorregulación, juicio y división consciente del trabajo entre humanos e inteligencia artificial.
Eso hace la señal todavía más interesante.
Quizá estemos frente a una convergencia.
Primero preguntamos:
¿cómo usamos la IA?
Después:
¿cómo la usamos responsablemente?
Ahora empezamos a preguntarnos:
¿cómo seguimos pensando nosotros mientras la utilizamos?
Ese cambio parece pequeño.
No lo es.
La autonomía tiene una consecuencia incómoda
Hay, sin embargo, una pregunta que esta idea tiene que soportar si quiere tomarse en serio.
¿Hasta dónde estamos realmente dispuestos a enseñar autonomía cognitiva?
Porque es relativamente cómodo enseñar a un alumno a cuestionar una respuesta producida por una inteligencia artificial.
Pero la misma habilidad debería permitirle cuestionar un libro.
A un profesor.
A un medio de comunicación.
A una empresa.
A una mayoría.
A una institución.
A un gobierno.
Y probablemente lo más difícil:
a una idea propia que lleva años defendiendo.
Toda educación que aspire realmente a la autonomía cognitiva termina enfrentándose a esa consecuencia.
No puede enseñar:
cuestiona aquello que nosotros consideramos cuestionable.
Eso sería otra forma de obediencia.
Nos encanta el pensamiento crítico cuando cuestiona las ideas de los demás.
Nos incomoda bastante más cuando empieza a examinar las nuestras.
Y ésa no es una contradicción exclusiva de China.
Está en nuestras escuelas.
En nuestras familias.
En nuestras universidades.
En nuestra política.
En nosotros.
La autonomía cognitiva necesita algo más que un currículo.
Necesita una cultura capaz de soportar sus consecuencias.
Antes de comprar la herramienta
También por eso quizá docentes y autoridades deberían alterar el orden de algunas conversaciones.
Buena parte de las discusiones educativas sobre inteligencia artificial comienza con la tecnología:
¿la permitimos?
¿la prohibimos?
¿Qué plataforma utilizamos?
¿Cómo detectamos si un estudiante la usó?
¿Cómo enseñamos a redactar mejores instrucciones?
Tal vez la primera pregunta debería ser otra:
¿qué capacidad humana intentamos desarrollar con esta actividad?
Después podemos decidir qué papel debe desempeñar la herramienta.
Si la tarea consiste en encontrar veinte ejemplos, probablemente delegar una búsqueda sea razonable.
Si consiste en aprender a distinguir un ejemplo válido de uno que no lo es, delegar esa decisión cambia la naturaleza del ejercicio.
Si necesitamos producir un documento, la IA puede ahorrar muchísimo trabajo.
Si necesitamos aprender a construir un argumento, recibirlo terminado antes de intentarlo quizá destruya precisamente aquello que queríamos enseñar.
No existe una regla universal.
Ése es el punto.
Saber delegar también significa saber por qué estamos haciendo algo.
No competir contra la máquina
Tampoco deberíamos convertir la autonomía cognitiva en una defensa nostálgica de la superioridad humana.
Si una máquina hace algo mejor, dejárselo hacer puede ser perfectamente razonable.
No necesitamos competir contra una excavadora utilizando una pala para demostrar el valor del esfuerzo.
Cuando delegamos la excavación, sin embargo, todavía necesitamos saber dónde queremos cavar.
Y por qué.
Y hasta dónde.
Y qué no deberíamos destruir mientras lo hacemos.
La inteligencia artificial vuelve más compleja esa vieja relación porque la herramienta empieza a intervenir justamente en territorios que durante mucho tiempo identificamos con nuestro juicio.
Puede proponer.
Puede argumentar.
Puede recomendar.
Puede persuadir.
Puede sonar extraordinariamente segura.
Y cada vez que mejore será más tentador dejar de comprobarla.
Quizá la autonomía cognitiva sea más difícil de conservar frente a una IA excelente que frente a una mediocre.
Cuando una máquina se equivoca constantemente, mantenemos las defensas levantadas.
Cuando acierta casi siempre, empezamos a preguntarnos para qué revisar.
Y allí aparece una paradoja que conviene vigilar:
la confianza merecida puede terminar convirtiéndose, lentamente, en obediencia.
El regreso del sentido común
Por eso no encuentro en la propuesta de Tsinghua solamente una teoría sobre inteligencia artificial.
Encuentro algo parecido a un regreso al sentido común.
No creer automáticamente.
Preguntar de dónde viene una afirmación.
Pedir evidencia.
Reconocer los límites.
Aceptar que nuestra confianza debería tener grados.
Cambiar de opinión cuando aparecen mejores razones.
Utilizar herramientas extraordinarias sin convertirlas en autoridades infalibles.
Y comprender que la responsabilidad no desaparece porque una recomendación haya salido de una pantalla.
No parece una revolución.
Quizá ésa sea precisamente su mayor virtud.
Los prompts de hoy probablemente envejecerán rápido.
Las plataformas cambiarán.
Los modelos cambiarán.
Los nombres que hoy parecen inevitables serán reemplazados por otros.
Pero seguirá siendo necesario preguntar:
¿Cómo lo sabes?
¿Qué evidencia tienes?
¿Hasta dónde vale?
¿Cuánto debería confiar?
¿Qué estoy delegando?
¿Quién responde?
Y tal vez dentro de algunos años esas preguntas sean más importantes que saber utilizar cualquiera de las herramientas que hoy nos parecen indispensables.
Imaginemos entonces otra vez al estudiante.
Tiene una tarea delante.
Abre una inteligencia artificial.
Pregunta.
En pocos segundos aparece una respuesta mejor escrita de lo que probablemente habría conseguido por sí mismo.
Está ordenada.
Tiene argumentos.
Parece convincente.
Incluso puede tener razón.
El estudiante podría copiarla.
Podría entregarla.
Podría obtener una buena nota.
Y quizá nadie llegaría a saber exactamente cuánto hizo la máquina.
Pero alguien puede acercarse a su mesa, mirar la pantalla y hacerle una pregunta mucho más sencilla.
Una pregunta que ninguna tecnología ha vuelto obsoleta.
—Está bien. Ya sabemos lo que dice la inteligencia artificial.
¿Y tú qué piensas?