En Turquía, casi mil estudiantes de bachillerato practicaron matemáticas con IA: con un chat sin reglas sacaron 17% menos en el examen que quienes nunca lo usaron; con un tutor diseñado con reglas pedagógicas, sobre el mismo modelo, no quedaron por debajo de quienes nunca lo usaron (Bastani y coautores, PNAS, 2025).
Ese no es un experimento sobre si la inteligencia artificial «sirve» para estudiar. Es un experimento sobre diseño: el mismo modelo, GPT-4, produjo un resultado distinto según cómo estaba configurado. La pregunta que debería hacerse un colegio, una coordinación académica o una dirección escolar no es «¿dejo que mis alumnos usen IA?». Es «¿qué IA diseño para que no piense por ellos?».
Soy Pratosh Dwivedi, cofundador y director de tecnología de TecnIA. Diseño sistemas con inteligencia artificial todos los días, y esta pregunta tiene tres respuestas medidas en tres países distintos, y una lectura mía sobre lo que tienen en común.
¿Qué le hace a un estudiante practicar con un chatbot sin reglas?
Lo convierte en una muleta. En el experimento de Turquía, los estudiantes que practicaron con un chat simple tipo ChatGPT («GPT Base») sacaron 48% más que el grupo sin IA mientras tuvieron el chatbot a la mano. Pero cuando se les evaluó sin acceso a la IA, sacaron 17% peor que los estudiantes que nunca habían tenido el chatbot: la ayuda no dejó aprendizaje, dejó dependencia.
Los propios investigadores explican por qué, con datos de las conversaciones mismas: los estudiantes usaban el chat sin reglas para «pedir y copiar soluciones» en lugar de intentar resolver el problema. Mi lectura: no es que la IA «hiciera trampa» por ellos, es que un chat abierto, sin instrucciones sobre cómo comportarse pedagógicamente, siempre va a preferir ser útil antes que hacer pensar. Y ser útil, en ese momento exacto, es lo peor que le puede pasar a alguien que todavía está aprendiendo.
¿Puede un tutor de IA mejorar el aprendizaje, no solo evitar dañarlo?
Sí, pero no lo muestra Turquía. Allí el tutor con reglas («GPT Tutor») evitó el daño, sin diferencia significativa contra quienes nunca usaron el chatbot en el examen sin ayuda, y sin ganancia frente al grupo de control; los propios autores lo dicen. Durante la práctica sí sacó 127% más que el grupo sin IA, frente al 48% del chat sin reglas, pero eso mide desempeño con el chatbot a la mano, no aprendizaje.
El diseño combinó dos reglas, sencillas de enunciar aunque laboriosas de preparar: pedirle al modelo que diera pistas en vez de la respuesta directa, y darle al modelo, no al estudiante, la solución correcta y los errores comunes que el profesor ya conocía de antemano. La ganancia real en aprendizaje, medida contra un grupo de comparación, viene de otros dos estudios: Harvard y Nigeria.
Un experimento en Harvard University, con estudiantes universitarios de un curso de física, llegó a una conclusión distinta por un camino distinto. Con un diseño cruzado, en el que cada estudiante pasó por las dos condiciones en semanas distintas, quienes aprendieron con un tutor de IA construido sobre las mismas prácticas pedagógicas de la clase presencial (manejo de la carga cognitiva, aprendizaje activo) obtuvieron entre 0.73 y 1.3 desviaciones estándar más que quienes tomaron la clase presencial de aprendizaje activo sobre el mismo tema, y lo hicieron en menos tiempo: la mitad de los estudiantes terminó en 49 minutos o menos, frente a una lección presencial de 60. También reportaron sentirse más comprometidos y más motivados que sus compañeros en la clase presencial (Kestin et al., Scientific Reports, 2025).
¿Esto funciona también fuera de una universidad con recursos, en un salón real?
La evidencia más dura para esa pregunta no viene de Turquía ni de Harvard: viene de un piloto del Banco Mundial en Edo, Nigeria. Durante seis semanas, entre junio y julio de 2024, estudiantes de primer año de bachillerato de nueve escuelas públicas de Benin City practicaron inglés con Microsoft Copilot (impulsado por GPT-4), hasta dos veces por semana, en parejas, con maestros capacitados para explicar los límites del modelo antes de empezar. El resultado: 0.31 desviaciones estándar más en la evaluación final del programa, y 0.21 desviaciones estándar más en el examen regular de inglés del tercer periodo, uno que cubre todo el año escolar y no solo las seis semanas del piloto (De Simone et al., Banco Mundial, 2025).
El detalle que conecta este piloto con el de Turquía es el diseño alrededor del chatbot. Copilot se usó tal cual, sin programarlo por dentro, y cada pareja conversó libremente con él; pero cada sesión partía de un tema del programa oficial y de unas instrucciones iniciales escritas para que el modelo actuara como tutor y no se limitara a dar respuestas directas. Los maestros circulaban por el salón para mantener a las parejas en la tarea. Antes de la primera sesión, los maestros ya habían explicado a los estudiantes el riesgo de depender demasiado del modelo y de sus alucinaciones.
El piloto generó ganancias de aprendizaje equivalentes a entre 1.5 y 2 años de escolaridad convencional, con un costo aproximado de 48 dólares por alumno. Según el propio análisis de costos de los autores, eso lo sitúa entre algunos de los programas más costo-efectivos para mejorar el aprendizaje.
¿Qué reglas de diseño aparecen en estos estudios?
Cada estudio aportó una pieza distinta, no las mismas reglas repetidas tres veces. En Turquía, el tutor daba pistas en vez de la respuesta directa, y el profesor precargaba en el modelo la solución correcta y los errores típicos antes de la sesión. En Harvard, el tutor se construyó sobre la misma estructura pedagógica que la clase presencial y también usaba respuestas precargadas por los instructores.
En Nigeria, en cambio, el modelo se usó sin configuración propia. El barandal estuvo en las instrucciones con que arrancaba cada sesión, pensadas para que el chatbot guiara en vez de resolver, y en un maestro que advertía sobre los riesgos antes de empezar y circulaba durante la sesión.
Mi lectura de los tres juntos: lo que separa a un chatbot libre de un tutor que ayuda a aprender no es un único truco, sino que alguien, dentro o fuera del modelo, decidió cómo debía comportarse antes de que el estudiante empezara. Ninguno de los tres estudios comparó modelos distintos entre sí, así que no hay evidencia de que el modelo elegido, y no el diseño, explique la diferencia.
Ninguna de estas reglas depende de comprar el modelo más caro o más nuevo. Los tres estudios usaron la misma familia de modelo, GPT-4, en momentos distintos entre 2023 y 2024. Mi lectura es que la diferencia estuvo en el diseño alrededor de ese modelo, no en el modelo mismo.
¿Qué significa esto para quien decide si sus alumnos estudian con un chatbot?
Que la pregunta correcta no es binaria. Según esta evidencia, «dejar usar sin reglas» es el peor de los tres caminos: en Turquía quedó 17% por debajo de no usar IA en absoluto. Diseñar evitó ese daño, y en Harvard y en Nigeria un uso estructurado superó a la enseñanza habitual; prohibir no daña, pero renuncia a esa ganancia.
En TecnIA creemos que esa es la pregunta que debe guiar cualquier programa que forme a quienes enseñan o aprenden con inteligencia artificial. Es la conversación que queremos tener en la Maestría en Tecnología Educativa e Inteligencia Artificial.
Y no es una discusión que ocurra solo en otros países. Según la Encuesta sobre IA en la Educación Superior en América Latina 2026 del Digital Education Council, con más de 30 mil respuestas de 29 instituciones de la región, 92% de los estudiantes encuestados ya usa IA de forma activa, y 61% de ellos mismos teme el mal uso que hacen sus compañeros. La adopción ya ocurrió.
Mi lectura: el diseño, en la mayoría de los casos, todavía no llegó; solo 3 de cada 10 estudiantes de esa misma encuesta cree que el uso de IA de su institución cumple lo que esperaba. Ya escribimos aquí sobre lo que un docente mexicano necesita dominar antes de enseñar con IA, del lado de quien enseña; este artículo es el mismo problema visto del lado del diseño de la herramienta.
Si usted es docente, coordinador o directivo y ya tiene chatbots circulando en su salón, porque a estas alturas casi seguro los tiene, la pregunta que vale la pena hacerse esta semana no es si prohibirlos. Es si el que está usando su alumno da pistas o da respuestas. Escríbanos por WhatsApp y platicamos sin compromiso.
Preguntas frecuentes
¿Un tutor de IA con barandales puede sustituir a un profesor humano?
No, según esta evidencia. En Turquía el tutor fue un apoyo durante sesiones de práctica con un maestro y personal de apoyo presentes en el salón; en Harvard sustituyó, en una semana del curso, una de las dos clases presenciales, y aun así sus propios autores recomiendan no usarlo para reemplazar la enseñanza presencial, sino para preparar a los estudiantes antes de clase; en Nigeria los maestros siguieron presentes, capacitados y circulando durante cada sesión. Lo que se midió es qué diseño de acompañamiento con IA ayuda o daña, no si la IA puede quedarse sola con el estudiante.
¿Esto aplica a estudiantes de primaria o secundaria, o solo a universitarios?
Los tres estudios de este artículo trabajaron con bachillerato (Turquía y Nigeria) y universidad (Harvard), con estudiantes de entre 14 o 15 años y edad universitaria. Ninguno de estos tres estudios trabajó con estudiantes de primaria, así que no se puede generalizar directamente a esa edad.
¿TecnIA ya tiene un «tutor de IA con barandales» construido en sus materias?
No, no como un producto terminado. Lo que compartimos es el principio de diseño que esta evidencia respalda: que una herramienta de IA usada en clase debería dar pistas y no respuestas, y estar anclada al programa del curso. Es la pregunta que creemos debe guiar cualquier programa, incluida nuestra Maestría en Tecnología Educativa e Inteligencia Artificial.
¿Qué debe preguntar un director o coordinador antes de aprobar un chatbot para sus alumnos?
Con esta evidencia, al menos dos preguntas: ¿el chatbot está configurado para dar pistas o para dar la respuesta completa? Y ¿alguien entrenado explicó a los estudiantes, antes de usarlo, sus límites y el riesgo de depender de él? Mi lectura de estos estudios es que esas dos decisiones pesan más que el modelo elegido: ninguno comparó modelos distintos, pero los tres usaron la misma familia, GPT-4, con resultados que dependieron del diseño.
¿Estos resultados se pueden replicar en cualquier materia?
No necesariamente. Los tres estudios evaluaron materias con respuestas verificables o contenido curricular estructurado: matemáticas, física e inglés con un plan de estudios fijo. Los propios autores del estudio de Harvard señalan que su enfoque parece especialmente adecuado para contenido de los niveles de comprensión, aplicación y análisis de la taxonomía de Bloom.
Pratosh Dwivedi es cofundador y Director de Tecnología de TecnIA Universidad Online, donde lidera la integración de la inteligencia artificial en el modelo educativo de la institución.
Este artículo fue escrito por Pratosh Dwivedi con asistencia de herramientas de inteligencia artificial, conforme a nuestra Política de IA.
