Cuando la inteligencia artificial en educación deja de ser un complemento
Durante las últimas décadas, la tecnología en la educación superior fue tratada como un suplemento o como una capa superficial de digitalización que no alteraba la esencia del acto pedagógico. En este período, denominado “normalización crítica”, las herramientas digitales eran vistas como conductores de información, pero rara vez como agentes transformadores de la estructura cognitiva del estudiante (Selwyn, 2016).
Sin embargo, la irrupción de la inteligencia artificial generativa ha marcado el fin de ese interregno tecnológico, y ha abierto una nueva etapa para pensar la inteligencia artificial en educación desde una perspectiva pedagógica, institucional y cognitiva diferente.
En ese sentido, la inteligencia artificial no debe ser entendida como una nueva herramienta, sino como un cambio de paradigma ontológico: la aparición de un “otro” no humano, capaz de realizar tareas cognitivas complejas. Se trata de una modificación en la concepción de nuestra identidad, debido a que el procesamiento de información de alto nivel deja de ser un dominio exclusivo del ser humano.
Teniendo en cuenta estos escenarios, la reflexión sobre la inteligencia artificial en educación no debería centrarse en la resistencia, sino en la reingeniería de la presencialidad y la virtualidad.
El debate sobre si la inteligencia artificial debe entrar al aula ha quedado obsoleto.
La pregunta urgente es cómo la inteligencia artificial redefine qué significa “saber” y, por extensión, qué significa “enseñar” en la universidad.
El desafío para las instituciones de educación superior de vanguardia es evitar el binarismo de la prohibición o la adopción acrítica. En lugar de ello, se debe buscar una pedagogía de la cohabitación.
En este marco, es necesario aceptar que el conocimiento ya no reside únicamente en el sujeto —el estudiante— ni en el objeto —el libro o el docente—, sino en la red de conexiones que se establece entre ellos, un concepto que resuena con el conectivismo (Siemens, 2005), pero potenciado por una capacidad computacional que ahora posee lenguaje y capacidad de inferencia.
- También te podría interesar: “El impacto de la inteligencia artificial en la educación y en la docencia”
Bajo la premisa de que la universidad del futuro no será medida por cuántas respuestas puede dar, sino por la profundidad y ética de las preguntas que sus integrantes sean capaces de formular frente a una inteligencia no humana, este artículo analiza cómo la inteligencia artificial en educación redefine la ética del conocimiento y el rol del docente.
¿Te interesa profundizar tu formación educativa?
Conocé el Master en Educación
La inteligencia artificial en educación como exocórtex: hacia una inteligencia extendida
La perspectiva disruptiva propone dejar de ver a la inteligencia artificial como un agente externo y empezar a conceptualizarla como un exocórtex: una capa externa de procesamiento de información que se integra funcionalmente a la arquitectura biológica del cerebro.
El término, que encuentra sus raíces en la ciencia ficción y el transhumanismo, ha sido rescatado por la filosofía de la mente y la tecnología, y representa una de las rupturas epistemológicas más profundas en la educación contemporánea.
En el ámbito de la inteligencia artificial en educación, implica que el estudiante ya no es un sujeto aislado, sino un “sistema híbrido”, que desafía a revisitar la Teoría de la Mente Extendida (Clark & Chalmers, 1998).
En ese sentido, la inteligencia artificial generativa no es un agente externo al que el estudiante “consulta”, sino un componente de un sistema cognitivo acoplado. Esta visión disruptiva implica que el objetivo pedagógico no es la acumulación de datos en la memoria biológica, sino la optimización de la interacción entre el cerebro y su extensión digital.
El desplazamiento de la carga cognitiva provocado por la inteligencia artificial en educación
Históricamente, la educación superior premió la capacidad de síntesis, la recuperación de datos y la estructuración básica de textos. Hoy la inteligencia artificial realiza estas tareas con una eficiencia asintótica.
El avance de la inteligencia artificial en educación exige desplazar el valor académico hacia la metacognición.
La integración de la inteligencia artificial como exocórtex permite la “distribución cognitiva” (Pea, 1985). Al delegar las tareas de bajo nivel —búsqueda de fuentes, estructuración sintáctica preliminar o traducción de lenguajes de programación— a la inteligencia artificial, el estudiante libera recursos mentales para procesos de orden superior. Sin embargo, esto no implica una simplificación del aprendizaje, sino su sofisticación.
Como señala el filósofo tunecino Pierre Lévy en su análisis sobre la inteligencia colectiva (1994), el conocimiento se desplaza de los objetos hacia los procesos. El estudiante ya no es evaluado por su capacidad de “poseer” el conocimiento, sino por su “literacidad de diseño de interacción”. Aquí, el concepto de andamiaje o scaffolding de Lev Vygotsky —uno de los más destacados teóricos de la psicología del desarrollo— se ve potenciado.
En este marco, la inteligencia artificial actúa como una zona de desarrollo próximo dinámica, que se ajusta en tiempo real a las necesidades del aprendiz, permitiéndole alcanzar niveles de abstracción que antes eran inalcanzables en los tiempos semestrales tradicionales.
¿Buscás postgrados para docentes en Uruguay?
Conocé el Master en Formación de Formadores
Los riesgos de la inteligencia artificial en educación
Uno de los mayores riesgos de la inteligencia artificial como exocórtex es la atrofia del juicio crítico, vinculada a la pérdida de la capacidad de concentración profunda (Carr, 2010). Para contrarrestar esto, se propone una “pedagogía de la transparencia”. Si la inteligencia artificial es una extensión de nuestra mente, debemos entender su arquitectura para evitar el sesgo de automatización.
Autores como el jurista estadounidense Frank Pasquale, en The Black Box Society (2015), advierten sobre los peligros de confiar en sistemas opacos. Por ello, la perspectiva innovadora sobre la inteligencia artificial en la educación superior debe integrar la “explicabilidad” como una competencia académica básica.
En otras palabras, el estudiante debe ser capaz de deconstruir la lógica probabilística que generó el output que recibe de su exocórtex. Esto transforma al estudiante en un auditor cognitivo, una figura que no existía en el paradigma universitario previo a 2023.
La irrupción de la inteligencia artificial democratiza el acceso a capacidades analíticas de orden superior, pero también impone una nueva responsabilidad institucional: asegurar que todos los estudiantes desarrollen la agencia humana necesaria para comandar su exocórtex, para evitar que la tecnología se convierta en una muleta que limite el pensamiento independiente.
Es por ello que la inteligencia artificial en educación, al igual que en otros campos de conocimiento, no reemplaza al pensamiento humano, sino que lo sitúa en una nueva frontera. Es decir, la de formar profesionales que sepan usar la inteligencia artificial, y que hayan integrado esta capacidad en su identidad profesional para resolver problemas de una complejidad que, hasta hace poco, se consideraba inabordable para el intelecto humano solitario.
¿Te interesa adquirir conocimientos avanzados sobre la gestión educativa?
Conocé el Master en Gestión Educativa
El conocimiento como red
La noción del exocórtex encuentra su sustento pedagógico más sólido en el conectivismo, el cual considera que el aprendizaje no es únicamente un proceso de adquisición de contenidos, sino de formación de redes (Downes, 2012).
En este marco, es posible entender al estudiante universitario como un nodo activo dentro de una ecología de aprendizaje. Es que la inteligencia artificial generativa puede actuar como un acelerador de reconocimiento de patrones, al darle sentido a la caótica información digital disponible.
Esta perspectiva es disruptiva, porque desplaza la autoridad del “saber qué” (conocimiento proposicional) hacia el “saber dónde” y el “saber cómo” interactuar con la red. Una red es más inteligente que cualquiera de sus componentes por separado (Downes, 2012), por lo tanto, la formación universitaria en la era de la inteligencia artificial debe centrarse en la curaduría y la validación de los enlaces.
- También te podría interesar: “Educación 3.0: la inteligencia artificial para mejorar los programas de educación inicial y primaria”
En este escenario, la inteligencia artificial en educación puede ser utilizada por los estudiantes universitarios para detectar conexiones entre conceptos transdisciplinares que su capacidad biológica, limitada por el tiempo y el sesgo de especialización, podría pasar por alto.
La autonomía del estudiante universitario no debe medirse por su capacidad de trabajar sin la máquina, sino por su capacidad de gobernar la red que ha construido, asegurando que el flujo de información entre su cerebro y su exocórtex sea crítico, ético y orientado a la creación de nuevo valor social.
Esta integración de la inteligencia artificial en educación también transforma la evaluación académica. Si la inteligencia artificial forma parte del sistema cognitivo con el que el estudiante aprende, evaluarlo como si trabajara aislado puede ofrecer una medición incompleta de sus competencias reales. No se trata de permitir una ayuda externa; se trata de reconocer que la unidad de análisis del aprendizaje es un sistema híbrido compuesto por estudiante, tecnología y entorno.
El colapso de las pruebas tradicionales no es un fallo del sistema, sino la consecuencia lógica de una expansión de la mente que la universidad ya no puede ignorar.
Pedagogía del centauro y el rediseño de la docencia
El concepto de “pedagogía del centauro” —término adaptado de la terminología de Garri Kaspárov en el ajedrez— propone una simbiosis donde el razonamiento humano y el procesamiento algorítmico operan de forma conjunta para alcanzar resultados superiores a los de cualquier inteligencia individual.
Esta transición exige un rediseño profundo del marco de competencias del educador, para superar la visión tradicional del docente como transmisor. Sumado a ello, en la era de la inteligencia artificial en educación, no basta con saber “usar” una herramienta: el docente debe desarrollar una “pedagogía de la interfaz”.
Esto implica que el conocimiento tecnológico ahora incluye la capacidad de comprender la lógica generativa de los modelos de lenguaje, para diseñar situaciones de aprendizaje donde la inteligencia artificial se sitúa como un componente estructural del diseño curricular.
El docente se convierte en un arquitecto de ecosistemas de aprendizaje, cuya función principal es asegurar que la “máquina” no opaque la agencia del estudiante.
Teniendo en cuenta la necesidad de una educación crítica en la era digital, el docente debe abandonar el rol de “proveedor de respuestas”, para transformarse en un curador de dilemas (Selwyn, 2019). Si la inteligencia artificial en educación puede resolver problemas estructurados, el docente universitario debe proponer “desafíos adaptativos”.
En otras palabras, problemas que no tienen una solución técnica clara y que requieren cambios en los valores, las creencias y las actitudes de los estudiantes. Al carecer de una solución técnica única, exigen que el estudiante ejerza su agencia humana para navegar la incertidumbre y el conflicto de valores.
Autores como la académica Rosemary Luckin, en Machine Learning and Human Intelligence (2018), sostienen que la inteligencia artificial en educación puede encargarse de la instrucción directa y la nivelación de conocimientos básicos, para liberar al docente para que se dedique a lo que es exclusivamente humano: el mentorazgo, el andamiaje emocional y la guía en la resolución de conflictos éticos complejos.
Es que la enseñanza hoy debe enfocarse en ayudar al estudiante universitario a construir su propio entorno de aprendizaje. Para ello, el docente, bajo el modelo del centauro, actúa como guía de la metacognición, al impulsar la reflexión con preguntas como “¿por qué aceptaste esta respuesta de la inteligencia artificial?”, “¿qué sesgo detectás en esta síntesis?”, “¿cómo podrías validar esta afirmación con fuentes primarias?”, entre otras.
Esta transición hacia una mentoría dialéctica asegura que la universidad siga siendo el espacio de reflexión, ya que la inteligencia artificial no sustituye el pensamiento crítico, sino que lo vuelve más necesario.
¿Te gustaría hacer un postgrado en educación?
Conocé el Diploma en Educación
El futuro es humanista, no tecnológico
La integración de la inteligencia artificial en la educación superior no es un proceso neutral. Como bien sostiene la matemática estadounidense Cathy O’Neil, en su obra fundamental Weapons of Math Destruction (2016), los algoritmos no son entes objetivos, sino “opiniones formalizadas en código”. Por esto, la formación de un profesional hoy es incompleta si no integra una profunda literacidad ética sobre los datos.
El riesgo de la inteligencia artificial no reside únicamente en la posibilidad de plagio, sino en la colonización del pensamiento. Si los estudiantes delegan su producción intelectual a modelos que han sido entrenados con sesgos de género, raza y eurocentrismo, corremos el riesgo de homogeneizar el conocimiento y reproducir desigualdades estructurales.
La automatización de las decisiones y de la generación de contenido puede “automatizar la desigualdad” (Eubanks, 2018). En este sentido, la universidad debe enseñar lo que se denomina justicia algorítmica.
El estudiante universitario debe ser capaz de interrogar a la inteligencia artificial, con preguntas como: ¿de dónde vienen estos datos?, ¿a quién silencian? Esta capacidad de auditoría es lo que separa a un usuario pasivo de un profesional con liderazgo ético.
- También te podría interesar: “Inclusión educativa en la era digital: estrategias para garantizar el acceso equitativo al conocimiento”
Otro punto clave es la tensión sobre la propiedad intelectual y la autoría, donde los marcos legales y académicos tradicionales de copyright resultan insuficientes. Como advierte la socióloga estadounidense Shoshana Zuboff, en su teoría sobre el Capitalismo de Vigilancia (2019), estamos en un momento donde la producción de significado está siendo mediada por intereses corporativos privados.
La responsabilidad epistémica de la universidad es, entonces, asegurar que la inteligencia artificial en educación sea una herramienta de empoderamiento cognitivo y no un mecanismo de dependencia tecnológica. Esto implica fomentar el uso de modelos abiertos y la transparencia en la metodología de obtención de resultados.
La inteligencia artificial en educación no ha venido a reemplazar al pensamiento humano, sino a obligarnos a que sea más profundo, más ético y más creativo.
La verdadera disrupción de la inteligencia artificial en educación está en la rehumanización del aula. Al delegar lo mecánico a la máquina, finalmente tenemos el tiempo y la obligación de ocuparnos de lo esencial, que es la formación de ciudadanos capaces de juzgar, sentir y decidir con propósito.
Referencias
Carr, N. (2010). The shallows: What the Internet is doing to our brains. W. W. Norton & Company.
Clark, A., & Chalmers, D. (1998). The Extended Mind. Analysis, 58(1), 7-19. https://doi.org/10.1093/analys/58.1.7
Cobo, C. (2019). Acepto las condiciones: usos y abusos de las tecnologías digitales. Fundación Santillana.
Downes, S. (2012). Connectivism and connective knowledge: essays on meaning and learning networks. National Research Council Canada.
Eubanks, V. (2018). Automating inequality: how high-tech tools profile, police, and punish the poor. St. Martin's Press.
Floridi, L. (2014). The 4th Revolution: how the infosphere is reshaping human reality. Oxford University Press.
Lévy, P. (1994). L'intelligence collective: pour une anthropologie du cyberspace. La Découverte.
Luckin, R. (2018). Machine learning and human intelligence: the future of education in the 21st century. UCL IOE Press.
O'Neil, C. (2016). Weapons of math destruction: how big data increases inequality and threatens democracy. Crown.
Pasquale, F. (2015). The Black Box Society: the secret algorithms that control money and information. Harvard University Press.
Pea, R. D. (1985). Beyond amplification: Using the computer to reorganize mental functioning. Educational Psychologist, 20(4), 167-182. https://doi.org/10.1207/s15326985ep2004_2
Selwyn, N. (2016). Is technology good for education? Polity Press.
Selwyn, N. (2019). Should tobots replace teachers? AI and the future of education. Polity Press.
Siemens, G. (2005). Connectivism: a learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
Zuboff, S. (2019). The age of surveillance capitalism: the fight for a human future at the new frontier of power. PublicAffairs.
Autora
Dra. Mariela Questa-Torterolo
Es Doctora en Educación, egresada de la Universitat Autònoma de Barcelona (España). Tiene un Master en Gestión Educativa por la Universidad ORT Uruguay y es Licenciada en Relaciones Internacionales por la Universidad de la República (Uruguay).
Hoy en día, además de ser docente de postgrados, es la coordinadora académica adjunta del Master en Gestión Educativa y del Master en Formación de Formadores del Instituto de Educación de la Universidad ORT Uruguay.
Asimismo, es investigadora nivel I, en el área Ciencias Sociales, subárea Ciencias de la Educación, del Sistema Nacional de Investigadores (SNI).