La paradoja de la IA en la escuela: mejores tareas, menos aprendizaje
La inteligencia artificial puede hacer que un estudiante entregue mejores tareas en menos tiempo. El problema es que eso no significa necesariamente que esté aprendiendo más.
Esa es la principal conclusión de The Generative AI Learning Penalty: Evidence from Chinese Secondary Education, un estudio de David Strömberg, Victor Lei y Yanhui Wu, fechado en junio de 2026, que siguió durante 30 meses a 26,811 estudiantes de secundaria, de 7.º a 12.º grado, en China.
Los investigadores encontraron una paradoja contundente. Después de adoptar herramientas de inteligencia artificial generativa, las calificaciones obtenidas en las tareas aumentaron alrededor de 18%, mientras el tiempo necesario para completarlas disminuyó cerca de 30%.
A simple vista, parece una mejora extraordinaria en productividad.
Pero cuando los estudiantes tuvieron que demostrar lo aprendido sin ayuda de IA, ocurrió lo contrario. A los seis meses, los resultados en exámenes mensuales realizados a libro cerrado habían disminuido aproximadamente 20% respecto al nivel de referencia.
El efecto de largo plazo tardó todavía más en hacerse visible. Entre quienes llevaban alrededor de dos años utilizando IA generativa, el estudio estima caídas de aproximadamente 24% en el Zhongkao, el examen de ingreso a la secundaria superior, y de 18% en el Gaokao, el examen de acceso universitario.
La gran paradoja
Tareas: +18%
Tiempo para realizarlas: -30%
Exámenes mensuales después de seis meses: -20%
La IA aumentó la capacidad de resolver la tarea, pero no necesariamente la capacidad de resolver el problema sin ella.
Los autores encuentran además que las mayores pérdidas se concentran entre quienes utilizan la IA de una manera compatible con lo que denominan “homework outsourcing”: externalizar la tarea a la tecnología en lugar de utilizarla como herramienta para aprender.
Después de más de cinco meses de uso, alrededor del 81% de los usuarios de IA presentaba este patrón: tareas realizadas en tiempos excepcionalmente cortos, notas elevadas en esas tareas y resultados considerablemente inferiores cuando tenían que responder un examen cerrado sin asistencia tecnológica.
La diferencia es especialmente importante porque no todos los usos de IA producen el mismo resultado. Los estudiantes que utilizaban inteligencia artificial pero continuaban dedicando a sus tareas aproximadamente el mismo tiempo que quienes no utilizaban IA presentaban pérdidas de aprendizaje mucho menores.
En otras palabras, el problema que identifica el estudio no es simplemente usar IA, sino utilizarla para sustituir el esfuerzo cognitivo que forma parte del proceso de aprender.
¿Dónde fue mayor el impacto?
Las mayores caídas aparecieron en las ciencias sociales, con aproximadamente -27%, seguidas por las materias STEM —ciencias, tecnología, ingeniería y matemáticas— con cerca de -22%.
El impacto fue menor en idiomas: -17% en inglés y aproximadamente -9% en chino. Los estudiantes más jóvenes, los de mayor rendimiento académico previo y los varones también mostraron pérdidas mayores.
El estudio tampoco concluye que la inteligencia artificial sea inherentemente perjudicial para la educación. Los propios autores contrastan sus resultados con investigaciones donde herramientas de IA específicamente diseñadas como tutores han producido mejoras en el aprendizaje.
La diferencia puede estar en cómo se utiliza.
Una IA que explica, pregunta, guía y obliga al estudiante a razonar puede funcionar como tutor. Una IA utilizada simplemente para entregar la respuesta correcta puede convertir una actividad de aprendizaje en una actividad de producción.
La lección
La conclusión más relevante quizás no sea prohibir la inteligencia artificial en las escuelas, sino comprender que productividad y aprendizaje no son lo mismo.
Hacer una tarea más rápido no necesariamente significa aprender mejor.
Y una calificación más alta en una actividad realizada con IA puede incluso ocultar un problema: el estudiante parece estar mejorando mientras su capacidad para responder por sí mismo se deteriora.
La IA puede ayudar a aprender. Pero no debería aprender por nosotros.
Fuente:
Stromberg, David and Lei, Victor and Wu, Yanhui, The Generative AI Learning Penalty: Evidence from Chinese Secondary Education (June 02, 2026). Available at SSRN: https://ssrn.com/abstract=6868618 or http://dx.doi.org/10.2139/ssrn.6868618