Más IA... ¿menos aprendizaje?
El uso masivo de la IA mejora el rendimiento aparente, pero reduce el aprendizaje real. Pero la culpa no es de la IA.
A menudo me gusta cerrar mis conferencias con una reflexión, que ya compartí en este artículo: como todas las tecnologías, la IA no es neutra en términos cognitivos. Usarla masivamente puede repercutir en nuestras capacidades y en nuestro aprendizaje.
Mi enfoque es más bien laboral, pero enseguida la cabeza se nos va a qué impacto estará teniendo esto en la etapa escolar. Pues por fin tenemos un primer estudio, serio y con datos masivos, sobre el efecto de la IA generativa en el aprendizaje.
David Strömberg (Universidad de Estocolmo), junto a Victor Lei y Yanhui Wu (Universidad de Hong Kong), han seguido durante 30 meses a 26.811 estudiantes chinos de secundaria, cruzando notas de deberes, tiempos de realización y exámenes a libro cerrado en nueve asignaturas. Me ha parecido muy relevante porque no se trata de un test menor o puntual, sino de un seguimiento longitudinal real, con una metodología que permite identificar causalidad.
El estudio completo, difundido como discussion paper del CEPR y sólo accesible previo pago, son 58 páginas llenas de datos, gráficas y análisis. Y el resultado central no deja lugar a dudas: tras seis meses de uso, las notas de los deberes suben un 18% (y el tiempo dedicado a ellos cae de 64 a 45 minutos). Pero, simultáneamente, las notas en los exámenes mensuales caen un 20%, y las de los exámenes de acceso universitarios se desploman entre un 18% y un 24%.
Los estudiantes entregan mejores deberes y aprenden mucho menos. La herramienta que parece magia es, en realidad, un atajo que no lleva a ninguna parte.
Lo más revelador es el porqué se produce, y aquí está la clave de todo. Spoiler: el problema no es el uso en sí de la IA.
Los autores van más al fondo, y cruzan las notas con el tiempo dedicado a cada tarea. Y resulta que el daño no se reparte por igual. Se concentra en el grupo que practica lo que llaman homework outsourcing: externalizar los deberes a la IA. Estos estudiantes completan las tareas en menos tiempo que incluso los alumnos más rápidos que no usan IA, obtienen notas que coinciden exactamente con la precisión conocida de los modelos, y luego rinden pésimamente en el examen. El esfuerzo que producía el aprendizaje simplemente ha desaparecido.
Por tanto, el problema no es la IA, sino cómo se usa. Y la falsa sensación de “ya me lo sé” que le deja al alumno si la utiliza como atajo.
De hecho, el subgrupo de estudiantes que usa la IA y dedica a los deberes el mismo tiempo que los no usuarios de IA… obtiene notas de examen prácticamente idénticas. Es decir, según este estudio la IA no reduce la capacidad de aprender; reduce el tiempo y el esfuerzo que se dedica a hacerlo. Y esto acaba provocando peores resultados de aprendizaje.
Quien la usa como tutor (para entender, no para copiar la respuesta) aprende igual. Quien la usa como atajo, no.
El peligro del uso sin límites de la IA para el aprendizaje es que elimina la fricción necesaria en todo proceso de adquisición de conocimiento. Y esto genera una falsa sensación de trabajo hecho, que desemboca en peores resultados. No parece algo imposible de corregir, ahora que ya sabemos lo que está pasando.
PS: Estos días se debate en algunas universidades el problema de las aulas vacías. Se ha viralizado el “debate” en Ciencias Políticas de la UPF, alrededor de conceptos como absentismo, motivación, conciliación o metodología. Quizás estudios como este nos ayuden a explicar mejor que el compartir un aula (presencial o virtual) ayuda a un mayor esfuerzo cognitivo, que a su vez mejora el aprendizaje. Esta es mi intuición, como mínimo.
Gracias por compartir. El problema que describe el estudio no es nuevo: cada vez que una herramienta permite externalizar un esfuerzo cognitivo (la calculadora, Google, Wikipedia), aparece la misma tensión entre eficiencia y aprendizaje. Y que la respuesta no está en prohibir la herramienta, sino en rediseñar qué pedimos a los estudiantes, porque si la tarea es resoluble por una IA sin esfuerzo real, quizás la tarea ya no tiene sentido tal como está planteada.
La idea de fondo es que no tiene sentido seguir pidiendo a los alumnos que hagan lo que las máquinas ya hacen mejor. La clave está en diseñar tareas donde la experiencia de pensar sea el objetivo, no el subproducto.
En el fondo, la IA no ha creado un problema nuevo. Ha hecho visible uno que ya existía: que muchas tareas escolares medían la capacidad de producir un entregable, no la de haber aprendido algo.
Habría que mirar también el efecto a largo plazo del cognitive outsourcing... hay algunos estudios ya que muestran que recuperarse después de delegar tareas cognitivas en la IA generativa no es tan rápido.... Y en un cerebro en formación, en pleno neurodesarrollo, esto podría tener mayores consecuencias aún