La inteligencia artificial en las escuelas puede profundizar la brecha educativa, según un investigador británico

En el debate sobre el futuro de la educación, pocas ideas se repiten tanto como la de que la inteligencia artificial va a transformar las aulas para bien. Wayne Holmes, profesor e investigador del UCL Knowledge Lab de la University College London, lleva años estudiando precisamente ese cruce entre tecnología y enseñanza, y su mirada es decididamente escéptica. Para Holmes, antes de abrazar estas herramientas conviene distinguir dos cosas que suelen mezclarse: enseñar sobre inteligencia artificial, es decir, explicar qué es y cómo funciona, y usar la inteligencia artificial como apoyo dentro del proceso de aprendizaje. La segunda es la que más promesas trae y, según él, la que más riesgos esconde.

Por qué la IA no es como la calculadora

Uno de los argumentos más repetidos es que la IA generativa viene a ser para el pensamiento lo que la calculadora fue para la matemática: una herramienta que cambia la forma de enseñar sin eliminar la materia. Holmes rechaza esa comparación de raíz. La calculadora, explica, es como un pequeño electrodoméstico con botones definidos: si uno aprieta los correctos en el orden correcto, la respuesta correcta sale siempre, como cuando se programa el microondas con el tiempo justo. La IA generativa, en cambio, funciona más parecido a un cocinero que arma un plato improvisando con lo que tiene en la heladera: a veces acierta, a veces no, y el comensal no siempre puede distinguir si lo que le sirvieron es un manjar o un fiasco.

“Con una calculadora, si apretás los botones correctos en el orden correcto, obtenés la respuesta correcta siempre. Con la IA generativa, el resultado es incierto: puede ser correcto o no, y el usuario no siempre puede distinguirlo. Esa diferencia invalida la comparación.”Wayne Holmes, investigador del UCL Knowledge Lab

Una paradoja que agranda la desigualdad

Sobre el impacto social, Holmes identificó una paradoja que ya está en marcha y que funciona como un espejo con dos caras. En las instituciones educativas de mayor prestigio, la inteligencia artificial brilla por su ausencia en los folletos de promoción: lo que esas escuelas venden no son las computadoras ni los algoritmos, sino la calidad de sus docentes. En cambio, en las zonas con escasez de maestros o en contextos de menores recursos, la tecnología suele presentarse como una solución de reemplazo. Si esa brecha se consolida, advirtió el investigador, se debilita la democracia para todos, porque la educación es la base de la participación ciudadana y desfinanciarla en nombre de la eficiencia tecnológica tiene consecuencias que exceden el aula.

El problema de la estandarización del pensamiento

Holmes sumó un reparo que suele pasar desapercibido: la IA generativa produce texto eligiendo las palabras más probables según los datos con los que fue entrenada. Eso, llevado al aula, significa que los enfoques minoritarios o críticos quedan subrepresentados. Lo ilustró con un ejemplo doméstico, como cuando un buscador de internet devuelve siempre las mismas primeras respuestas: parece variado, pero en realidad es casi siempre lo mismo. Cuando el investigador consultó a distintas herramientas sobre los problemas del llamado aprendizaje personalizado, todas respondieron que el único inconveniente era la dificultad de implementarlo. Ninguna cuestionó si el enfoque funciona o no, porque la postura dominante en los textos de entrenamiento es que se trata de algo positivo. El resultado es un consenso artificial que aplana el debate en lugar de enriquecerlo.

Cómo funciona, en términos simples

Para entender el riesgo vale la pena una explicación llana. Los modelos de IA generativa que están en boca de todos, como los chatbots que redactan textos o responden preguntas, funcionan prediciendo cuál es la palabra o frase más probable que sigue a lo anterior, a partir de patrones estadísticos extraídos de enormes cantidades de texto. Es algo así como un sistema de autocompletar muy sofisticado, como el de un teléfono que sugiere la siguiente palabra en un mensaje, pero elevado a una escala enorme. Esa lógica explica dos rasgos clave: que las respuestas suenen convincentes aunque a veces sean incorrectas, y que tiendan a reflejar lo que es mayoría en los datos, no lo que es verdadero o diverso.

Qué falta para que la IA llegue a las aulas sin hacer daño

Ante la consulta sobre cómo usaría la inteligencia artificial si tuviera que armar una escuela desde cero, Holmes fue directo: no incorporaría ninguna de las herramientas disponibles en el mercado. Su planteo deja en evidencia qué condiciones faltarían para que la IA pueda integrarse de manera razonable al sistema educativo. Entre ellas, que las respuestas puedan ser verificadas con facilidad, que las herramientas no tiendan a borrar la diversidad de enfoques y que su implementación no se use como excusa para reducir la inversión en docentes. Mientras esos puntos no estén resueltos, advirtió, la promesa de eficiencia puede terminar de traducirse en más desigualdad y en un aprendizaje más uniforme, pero no necesariamente mejor.