El estudio que delata el 'falso positivo' académico: la IA sube las notas un 18% y hunde los exámenes un 20%

Por Zendoric · 6 de septiembre de 2026.

Hay una cifra que debería inquietar a cualquier rector: cuanto más alta la nota de una tarea, peor el desempeño posterior en el examen. No es una paradoja de aula aislada. Es el resultado de seguir durante 30 meses a 26.811 estudiantes chinos de secundaria, en un trabajo de David Strömberg (Universidad de Estocolmo) con Victor Lei y Yanhui Wu (Hong Kong). El uso de inteligencia artificial (IA) elevó las notas de las tareas un 18% y redujo el tiempo dedicado a hacerlas un 30%. A los seis meses, los resultados en exámenes con libro cerrado —sin apuntes ni herramientas— habían caído un 20%.

La nota se ha convertido en un falso positivo: certifica manejo de un asistente, no comprensión. Y el problema no se queda en el aula, porque universidades y sistemas educativos siguen emitiendo diplomas y acreditaciones sobre esa métrica contaminada.

Hay una explicación de fondo, no solo una correlación. Robert y Elizabeth Bjork llevan décadas describiendo las "dificultades deseables": el esfuerzo de recuperar un dato de memoria, equivocarse y volver a intentarlo es justamente lo que fija el aprendizaje. La IA elimina esa fricción, que es precisamente la condición necesaria para aprender. Hamsa Bastani y su equipo lo confirmaron en PNAS con casi mil alumnos turcos: con la interfaz de IA abierta, el examen posterior cayó un 17% frente a quienes nunca la usaron. Pero con una versión que solo daba pistas del docente —el método socrático, preguntar en vez de responder— la práctica mejoró un 127% y el impacto negativo desapareció. Zara Contractor y Germán Reyes (Middlebury) llegaron a una conclusión similar con universitarios: la ventaja se mantenía una semana después cuando la IA se usaba para que explicara conceptos, y se perdía cuando se usaba para generar el texto final. La pregunta relevante no es cuánta IA usa el estudiante, sino qué hace con ella.

Prohibirla no es una opción real. El 92% de los universitarios latinoamericanos ya usa alguna herramienta de IA con regularidad, según la encuesta 2026 del Digital Education Council y el Tec de Monterrey. En España, el 59% de los jóvenes la emplea para estudiar, la cifra más alta de la Unión Europea según Eurostat. Detectar su uso es, a estas alturas, una batalla perdida de antemano.

Lo que sí es factible es rediseñar la evaluación y las instrucciones que gobiernan la herramienta. Del estudio chino se extrae una regla operativa: el tiempo dedicado a la tarea no debería reducirse; si la IA ahorra media hora, esa media hora debe usarse para ir más lejos, no para terminar antes. De Bastani se extrae otra: la diferencia entre preguntar y responder no depende del modelo, sino de las instrucciones que lo gobiernan, y hoy esa decisión pedagógica la toma el proveedor de la herramienta, no la universidad. Y en la evaluación misma, el desplazamiento lógico es hacia lo presencial: libro cerrado, defensa oral, problemas nuevos frente al docente. Princeton ya lo hizo, en apenas un año: su claustro votó supervisar todos los exámenes, algo prohibido en la institución desde 1893.

Falta una pieza que casi ningún reglamento contempla: una "regla de la deuda". Un trabajo hecho con IA sería admisible si el estudiante puede reconstruir su razonamiento de forma autónoma en tres minutos; si no puede, el trabajo no es suyo. Es una verificación cara —toma tiempo, exige entrenamiento del profesorado— pero es la única que distingue comprensión de output entregado.

Ahí aparece la desigualdad, y aquí no hay forma de suavizarla: la verificación cuesta dinero. Princeton puede pagar supervisión y grupos reducidos; México invierte 3.650 dólares por estudiante frente a los 13.210 de media en la OCDE. PISA 2022 ya mostraba que, en América Latina, tres de cada cuatro alumnos de 15 años no alcanzan el nivel básico en matemáticas, frente al 31% de la OCDE. La IA no crea esa brecha, pero la enmascara con tareas impecables y la puede agrandar mañana: la desigualdad que hoy se mide en aprendizajes se trasladará a la credibilidad del propio diploma. En España, la Fundación CYD registra que el 46% de los universitarios dice que su facultad no promueve el uso de la IA —seis puntos más que hace un año— y que el 61% no ha recibido formación alguna sobre ella. El vacío de criterio institucional lo están rellenando los propios estudiantes, solos.

El dato más incómodo, sin embargo, es fisiológico. Nataliya Kosmyna y su equipo del MIT Media Lab conectaron a 54 universitarios de Boston a un electroencefalograma —un dispositivo que mide la actividad eléctrica del cerebro— mientras escribían ensayos: unos con ChatGPT, otros con buscador, otros sin ninguna ayuda. Quienes escribieron solos mostraron las redes de conectividad cerebral más amplias; los del buscador, intermedias; los de la IA, las más débiles. El 83% de estos últimos fue incapaz de citar una sola frase de su propio ensayo. Los autores lo llamaron "deuda cognitiva": un pasivo que alguien tendrá que pagar más adelante, sea el egresado ante su primer empleo, el paciente ante su médico o el ciudadano ante el puente que alguien calculó.

Nuestra lectura es que esta crisis no es un argumento contra la IA en la educación, sino contra la pereza institucional al integrarla. Los propios datos lo demuestran: con la versión socrática de Bastani no solo desapareció el impacto negativo, sino que la práctica mejoró un 127%. El problema no es la herramienta, es que hoy la diseña el proveedor y la evalúa nadie. Esto encaja con algo que veníamos observando en el sector educativo: quien gana con la IA no es el profesor que se limita a transmitir contenido y calificar entregables, sino el que la orquesta —diseña la fricción necesaria, verifica el razonamiento, hace de tutor aumentado—. Ese rol se vuelve más valioso, no menos, y es exactamente el tipo de trabajo de criterio y relación que sobrevive a la automatización en cualquier sector que hemos analizado hasta ahora.

Hay además un paralelismo que conviene señalar. De la misma forma que la verificación de imágenes se está desplazando del píxel a la procedencia —quién capturó y firmó el archivo, no si la imagen "parece" real—, la verificación del aprendizaje tendrá que desplazarse del entregable al proceso: no qué se entregó, sino si quien lo entregó puede reconstruirlo en vivo. En ambos casos la confianza migra desde el artefacto final hacia la cadena que lo produjo. Es un rediseño institucional caro y aún incipiente, pero es la única respuesta que no depende de ganar una carrera armamentística de detección que, como ya hemos visto con los deepfakes, está perdida de antemano.

A corto plazo, el diagnóstico es duro y hay que decirlo sin adornos: los sistemas más pobres son los que menos margen tienen para pagar la verificación, así que la brecha educativa que ya documenta PISA puede convertirse en una brecha de credibilidad de sus diplomas. Pero a más largo plazo, el mismo estudio que expone el problema apunta a la solución: una IA bien diseñada, con fricción deliberada y verificación por reconstrucción, puede multiplicar el aprendizaje real en vez de sustituirlo —tal y como hizo la versión socrática turca—. Esa es la abundancia posible en educación: no menos esfuerzo cognitivo, sino un esfuerzo mejor dirigido, con el profesor liberado para hacer lo que un modelo no puede hacer por él, que es saber cuándo un alumno ha entendido de verdad y cuándo solo ha delegado el pensar.