Cazar Tramposos o Formar Criterio

I. La pregunta de la semana

Hay un gesto silencioso que empieza a repetirse en las secretarías académicas: la baja discreta de las licencias de software antiplagio adaptado a la inteligencia artificial, esos detectores que prometían señalar con un porcentaje qué párrafo había escrito un estudiante y cuál había escupido un modelo de lenguaje. No hubo comunicados solemnes ni resoluciones de consejo. Hubo, más bien, la constatación fatigada de que la herramienta acusaba a inocentes, absolvía a tramposos y consumía horas de litigio interno que ninguna institución quería sostener. Y detrás del gesto, una pregunta que reorganiza el debate educativo de los últimos dos años: si vigilar el mal uso de la IA es una batalla perdida de antemano, ¿qué queda sino enseñar a pensar con ella —y contra ella— antes de dejar que los estudiantes la usen?

El tema de esta semana es precisamente esa bifurcación: abandonar la detección de IA frente a enseñar a pensar con IA. Es una disyuntiva engañosa, porque en la superficie parece un problema técnico —qué software comprar, qué política de integridad redactar— y en el fondo es una disputa sobre qué significa aprender cuando la máquina puede simular el producto del aprendizaje sin haberlo transitado.

El arco que trazaremos recorre tres trimestres de 2025 y muestra algo curioso: la retórica pública dio un giro medible. A comienzos de año dominaba el miedo —la IA que «atrofia» el pensamiento, la dependencia que embrutece—; hacia mediados de año, el mismo corpus de comentaristas empezó a hablar de oportunidad, de incorporación inevitable, de alfabetización. La pregunta de la semana es si ese giro representa una maduración genuina del criterio educativo o apenas una capitulación disfrazada de pedagogía.

II. Lo que hemos venido diciendo

El primer trimestre de 2025 habló, sobre todo, con miedo. De cada tres intervenciones públicas sobre IA y educación que registramos, dos venían enmarcadas por la alarma, y la alarma tenía un nombre técnico prestado de la corporación que fabrica el propio producto: la atrofia. Cuando el medio chileno Pisapapeles difundió que un nuevo estudio de Microsoft afirma que el exceso de dependencia de la IA «atrofia» el pensamiento crítico, el verbo se instaló en el debate hispanoamericano como una metáfora médica: el cerebro como músculo que, no ejercitado, se degrada. La misma semana, el portal Kippel01 advertía que el uso de inteligencia artificial generativa podría afectar las habilidades de pensamiento crítico en los usuarios, en un registro que ya era fórmula: dependencia, deterioro, pérdida.

Conviene detenerse en la procedencia de la alarma, porque es reveladora. La advertencia más citada del trimestre no salió de una facultad de educación ni de un ministerio, sino del departamento de investigación de la empresa que vende la herramienta. Es el gesto clásico de la economía de la atención que Marta Peirano diseccionó en El enemigo conoce el sistema: el proveedor que fabrica el problema también fabrica el vocabulario con que lo discutimos, y así fija los términos del debate antes de que el debate empiece. Que habláramos de «atrofia» —y no, por ejemplo, de delegación, de división del trabajo cognitivo o de tercerización del esfuerzo— ya era una victoria retórica de quien tenía interés en que el problema pareciera individual, neurológico, y no institucional.

Pero incluso en ese trimestre dominado por el temor había una segunda voz, minoritaria y expansiva, que no hablaba de proteger a los estudiantes de la IA sino de introducirlos en ella. El periodista Fernando Paulsen sostenía en CNN Chile que la educación formal debe incorporar la inteligencia artificial en todos los niveles, y desde España llegaba el reportaje sobre cómo la escuela afronta el reto de enseñar Inteligencia Artificial vinculada con la ética y la filosofía, planteando que el alumno debía saber usar la tecnología «para mejorar la sociedad y no ser manipulado». Nótese que esta segunda voz no negaba el riesgo; lo reencuadraba. El problema ya no era la máquina, sino el analfabetismo frente a ella.

El giro llegó en el segundo trimestre, y fue medible. Donde el primer trimestre había acumulado trece encuadres críticos contra ocho optimistas, el segundo invirtió la proporción. La retórica de la oportunidad empezó a ganar la portada. El diario El Financiero de México publicaba que la IA en la educación se jugaba entre el rezago y la oportunidad, con un argumento nuevo y potente: la academia debía incorporar la herramienta «antes de quedar rezagada». El miedo cambió de objeto. Ya no temíamos que la IA nos volviera tontos; temíamos quedarnos atrás por no usarla. Desde Galicia, un columnista declaraba la IA el gran reto de la educación del siglo XXI, recordando que la tecnología «inteligente» tiene más de setenta y cinco años y que el pánico era, en parte, amnesia histórica.

Sería un error, sin embargo, leer el segundo trimestre como una rendición del pensamiento crítico ante el entusiasmo. La voz crítica no desapareció; se refinó. El texto más lúcido del período no hablaba de atrofia sino de un nuevo analfabetismo: cuando dejamos que la inteligencia artificial piense por nosotros, y su tesis merece ser citada porque reorganiza todo el debate: «la verdadera alfabetización del futuro no es técnica, sino crítica. Saber cuándo confiar, cuestionar o rechazar a la inteligencia artificial será clave». Aquí las dos voces —la del miedo y la de la oportunidad— dejaban de ser enemigas. La alfabetización deja de significar aprender a operar la herramienta y pasa a significar aprender a juzgarla.

El tercer trimestre consolidó el optimismo, pero un optimismo ya escarmentado, que hablaba de reglas. La Verdad Noticias recogía que, según especialistas de la Unesco y la academia mexicana, el debate ya no es si la inteligencia artificial debe usarse en las aulas, sino cómo; y desde el análisis tecnológico se insistía en que la IA necesita reglas humanas. El vocabulario había completado su viaje: de la atrofia neurológica del individuo a la gobernanza institucional del sistema. Es el mismo viaje que, en otra escala, describe Néstor García Canclini cuando advierte en Ciudadanos reemplazados por algoritmos que la inteligencia artificial disputará incluso «la zona de los sentimientos» y que los bots «pulsarán cada vez más nuestros botones emocionales». La retórica educativa, sin nombrarlo, terminó admitiendo lo que Canclini ya sabía: que la pregunta no es si la máquina entra, sino qué de lo humano queremos defender de su entrada. Como observábamos en nuestro análisis crítico de alfabetización en IA del 23 de febrero de 2025, el propósito declarado de estos discursos —preparar a las nuevas generaciones para un futuro dominado por la tecnología— rara vez interroga quién define ese futuro.

III. Lo que ha venido pasando

Mientras la retórica viajaba del miedo a la oportunidad, la realidad material de las aulas seguía su propio calendario, más lento y más terco. Y lo primero que hay que decir es que la evidencia empírica sobre el daño cognitivo, lejos de ser un invento del marketing corporativo, se acumuló con seriedad. La investigadora Mar Pérez-Sanagustín, de la Universidad de Toulouse, advirtió que el uso excesivo de IA en universitarios puede generar dependencia, afectar el pensamiento crítico y reproducir sesgos. El dato del sesgo importa y suele quedar sepultado bajo el debate sobre el plagio: la máquina no solo hace la tarea por el estudiante, la hace mal de maneras invisibles. Tarcízio Silva lo documentó con rigor en Racismo algorítmico, donde muestra que «el proceso de aprendizaje de la máquina» reproduce discriminaciones en la recomendación de productos, el reconocimiento facial y hasta el ranqueo de currículos. Un estudiante que delega en el modelo no delega en una calculadora neutral; delega en un sistema que hereda los prejuicios de sus datos.

La segunda constatación material es más incómoda para quienes vendían soluciones: la detección no funciona. Los detectores de texto generado por IA operan sobre probabilidades estadísticas de «perplejidad» y «ráfaga», y esas probabilidades producen falsos positivos que castigan sobre todo a quienes escriben en su segunda lengua o con estilo formal. Un manual clásico de la crítica técnica, Artificial Unintelligence, explica por qué el problema es estructural y no un defecto corregible con la próxima versión: «aquí nos topamos con una diferencia entre el pensamiento humano y la computación». La máquina no comprende el texto; lo modela. Y un detector que modela la modelación hereda toda la fragilidad del original. De ahí el gesto silencioso con que abrimos esta pieza: las instituciones no abandonaron la detección por convicción pedagógica, sino porque el aparato acusatorio se volvió jurídicamente indefendible.

La tercera constatación es que las advertencias sobre el desarrollo infantil tienen fundamento neurocientífico, no solo anecdótico. La profesora Tina Grotzer, de Harvard, especialista en aprendizaje y cognición, alertó sobre el error al usar IA que podría hacer que los niños sean menos inteligentes en la adultez: el problema no es que los niños usen la herramienta, sino que la usen antes de haber construido los andamiajes cognitivos que la herramienta luego suplanta. Es la diferencia entre darle una calculadora a quien ya sabe multiplicar y dársela a quien nunca aprenderá porque la tiene. El Kippel01 mexicano volvía sobre lo mismo al reportar que el uso excesivo de herramientas de IA puede afectar negativamente nuestras habilidades de pensamiento crítico, esta vez con matices sobre qué usos y en qué edades.

Y sin embargo —cuarta constatación— la adopción no esperó a que se resolviera el debate. El mercado educativo latinoamericano incorporó la IA con velocidad y desigualdad. En los discursos institucionales del tercer trimestre, la IA en la educación superior aparecía entre el desafío y la oportunidad, y portales especializados celebraban la IA como oportunidad para conectar aprendizaje y futuro. El problema es que esta adopción reproduce las brechas regionales que ya conocemos: México destina el 19,3% de sus exportaciones manufactureras a alta tecnología, mientras Argentina apenas alcanza el 3,9%, según los datos económicos de 2024. La infraestructura desde la cual cada país «incorpora» la IA no es la misma, y la promesa de personalización del aprendizaje suena distinta en una universidad con conectividad plena que en una escuela rural que negocia el ancho de banda.

El dato que mejor sintetiza dónde estamos llegó al cerrar el arco, desde Argentina. Un informe difundido en octubre reveló que el 72% exige capacitar docentes y el 77% teme perder pensamiento crítico. Léase con cuidado esa doble cifra: la misma población que teme el deterioro cognitivo —más de tres de cada cuatro personas— exige, casi en igual proporción, que se capacite a los docentes para usar la herramienta. No es contradicción; es lucidez. La sociedad argentina intuye lo que la retórica tardó tres trimestres en articular: que el miedo y la incorporación no son opuestos, que la única defensa contra el deterioro del criterio es enseñar criterio, y que eso exige docentes formados, no software policial. Aun así, persiste el riesgo que señalaba otro análisis del período: el acceso a información errónea, inexacta o sesgada que las herramientas presentan con una fluidez convincente que desarma la sospecha.

IV. Donde se encuentran, donde se pierden

La retórica y la realidad se encuentran en un punto y se pierden en otro. Se encuentran en el diagnóstico: casi todos, optimistas y alarmistas, coinciden en que la detección policial es un callejón sin salida y en que el pensamiento crítico es el bien a proteger. Se pierden en el pronóstico, y ahí está el nudo editorial de esta semana.

Porque «enseñar a pensar con IA» se ha vuelto un eslogan que oculta al menos dos programas incompatibles. En su versión fuerte —la del nuevo analfabetismo— significa formar un sujeto capaz de rechazar la herramienta, de sospechar de su fluidez, de detectar su sesgo; un criterio que preexiste a la máquina y la juzga. En su versión débil —la del rezago— significa adiestrar operarios eficientes que sepan «prompear» sin quedarse atrás en el mercado. La primera es pedagogía; la segunda es capacitación laboral disfrazada de pedagogía. Y el peligro es que, bajo el mismo eslogan amable, la segunda se coma a la primera.

Aquí conviene ser escéptico del poder que redacta los marcos. Cuando la Unesco y las corporaciones convergen en que el debate ya no es si, sino cómo, esa convergencia clausura una pregunta legítima —¿y si en ciertos niveles y edades la respuesta al «si» debiera ser no?— y la presenta como reaccionaria o nostálgica. La afirmación de que la distinción entre tareas humanas y tareas de máquina es «ilusoria», que The Atlas of AI rastrea hasta los padres fundadores del campo, no es una descripción neutral del mundo: es una tesis interesada que conviene a quien vende la máquina. Abandonar la detección porque no funciona es sensato. Abandonarla para reemplazarla por una fe acrítica en la «alfabetización» es cambiar un fracaso por otro.

El verdadero contraejemplo lo ofrece la propia cifra argentina. El 77% que teme perder pensamiento crítico no es una masa tecnófoba a la que haya que reeducar en el entusiasmo; es una ciudadanía que ejerce, precisamente, el pensamiento crítico que dice temer perder. Y el 72% que pide capacitar docentes señala dónde debería ir el dinero que hoy se gasta en licencias de detección: en formar a quien está frente al aula, no en comprar el software que lo vigila a él y a sus estudiantes por igual. Silva nos recuerda en Racismo algorítmico que construir una IA sin presupuestos discriminatorios exige que «las discusiones sobre raza, género, procesos de marginación» sean, «mínimamente, conocidas». Ninguna herramienta de detección enseña eso. Solo lo enseña un docente que lo sabe. La disyuntiva entre cazar tramposos y formar criterio se resuelve, materialmente, en un renglón del presupuesto.

V. La perspectiva histórica

El arco de estos tres trimestres cuenta una historia que se repite cada vez que una tecnología entra en la escuela: primero el pánico, luego el entusiasmo, y solo al final —si hay suerte— el criterio. La calculadora, la Wikipedia y el corrector automático recorrieron el mismo camino, y en cada caso la institución perdió años valiosos primero prohibiendo y después capitulando, sin detenerse en el trabajo lento de decidir para qué sirve cada cosa y a qué edad. Lo distinto de la IA generativa es que no simula una operación auxiliar del pensamiento, sino su producto terminado: entrega el ensayo, no la suma. Por eso la tentación de vigilar fue tan fuerte, y por eso su fracaso es tan instructivo.

Lo que hemos venido diciendo maduró de la atrofia a la alfabetización; lo que ha venido pasando reveló que la detección era indefendible y que el criterio no se compra, se enseña. Donde ambos se pierden es en el equívoco de creer que enseñar a usar la herramienta y enseñar a juzgarla son la misma cosa. No lo son. Un país puede llenar sus aulas de IA y vaciarlas de pensamiento, o puede hacer lo contrario.