¿Educar en contra de la inteligencia artificial?

El principal productor de los “blue books” para universidades estadounidenses, los cuadernos de tapa azul donde generaciones de estudiantes escribían a mano sus exámenes finales, triplicó sus ventas desde el auge de ChatGPT. Profesores que durante una década dejaron atrás los exámenes presenciales en favor de trabajos domiciliarios y los campus virtuales se ven obligados, a veces con cierta ambivalencia, a retomar un recurso de otra época. La razón: llegaron los modelos de lenguaje de gran tamaño (LLM) y con ellos la imposibilidad de saber si lo que un alumno entrega fue efectivamente escrito por él.

Podría parecer una reacción defensiva, una manera más de levantarle un obstáculo al posible tramposo. Pero lo que está ocurriendo es distinto. El regreso de los cuadernos azules expresa una postura que hasta hace poco tiempo habría sido descartada por reaccionaria, pero que empieza a ganar fuerza en el mundo educativo: frente a la inteligencia artificial, una parte central de la tarea educativa requiere proteger ciertos espacios y ciertos hábitos. No por integrar la IA al aula con mayor sofisticación, sino por mantenerla, deliberadamente, afuera. Educar en contra de la inteligencia artificial empezó a ser una posición razonable.

Esto contradice el reflejo dominante que acompaña a casi toda nueva tecnología; la idea de que hay que adaptarse. La universidad debe adaptarse; también las escuelas, los docentes y los estudiantes. Todos deben prepararse para un mundo en el que estas herramientas existirán, se multiplicarán y atravesarán casi todas las profesiones. Todo eso es potencialmente cierto. Pero no resuelve la cuestión decisiva. El centro del proyecto educativo no puede ser la producción cada vez más eficiente de respuestas, justo ahí donde la inteligencia artificial tiene su ventaja comparativa. Debe ser la formación de personas capaces de pensar, juzgar, deliberar, hacerse responsables de lo que dicen y de lo que hacen en un mundo compartido.

La intuición es que hay prácticas que no pueden delegarse sin destruir aquello que forman. La inteligencia artificial no solo produce los resultados que se le piden al estudiante. Puede intervenir, además, sobre los mecanismos mediante los cuales ese estudiante aprendería a producirlos. Leer un texto difícil y no entenderlo del todo. Volver atrás. Ensayar una interpretación y descubrir que no alcanza. Escribir oraciones torpes, párrafos que no fluyen, argumentos que no cierran. Entonces borrar, empezar de nuevo, encontrar una formulación mejor. Tolerar el tiempo incómodo en que la hoja en blanco desafía y no se sabe cómo avanzar. Descubrir, muchas veces con frustración, que si uno no puede explicar algo es porque todavía no lo entendió. Ese recorrido no es un costo que la tecnología debe ahorrarnos. Es el aprendizaje mismo.

Algunos estudios recientes empiezan a darle peso empírico a esa preocupación. En junio del año pasado, Nataliya Kosmyna y un equipo del MIT Media Lab difundieron un estudio con un título deliberadamente provocador: “Tu cerebro con ChatGPT: la acumulación de deuda cognitiva al usar un asistente de IA para escribir un ensayo”. Dividieron a cincuenta y cuatro estudiantes universitarios del área de Boston en tres grupos. Uno escribió ensayos sin ayuda. Otro pudo usar algún buscador de internet. El tercero usó ChatGPT. Mientras escribían, los investigadores midieron su actividad cerebral.

El grupo que usó ChatGPT mostró la menor conectividad cerebral y esa caída persistía. El ochenta y tres por ciento de los usuarios de ChatGPT no pudo citar ni una línea del ensayo que acababa de escribir y cuando en una sesión final se les pidió escribir sin ayuda seguían rindiendo por debajo de quienes nunca habían usado IA. Los investigadores llamaron a ese patrón “deuda cognitiva,” una merma que no se borra al apagar la herramienta.

El estudio tiene límites que sus propios autores señalan, ya que se basa en muestra pequeña, un área geográfica acotada, y la revisión por pares todavía pendiente. Pero se suma a otros estudios que apuntan en la misma dirección. Adam Green, neurocientífico de la Universidad de Georgetown, lidera un equipo que rastrea la originalidad en los ensayos de admisión universitaria en Estados Unidos. Su equipo analizó las cartas personales de casi 400.000 estudiantes secundarios, comparando los años previos y posteriores a la llegada de ChatGPT. Después de ChatGPT, los ensayos usaban un vocabulario más variado, pero contenían ideas menos originales y personales. Todo empieza a parecerse entre sí.

La preocupación llegó al terreno de las políticas educativas. En enero, el Centro para la Educación Universal de Brookings publicó un informe extenso sobre IA y aprendizaje. Es un “premortem”—un ejercicio que anticipa los posibles fracasos de una innovación antes de que ocurran—construido a partir de consultas con más de quinientos participantes (estudiantes, docentes, familias, líderes educativos y tecnólogos) en cincuenta países, una revisión de más de cuatrocientos trabajos y un panel de veintiún expertos. Su conclusión invierte la narrativa de adaptación: “En este punto de su desarrollo, los riesgos de utilizar IA en la educación superan sus beneficios”.

Lo decisivo es que los riesgos de la IA son de otra naturaleza que sus beneficios. Mientras las ventajas se concentran sobre todo en el acceso, la personalización y la eficiencia, los riesgos tocan la formación de las capacidades del que aprende. Una herramienta puede ahorrar tiempo y, al mismo tiempo, debilitar aquello que ese tiempo permitía formar. Entre todas las preocupaciones relevadas por Brookings, la que más pesó fue el daño al desarrollo cognitivo. Apareció de manera transversal e incluso en el 65% de las respuestas de los propios estudiantes sobre los posibles perjuicios. Los primeros expuestos al cambio fueron también de los primeros en advertir el costo.

Esa advertencia, formulada desde Brookings para el nivel escolar, obliga a revisar un argumento que durante los últimos años se esbozó sobre la educación universitaria: había que desplazar la enseñanza hacia aquello que la máquina no podía hacer. Entre sus exponentes puede leerse a Joseph Aoun, presidente de Northeastern University y autor de A prueba de robots: educación superior en la era de la inteligencia artificial, quien propuso formar estudiantes con una combinación de alfabetización tecnológica, alfabetización de datos y alfabetización humana, con especial énfasis en esta tercera dimensión. Martha Nussbaum, por su parte, advirtió en Sin fines de lucro: por qué la democracia necesita de las humanidades que las democracias se deterioran cuando educan a las personas como si fueran máquinas productivas y dejan de cultivar imaginación, capacidad crítica y empatía.

Es una postura que sigue siendo necesaria, pero podría ya no ser suficiente. Era tranquilizadora porque preservaba una división cómoda, las máquinas harían lo suyo y la educación se refugiaría en lo específicamente humano. El inconveniente es que esa frontera se volvió inestable. La división supone que son dos dominios separables cuando no lo son. Los datos sobre deuda cognitiva explican por qué: la inteligencia artificial no solo amenaza con reemplazar algunas tareas; amenaza con vaciar los procesos que nos enseñan a pensar, escribir, recordar y juzgar. Si eso ocurre, ya no hay refugio humano donde resguardarse.

La discusión se vuelve más concreta cuando se examina el ejercicio de la escritura. Una objeción típica dice que prohibir los LLM en el aula sería tan absurdo como prohibir la calculadora, una nostalgia inútil frente a una herramienta que llegó para quedarse. Megan Fritts, filósofa de la Universidad de Arkansas en Little Rock, rechaza esa comparación. En “Una cuestión de palabras” publicado en The Point y luego reproducido por The Chronicle of Higher Education, sostiene que no hay equivalencia entre delegar una cuenta y delegar la producción del lenguaje. La calculadora evita una operación puntual. Un modelo de lenguaje puede sustituir el trabajo mismo mediante el cual una persona aprende a pensar y orientarse en el mundo. El informe de Brookings lo confirma desde otro ángulo. Admite que la máquina de escribir o la calculadora fueron descargas razonables, pero sostiene que la IA llevó esa descarga a un terreno antes irreductiblemente humano, donde deja de ser un socio cognitivo para volverse un sustituto.

Esto es así porque el lenguaje no es un envoltorio externo que se agrega a ideas ya formadas. No tenemos primero pensamientos claros y después les ponemos palabras. Pensamos al buscar las palabras. Aprendemos a distinguir y reconocer lo que no entendemos, justamente porque intentamos decirlo. Y si cada vez que necesitamos formular un concepto recurrimos a una voz externa, la relación entre pensamiento y lenguaje se rompe. Fritts llama a ese fenómeno “alienación lingüística”. El texto tal vez funciona, pero el trabajo real no se hizo.

Por eso Fritts desconfía de las soluciones intermedias al desafío que supone la IA en la educación. Las políticas que dejan todo librado al criterio de cada profesor, los detectores de plagio automáticos, las advertencias en los programas de las materias, las declaraciones sobre el “uso responsable” de la IA, nada de eso le parece suficiente frente a una tecnología siempre disponible. Si el aula, y en particular la de humanidades, tiene todavía una tarea específica, sostiene, debe convertirse en un espacio con reglas distintas. Un lugar donde la escritura propia sea una exigencia básica porque solo así puede un estudiante desarrollar su propia voz.

No se trataría solo de integridad académica entendida como falta contra la institución. Un estudiante puede usar IA sin proponerse engañar y, aun así, renunciar a una experiencia propia. Puede pedirle a la máquina que ordene una idea, que mejore un párrafo, que encuentre una manera de empezar o de cerrar un ensayo. Cada intervención parece menor. Pero, juntas, desplazan el centro del trabajo intelectual. La pregunta deja de ser “¿qué quiero decir?” y pasa a ser “¿cómo ajusto esto para que suene como si lo hubiera pensado y dicho yo?”.

Tyler Austin Harper, profesor en Bates College y columnista de The Atlantic, lleva el diagnóstico a un terreno más institucional. No se puede prohibir seriamente ChatGPT si se conserva intacta toda la infraestructura que hace posible su uso en todo momento. Una política que dice “no usen IA” mientras los alumnos tienen una computadora abierta, un teléfono en el bolsillo y conexión permanente a internet está destinada al fracaso. No alcanza con pregonar disciplina individual en un ecosistema diseñado para eliminar toda fricción.

Por eso Harper habla de una “opción nuclear”. Propone imaginar universidades sin wifi, con conexión por Ethernet en lugares designados, con restricciones al uso de smartphones y notebooks en ciertos espacios, con dispositivos de escritura sin internet para tomar apuntes y con laboratorios específicos para las tareas que sí requieren investigación online. La propuesta es deliberadamente extrema y obviamente difícil de implementar, puede generar desigualdades, afectar formas legítimas de accesibilidad y chocar contra hábitos ya consolidados. Pero su valor está en obligar a reconocer que el obstáculo no es una aplicación aislada, sino un entorno completo.

Lo de Harper puede sonar a excentricidad de un provocador aislado, pero no lo es. El mismo informe de Brookings organiza sus recomendaciones en torno a tres verbos —prosperar, preparar y proteger— y, bajo el último, propone explícitamente “zonas libres de IA”, tareas con opción de no usarla y ejercicios paralelos, con y sin la herramienta, para que el estudiante vea qué capacidades cedió. Lo que en Harper es una hipótesis extrema, en la revisión de políticas más amplia disponible aparece como recomendación efectiva.

Eso obligaría a formular una pregunta simple, pero de consecuencias complejas. Si realmente creemos que ciertos momentos y actos educativos deben ocurrir sin IA, ¿estamos dispuestos a crear las condiciones reales para que eso suceda? Porque no alcanza con escribir una prohibición en el programa de una materia. Hay que diseñar espacios donde esa prohibición sea real. En ese caso el examen escrito a mano, el seminario sin pantallas, la lectura sostenida, la discusión cara a cara, el borrador sin asistencia algorítmica, no son gestos pintorescos de resistencia nostálgica. Son ejercicios que requieren de un contexto más amplio que las proteja.

El dilema educativo de los próximos años no será solamente cómo incorporar inteligencia artificial a la enseñanza. Esa pregunta ya domina congresos, ministerios, consultoras y capacitaciones docentes. La pregunta más difícil será la inversa, ¿dónde hay que impedir su entrada? Qué ejercicios deberían seguir siendo humanos de principio a fin y qué formas de dificultad deberíamos defender, aunque los estudiantes las resistan y las instituciones se sientan tentadas a flexibilizarlas.

El viejo cuaderno de examen, con su tapa azul y sus páginas esperando en blanco, nos devuelve una imagen casi elemental de la educación, la de una persona frente a una pregunta, sin atajos. Tal vez eso parezca poco frente a la promesa de una tecnología capaz de producir respuestas infinitas. Pero ahí está el punto. La educación no empieza cuando aparecen las respuestas. Empieza cuando alguien aprende a quedarse el tiempo suficiente con una pregunta como para que la respuesta, si llega, sea verdaderamente suya.

Iván Petrella es director de cultura y ciencia de la Fundación Bunge y Born

Por Iván Petrella

---

Conforme a