Exceso de confianza con IA: por qué creen que les fue mejor

El exceso de confianza con IA ya tiene número. En un estudio de 2025 publicado en Computers in Human Behavior, las personas que usaron ChatGPT en problemas de lógica del examen de admisión a Derecho de Estados Unidos sacaron unos tres puntos más que un grupo de comparación. Pero creían que les había ido unos cuatro puntos mejor de lo que de verdad les fue. La herramienta los hizo más competentes y, al mismo tiempo, peores para medir su propia competencia. Y los que más sabían de IA eran los que peor se juzgaban.

Si tu hijo termina una tarea con IA diciendo “me salió perfecta”, esto explica por qué esa sensación puede no coincidir con la nota, ni con el próximo examen.

Puntos clave

• En el Estudio 1 de Fernandes et al. (2025), 246 adultos que usaron IA en 20 problemas de lógica del LSAT mejoraron tres puntos frente a un grupo de referencia, pero sobreestimaron su desempeño en cuatro puntos. Un segundo estudio, con 452 personas, lo replicó.
• Saber más de IA se asoció con menor precisión al juzgar el propio puntaje.
• El patrón clásico de Dunning-Kruger, donde los que sacan menos se sobreestiman más, desapareció cuando la gente usó IA.
• Sentirse seguro es mala guía del aprendizaje incluso sin IA: en un estudio de 2006 en Psychological Science, releer subió la confianza de los estudiantes pero dio peor recuerdo una semana después.
• El remedio es practicar la calibración: predecir un puntaje, hacer la tarea sin la herramienta, comparar y repetir.

Qué midió el estudio sobre el exceso de confianza con IA

El monitoreo metacognitivo es la capacidad de juzgar qué tan bien te está yendo mientras haces algo. Es lo que permite que un estudiante diga “creo que saqué 14 de 20” y no esté lejos. Los psicólogos lo miden comparando lo que la gente predice con lo que realmente saca.

Daniela Fernandes y su equipo publicaron “AI makes you smarter but none the wiser” (la IA te hace más listo, pero no más sabio) en Computers in Human Behavior el 9 de octubre de 2025. En el Estudio 1, 246 participantes usaron un sistema de IA para resolver 20 problemas de razonamiento lógico del LSAT, el examen de admisión a las escuelas de Derecho en Estados Unidos. Después estimaron cuántos habían contestado bien.

Los resultados principales, según el resumen del artículo:

• El desempeño mejoró tres puntos frente a una población de referencia.
• Los participantes sobreestimaron su desempeño en cuatro puntos.
• Una mayor alfabetización en IA se correlacionó con menor precisión metacognitiva: los que sabían más de IA estaban más seguros, pero eran menos precisos al juzgarse.
• El efecto Dunning-Kruger, que suele aparecer en esta tarea, “dejó de existir” con el uso de IA.
• El Estudio 2, con 452 participantes, replicó los hallazgos.

O sea, la IA sí ayudó. El problema es la distancia entre “me ayudó” y “siento que me ayudó”.

Por qué la IA infla la sensación de competencia

Te lo explico en términos de ingeniería. Tu cerebro estima qué tan bien lo hiciste a partir de señales que puede percibir: qué tan fluido se sintió el trabajo, qué tan rápido llegaron las respuestas, qué tan segura sonaba la explicación. Sin herramienta, esas señales salen de tu propio procesamiento, así que se parecen, más o menos, a tu habilidad real.

Con un chatbot, las señales son prestadas. La respuesta llega fluida porque un modelo de lenguaje la generó con fluidez. El razonamiento suena seguro porque los modelos están entrenados para producir textos seguros y bien armados. Tu cerebro lee esas señales como “entendí”, pero la señal vino de la máquina, no de tu comprensión. Es como un sensor conectado a la fuente equivocada: la aguja sube aunque tu propio motor esté apagado.

Eso también explica el dato raro de la alfabetización en IA. Quien usa mucho la IA puede confiar más en lo que dice y revisarlo menos. Una encuesta de Microsoft Research a 319 trabajadores del conocimiento (Lee et al., CHI 2025) encontró algo parecido desde otro ángulo: “una mayor confianza en la IA generativa se asocia con menos pensamiento crítico”.

Qué pasó con el efecto Dunning-Kruger

En 1999, Justin Kruger y David Dunning publicaron “Unskilled and unaware of it” en el Journal of Personality and Social Psychology. En cuatro estudios, las personas del cuartil más bajo en pruebas de humor, gramática y lógica quedaron cerca del percentil 12, pero se ubicaban a sí mismas en el 62. Cuando mejoraron sus habilidades, empezaron a ver sus límites. Aquí te contamos más sobre el efecto Dunning-Kruger en los niños.

Fernandes y su equipo reportan que ese patrón desapareció con la IA. Según los autores, la IA “nivela” el desempeño cognitivo y metacognitivo. Suena a buena noticia, pero el resultado general siguió siendo sobreestimación. La IA no dejó a la gente bien calibrada. Hizo que los de abajo y los de arriba se equivocaran de forma más parecida.

La sensación de aprender siempre ha sido engañosa

La IA no inventó este problema; amplificó uno que los científicos del aprendizaje ya conocían. Henry Roediger y Jeffrey Karpicke (Psychological Science, 2006) pusieron a estudiantes a releer textos o a hacer pruebas de recuerdo. En un examen una semana después, el grupo de las pruebas recordó bastante más, “aunque releer aumentó la confianza de los estudiantes en que recordarían el material”.

Y en un estudio de 2019 en PNAS, Louis Deslauriers y su equipo encontraron que los estudiantes de física en clases de aprendizaje activo aprendían más pero sentían que aprendían menos que sus compañeros de clases magistrales. El esfuerzo extra se sentía como fracaso.

Junta todo y sale esto: el trabajo fácil y fluido hace que cualquiera se sienta más competente. Y la IA es el compañero de estudio más fluido que se ha construido.

Los límites de esta evidencia

Fernandes y su equipo estudiaron adultos resolviendo acertijos de lógica, no niños haciendo tarea. Hasta donde pudimos encontrar, ningún estudio publicado ha medido esta brecha exacta en niños. Es razonable pensar que el automonitoreo infantil es más débil que el de los adultos de entrada, pero eso es una inferencia, no un hallazgo. El estudio midió una sola sesión, así que no sabemos si la calibración mejora con la costumbre. Y la comparación fue contra un grupo de referencia, no contra las mismas personas sin IA.

Lo más cercano con adolescentes es el experimento de campo de Hamsa Bastani y su equipo publicado en PNAS en 2025: casi 1.000 estudiantes de matemáticas de prepa con GPT-4 sin restricciones subieron 48% sus notas de práctica y luego sacaron 17% menos que sus compañeros cuando se les quitó el acceso. El desempeño en la práctica predijo muy mal la habilidad real.

Señales de confianza comparadas: cuáles creer

Lo que dice tu hijo	Qué tan confiable es con ayuda de IA	Mejor manera de comprobarlo
”Estuvo facilísimo”	Baja. La facilidad suele venir de la fluidez de la herramienta	Pídele que rehaga un problema en frío
”Seguro me salió bien”	Baja. Fernandes et al. encontraron 4 puntos de sobreestimación	Que prediga su puntaje y luego califiquen
”Ya lo entendí”	Media. Depende de si lo puede decir sin la pantalla	Explicación con la compu cerrada
”Se lo podría explicar a mi amigo”	Media a alta, si de verdad lo hace	Déjalo que te lo enseñe dos minutos
Respuestas correctas en un problema nuevo parecido, sin IA	Alta	Esta es la prueba de verdad
Notas estables en los exámenes en clase	Alta	Compáralas con las notas de tarea durante un mes

Cómo calibrar la sensación de tu hijo sobre lo que sabe

Que “predice y luego comprueba” se vuelva costumbre

Antes de cualquier examen, hoja de ejercicios o práctica, tu hijo anota un número: “Creo que voy a sacar 8 de 10”. Cuando lo califiquen, escribe el número real al lado. Nada más. Con las semanas, la diferencia suele achicarse, porque el cerebro empieza a usar mejores señales. Mantenlo neutral. Una diferencia es información, no un fracaso.

Separa el puntaje “con herramienta” del puntaje “sin herramienta”

Si la IA está permitida para la tarea, pídele que haga los últimos uno o dos problemas sin ella. Comparen. Si saca 10 de 10 con ayuda y 3 de 5 sin ayuda, los dos ya saben dónde está de verdad. Con adolescentes, una hoja de cálculo con tres columnas (predicción, con IA, sin IA) convierte esto en un experimento que es suyo.

Pide la razón, no la respuesta

El exceso de confianza se esconde detrás de las respuestas correctas. “¿Por qué está bien eso?” o “¿Qué lo haría estar mal?” obliga a tu hijo a producir el razonamiento, que es la señal que su cerebro debería usar para juzgarse. Si la razón es “porque la IA lo dijo”, encontró la brecha solito. Para más ideas, revisa nuestra guía sobre la ilusión de aprendizaje con IA en las tareas.

Déjalo equivocarse donde no cuesta nada

Calibrarse necesita retroalimentación, y la retroalimentación necesita errores. Un examencito de práctica en la mesa de la cocina, sin nota, calibra mejor que un examen importante, porque tu hijo se puede dar el lujo de descubrir que estaba demasiado seguro.

Lo que no conviene hacer

No le digas “no eres tan listo como crees”. La investigación muestra que el exceso de confianza con IA es un patrón humano general, incluso entre adultos que saben mucho de IA. Si lo presentas como un defecto de tu hijo, se va a poner a la defensiva. Si lo presentas como una falla conocida en cómo cualquier cerebro lee la fluidez, se vuelve algo para poner a prueba, y eso a los niños les suele gustar.

¿Y en América Latina?

No encontramos ningún estudio latinoamericano que mida la autoevaluación de estudiantes que usan IA. Lo que sí hay es un dato de contexto que vuelve el tema urgente: según las cifras de PISA 2025 de la OCDE reportadas por Pulzo, el 56% de los estudiantes colombianos de 15 años usa IA cada semana para aprender, frente al 46% del promedio de la OCDE, con Perú (54%) y Uruguay (53%) muy cerca. La misma nota recoge la advertencia de que muchos podrían estar usando la IA para evitar el esfuerzo cognitivo. Mucho uso más poca revisión es la combinación exacta que produce exceso de confianza.

La guía de la UNESCO de 2023 sobre IA generativa en educación, publicada en español, propone un enfoque “adecuado a la edad” y procesos de validación ética de estas herramientas antes de llevarlas al aula. Mientras eso llega, la calibración se puede hacer en casa con lápiz y papel. Si tu hijo presenta exámenes nacionales o de admisión, la práctica de “predice y comprueba” con exámenes de práctica sirve igual en Bogotá que en Monterrey.

Qué observar en los próximos 3 meses

• Semana 4: Ya tienes unas semanas de puntajes predichos contra reales. Mira el patrón, no un número suelto. ¿Las predicciones salen altas una y otra vez?
• Señales de alerta del mes 2: Una brecha cada vez más grande entre las notas de tarea y las de examen. Sorpresa y frustración después de los exámenes (“¡pero si me lo sabía!”). Negarse a intentar problemas sin la herramienta.
• Autoevaluación del mes 3: Las predicciones quedan a uno o dos puntos del resultado real casi siempre. Tu hijo puede nombrar un tema que creía saber y no sabía. Ese tipo de autocorrección es justo la habilidad que estás construyendo.

Preguntas frecuentes

¿La IA hace que los estudiantes se sobreestimen?

La mejor evidencia actual dice que sí, al menos en adultos. Fernandes et al. (2025) encontraron que quienes usaron IA en problemas de lógica sobreestimaron su puntaje en unos cuatro puntos, y un segundo estudio lo replicó. Ningún estudio publicado ha medido todavía la misma brecha en niños, así que tómalo como un patrón probable, no comprobado.

¿Por qué saber más de IA haría que mi hijo adolescente se juzgue peor?

El estudio encontró que más alfabetización en IA se correlacionaba con menos precisión, y los autores sugieren que los usuarios con más conocimiento técnico estaban más seguros pero eran menos precisos. Una explicación posible: quienes la usan mucho confían más en lo que dice y lo revisan menos. Es una correlación, no prueba una causa.

¿Esto es lo mismo que el efecto Dunning-Kruger?

No exactamente. Dunning-Kruger describe que los de menor desempeño se sobreestiman más. Con IA, Fernandes y su equipo vieron que ese patrón desaparecía, pero la gente seguía sobreestimándose en general. Es otra forma de error: más pareja y ligada a la herramienta, no a la falta de habilidad.

¿Cómo sé si mi hijo de verdad domina el tema?

Que resuelva un problema nuevo y parecido sin IA y explique por qué la respuesta es correcta. Pídele antes que prediga su puntaje. Si lo resuelve, lo explica y su predicción se acerca al resultado, lo domina. Una respuesta correcta hecha con IA, sola, no te dice mucho.

¿Debería prohibir la IA para la tarea por esto?

La investigación apunta más a cómo se usa la IA que a si se usa. El exceso de confianza es un problema de monitoreo, y el monitoreo se entrena con predicciones y revisiones sin herramienta. Muchas familias mantienen la IA para algunas tareas y agregan al final un paso corto “sin la herramienta”. Primero sigue las reglas de la escuela.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Fernandes, D., Villa, S., Nicholls, S., Haavisto, O., Buschek, D., Schmidt, A., et al. (2025). “AI makes you smarter but none the wiser: The disconnect between performance and metacognition.” Computers in Human Behavior, 175, 108779. https://doi.org/10.1016/j.chb.2025.108779
2. Kruger, J., & Dunning, D. (1999). “Unskilled and unaware of it: How difficulties in recognizing one’s own incompetence lead to inflated self-assessments.” Journal of Personality and Social Psychology, 77(6). https://doi.org/10.1037/0022-3514.77.6.1121
3. Roediger, H. L., & Karpicke, J. D. (2006). “Test-enhanced learning: Taking memory tests improves long-term retention.” Psychological Science, 17(3). https://doi.org/10.1111/j.1467-9280.2006.01693.x
4. Deslauriers, L., McCarty, L. S., Miller, K., Callaghan, K., & Kestin, G. (2019). “Measuring actual learning versus feeling of learning in response to being actively engaged in the classroom.” Proceedings of the National Academy of Sciences, 116. https://doi.org/10.1073/pnas.1821936116
5. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., et al. (2025). “The Impact of Generative AI on Critical Thinking.” CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3706598.3713778
6. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., et al. (2025). “Generative AI without guardrails can harm learning: Evidence from high school mathematics.” Proceedings of the National Academy of Sciences. https://doi.org/10.1073/pnas.2422633122
7. Pulzo. (2026, 8 de septiembre). “Estudiantes en Colombia lideran uso de IA, según la OCDE.” https://www.pulzo.com/tecnologia/inteligencia-artificial-en-la-educacion-estudiantes-en-colombia-lideran-uso-de-ia-segun-la-ocde-PP5296043A
8. UNESCO. (2023). “Guía para el uso de IA generativa en educación e investigación.” https://www.unesco.org/es/articles/guia-para-el-uso-de-ia-generativa-en-educacion-e-investigacion