Tabla de contenido
IA en la tarea de tus hijos: ¿cuándo ayuda y cuándo perjudica?
Guía con respaldo científico para papás sobre cuándo las herramientas de IA realmente ayudan a los niños a aprender y cuándo les quitan el trabajo mental que los hace crecer.
IA en la tarea de tus hijos: ¿cuándo ayuda y cuándo perjudica?
Una mamá de la Ciudad de México me contó que su hijo de once años entregó un ensayo sobre la Revolución Mexicana que sonaba extrañamente formal. Sin errores, sin la voz de un niño de sexto grado, sin ninguna de las confusiones típicas de su edad. El maestro le dio nueve. El niño no sabía explicar ninguno de los puntos del texto cuando lo interrogaron al día siguiente.
La historia no es excepcional. En 2024, una encuesta de la Universidad de Stanford encontró que el 53% de los estudiantes de secundaria y preparatoria reportaron haber usado herramientas de IA para hacer la tarea, y la mayoría dijo haber usado el resultado directamente, sin retrabajar el contenido con su propio pensamiento.
Papás de todo el mundo están atrapados entre dos preocupaciones razonables: ¿mi hijo se está quedando atrás si no usa IA? ¿O se está quedando atrás porque la usa mal?
Ambas preguntas valen. Y la investigación tiene respuestas más claras de lo que parece.
Por qué el argumento de “es como una calculadora” no funciona aquí
Cuando las calculadoras llegaron a las escuelas, la respuesta tranquilizadora fue que los estudiantes igual necesitarían entender matemáticas — la calculadora solo hacía las operaciones. Eso resultó ser cierto, más o menos. Las calculadoras no razonan; ejecutan una operación que ya configuraste correctamente.
Los modelos de lenguaje como ChatGPT son algo diferente. Razonan (de forma imperfecta). Escriben. Explican. Generan exactamente el tipo de producto que antes requería que un estudiante entendiera, organizara y expresara algo por su cuenta. Eso es un intercambio cognitivo distinto al de delegar una multiplicación.
La pregunta central no es si la IA es como una calculadora. Es: ¿qué trabajo mental está haciendo el niño, y ese trabajo le está construyendo algo duradero?
Lo que dice la investigación sobre IA y aprendizaje
El marco más claro sobre esto no viene de estudios de IA sino de la psicología educativa. Décadas de trabajo sobre dificultades deseables — el concepto desarrollado por Robert Bjork en UCLA — demuestran que las tareas que se sienten más difíciles en el momento (recuperar información de la memoria, generar tus propias explicaciones, cometer errores y corregirlos) producen una retención a largo plazo mucho mejor que las experiencias fluidas y sin esfuerzo.
Ese es el primer problema con la IA como completador de tarea: elimina exactamente la fricción que hace que el aprendizaje se quede.
Un estudio de 2023 publicado en Computers & Education (Kasneci et al.) revisó la evidencia emergente sobre IA generativa en educación y encontró que la asistencia de IA mejoraba la entrega de tareas y el rendimiento a corto plazo, pero no mostraba ganancias — y a veces mostraba pérdidas — en evaluaciones que requerían desempeño independiente. Los estudiantes entregaban más trabajo. No aprendían más.
Ahora la parte alentadora. Un estudio de 2024 del MIT (Bastani et al.) usó un diseño experimental aleatorizado para probar cómo los estudiantes usaban tutores de IA en problemas de matemáticas. Los estudiantes que podían obtener soluciones paso a paso se desempeñaron peor en exámenes posteriores. Pero los estudiantes asignados a una condición de IA “socrática” — donde la IA hacía preguntas guía en vez de dar respuestas — se desempeñaron mejor que los controles. La diferencia fue de aproximadamente 0.3 desviaciones estándar — equivalente a casi un año de instrucción adicional en la literatura científica.
La implicación es concreta: el diseño de cómo se usa la IA importa más que si se usa o no.
Cómo se comparan los distintos usos de la IA para el aprendizaje real
| Uso de la IA | Qué reemplaza | Evidencia para el aprendizaje | Riesgo |
|---|---|---|---|
| Obtener respuesta completa | Resolución propia del problema | Negativa (Bastani et al., 2024) | Atrofia habilidades centrales |
| IA escribe el borrador | Proceso de escritura propio | Negativa (Kasneci et al., 2023) | Omite el “escribir para aprender” |
| Pedir que explique un concepto | Releer el libro de texto | Mixta — depende del seguimiento | Recepción pasiva en vez de recuperación activa |
| Pedir preguntas guía a la IA | Quedarse bloqueado sin ayuda | Positiva (Bastani et al., 2024) | Mínimo — imita la tutoría buena |
| Revisar con IA el trabajo propio | Retroalimentación del maestro | Positiva cuando lleva a revisión | Alucinaciones de la IA / falsa confianza |
| Debatir la explicación de la IA | Sin alternativa real | Positiva (evidencia emergente) | Requiere que el niño sepa cuestionar |
El patrón es consistente: cuando la IA hace el trabajo cognitivo, el aprendizaje se deteriora. Cuando la IA añade desafío, guía la recuperación o da retroalimentación sobre el trabajo generado por el estudiante, puede ayudar.
Qué hacer en casa
La regla de “primero muéstrame tu intento”
Antes de que tu hijo use cualquier herramienta de IA en un problema de tarea, que escriba primero su propia respuesta, esquema o intento. Aunque sea incompleto. Aunque esté equivocado. Luego usa la IA para revisar, cuestionar o profundizar su pensamiento.
Esta sola regla hace la mayor parte del trabajo. Preserva la práctica de recuperación y los efectos de generación que hacen el aprendizaje duradero. Y te da un artefacto visible — el intento propio de tu hijo — que hace evidente cuándo está delegando en vez de aprendiendo.
Pregunta: “¿en qué se equivocó la IA?”
Después de que tu hijo use cualquier herramienta de IA, pídele que encuentre una cosa que la IA haya dicho mal, simplificado demasiado o dejado fuera. Esto lo obliga a entender el tema lo suficiente como para evaluar el resultado.
Los niños que practican esto regularmente desarrollan un escepticismo saludable hacia el contenido generado por IA — que en sí mismo es una habilidad crítica del siglo XXI. Y fuerza un compromiso real con el material, porque no puedes detectar errores en lo que no entiendes.
Ajusta la herramienta al tipo de tarea
No toda la tarea requiere el mismo esfuerzo generativo. Verificar una fecha, confirmar una definición, entender cómo se pronuncia algo — usar IA para eso es aproximadamente equivalente a usar un diccionario. Lo que está en juego en términos de aprendizaje es mínimo.
Contrasta eso con: escribir un análisis, resolver un problema matemático de varios pasos, explicar un concepto científico con tus propias palabras. Estas son tareas donde el esfuerzo cognitivo es el aprendizaje. La asistencia de IA en estas tareas debería restringirse proporcionalmente.
Un buen criterio para papás: si la tarea podría completarse correctamente por alguien que no sabe absolutamente nada de la materia, la IA debería estar fuera de la ecuación.
La prueba de “explícame tú”
Después de que tu hijo termine cualquier tarea con asistencia de IA, pídele que te lo explique — en voz alta, en palabras simples, sin ver la pantalla. Este es el método de “teach-back” o autoexplicación que Chi y Wylie documentaron en su revisión de 2014 como una de las estrategias de aprendizaje más consistentemente efectivas. Si tu hijo puede explicarlo, lo aprendió. Si no puede, la IA aprendió por él.
Lo que NO hacer
No prohíbas la IA sin más y luego descubras que igual la están usando. El movimiento más productivo es construir los hábitos de arriba y tener conversaciones honestas sobre para qué sirve la tarea. Los niños que entienden que el punto de un problema matemático es construir una habilidad — no producir una respuesta correcta — toman mejores decisiones sobre cuándo las herramientas ayudan y cuándo los engañan.
Qué observar en los próximos 3 meses
- Semana 4: ¿Puede tu hijo explicar sus tareas con sus propias palabras si le preguntas de improviso? Si no consistentemente, el hábito de asistencia de IA ya puede estar reemplazando la comprensión.
- Mes 2, señal de alarma: Las calificaciones de tu hijo están bien pero el rendimiento en exámenes en clase va bajando. Esta es la señal canónica en la investigación de Kasneci et al. (2023) — el desempeño en tareas mejora mientras el aprendizaje real se estanca.
- Mes 3, auto-evaluación: Pregunta a tu hijo: “¿Qué aprendiste esta semana que te sorprendió?” Si le cuesta responder, algo no está bien con cómo está procesando la información. El aprendizaje que se queda tiende a producir sorpresa, conexión y curiosidad como efectos secundarios.
Preguntas frecuentes
¿Usar IA para hacer la tarea es trampa?
Depende totalmente de cómo se usa y qué está evaluando la tarea. Usar IA para revisar tu propio trabajo es más parecido a usar un corrector ortográfico. Usar IA para generar el trabajo desde cero anula el propósito de la tarea — que es construir una habilidad, no producir una entrega. La mayoría de los reglamentos escolares ya abordan esto; vale la pena leerlos con tu hijo.
¿A qué edad puedo dejar que mi hijo use herramientas de IA para la escuela?
No hay una línea clara respaldada por la investigación. Lo que importa más que la edad es si el niño entiende qué hace la herramienta y puede explicar por qué la usa. Un niño metacognitivo de 9 años que dice “la estoy usando para revisar mi explicación” está en mejor posición que un adolescente de 14 que simplemente pega prompts sin pensar.
¿Qué herramientas de IA están diseñadas para aprender, no para dar respuestas?
Algunas plataformas tienen arquitecturas de “tutoría socrática” diseñadas explícitamente para no dar respuestas sino para guiar el razonamiento. Khanmigo de Khan Academy es un ejemplo. Estas difieren sustancialmente de herramientas de uso general como ChatGPT sin ninguna restricción. La investigación del MIT (Bastani et al., 2024) estudió específicamente esta distinción y encontró diferencias significativas en resultados.
¿Debo ver qué hace mi hijo con las herramientas de IA?
La transparencia supera a la vigilancia. En vez de monitoreo encubierto, construye una norma donde el uso de IA se discute abiertamente: “¿Para qué usaste la IA esta noche? ¿Qué pensaste tú antes de eso?” Esto te da información real, mantiene la conversación abierta y enseña a tu hijo a ser intencional en vez de automático con el uso de herramientas.
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
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2024). “Generative AI Can Harm Learning.” SSRN / MIT CSAIL. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4895486
- Kasneci, E., Seßler, K., Küchemann, S., et al. (2023). “ChatGPT for good? On opportunities and challenges of large language models for education.” Computers in Human Behavior, 103, 107867. https://doi.org/10.1016/j.chb.2023.107867
- Kornell, N., & Bjork, R. A. (2008). “Learning concepts and categories: Is spacing the ‘enemy of induction’?” Psychological Science, 19(6), 585–592. https://doi.org/10.1111/j.1467-9280.2008.02127.x
- Chi, M. T. H., & Wylie, R. (2014). “The ICAP Framework.” Educational Psychologist, 49(4), 219–243. https://doi.org/10.1080/00461520.2014.965823
- Bjork, E. L., & Bjork, R. A. (2011). “Making things hard on yourself, but in a good way.” Psychology and the Real World, 2, 56–64. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3399982/
- Graham, S., et al. (2016). “Teaching Elementary School Students to Be Effective Writers.” IES Practice Guide. https://ies.ed.gov/ncee/wwc/Docs/PracticeGuide/writing-pg-062816.pdf
- Stanford Graduate School of Education. (2024). “AI in Education Survey.” Stanford PACE. https://edpolicy.stanford.edu/
