Tabla de contenido
Tutoría con IA: qué evidencia hay detrás de $400 millones
La Fundación Gates destinó $400 millones a IA en escuelas. Qué dice la evidencia real sobre tutoría con IA y el detalle de diseño que decide si funciona.
El compromiso de la Fundación Gates anunciado el 19 de septiembre de 2026 se cuenta casi siempre como “$400 millones para tutoría con IA”. La estructura real importa más. La fundación comprometió mil millones de dólares para herramientas de IA equitativas, con el 40% dirigido a educación, incluyendo tutoría con IA en escuelas de bajos ingresos junto con capacitación docente y evaluación independiente. Es decir: $400 millones van a educación en general, y los pilotos de tutoría son una línea dentro de eso. No es una precisión de pedante. Define si el dinero cae sobre un mecanismo con evidencia sólida o sobre uno que casi no la tiene.
Puntos clave
- La cifra es el 40% de un compromiso de mil millones, dirigido a educación, y cubre pilotos de tutoría, capacitación docente y evaluación. No son $400 millones de tutoría pura.
- La evidencia a favor de la tutoría es genuinamente fuerte: un efecto agrupado de 0.37 desviaciones estándar. Casi toda viene de tutores humanos.
- Los dos mejores estudios de tutores de IA apuntan en direcciones opuestas, y la diferencia es el diseño: un tutor hecho a propósito superó a la clase, y un chatbot sin guardarraíles redujo la habilidad posterior.
- El mismo metaanálisis encontró que la tutoría durante la jornada escolar supera a la de después de clases. En América Latina eso incomoda, porque casi toda nuestra tutoría es después de clases.
- La palabra más importante del anuncio es “evaluación independiente”. Pregunta si el piloto de tu colegio tiene una y quién se queda con los datos.
Qué se anunció el 19 de septiembre
Un compromiso filantrópico es una promesa de gasto futuro, normalmente repartida en varios años y sujeta a que se elijan los proyectos.
La entrada del 19 de septiembre de 2026 del rastreador de políticas de IA en educación se titula “Gates Foundation Commits $400 Million to AI in Schools as Teachers Warn of Widening Gaps” y describe un compromiso de mil millones para herramientas de IA equitativas, con el 40% a educación, incluyendo tutoría con IA en escuelas de bajos ingresos, capacitación docente y evaluación independiente.
Dos cosas de esa frase merecen tu atención. Primero, la advertencia de los maestros está en el titular, no en una nota al pie: la preocupación es que el gasto en IA amplíe las brechas en lugar de cerrarlas. Segundo, el paquete junta tutoría con capacitación y evaluación, y esa es la estructura correcta si uno se toma en serio la investigación. La literatura sobre tutoría es clara en que quién la entrega manda sobre el efecto, y la capacitación es la palanca para cambiar eso.
La evidencia que de verdad existe
La tutoría es una de las intervenciones mejor documentadas de la educación, y justo por eso atrae dinero. Nickow, Oreopoulos y Quan publicaron en julio de 2020, a través del National Bureau of Economic Research, una revisión sistemática y metaanálisis de estudios experimentales de tutoría de preescolar a 12.º grado. El efecto agrupado fue de 0.37 desviaciones estándar, que es grande para los estándares de la investigación educativa.
Los hallazgos por subgrupo importan más que el titular, y casi nadie los cita:
La tutoría entregada por maestros y paraprofesionales superó a la entregada por no profesionales y por los propios papás. Los efectos fueron más fuertes en los grados tempranos. Las ganancias en lectura fueron mayores en primaria baja, y en matemáticas más fuertes en grados avanzados. Y la tutoría que ocurre durante la jornada escolar produjo impactos mayores que los programas de después de clases.
Ahora pon eso contra la entrega por IA. En la taxonomía de ese metaanálisis, un tutor de IA se parece más al extremo de los no profesionales: no conoce al chico, no sostiene una relación y no se adapta al contexto social del salón. Eso no es razón para descartarlo. Es razón para no asumir que el 0.37 se transfiere solo, y para desconfiar de quien cite la literatura de tutoría como respaldo del gasto en chatbots.
La evidencia directa sobre tutores de IA es escasa y se parte por el diseño.
Kestin, Miller, Klales, Milbourne y Ponti reportaron en Scientific Reports en 2025 que estudiantes universitarios de física con un tutor de IA hecho a medida, construido a propósito sobre los mismos principios pedagógicos de la clase, “aprenden significativamente más en menos tiempo” que sus compañeros en clase activa, y reportaron más interés y motivación. El tutor lo construyeron educadores de física.
Bastani y colegas publicaron en PNAS en 2025 un experimento de campo grande con alumnos de matemáticas de secundaria. La tutoría con IA mejoró el desempeño durante la práctica y después produjo menor desarrollo de habilidad cuando se quitó el acceso. Los autores reportaron que salvaguardas bien diseñadas, en concreto pedirle al tutor pistas diseñadas por el maestro en lugar de respuestas, atenuaban el efecto negativo.
| Qué se estudió | Con quién | Resultado | El detalle |
|---|---|---|---|
| Tutoría humana, metaanálisis de experimentos (Nickow et al., NBER, 2020) | Preescolar a 12.º | +0.37 DE agrupado | Maestros y paraprofesionales mandan el efecto; durante clases supera a después |
| Tutor de IA hecho a propósito (Kestin et al., Scientific Reports, 2025) | Universitarios de física | Más aprendizaje en menos tiempo que clase activa | Herramienta a medida de educadores; una materia, una institución |
| GPT-4 como tutor de matemáticas (Bastani et al., PNAS, 2025) | Matemáticas de secundaria | Mejor en práctica, habilidad más débil al quitar el acceso | Los guardarraíles lo atenuaron; el acceso libre fue la condición dañina |
| Uso general de IA y pensamiento crítico (Gerlich, Societies, 2025) | 666 adultos británicos | r = −0.68 con pensamiento crítico | Correlacional, autorreportado, adultos y no estudiantes |
Lee la columna de la derecha dos veces. Ahí está todo el argumento.
El argumento de equidad y el dato que lo complica
El compromiso se enmarca en equidad, y la objeción de los maestros también. Las dos cosas pueden ser ciertas porque hablan de brechas distintas.
La brecha de acceso es real: los colegios con recursos compran herramientas licenciadas, configuradas y supervisadas, mientras los de menos recursos suelen quedarse con el nivel gratuito, que es la versión menos configurada y menos supervisada. Un chatbot gratis es exactamente la condición “sin guardarraíles” que salió peor en el experimento de PNAS.
Pero hay un dato que complica la historia simple. La encuesta del Pew Research Center a 1,391 adolescentes estadounidenses, levantada entre el 18 de septiembre y el 10 de octubre de 2024, encontró que el 26% había usado ChatGPT para tareas escolares, y la cifra era del 31% entre adolescentes negros y 31% entre hispanos, contra 22% entre blancos. El uso no es menor en los grupos sobre los que se construye el discurso de equidad. Es mayor.
Lo que eso probablemente refleja no es una ventaja de acceso, sino lo contrario: uso sin andamiaje institucional. Un alumno cuyo colegio le da un tutor configurado con supervisión docente vive algo distinto de un alumno usando un chatbot de consumo solo a las once de la noche, aunque los dos respondan “sí” a la misma pregunta de encuesta. La brecha está en las condiciones de uso, no en el hecho de usarlo. Ese replanteo debería cambiar lo que compra un colegio.
¿Y en América Latina?
La filantropía educativa de esta escala casi no llega a la región, y conviene decirlo sin dramatismo. Pero el tema de fondo acá es más urgente que allá, porque en América Latina la tutoría no la paga una fundación: la pagas tú.
Clases particulares, profe de refuerzo, academia de preuniversitario para el ICFES en Colombia, preparación para la PAES en Chile, cursos para el examen de admisión de la UNAM o el IPN en México. Ese gasto sale del bolsillo familiar, mes a mes, y es exactamente la decisión que el metaanálisis puede informar. Tres consecuencias prácticas:
El hallazgo de “durante la jornada” nos pega de frente. Casi toda la tutoría en la región ocurre después de clases, cuando el chico ya está cansado. El metaanálisis dice que esa configuración rinde menos. Si tu colegio ofrece refuerzo dentro del horario, aunque sea en grupo pequeño, vale más que la clase particular de las siete de la tarde. Pregunta primero por eso antes de contratar fuera.
El nivel gratuito es el peor configurado. Donde el presupuesto es ajustado, la opción natural es un chatbot gratis en el celular. Es justo la condición que salió peor en el estudio de PNAS. Si vas a usar IA como apoyo, la configuración importa más que la marca: pídele explícitamente que dé pistas y no respuestas, que pregunte antes de resolver, y que al final te pida explicar el procedimiento con tus palabras.
El tutor humano accesible existe y se subestima. La tutoría entre pares y la entregada por paraprofesionales salieron bien en la evidencia. En la región eso se traduce en algo barato y real: un estudiante de los últimos años ayudando a uno de los primeros, con una pauta clara de qué practicar. Lo desarrollamos en tutoría entre pares, y es la opción con mejor relación costo-efecto para la mayoría de las familias.
Qué hacer en casa
Averigua si el colegio está en un piloto
El dinero filantrópico llega a los salones por intermediarios. Pregunta en dirección si el colegio participa en algún piloto o convenio de IA, con quién y desde cuándo. Si la respuesta es vaga, pide el nombre de la herramienta y del proveedor.
Pregunta quién entrega la tutoría
Es la pregunta de mayor valor de todo el tema. Si el piloto corre con una maestra o un auxiliar en el salón, supervisando e interviniendo, el modelo se parece al brazo de la investigación que funcionó. Si corre como tiempo independiente de alumno frente a chatbot, se parece al que no. Mismo software, intervención distinta.
Pregunta cuándo ocurre
Dentro de la jornada supera a fuera de la jornada. Si el piloto es extraescolar o en casa, espera efectos menores y dilo de antemano en lugar de sorprenderte con la evaluación.
Pregunta qué mide la evaluación y quién la guarda
“Evaluación independiente” puede significar un ensayo con grupo de comparación y resultado preinscrito, o un tablero de uso entregado por el proveedor. Tres preguntas: cuál es el grupo de comparación, cuál es la medida de resultado, y quién publica si el resultado es negativo. Un piloto que no puede responder la tercera es una compra, no un estudio.
Lo que no debes hacer
No leas el 0.37 como un número de IA. Es un número de tutoría humana, de estudios experimentales hasta 2020, y el análisis por subgrupos advierte expresamente contra suponer que la entrega no profesional obtiene lo mismo. Si quieres el contraste completo, lo revisamos en tutor de IA vs. tutor humano.
Qué observar en los próximos 3 meses
- Semana 4: fíjate en los anuncios de beneficiarios. Los compromisos filantrópicos nombran a quién recibe el dinero semanas o meses después del titular, y esa lista dice si fue a distritos, proveedores o intermediarios.
- Señales de alerta en el mes 2: un piloto descrito como “tutoría con IA” sin adulto en el modelo de entrega. Una evaluación hecha por el proveedor. Tutoría programada completamente fuera del horario escolar. Cualquier anuncio que cite tamaños de efecto sin nombrar el estudio.
- Autoevaluación del mes 3: si tu hijo está en un piloto, ¿puedes nombrar la herramienta, el adulto responsable, los minutos por semana y la medida que decidirá si continúa? Cuatro datos, todos preguntables.
Preguntas frecuentes
¿La Fundación Gates está gastando $400 millones en tutores de IA?
No exactamente. El compromiso es de mil millones para herramientas de IA equitativas, con el 40% dirigido a educación. Esa parte cubre pilotos de tutoría en escuelas de bajos ingresos más capacitación docente y evaluación independiente, así que la tutoría es un componente, no el total.
¿La investigación respalda la tutoría con IA?
En parte, y depende del diseño. Un tutor hecho a propósito superó a la clase activa en un ensayo de 2025 en Scientific Reports con universitarios de física. Un tutor de GPT-4 sin guardarraíles mejoró la práctica pero redujo la habilidad al quitarse, en un experimento de campo de 2025 en PNAS con alumnos de secundaria.
¿Por qué todo el mundo cita 0.37 desviaciones estándar?
Es el efecto agrupado del metaanálisis de 2020 de Nickow, Oreopoulos y Quan sobre estudios experimentales de tutoría. Describe tutoría humana, con maestros y paraprofesionales dando los mejores resultados, así que no se transfiere automáticamente al software.
¿Esto va a cerrar la brecha entre colegios ricos y pobres?
Puede reducir la brecha de acceso. La brecha más terca está en las condiciones de uso: supervisión, configuración y capacitación docente. Pew encontró 31% de uso entre adolescentes negros e hispanos contra 22% entre blancos, así que el problema rara vez es la simple ausencia de acceso.
¿Vale la pena pagar tutoría particular o usar IA gratis?
La evidencia favorece a un humano capacitado, sobre todo dentro del horario escolar. Si el presupuesto no alcanza, la tutoría entre pares con pauta clara rinde mejor que un chatbot sin configurar, y configurar el chatbot para dar pistas en lugar de respuestas cambia bastante el resultado.
¿Cuánto hay que esperar para saber si funcionó?
Una evaluación creíble de una intervención escolar necesita al menos un ciclo completo, y dos es mejor. Cualquier resultado positivo publicado dentro del primer semestre es dato de uso, no de aprendizaje.
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
- Pursuit. (2026). “AI in Education: News, Policies, Innovations” (entrada del 19 de septiembre de 2026). https://www.pursuit.us/news/ai-in-education-news-policies-innovations
- Nickow, A., Oreopoulos, P., y Quan, V. (julio de 2020). “The Impressive Effects of Tutoring on PreK-12 Learning: A Systematic Review and Meta-Analysis of the Experimental Evidence.” NBER Working Paper 27476. https://www.nber.org/papers/w27476
- Kestin, G., Miller, K., Klales, A., Milbourne, T., y Ponti, G. (2025). “AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting.” Scientific Reports. https://www.nature.com/articles/s41598-025-97652-6
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., y Mariman, R. (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
- Sidoti, O., Park, E., y Gottfried, J. (15 de enero de 2025). “About a quarter of U.S. teens have used ChatGPT for schoolwork — double the share in 2023.” Pew Research Center. https://www.pewresearch.org/short-reads/2025/01/15/about-a-quarter-of-us-teens-have-used-chatgpt-for-schoolwork-double-the-share-in-2023/
- Gerlich, M. (2025). “AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking.” Societies, 15(1), 6. https://www.mdpi.com/2075-4698/15/1/6
- UNESCO. (2024). “AI Competency Framework for Students.” https://www.unesco.org/en/articles/ai-competency-framework-students
