Reglas de IA para las tareas: lo que dice la ciencia

En febrero de 2026, el blog de Screenagers publicó tres reglas de IA para las tareas que desde entonces circulan en boletines escolares y grupos de WhatsApp de papás: nada de IA para escribir, corregir o anotar; nada de IA para resolver problemas, y nada de materiales de estudio hechos por IA. La entrada, de la médica Delaney Ruston, toma las reglas del libro The Digital Delusion del neurocientífico Jared Cooney Horvath. No cita ningún estudio en concreto. Así que hice lo que hace un ingeniero cuando le llega una especificación sin datos de prueba: revisé cada regla contra la investigación publicada. ¿El resumen? Dos de las tres se sostienen bien. La tercera es medio cierta, y la mitad que falla importa mucho para cómo estudia tu hijo para los exámenes.

Puntos clave

• Regla 1 (nada de IA para escribir): bien respaldada. Un metaanálisis de 2020 con 56 experimentos encontró que escribir sobre los contenidos de clase mejora el aprendizaje de primero a duodécimo grado, con un tamaño de efecto de 0.30.
• Regla 2 (nada de IA para resolver problemas): respaldada cuando el chatbot da las respuestas. En un experimento con casi mil estudiantes de preparatoria, los que practicaron con GPT-4 sin filtros sacaron después 17% menos en el examen que los que nunca lo usaron. Una versión que solo daba pistas evitó casi todo el daño.
• Regla 3 (hacer tus propios materiales): medio cierta. Hacer tus propias tarjetas ayuda. Pero los resúmenes son un método de estudio flojo sin importar quién los escriba, y el método más potente, ponerse a prueba uno mismo, funciona aunque otra persona haya escrito las preguntas.
• Muchos chicos dicen que con la IA “sienten” que aprenden más. La investigación sobre el esfuerzo muestra que esa sensación engaña.
• Una mejor regla para la casa: el niño tiene que hacer el trabajo de generar y de recordar. La IA puede dar pistas, nunca respuestas terminadas.

Qué dicen las reglas de IA para las tareas de Screenagers

Son tres límites al uso de la inteligencia artificial generativa en las tareas, propuestos por Jared Cooney Horvath y respaldados por la doctora Delaney Ruston en el blog de Screenagers el 3 de febrero de 2026. En sus palabras (traducidas):

1. “Nada de IA para escribir, corregir o anotar. Los ensayos se planean y se redactan sin conexión”.
2. “Nada de IA para resolver problemas: si tu hijo se atora, anímalo a pedirte ayuda a ti, a un maestro o a un compañero”.
3. Nada de material de estudio generado por IA: “Que tus hijos hagan sus propias tarjetas, guías de estudio y resúmenes”.

El razonamiento de Horvath es que “cuando los niños novatos usan estas herramientas, se saltan el esfuerzo y brincan por completo el proceso de pensar”. Y va más lejos: sugiere que las familias “consideren prohibirla en casa, al menos para las tareas”.

La entrada dice que “la investigación sugiere” que la IA puede perjudicar el aprendizaje, pero no nombra estudios. Más que una crítica al consejo, es un hueco que este artículo intenta llenar.

Regla 1: nada de IA para escribir. Veredicto: muy respaldada

El argumento a favor de esta regla se apoya en dos hallazgos muy replicados.

El primero es escribir para aprender. Graham, Kiuhara y MacKay reunieron 56 experimentos y cuasiexperimentos con alumnos de primero a duodécimo grado en un metaanálisis de 2020 publicado en Review of Educational Research. Los estudiantes que escribían sobre los contenidos de ciencias, estudios sociales o matemáticas aprendían más que los que no, con un tamaño de efecto promedio de 0.30. El efecto fue parecido entre materias y entre primaria, secundaria y preparatoria. Dicho en simple: armar oraciones sobre la fotosíntesis es parte de cómo un niño aprende la fotosíntesis.

El segundo es el efecto de generación. Recordamos mejor lo que producimos que lo que solo leemos. Un metaanálisis de 2007 en Memory & Cognition, de Bertsch y sus colegas, resumió 445 tamaños de efecto de 86 estudios y encontró un beneficio promedio de 0.40 desviaciones estándar a favor de generar sobre leer.

Así funciona el mecanismo, sin tecnicismos. Cuando un niño redacta un ensayo, tiene que sacar datos de su memoria, decidir cómo se conectan las ideas y darse cuenta de lo que no entiende. Cada uno de esos pasos fortalece el recuerdo. Cuando un chatbot redacta el ensayo, el niño lee un producto terminado. Y leer es la condición más débil en las dos líneas de investigación.

Donde la regla va más allá de la evidencia es en corregir. No encontré investigación sólida sobre si, por ejemplo, una sugerencia de gramática después de que el niño termina su borrador perjudica el aprendizaje. La preocupación es razonable (un chico que nunca arregla sus propias comas quizá no aprenda a hacerlo), pero es un criterio, no un hallazgo. Si quieres profundizar, revisa nuestro artículo sobre la ilusión de aprendizaje con IA en las tareas.

Regla 2: nada de IA para resolver problemas. Veredicto: respaldada, con una salvedad de diseño

El mejor estudio sobre esto es un experimento de campo de Bastani y sus colegas, publicado en PNAS en 2025. A casi mil estudiantes de matemáticas de preparatoria en Turquía les dieron uno de dos tutores de IA durante las sesiones de práctica:

• GPT Base, que funcionaba como ChatGPT normal.
• GPT Tutor, programado para dar pistas diseñadas por maestros en lugar de respuestas.

Durante la práctica, los dos ayudaron muchísimo: las calificaciones subieron 48% con GPT Base y 127% con GPT Tutor. Luego les quitaron la IA. En el examen sin ayuda, los que habían usado GPT Base sacaron 17% menos que los que nunca tuvieron IA. Los autores describen que los estudiantes usaban GPT-4 como “muleta”. El tutor de pistas evitó casi por completo esa caída.

Ese resultado respalda la regla de Horvath para la IA que la mayoría de los chicos tiene a mano: un chatbot general que, si se lo pides, te entrega la solución completa paso a paso. También muestra que la regla es más estricta de lo que exige la evidencia. El daño vino de entregar respuestas, no de la IA en sí.

Un ensayo aleatorizado de 2025 de Kestin y sus colegas en Scientific Reports apunta en la misma dirección. En un curso universitario de física, los estudiantes que usaron un tutor de IA hecho a la medida, con buenas prácticas de enseñanza, aprendieron más y en menos tiempo que los de una clase de aprendizaje activo. Ojo con los límites: eran universitarios, el tutor lo diseñaron sus profesores con cuidado y un curso es solo un curso. No demuestra que un niño de 10 años con un chatbot abierto vaya a aprender más. Sí demuestra que el diseño de la herramienta es lo que hace la diferencia.

Así que “pregúntale a una persona” sigue siendo un consejo excelente. Las personas tendemos a dar pistas. Los chatbots, de entrada, dan respuestas.

Regla 3: haz tus propios materiales de estudio. Veredicto: medio cierta

Esta es la regla donde los detalles cambian lo que tu hijo debería hacer el jueves en la noche.

La revisión más citada sobre técnicas de estudio es una monografía de 2013 de Dunlosky y sus colegas en Psychological Science in the Public Interest. Evaluaron diez técnicas. Solo dos recibieron “utilidad alta”: ponerse a prueba (hacerse preguntas uno mismo) y práctica espaciada (repartir el estudio en varios días). Cinco recibieron “utilidad baja”, entre ellas resumir, subrayar y releer.

Eso le crea dos problemas a la regla 3 tal como está escrita:

• Los resúmenes son flojos los escriba una persona o un chatbot. Pedirle a tu hijo que haga su propio resumen en lugar de pedírselo a la IA es cambiar un método débil por otro un poco menos débil. Ponerse a prueba les gana a los dos.
• Recordar funciona aunque otro haya escrito las preguntas. En los experimentos de Roediger y Karpicke de 2006, publicados en Psychological Science, los estudiantes que hacían pruebas de memoria recordaban mucho más una semana después que los que volvían a estudiar el mismo material, aunque releer los hacía sentirse más seguros. El beneficio viene de sacar la respuesta de la memoria, no de haber inventado la pregunta.

Hacer tus propias tarjetas sigue teniendo valor. Escribir una buena pregunta exige entender el tema, y eso otra vez es generar. Pero un chico que pasa 45 minutos haciendo tarjetas preciosas y cinco minutos repasándolas tiene la proporción al revés. Si un cuestionario de práctica hecho con IA logra que tu hijo pase la hora completa recordando, esa quizá sea la mejor sesión de estudio. Lo innegociable es que conteste de memoria antes de revisar.

Las tres reglas, lado a lado

Regla	Qué dice la investigación	Veredicto	Versión más precisa para casa
Nada de IA para escribir, corregir o anotar	Escribir para aprender (efecto de 0.30, 56 experimentos) y el efecto de generación (0.40, 86 estudios) favorecen que el niño produzca su propio texto	Muy respaldada para redactar; corregir es un criterio	El niño planea y redacta solo. Cualquier comentario llega después de un borrador completo, en forma de preguntas, no de reescrituras
Nada de IA para resolver problemas	GPT-4 que da respuestas mejoró la práctica pero bajó 17% el examen posterior; el tutor de pistas evitó casi todo el daño	Respaldada para chatbots generales; más estricta de lo necesario con herramientas de solo pistas	Nunca soluciones completas. Una pista después de un intento real es aceptable si la herramienta o el maestro lo permiten
Haz tus propias tarjetas, guías y resúmenes	Ponerse a prueba y espaciar tienen utilidad alta; resumir, baja; las pruebas funcionan con preguntas ajenas	Medio cierta	El niño contesta de memoria antes de revisar. Prioriza las autoevaluaciones sobre los resúmenes, sin importar quién escribió las preguntas

Cómo aplicar estas reglas en casa

Pega la pregunta de “¿quién lo generó?” en el refri

Cada sesión de tarea se puede revisar con una sola pregunta: ¿quién hizo el trabajo de generar y quién el de recordar? Si la respuesta es “la IA”, la sesión probablemente sirvió menos de lo que parece. Es más fácil de aplicar que una lista de apps prohibidas, y funciona con cualquier herramienta.

Prepárate para objeciones que suenan a evidencia

Tu hijo puede decirte que con la IA entiende mejor. Tómalo en serio, y luego ten esto en mente: en un estudio de 2019 en PNAS de Deslauriers y sus colegas, los estudiantes de física asignados al azar a aprendizaje activo aprendieron más, pero sintieron que aprendían menos que los que tomaban clases expositivas pulidas. Los autores concluyeron que los alumnos interpretan el esfuerzo del aprendizaje activo como señal de que aprenden peor. Estudiar con esfuerzo se siente peor justo mientras funciona.

Escaleras de pistas, no hojas de respuestas

Cuando tu hijo se atore con un problema de matemáticas, prueba una escalera de tres pasos antes de que alguien (persona o máquina) le muestre la solución: primero, pregúntale qué le está pidiendo el problema; luego, señálale el ejemplo parecido en su cuaderno; al final, dale solo el siguiente paso. Eso copia lo que hizo más seguro al tutor de pistas del estudio de PNAS. Para ver las ventajas y riesgos con más calma, aquí está nuestra guía sobre tutores de IA para tareas de niños de 8 a 14 años.

Convierte el estudio en ronda de preguntas

Pídele a tu hijo que cierre el libro y te cuente, o le cuente a una hoja en blanco, todo lo que recuerda del tema. Luego revisen. Repitan dos días después. Eso es ponerse a prueba más práctica espaciada, las dos técnicas de utilidad alta, y no cuesta nada.

Lo que no conviene hacer

No tomes la prohibición como meta final. Una regla de “en esta casa no se usa IA”, vigilada revisando el historial del navegador, se pierde la habilidad más útil: saber qué tipo de ayuda construye tu cerebro y cuál lo reemplaza. Los chicos se van a topar con herramientas de IA en la escuela y en el trabajo. Un adolescente que entiende por qué las respuestas regaladas perjudican el aprendizaje va a decidir mejor cuando no lo estés viendo.

¿Y en América Latina?

La pregunta pesa más en la región de lo que muchos creen. Según los resultados de PISA 2025 reportados en septiembre de 2026, el 56% de los estudiantes colombianos dijo usar herramientas de IA cada semana para aprender, por encima del promedio de la OCDE (46%). Perú (54%) y Uruguay (53%) también quedaron arriba de ese promedio. Es decir, en buena parte de Latinoamérica los chicos ya usan IA para estudiar con más frecuencia que el estudiante típico de los países ricos.

Lo que no encontré es una guía oficial para familias equivalente a estas reglas, emitida por un ministerio de educación de la región, que diga qué usos de la IA en las tareas ayudan y cuáles estorban. Las discusiones públicas se han concentrado más en los celulares en el aula (Brasil y Chile ya tienen leyes) y en los deepfakes. Mientras tanto, la prueba de “¿quién generó y quién recordó?” sirve igual en Bogotá que en Lima o en Monterrey, porque se basa en cómo funciona la memoria, no en una ley.

Si quieres ver los datos de PISA país por país, revisa nuestro análisis de PISA 2025 en América Latina y el uso de IA.

Qué observar en los próximos 3 meses

• Semana 4: Mira un borrador que tu hijo haya escrito solo. ¿Está más chueco que lo que hacía con IA? Es lo esperado y está bien. Imperfecto y suyo vale más que pulido y prestado.
• Señales de alerta en el mes 2: las calificaciones de tarea siguen altas pero bajan las de quizzes y exámenes, o tu hijo no puede explicar una respuesta que entregó. Esa brecha es justo el patrón que encontró el estudio de Bastani.
• Autoevaluación del mes 3: Pídele que te explique un concepto de cada materia sin apuntes. Si puede, tus reglas están cumpliendo su función, sean cuales sean.

Preguntas frecuentes

¿Las reglas de IA para las tareas tienen respaldo científico?

En su mayoría, sí. Escribir sobre los contenidos y generar tus propias respuestas son impulsores del aprendizaje bien establecidos, y un experimento de 2025 en PNAS encontró que los chatbots que dan respuestas perjudicaron los exámenes posteriores. La regla más débil es la de hacer tus propios resúmenes, porque resumir es un método de estudio de baja utilidad lo haga quien lo haga.

¿Debo prohibir por completo la IA en las tareas?

Es un punto de partida razonable para niños pequeños con chatbots generales, que de entrada dan respuestas completas. Para chicos más grandes, la investigación respalda una regla más precisa: nunca respuestas ni borradores terminados, pero pistas estructuradas después de un intento real pueden estar bien, sobre todo en herramientas diseñadas por maestros.

¿Está bien usar IA para hacer cuestionarios de práctica?

Probablemente sí, siempre que el niño conteste de memoria antes de revisar. El beneficio de ponerse a prueba viene de recordar, no de escribir las preguntas. Revisa que el cuestionario esté bien, porque las preguntas generadas por IA pueden traer errores, y combínalo con algunas tarjetas hechas por él.

Mi hijo dice que la IA le explica mejor que su maestra. ¿Es malo?

No necesariamente. El problema no es la explicación, es el reemplazo. Si tu hijo lee una explicación de la IA y luego resuelve problemas nuevos sin ayuda, eso puede servir. Si la IA resuelve los problemas que le dejaron, perjudica. Además, los estudiantes suelen confundir el estudio que se siente fácil con el estudio que funciona.

¿A qué edad conviene empezar con estas reglas?

En cuanto el niño tenga acceso a un chatbot para la escuela. Los más pequeños son los “novatos” que más le preocupan a Horvath, porque tienen menos conocimientos previos para juzgar o corregir lo que dice una IA.

---

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. Ruston, D. (2026). “Should Kids Use AI for Homework? Here Are the Rules I Recommend.” Screenagers blog, 3 de febrero de 2026. https://www.screenagersmovie.com/blog/should-kids-use-ai-for-homework
2. 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
3. Kestin, G., Miller, K., Klales, A., Milbourne, T., y Ponti, G. (2025). “AI tutoring outperforms in-class active learning.” Scientific Reports. https://doi.org/10.1038/s41598-025-97652-6
4. Graham, S., Kiuhara, S. A., y MacKay, M. (2020). “The Effects of Writing on Learning in Science, Social Studies, and Mathematics: A Meta-Analysis.” Review of Educational Research. https://doi.org/10.3102/0034654320914744
5. Bertsch, S., Pesta, B. J., Wiscott, R., y McDaniel, M. A. (2007). “The generation effect: a meta-analytic review.” Memory & Cognition. https://doi.org/10.3758/BF03193441
6. Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., y Willingham, D. T. (2013). “Improving Students’ Learning With Effective Learning Techniques.” Psychological Science in the Public Interest. https://doi.org/10.1177/1529100612453266
7. Roediger, H. L., y Karpicke, J. D. (2006). “Test-enhanced learning: taking memory tests improves long-term retention.” Psychological Science. https://doi.org/10.1111/j.1467-9280.2006.01693.x
8. Deslauriers, L., McCarty, L. S., Miller, K., Callaghan, K., y 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. https://doi.org/10.1073/pnas.1821936116
9. 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