El cerebro humano actúa diferente cuando se le pide a la IA que resuelva un ejercicio o que enseñe a resolverlo

Qué rol le asigna un estudiante al uso y respuestas de la inteligencia artificial no es un detalle pedagógico menor. Dos investigaciones publicadas esta semana con pocos días de diferencia- una en Estados Unidos y otra en Londres- apuntan a observar el impacto de la IA en el aprendizaje.

El primer experimento midió la actividad eléctrica del cerebro de adolescentes mientras interactuaban con IA y la otra investigación simuló matemáticamente qué le ocurre a un aula entera cuando la IA está disponible sin restricciones y sin una guía clara para su uso.

Electrodos y algoritmos en el juego de roles

Dos estudiantes de la Allen High School de Texas, en Estados Unidos, Kashika Khurana y Ally Liew diseñaron y ejecutaron un experimento que será presentado en la conferencia ACM Creativity and Cognition 2026; uno de los principales encuentros académicos de referencia en el área de interacción humano-computadora.

La hipótesis de partida fue sencilla: la mayoría de los estudios sobre IA en educación trata la exposición a la tecnología como una condición binaria, es decir si el estudiante usa o no usa IA, pero sin distinguir qué tipo de relación establece con ella. Los investigadores propusieron tres modos de interacción claramente diferenciados: la IA como tutor (guía al estudiante sin dar la respuesta directa), como colaborador (trabaja junto al estudiante en el proceso de resolución) y como resolvedor (entrega la respuesta terminada).

Para medir el efecto de cada modo, registraron datos de electroencefalografía y métricas conductuales de 48 participantes de entre 14 y 18 años a lo largo de dos cuestionarios contrabalanceados. El electroencefalograma permite registrar la actividad eléctrica del cerebro con alta resolución temporal, y en este caso se enfocó en la corteza frontal, zona asociada con funciones ejecutivas como la planificación, la toma de decisiones y el control cognitivo.

Los resultados fueron contundentes, ya que cada modo mostró diferencias significativas en las tres medidas conductuales evaluadas divididas en iniciación, procesamiento y estrés, analizando las ondas gamma y beta y su impacto en la autonomía cognitiva. En lenguaje llano: cuando la IA resuelve, el cerebro adolescente tiende a un estado más pasivo; cuando la IA guía o colabora, el cerebro permanece más activo. Si bien, la muestra fue pequeña, se espera poder replicar la investigación para obtener significancia estadística.

Qué pasa cuando todos tienen acceso a la IA

La segunda investigación tiene una escala radicalmente distinta ya que un equipo de diez investigadores de siete universidades europeas- la Universidad Centroeuropea de Viena, la Universidad de Siena, el Complexity Science Hub de Viena, la Universidad de Vilnius, la Universidad Aalto de Finlandia, el Instituto de Ciencias de Red de la Northeastern University de Londres, la Universidad de Turín, el Politecnico di Torino y la Universidad de Génova- construyó un modelo de agentes computacionales para simular qué ocurre con el uso de la IA en la competencia de resolución de problemas; tomando como referencia un aula de secundaria en la asignatura de física.

Si bien los estudios sobre IA en educación suelen medir el efecto sobre individuos, ¿qué es lo que ocurre a nivel de conjunto en las aulas? La conclusión central de la investigación apunta a que el uso de IA generativa puede disminuir el desarrollo de competencias y aumentar la proporción de estudiantes que permanecen en niveles de competencia más bajos. El efecto no es uniforme ya que varía según la estructura de la red de pares en el aula, por ejemplo, si los vínculos entre estudiantes son densos o dispersos, si hay nodos de alta influencia o si el intercambio de conocimiento está fragmentado. Pero la tendencia general apunta al mismo lugar. Cuando los estudiantes pueden obtener la respuesta de la IA, el trabajo cognitivo que antes se producía en la interacción con otros estudiantes tiende a no producirse.

El modelo analizado distingue tres condiciones: estudiantes que resuelven tareas de manera individual, estudiantes que colaboran con sus pares y estudiantes que trabajan con el apoyo de IA generativa. Los resultados sugieren que el impacto educativo de la IA generativa debería evaluarse no solo a través de los resultados individuales de aprendizaje sino también a través de sus efectos en la dinámica colectiva de competencia. Dicho de otra manera, un estudiante puede parecer más eficiente al usar IA, pero el aula como conjunto puede estar perdiendo el proceso que produce aprendizaje real.

Ambos estudios ponen el foco en que la pregunta relevante no es si los estudiantes usan IA sino qué tipo de relación establecen con ella. Si el estudiante es quien piensa y la IA amplifica ese pensamiento, el potencial es enorme. Si el estudiante delega el pensamiento en la IA y se limita a copiar el output, no hay aprendizaje e incluso puede darse una simulación de aprendizaje que, como muestran ambas investigaciones, tiene consecuencias medibles tanto en el cerebro individual como en la competencia colectiva del aula.