[INTELIGENCIA ARTIFICIAL] La academia después de ChatGPT: más herramientas, más tareas y el mismo estrés

De la culpa de usar ChatGPT a la academia acelerada: IA, carga, estrés, autoría y el nuevo estudiante

A finales de 2022 yo tenía la costumbre de revisar el feed de noticias y recomendaciones de Google. Había configurado entre mis intereses temas de tecnología, así que de vez en cuando aparecía alguna novedad que me llamaba la atención. Un día encontré una información sobre una supuesta inteligencia artificial que prometía revolucionar muchas cosas.

El término inteligencia artificial no era nuevo para mí. Ya circulaba en películas, artículos tecnológicos y conversaciones sobre el futuro. Pero una cosa era conocer el concepto y otra muy distinta encontrarse delante de aquello.

Entré por curiosidad.

Se llamaba ChatGPT.

OpenAI había hecho público ChatGPT el 30 de noviembre de 2022 como una versión de investigación abierta a los usuarios. (openai.com) Yo no sabía realmente qué había que hacer allí. La interfaz era desconcertantemente sencilla: había un espacio para escribir y una advertencia de que aquello podía equivocarse y que sus respuestas debían verificarse.

Así que escribí.

No recuerdo cuál fue exactamente mi primera pregunta. Sí recuerdo perfectamente la sensación.

Aquello se sentía como hacer trampa

Por aquellos días yo enseñaba Escuela Bíblica en mi iglesia y cada sábado preparaba el bosquejo que utilizaría el domingo. Era un proceso que ya tenía establecido: Biblia, comentarios, materiales propios, búsquedas, notas, comparación de textos.

En algún momento pregunté algo relacionado con un versículo.

Y aquella cosa respondió.

Hoy, después de años utilizando modelos mucho más avanzados, probablemente aquella respuesta me parecería elemental. Pero hay que juzgar la tecnología desde el mundo en que apareció, no desde el mundo que ella misma ayudó a crear.

En diciembre de 2022 aquello resultaba extraordinario.

Me ofreció una observación que podía integrar a recursos que yo ya tenía. No sustituyó todo lo demás. Sencillamente había aparecido, de repente, una herramienta capaz de conversar conmigo sobre el texto que estaba estudiando.

Y sentí algo difícil de describir.

Era transgresor.

Casi parecía trampa.

Y es que había también algo ligeramente escatológico en la experiencia. Una sensación semejante a estar mirando una tecnología que no correspondía del todo al tiempo en que uno estaba viviendo: ¿y si esto cae en manos equivocadas?, ¿qué va a pasar cuando todo el mundo tenga acceso a algo así?

Y, mientras pensaba todas esas cosas, seguí preguntando.

Pregunté sobre Biblia.

Después sobre cine.

Después sobre historia.

Después sobre literatura.

Después sobre cualquier cosa que se me ocurriera.

Y aquella máquina seguía respondiendo con una competencia suficiente como para que uno comprendiera que aquello no era simplemente otro buscador.

Había descubierto una herramienta que cambiaría mi forma de trabajar. Y lo haría por el resto de mi vida.

Del asombro a la ubicuidad

Durante los meses siguientes comenzaron a aparecer artículos explicando cómo obtener mejores resultados, cómo formular preguntas, qué podía hacer ChatGPT y cuáles eran sus limitaciones. Yo guardaba algunos de aquellos textos como quien guarda manuales de una tecnología recién descubierta.

Y después llegó la masificación.

Entonces comenzaron las preguntas apocalípticas.

¿Qué pasará con los profesores?

¿Qué pasará con las universidades?

¿Quién escribirá los trabajos?

¿Desaparecerán determinadas profesiones?

¿Habrá que volver a los exámenes escritos a mano?

¿Podremos saber si un estudiante realmente hizo una tarea?

Era comprensible. Cada tecnología suficientemente disruptiva provoca primero desconcierto antes de generar normas culturales alrededor de ella.

Pero han pasado menos de cuatro años y la conversación ya ocurre en otro escenario.

En 2025, ChatGPT se convirtió, según Sensor Tower, en la aplicación que más rápidamente alcanzó los mil millones de descargas globales en iOS y Android. En mayo de 2026 alcanzó también los mil millones de usuarios activos mensuales en dispositivos móviles según las estimaciones de esa firma. (sensortower.com)

Aquello que en 2022 me producía una sensación casi clandestina forma parte ahora de la vida cotidiana de cientos de millones de personas.

Y la educación no quedó fuera.

Ya no estamos discutiendo si la IA entrará en las aulas

Los datos son particularmente interesantes en República Dominicana.

Los resultados de PISA 2025 publicados por la OCDE indican que el 50 % de los estudiantes dominicanos declaró utilizar chatbots de inteligencia artificial al menos una vez por semana como ayuda para aprender. Un 44 % los empleaba para realizar investigación preliminar sobre un tema, un 40 % para resumir textos y un 36 % para ayudar a redactar trabajos. Apenas un 9 % dijo no utilizarlos nunca o casi nunca para las actividades académicas analizadas. (oecd.org)

La pregunta, entonces, ya no puede ser seriamente:

«¿Entrará la inteligencia artificial en la educación?»

Ya entró.

La pregunta es qué vamos a hacer con ella.

La propia OCDE publicó en enero de 2026 un informe completo dedicado a estudiar los usos efectivos de la inteligencia artificial generativa en educación. Allí aparecen simultáneamente sus posibilidades y sus peligros: puede funcionar como tutor, compañero y asistente, pero producir una tarea exitosamente con IA no significa necesariamente que haya ocurrido aprendizaje. (oecd.org)

Esa distinción es fundamental.

Pero existe otra parte de la conversación de la que hablamos mucho menos.

La academia también cambió

Cuando discutimos inteligencia artificial y educación solemos colocar una enorme lupa sobre el estudiante.

¿La utilizó?

¿Cuánto la utilizó?

¿Copió?

¿Pensó?

¿Escribió?

¿Puede demostrar que aquello es suyo?

Son preguntas legítimas.

Lo curioso es que pocas veces aplicamos la misma lupa sobre la transformación del sistema que rodea al estudiante.

Porque la educación de 2026 tampoco funciona exactamente bajo las condiciones de la educación de hace quince o veinte años.

Quienes estudiamos antes de la irrupción de la IA recordamos otro ecosistema.

Había trabajos.

Había exposiciones.

Había investigaciones.

Había tareas.

Tampoco quiero romantizar aquella época. Buena parte de aquella supuesta investigación académica consistía muchas veces en visitar El Rincón del Vago, Monografías.com, Scribd o cualquier repositorio disponible, recopilar varias páginas, reorganizar aquello como se pudiera e imprimirlo.

No era precisamente la edad de oro de la investigación científica.

Era lo que había.

Los docentes también conocían las limitaciones materiales de sus estudiantes. Buscar información era más lento. Diseñar era más difícil. Corregir documentos llevaba más tiempo. Encontrar bibliografía especializada podía convertirse en una pequeña expedición.

Y los productos solicitados tendían a guardar alguna relación con esas limitaciones.

Hoy tenemos herramientas infinitamente mejores.

Pero curiosamente no tenemos necesariamente menos trabajo.

La tecnología ahorró tiempo y el sistema ocupó ese tiempo

Aquí aparece una de las paradojas que más me interesan de la revolución de la inteligencia artificial.

Uno pensaría que una tecnología capaz de ahorrar horas de búsqueda, redacción, organización, corrección y diseño produciría estudiantes menos estresados.

No parece haber sucedido así.

Seguimos corriendo.

Seguimos llegando a fechas límite.

Seguimos teniendo varias actividades pendientes simultáneamente.

Seguimos sintiendo que las semanas no alcanzan.

La IA acelera una parte del trabajo, pero alrededor de esa nueva velocidad aparecen nuevas expectativas.

Más foros.

Más respuestas a compañeros.

Más documentos.

Más presentaciones.

Más recursos.

Más plataformas.

Más productos.

Más evidencias.

Más actividades concurrentes.

Y plazos que en ocasiones parecen construidos bajo el supuesto tácito de que determinadas tareas ya no deberían tomar tanto tiempo.

No pretendo afirmar que exista una directriz institucional que diga: «Como los estudiantes tienen ChatGPT, coloquemos el doble de tareas». Sería difícil demostrar una causalidad tan sencilla.

Mi argumento es más sutil.

Cuando aumenta enormemente la capacidad tecnológica de producir, también cambia lo que una institución considera razonable exigir.

Eso ha ocurrido muchas veces en la historia del trabajo.

El procesador de textos no consiguió que escribiéramos menos documentos.

El correo electrónico no consiguió que enviáramos menos comunicaciones.

Internet no consiguió que investigáramos menos cosas.

La automatización no siempre convierte la eficiencia en tiempo libre. Con frecuencia convierte la eficiencia en más producción.

La inteligencia artificial parece estar entrando en la misma lógica.

Queremos productividad de 2026 con moral tecnológica de 2005

Y entonces aparece una contradicción peculiar.

La institución se beneficia de un mundo tecnológicamente acelerado.

El profesor también puede utilizar IA para organizar materiales, producir rúbricas, elaborar actividades, preparar recursos o recibir apoyo en determinadas tareas. La OCDE reportó que el 37 % de los docentes de secundaria baja encuestados en TALIS 2024 ya utilizaba IA para su trabajo y que el 57 % consideraba que podía ayudar a escribir o mejorar planes de clase. Al mismo tiempo, el 72 % manifestaba preocupación por sus efectos sobre la integridad académica. (oecd.org)

Es decir, vivimos simultáneamente las dos realidades.

La herramienta sirve.

Y la herramienta preocupa.

Eso es perfectamente razonable.

Lo que resulta menos razonable es aprovechar todas las ganancias de productividad que produce un ecosistema tecnológico y después imaginar que el estudiante debería realizar sus actividades como si todavía viviera en 2005.

Si realmente quisiéramos una universidad completamente pre-IA, tendríamos que recuperar también ciertas condiciones pre-IA:

menos simultaneidad;

más tiempo para determinadas investigaciones;

menor expectativa de perfección formal;

menos productos gráficos complejos;

y una carga proporcional a los medios disponibles entonces.

No podemos pedir necesariamente resultados propios de una infraestructura tecnológica contemporánea mientras juzgamos moralmente al estudiante por utilizar esa infraestructura.

«Pero tú se lo estás comentando a una IA»

Hace poco, dentro de una conversación entre compañeros de maestría, alguien bromeó conmigo porque estaba utilizando inteligencia artificial para ayudarme a construir algunas respuestas en un foro.

La observación parecía contener una preocupación: si intervino una IA, ¿dónde quedé yo?

Pero esa pregunta parte de una comprensión demasiado simple del usuario de inteligencia artificial.

Todos podemos tener acceso a la misma herramienta y producir resultados radicalmente diferentes.

Porque el usuario no desaparece.

El usuario decide qué pregunta.

Qué información proporciona.

Qué acepta.

Qué rechaza.

Qué corrige.

Qué tono quiere.

Qué argumentos considera propios.

Qué relación quiere establecer entre una intervención y otra.

Qué está dispuesto a firmar con su nombre.

Si varios compañeros utilizamos inteligencia artificial y nuestras respuestas continúan mostrando posiciones, preocupaciones, estilos y énfasis diferentes, entonces resulta evidente que la herramienta no nos ha convertido en una sola mente.

Decir «eso lo hizo con IA» empieza a ser una descripción demasiado pobre.

Sería parecido a observar veinte documentos distintos y concluir que todos son iguales porque fueron escritos utilizando Microsoft Word.

La pregunta interesante es otra:

¿qué clase de usuario eres?

No todos los usuarios de IA son iguales

Hay quien escribe:

«Hazme esta tarea».

Copia.

Pega.

Entrega.

Y termina.

Hay quien utiliza la herramienta para corregir ortografía.

Otro la utiliza para organizar unas ideas que ya posee.

Otro introduce documentos propios y pide comparaciones.

Otro debate durante una hora con el modelo.

Otro verifica referencias.

Otro rechaza cinco versiones antes de aceptar una sexta.

Otro la utiliza para programar.

Otro para diseñar.

Otro para investigar.

Otro para estudiar.

Otro para evitar estudiar.

Todos pueden aparecer estadísticamente bajo la categoría de «usuarios de inteligencia artificial».

Pero intelectualmente no están haciendo lo mismo.

Ahí aparece una nueva competencia que la educación tendrá que aprender a reconocer: la alfabetización en inteligencia artificial.

Tener acceso a ChatGPT no significa saber utilizar ChatGPT, del mismo modo que tener acceso a una biblioteca nunca significó saber investigar.

El mapa mental que yo nunca habría podido dibujar

Puedo poner un ejemplo bastante elemental.

Recientemente tuve que trabajar con un mapa mental.

Yo nunca he sido diseñador.

Mi capacidad gráfica probablemente alcanzó su cima durante la infancia con el famoso hombre de palitos: una línea para el cuerpo, dos brazos, dos piernas y una cabeza.

Ese era aproximadamente mi techo artístico.

Si veinte años atrás me hubiesen pedido elaborar un mapa mental visualmente atractivo, habría hecho lo que pudiera con PowerPoint, WordArt, formas geométricas o alguna plantilla.

Después apareció Canva y las plantillas mejoraron enormemente las posibilidades del usuario común.

Ahora existe otra alternativa.

Puedo describir una arquitectura visual.

Puedo explicar qué quiero jerarquizar.

Puedo indicar qué elementos quiero conectados.

Puedo seleccionar una referencia estética.

Puedo rechazar un diseño que no representa lo que imagino.

Y una inteligencia artificial puede ayudarme a materializarlo.

¿Me convierte eso en diseñador gráfico?

No.

¿Significa que la máquina tomó todas las decisiones?

Tampoco.

Lo interesante es precisamente el espacio intermedio.

Yo puedo no poseer la habilidad manual necesaria para ejecutar una representación y, sin embargo, poseer criterio suficiente para imaginarla, dirigirla, evaluarla y decidir cuándo corresponde con mi intención.

Ese espacio entre intención y ejecución es uno de los lugares donde la inteligencia artificial está cambiando radicalmente nuestras capacidades.

Asistencia no es lo mismo que sustitución

Nada de esto significa que todo uso de IA sea intelectualmente saludable.

Aquí debemos evitar irnos al extremo contrario.

Si un estudiante introduce una consigna que no comprende, copia una respuesta que no leyó y entrega un argumento que sería incapaz de explicar cinco minutos después, hubo producción, pero difícilmente podemos hablar de aprendizaje.

La OCDE insiste precisamente en esta distinción: una persona puede mejorar el desempeño inmediato de una tarea mediante IA sin adquirir necesariamente las habilidades que esa tarea pretendía desarrollar. (oecd.org)

Ese riesgo es real.

Pero de ahí no se deriva que toda asistencia sea sustitución.

Y ahí está, para mí, la frontera que deberíamos aprender a observar.

No preguntar únicamente:

«¿Usaste inteligencia artificial?»

Sino:

«¿Qué delegaste y qué conservaste?»

¿Comprendiste?

¿Decidiste?

¿Contrastaste?

¿Puedes defenderlo?

¿Puedes detectar cuándo la IA se equivoca?

¿Puedes explicar por qué aceptaste una formulación y rechazaste otra?

¿Podrías continuar una discusión sin ella?

Entonces estamos hablando realmente de aprendizaje.

El estudiante sigue siendo responsable

La IA tampoco elimina algo que a veces olvidamos: la responsabilidad de autor.

Si publico una idea con mi nombre, no puedo esconderme posteriormente detrás de la herramienta y decir que «lo dijo ChatGPT».

Yo decidí publicarla.

Yo tuve la posibilidad de revisarla.

Yo acepté ese argumento.

Yo soy responsable de verificar aquello que presento como verdadero.

Eso convierte al usuario competente de IA no en alguien con menos responsabilidad, sino potencialmente en alguien con más obligación de discernimiento.

Una herramienta capaz de producir mucho exige un usuario capaz de filtrar mucho.

Y todavía queda el aprendizaje autorregulado

De mi maestra Juana Encarnación aprendí, en medio de una pandemia inhóspita y desesperante, que no teníamos que reunirnos todo el tiempo para que ocurriera un aprendizaje significativo. Aquello fue particularmente chocante para mí: estaba acostumbrado a pasar más de diez horas fuera de casa entre aulas, trabajo y otras ocupaciones, de modo que asociaba casi naturalmente el aprendizaje con la presencia física, los horarios y la actividad constante.

Con ella entendí que, a partir de la regulación de nuestros propios esquemas, hábitos y patrones de estudio, podíamos aprender de manera eficaz sin necesidad de ser prodigios autodidactas ni dechados de disciplina. Bastaba comprender y asumir un concepto que puede parecer moderno, pero que, en la práctica educativa, nunca ha sido completamente nuevo: el estudiante autorregulado.

Después llegaría Barry Zimmerman para darle fundamento teórico a aquello que comenzábamos a descubrir en la práctica. Para Zimmerman, la autorregulación no es una habilidad mental específica ni un simple sinónimo de buen rendimiento académico, sino un proceso de autodirección mediante el cual el estudiante transforma las capacidades mentales que posee —sean muchas o pocas— en habilidades académicas efectivas. El aprendizaje autorregulado, por tanto, no depende solamente del dominio cognitivo: supone también autoconciencia, automotivación y capacidad para dirigir deliberadamente el propio proceso de aprendizaje.

Y aquí aparece algo que la inteligencia artificial no ha cambiado tanto como imaginamos.

Antes de ChatGPT existían estudiantes que querían aprender y estudiantes que solamente querían aprobar.

Hoy también.

Antes existían personas que aprovechaban una carrera universitaria para construir una profesión, una visión del mundo o una especialización.

Y existían otras que buscaban exclusivamente el título.

Hoy también.

La tecnología puede amplificar ambos comportamientos.

Al estudiante intelectualmente curioso le proporciona una herramienta extraordinaria para preguntar, contrastar, explorar y profundizar.

Al estudiante que solamente busca terminar rápido le proporciona una herramienta extraordinaria para terminar rápido.

La diferencia fundamental continúa estando, en buena medida, dentro del sujeto.

Porque, al final, la inteligencia artificial no elimina la necesidad de regularse, decidir qué aprender, sostener el esfuerzo, reconocer las propias limitaciones y orientar conscientemente el proceso.

Es el viejo aprendizaje autorregulado enfrentándose a herramientas nuevas.

Quizá estamos responsabilizando demasiado al estudiante

Por eso creo que nuestra discusión sobre inteligencia artificial y educación todavía está incompleta.

Hemos colocado responsabilidades —muchas de ellas legítimas— sobre el estudiante.

También hemos colocado enormes responsabilidades sobre el docente.

Pero pocas veces giramos la mirada hacia las instituciones.

¿Qué tipo de actividades estamos diseñando?

¿Qué volumen de tareas estamos acumulando?

¿Qué estamos evaluando realmente?

¿Estamos midiendo aprendizaje o producción?

¿Tiene sentido pedir un producto que una máquina puede elaborar completamente y después indignarnos cuando el estudiante utiliza la máquina?

¿Estamos modificando nuestras expectativas de tiempo porque sabemos que existen herramientas capaces de acelerar el trabajo?

¿Estamos enseñando a utilizarlas bien o únicamente elaborando mecanismos para intentar descubrir quién las utilizó?

La UNESCO advertía ya en 2023 que los sistemas educativos estaban teniendo dificultades para adaptar regulación, diseño pedagógico y capacidades institucionales a la velocidad con que avanzaba la inteligencia artificial generativa. (unesco.org) Tres años después, la OCDE habla directamente de políticas para una adopción responsable y sistemática de IA generativa en educación superior. (oecd.org)

La conversación ha cambiado.

De la transgresión a la infraestructura

Cuando recuerdo aquella noche de finales de 2022, todavía puedo reconstruir la extraña sensación que producía escribir una pregunta y recibir una respuesta competente de una máquina.

Parecía trampa.

Parecía futurista.

Parecía incluso ligeramente peligroso.

Y, sin embargo, seguí preguntando.

Cuatro años después ya no estamos delante de una curiosidad escondida en alguna noticia tecnológica.

Estamos delante de infraestructura cultural.

La inteligencia artificial está entrando en nuestros teléfonos, trabajos, escuelas, universidades, investigaciones, diseños, búsquedas y formas de producir conocimiento.

La discusión necesaria, por tanto, ya no puede reducirse a establecer quién la utilizó y quién puede presumir de no haberla utilizado.

Necesitamos preguntas mejores.

¿Qué tareas deben seguir realizándose sin inteligencia artificial porque el esfuerzo cognitivo constituye precisamente aquello que queremos desarrollar?

¿En cuáles puede funcionar legítimamente como asistente?

¿Cómo se evalúa la comprensión en un mundo donde producir una respuesta cuesta cada vez menos?

¿Cómo evitamos que el incremento de productividad termine simplemente convertido en incremento infinito de carga?

¿Dónde termina la asistencia y comienza la sustitución?

¿Y qué responsabilidad corresponde no solamente al estudiante y al profesor, sino también a la institución que está rediseñando silenciosamente sus expectativas alrededor de estas nuevas capacidades?

Quizá esa última pregunta sea una de las que menos hemos querido hacer.

Porque mientras discutíamos si la inteligencia artificial iba a cambiar la universidad, la universidad comenzó a cambiar alrededor de la inteligencia artificial.

Y tal vez por eso, a pesar de tener las herramientas más poderosas que jamás hemos tenido para estudiar, investigar, escribir y producir, seguimos mirando el reloj, acumulando tareas y sintiendo que no tenemos suficiente tiempo.

La inteligencia artificial nos hizo más rápidos.

La pregunta que todavía no hemos respondido es quién decidió que, por ser más rápidos, ahora teníamos que hacer más.