La IA promete modernizar las aulas, pero un especialista británico advierte que puede profundizar la brecha educativa

La idea de que la inteligencia artificial puede transformar las aulas y resolver problemas estructurales del sistema educativo choca con una mirada crítica que gana terreno en la academia. Wayne Holmes, profesor del UCL Knowledge Lab, el laboratorio de conocimiento de la University College London, sostiene que las herramientas disponibles hoy no garantizan respuestas correctas, tienden a reproducir las miradas dominantes y, en muchos casos, terminan reemplazando a los docentes en lugar de acompañarlos.

La calculadora como falsa analogía

Uno de los argumentos más repetidos en el debate público compara a la IA generativa con la calculadora: así como esta última cambió la enseñanza de matemática sin eliminarla, la inteligencia artificial haría algo similar. Holmes rechaza esa comparación. «Con una calculadora, si apretás los botones correctos en el orden correcto, obtenés la respuesta correcta siempre», explicó. Con los modelos de IA, en cambio, el resultado es incierto y el usuario no siempre puede distinguir lo correcto de lo errado. Esa diferencia, según el investigador, invalida la analogía.

Desigualdad y reemplazo docente

Sobre la desigualdad, Holmes identificó una paradoja en pleno desarrollo: las escuelas privadas de mayor nivel no se promocionan por sus equipos tecnológicos ni por el uso de IA, sino por la calidad de sus docentes. En paralelo, en zonas con escasez de maestros o en contextos de bajos recursos, la tecnología se presenta como solución de reemplazo. «Si esa brecha aumenta, debilitamos la democracia para todos», afirmó. Para el investigador, desinvertir en educación en nombre de la eficiencia tecnológica tiene consecuencias que exceden el aula.

El riesgo de uniformar el pensamiento

Holmes también advirtió sobre la estandarización. La IA generativa produce texto eligiendo las palabras más probables según sus datos de entrenamiento, lo que deja subrepresentados los enfoques minoritarios o críticos. Lo ilustró con un ejemplo: al consultar a distintas herramientas sobre los problemas del «aprendizaje personalizado», todas respondieron que el único inconveniente era la dificultad de implementarlo. Ninguna cuestionó si el enfoque funciona o no, porque la postura dominante en los textos de entrenamiento es que se trata de algo positivo.

Lo que falta

• Evidencia empírica sobre el impacto real de la IA en los aprendizajes, más allá de los ensayos piloto.
• Políticas públicas que regulen el uso de estas herramientas en las aulas y definan límites claros al reemplazo docente.
• Formación específica para que los maestros incorporen la IA como apoyo y no como sustituto.
• Mecanismos de auditoría sobre los datos de entrenamiento y los sesgos que arrastran los modelos.