Advierten que la inteligencia artificial en el aula puede ampliar la desigualdad educativa en lugar de reducirla

La pregunta sobre qué lugar debe ocupar la inteligencia artificial en las aulas dejó de ser una discusión futurista y pasó a ocupar la agenda de los sistemas educativos. En esa discusión, el investigador Wayne Holmes, profesor del UCL Knowledge Lab de la University College London, advirtió que el despliegue masivo de estas herramientas en las escuelas no solo no resuelve los problemas de fondo, sino que puede profundizar la desigualdad y empobrecer el aprendizaje.

Por qué la analogía con la calculadora no cierra

Uno de los argumentos más repetidos para justificar el ingreso de la IA generativa a las aulas es que se trata de un paso similar al que dio la calculadora en la enseñanza de la matemática. Holmes rechazó esa comparación de manera categórica. El razonamiento es directo: una calculadora bien utilizada arroja siempre el mismo resultado; la IA generativa, no.

“Con una calculadora, si apretás los botones correctos en el orden correcto, obtenés la respuesta correcta siempre. Con la IA generativa, en cambio, el resultado es incierto: puede ser correcto o no, y el usuario no siempre puede distinguirlo.”Wayne Holmes, profesor del UCL Knowledge Lab de la University College London

Esa diferencia es clave, según Holmes, porque coloca al estudiante frente a un producto cuyo grado de confiabilidad es imposible de determinar sin conocimiento previo del tema. En el caso de la matemática, la calculadora cambió la forma de enseñar sin sustituir el pensamiento; en el de la IA, el riesgo es que el alumno dé por bueno un resultado que no puede verificar por sí mismo.

Una paradoja que amplía la brecha entre escuelas

Holmes identificó una paradoja que ya se observa en distintos sistemas educativos. Las escuelas mejor posicionadas no se promocionan por la cantidad de computadoras ni por el uso de inteligencia artificial, sino por la calidad de su cuerpo docente. En paralelo, en zonas con escasez de maestros o con presupuestos más ajustados, la tecnología aparece como una solución de reemplazo más que de apoyo.

Para el investigador, esa dinámica tiene consecuencias que exceden el aula. Si la educación se desfinancia en nombre de la eficiencia tecnológica, se debilita la formación ciudadana, que depende de un sistema escolar sólido y extendido.

“Si esa brecha aumenta, debilitamos la democracia para todos.”Wayne Holmes

El problema de la uniformidad

Hay un segundo punto sobre el que Holmes puso el foco: la IA generativa produce texto eligiendo las palabras más probables según los datos con los que fue entrenada. El resultado es una tendencia a reproducir las posturas dominantes y a dejar en segundo plano los enfoques minoritarios o críticos.

El propio Holmes contó un caso que usa como ejemplo. Cuando consultó a distintas herramientas sobre los problemas del llamado aprendizaje personalizado, todas respondieron que la única dificultad era implementarlo. Ninguna puso en discusión si el enfoque en sí es eficaz o no, porque la idea de que se trata de algo positivo está tan instalada en los textos de entrenamiento que opera como verdad incuestionable.

Qué haría Holmes si tuviera que armar una escuela hoy

Ante la consulta directa sobre cómo usaría la IA en la construcción de una escuela desde cero, la respuesta del investigador fue categórica: no incluiría ninguna de las herramientas disponibles actualmente en el mercado. Su planteo es que, hasta que no se resuelvan los problemas de confiabilidad, de sesgo y de homogenización del pensamiento, estas tecnologías no están en condiciones de ocupar un rol central en la enseñanza.

Holmes insistió en distinguir dos planos: enseñar sobre inteligencia artificial, es decir, incluir la temática en los contenidos curriculares, es una tarea que las escuelas pueden y deben abordar. Usarla como recurso pedagógico cotidiano, en cambio, exige condiciones que, según su mirada, hoy no están dadas en la mayoría de los sistemas educativos.

• La IA generativa no garantiza respuestas correctas, a diferencia de herramientas como la calculadora.
• En contextos con escasez de docentes, tiende a reemplazar maestros en lugar de complementarlos.
• El entrenamiento de los modelos reproduce las posturas dominantes y deja afuera los enfoques críticos.
• Esa uniformidad reduce la diversidad de perspectivas dentro del aula.
• El riesgo final es un aumento de la desigualdad educativa entre escuelas con recursos y escuelas desatendidas.