Andrew Ng insta a usar la IA para generar práctica, no para dar respuestas

En el último episodio del podcast Silicon Valley Girl, el pionero de la inteligencia artificial Andrew Ng advirtió sobre un riesgo que se vuelve cada vez más evidente: los modelos generativos que entregan respuestas terminadas pueden debilitar el proceso de aprendizaje al eludir el esfuerzo mental necesario para resolver los problemas por cuenta propia.

El peligro de depender de respuestas automáticas

Ng comparó el acceso prematuro a soluciones generadas por IA con entregar una calculadora a un niño antes de que haya comprendido la multiplicación básica. Señaló que, al igual que el uso temprano de la calculadora puede limitar la fluidez aritmética, la IA que suministra respuestas completas puede frenar el desarrollo conceptual y la capacidad de razonamiento independiente.

Según sus observaciones, los estudiantes que recurren a la IA para completar sus tareas suelen experimentar un aumento inmediato en sus calificaciones, pero retienen mucho menos conocimiento a largo plazo. Esa ganancia a corto plazo se contrarresta con una disminución notable en la habilidad de aplicar los conceptos sin ayuda externa.

Una experiencia personal de externalización cognitiva

Ng relató una anécdota personal que describió como "externalización cognitiva": obtuvo una respuesta técnica rápida de una IA, la utilizó para avanzar en su proyecto y, seis meses después, volvió a formular la misma pregunta porque nunca había construido la comprensión subyacente. Esa repetición ilustra cómo la dependencia de respuestas inmediatas impide la consolidación del aprendizaje.

• Pedir a la IA que genere nuevos conjuntos de problemas adaptados al currículo actual
• Usar la IA para variar parámetros de ejercicios existentes y profundizar la práctica
• Permitir que la IA sugiera pistas en lugar de soluciones completas
• Emplear la IA para calificar y ofrecer retroalimentación a los intentos de los estudiantes
• Integrar cuestionarios creados por IA en la rutina diaria del aula

Directrices para un uso supervisado de la IA

Ng insiste en que los estudiantes deben interactuar con la IA bajo la supervisión y filtrado de un adulto. El papel del adulto es asegurarse de que la salida de la IA sirva como un andamio, no como una muleta, y que los aprendices continúen realizando los pasos de razonamiento por sí mismos.

No aboga por abandonar la IA por completo. En cambio, aconseja a estudiantes y profesionales aprender a construir con ella, tratando la tecnología como un socio que puede amplificar la productividad cuando se usa de forma adecuada.

Según Ng, los ingenieros más eficaces delegan entre el 30 % y el 40 % de las tareas rutinarias a la IA, destinando su experiencia humana a áreas donde la IA aún muestra limitaciones: diseño creativo, juicio ético y planificación estratégica.

Barbara Oakley, experta en ciencia del aprendizaje, respalda el punto de vista de Ng. Argumenta que preservar el conocimiento fundamental mientras se aprovecha la IA para producir un mayor volumen de ejercicios de práctica crea un ciclo virtuoso de refuerzo sin sacrificar la profundidad conceptual.

Tanto Ng como Oakley reconocen que sus recomendaciones se basan en observaciones personales y juicios de expertos, más que en estudios experimentales controlados. Por ello, los insights son indicativos, no definitivos, de efectos universales.

Para las organizaciones de habla hispana, el cambio práctico es claro: las herramientas de IA deben desplegarse para ampliar el conjunto de material de práctica, no para sustituir el proceso de resolución de problemas. Los directivos pueden establecer políticas que requieran la revisión de respuestas generadas por IA, habilitar por defecto modos de solo pistas y medir métricas de aprendizaje que rastreen la retención a lo largo del tiempo, en lugar de centrarse únicamente en puntuaciones de pruebas inmediatas.

Este enfoque permite preservar el pensamiento crítico mientras se aprovecha la eficiencia de la IA, creando entornos educativos donde la tecnología potencia la práctica sin erosionar la comprensión profunda.

Implicaciones para la política educativa

Los responsables de curricula pueden incorporar lineamientos que definan cuándo y cómo se permite el uso de asistentes de IA, estableciendo límites claros para evitar que los estudiantes sustituyan el razonamiento por respuestas automáticas.

Conclusión localizada

En el contexto de la educación en América Latina, donde la brecha digital sigue siendo un desafío, la propuesta de Ng ofrece una hoja de ruta equilibrada: utilizar la IA para generar más ejercicios y retroalimentación, pero siempre bajo la guía de docentes que fomenten la construcción autónoma del conocimiento, garantizando así una mejora sostenible en los resultados de aprendizaje.