El Ecosistema Startup

¿Qué dice la evidencia sobre el uso de IA en educación?

Una investigación que analizó a 26.811 estudiantes chinos entre séptimo y duodécimo grado reveló un patrón alarmante: quienes usaron inteligencia artificial para completar tareas escolares vieron sus calificaciones aumentar un 18% y redujeron el tiempo de entrega en un 30%. Pero dentro de los seis meses, las notas de exámenes mensuales cayeron un 20%, y los puntajes de práctica para el examen de admisión universitaria disminuyeron entre un 18% y un 24%, con los peores resultados apareciendo después de dos años de uso continuo.

El estudio, publicado por el Centre for Economic Policy Research (CEPR) como Discussion Paper DP21577, fue realizado por investigadores de la Universidad de Estocolmo y la Universidad de Hong Kong. Lo más revelador: aproximadamente el 80% de los estudiantes que "externalizaron" su trabajo académico —usando IA para completarlo con precisión pero en poco tiempo— mostraron este deterioro en el aprendizaje a corto y largo plazo.

Para entender la magnitud del fenómeno, es útil contrastar estos datos con otra investigación publicada en junio de 2026. Un equipo liderado por Sina Rismanchian, estudiante de doctorado en la Universidad de California, Irvine, junto con investigadores de McGraw Hill, analizó millones de interacciones de estudiantes con ALEKS, una plataforma de matemáticas online utilizada por más de cuatro millones de estudiantes anuales, desde quinto grado hasta universidad.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Después del lanzamiento público de ChatGPT en noviembre de 2022, los estudiantes comenzaron a dedicar menos tiempo a problemas verbales de matemáticas —aquellos que pueden copiarse y pegarse directamente en un chatbot— mientras que el tiempo dedicado a problemas de graficación se mantuvo estable. Para finales de 2025, el tiempo promedio dedicado a problemas verbales había caído un 31% en estudiantes de preparatoria y un 27% en universitarios. En los exámenes de colocación no supervisados, la tasa de respuestas correctas históricamente era del 80%; tras la llegada de ChatGPT, cayó al 60% —una reducción del 25% en las probabilidades de responder correctamente.

Lo crucial es que el rendimiento en problemas de graficación —que son mucho más difíciles de externalizar a la IA— no se deterioró. Esto aísla el efecto: el problema no es una caída generalizada del rendimiento estudiantil, sino específicamente el resultado de externalizar tareas cognitivas que están diseñadas para promover el aprendizaje.

La trampa de productividad invisible

El concepto central que explica ambos estudios es el "offloading cognitivo" —la tendencia humana a externalizar procesos mentales a herramientas externas para ahorrar energía mental. Usar una calculadora o configurar recordatorios son formas de offloading cognitivo que liberan capacidad cerebral para pensamiento de nivel superior. El problema surge cuando la tarea externalizada está diseñada precisamente para promover el aprendizaje.

Ethan Mollick, profesor de Wharton que ha estudiado la adopción de IA en múltiples contextos, resumió el hallazgo del estudio chino: la IA "daña el aprendizaje si socava el esfuerzo mental". El cerebro construye capacidad a través de la lucha. Cuando surge un problema, la mente recurre al conocimiento previo, establece nuevas conexiones y desarrolla ese reconocimiento de patrones que no se forma de ninguna otra manera.

La paradoja más perturbadora de esta dinámica es que los estudiantes con mejor rendimiento fueron los que más sufrieron. Los alumnos más capaces eran los mejores instruyendo a la IA para generar respuestas de alta calidad. Su desempeño en tareas parecía excepcional porque dominaban el arte de pedirle a la IA exactamente lo que necesitaban. Paradójicamente, quienes estaban mejor posicionados para beneficiarse de la IA fueron también los más negativamente impactados.

MIT Sloan modeló esta misma dinámica en el entorno laboral bajo el nombre de "augmentación trap" (trampa de aumentación): las ganancias de productividad a corto plazo erosionan la experiencia de la cual esas mismas ganancias dependen a largo plazo. Una encuesta de 2026 de la firma IT GoTo reveló que el 39% de los trabajadores afirma que su dependencia de la IA ya ha debilitado sus conjuntos de habilidades. Entre los trabajadores de la Generación Z, esa cifra sube al 46%.

Este último punto es especialmente relevante para founders hispanohablantes: casi el 90% de los graduados de la clase de 2026 expresan preocupación de que la IA o la automatización puedan reemplazar empleos de nivel inicial, según la plataforma de búsqueda de empleo Monster. La presión por usar estas herramientas antes de haber desarrollado las competencias fundamentales crea un ciclo peligroso.

Qué significa esto para tu startup

Si estás construyendo una herramienta educativa, un producto de productividad o cualquier solución donde la IA pueda ser usada tanto para aprender como para producir resultados inmediatos, este conjunto de investigaciones ofrece tres implicaciones concretas:

1. Mide el aprendizaje, no solo la productividad. Las métricas superficiales —tiempo de entrega reducido, calificaciones de tareas más altas, tickets cerrados más rápido— son señales falsas positivas. Si tu producto genera resultados mejores sin exigir esfuerzo cognitivo al usuario, probablemente está creando dependencia, no competencia. Diseña mecanismos de evaluación que midan retención a largo plazo, no solo output inmediato.

2. El diseño de productos debe fomentar el fricción productiva. Jared Cooney Horvath, neurocientífico que testificó ante el Comité de Comercio, Ciencia y Transporte del Senado estadounidense, señala que hay más de 100 años de evidencia indicando que la automatización puede obstaculizar el aprendizaje, comenzando en 1924 con la invención de la "máquina de enseñanza" por el psicólogo de la Universidad Estatal de Ohio Sidney Pressey. Los estudiantes respondían preguntas que una máquina corregía, pero cuando se les pedía generalizar ese conocimiento fuera del dispositivo, no podían. La lección sigue vigente: las herramientas que eliminan completamente el esfuerzo erosionan lentamente la capacidad.

3. Diferencia entre usuarios novatos y expertos en tu arquitectura. Como señaló Horvath: "Las herramientas que los expertos usan para facilitar sus vidas no son las herramientas que los niños deberían usar para aprender cómo convertirse en expertos". Si tu producto sirve tanto a principiantes como a profesionales, considera implementar modos diferenciados: uno que guíe y fomente el proceso de razonamiento para usuarios noveles, y otro que permita externalización completa para usuarios experimentados que ya dominan la materia.

Acciones concretas para founders:

Si tienes un producto educativo o de formación: implementa evaluaciones periódicas sin asistencia de IA que midan retención real, no solo progreso aparente. Usa los datos para ajustar el diseño.
Si tienes un producto de productividad B2B: documenta casos donde el uso intensivo de IA haya llevado a pérdida de competencias internas en tus clientes. Ese riesgo es un argumento de venta para modelos de "IA asistida" vs "IA autónoma".