La integración de la inteligencia artificial (IA) en la educación ha dejado de ser una promesa para convertirse en una realidad operativa. Aunque las fuentes disponibles aún son parciales, resultan suficientes para justificar una reflexión serena sobre su alcance. En particular, merece la pena poner el foco en su potencial para mejorar la atención al alumnado con altas capacidades, sin olvidar que sus beneficios pueden extenderse al conjunto del alumnado, como siempre suele ocurrir.

Lo que la pedagogía y la tecnología educativa han propuesto e investigado desde hace décadas, como el mastery learning, el deep learning, el flipped learning y todas las tecnologías centradas en el alumno, ahora se vuelve más factible y escalable que cuando estas metodologías se propusieron. Precisamente gracias a la inteligencia artificial y demás tecnologías asociadas.

Hoy encontramos situaciones que hace pocos años parecían improbables, o directamente de matrix: estudiantes que superan dificultades gracias a sistemas que detectan sus lagunas antes de que ellos mismos sean conscientes de ellas, o alumnos que progresan mediante herramientas que ajustan el ritmo de aprendizaje en tiempo real. Este contexto, cada vez más extendido, obliga a diferenciar entre la IA como herramienta puntual —el “chatbot” que responde preguntas— y una nueva generación de sistemas más complejos: los llamados agentes de IA.

Del chatbot al agente: un cambio cualitativo

Un chatbot puede entenderse como una enciclopedia interactiva: responde cuando se le consulta. Un agente, en cambio, se asemeja más a un profesor de apoyo: observa, interpreta patrones de aprendizaje y decide cuándo intervenir. Esta diferencia no es menor, como se comprende.

Los agentes integran capacidades predictivas, interpretativas y generativas que les permiten anticipar dificultades, analizar procesos de aprendizaje y generar materiales ajustados al nivel del alumno. En este sentido, no son meros instrumentos de consulta, sino sistemas que hacen viable una personalización del aprendizaje a una escala inédita.

La diferenciación real en el aula: una posibilidad al alcance de la mano

Esto tiene implicaciones directas para uno de los grandes retos educativos: la atención a la diversidad. En aulas con 25 o 30 alumnos, la diferenciación real resulta difícil de sostener de manera continuada. Basta ver la lucha constante por la inclusión y, al mismo tiempo, por la atención diferenciada en la clase. Los profesores no logran hacer todo lo que querrían o saben que debería ser hecho y, claro, no son responsables de ello si no se les forma, pero siempre son el blanco más asequible.

Los agentes de IA pueden actuar como multiplicadores de la acción docente: mientras el profesor trabaja de forma directa con un grupo reducido, otros alumnos pueden recibir orientación adaptativa, con sistemas que detectan bloqueos, ajustan la dificultad o proponen nuevos retos. Además, la generación de informes inmediatos (evaluación formativa, diagnóstica, etc.) permite al docente tomar decisiones más informadas sobre el progreso de cada estudiante. Al final de eso es de lo que se trata en el aprendizaje, ¿o no?

El papel del docente: de ejecutor a diseñador del aprendizaje

Conviene subrayar que este avance no debe interpretarse en términos de sustitución del profesor, sino de complementariedad. La automatización de tareas mecánicas —generación de materiales, corrección de actividades rutinarias o adaptación de contenidos— libera tiempo para que el docente se centre en aquello que resulta insustituible: el acompañamiento, la orientación, la toma de decisiones complejas y el apoyo emocional.

Hay que insistir en una idea básica que a veces se olvida: la máquina no sabe, no entiende, no tiene emociones ni propósitos ni motivación, por mucho que nos adule o que «alucine», es un algoritmo con el que «hablamos», no lo perdamos de vista. La educación discurre en otra liga: la de las personas.

En este escenario, el profesor actúa como director de orquesta, mientras que la IA contribuye a optimizar los procesos.

Altas capacidades: del aburrimiento al desafío intelectual

Desde una perspectiva pedagógica, la personalización deja de ser un ideal inalcanzable para convertirse en una posibilidad real. Las herramientas actuales permiten ajustar el nivel de dificultad en tiempo real, generar itinerarios diferenciados y adaptar contenidos a distintos ritmos y preferencias de aprendizaje.

Este enfoque resulta especialmente relevante para el alumnado con altas capacidades. En estos casos, el principal problema no suele ser la dificultad, sino la falta de reto. La repetición de tareas ya dominadas («el más de lo mismo») genera desmotivación y, en no pocas ocasiones, desconexión por aburrimiento y falta de estímulo intelectual.

Los agentes de IA pueden contribuir a resolver este problema de varias maneras. En primer lugar, permiten avanzar a mayor ritmo mediante procesos de compactación curricular: cuando el sistema detecta que una competencia está adquirida, propone automáticamente desafíos más complejos, evitando la repetición innecesaria (ver Khan Academy, por ejemplo).

Profundización, pensamiento crítico e intereses

En segundo lugar, pueden actuar como verdaderos socios de investigación. En lugar de limitarse a ofrecer más ejercicios, facilitan la profundización en los contenidos, permitiendo al alumno explorar conexiones más complejas o abordar preguntas de mayor nivel. Este uso resulta especialmente valioso en contextos donde el currículo común no siempre permite atender a estos intereses de forma sistemática. ¿Recordáis aquello que decía Renzulli de que el alumno debe actuar como un first-hand inquirer?

Asimismo, los agentes pueden desempeñar un papel relevante en el desarrollo del pensamiento crítico. A través de interacciones de tipo socrático, pueden cuestionar las respuestas del alumno, pedir justificaciones o plantear contraargumentos, generando un entorno de aprendizaje exigente que favorece la reflexión y el razonamiento.

Por último, la personalización por intereses —un elemento central en el desarrollo del talento— puede verse significativamente reforzada. La IA permite conectar los contenidos curriculares con los intereses específicos del alumno, facilitando propuestas de aprendizaje más significativas sin incrementar de manera desproporcionada la carga de trabajo del profesor.

Retos éticos: transparencia y responsabilidad

No obstante, junto a estas oportunidades emergen también desafíos importantes. Entre ellos, destaca la opacidad de los sistemas algorítmicos y el riesgo de sesgos en la toma de decisiones.

La incorporación de la IA en educación exige, por tanto, marcos éticos claros, basados en la transparencia, la rendición de cuentas y la centralidad de la persona. Tenemos que servirnos de las máquinas, no dejarnos dominar por ellas, como ya se he señalado varias veces en las últimas entradas. Vamos que, si siempre fue importante, la educación moral es esencial y urgente en cualquier planteamiento educativo que tenga a la persona en el centro.

Conclusión: una oportunidad que exige criterio

En definitiva, la cuestión no es si la inteligencia artificial debe estar presente en la educación, sino cómo integrarla de manera que contribuya a mejorarla. Utilizada con criterio, puede convertirse en una aliada poderosa para avanzar hacia una enseñanza más personalizada, más equitativa y más orientada al desarrollo del talento.

Porque, en el fondo, el reto sigue siendo el mismo: ofrecer a cada alumno —y de manera muy particular a los más capaces— las oportunidades necesarias para desarrollar plenamente su potencial.

Todo esto puede sonarte muy teórico, a ciencia ficción, provocarte rechazo, indiferencia o incluso crítica por razones diversas (son cosas de viejos profesores que no han pisado un aula…ya ya). Para facilitarte la reflexión he preparado (con inteligencia artificial, ¡naturalmente!) esta infografía. A ver qué te parece. La desarrollo como texto más abajo.

Guía rápida: cómo empezar a usar IA en el aula (sin complicarse) [Elaborada con Chat GPT]

1. Empieza por lo simple (regla de oro)

No necesitas muchas herramientas.
Elige una o dos y dales un uso claro.

2. Tres usos inmediatos en clase

A. Ajustar el nivel (atender a la diversidad)

• Usa Khan Academy o Duolingo u otras como IXL o Smartick
• Deja que el alumno trabaje a su ritmo

Qué consigues:

• El que va más lento no se pierde
• El que va más rápido no se aburre

B. Generar materiales en minutos (ahorrar tiempo)

• Usa MagicSchool AI o ChatGPT

Ejemplos reales:

• “Adapta este texto a 3º de Primaria”
• “Crea 5 preguntas tipo test sobre este tema”
• “Diseña una actividad de ampliación para alumnado avanzado”

Qué consigues:

• Menos carga de preparación
• Más capacidad de personalización

C. Profundizar y retar (especialmente AACC)

• Usa ChatGPT o Brilliant

Ejemplos:

• “Explícame esto como si fuera un experto”
• “Hazme preguntas difíciles sobre este tema”
• “Debate conmigo esta idea”

Qué consigues:

• Más pensamiento crítico
• Más profundidad
• Más motivación

3. Aplicación directa en el aula (escenario real)

Mientras explicas:

• Grupo base → sigue la actividad normal
• Alumnos con dificultad → refuerzo con herramienta adaptativa
• Alumnos avanzados → ampliación con IA

Sin rehacer toda la clase
Sin multiplicar tu carga de trabajo

4. Para alumnado con altas capacidades

La IA permite, por fin:

• Compactar contenido (no repetir lo que ya saben)
• Aumentar el reto en tiempo real
• Trabajar por intereses
• Fomentar pensamiento crítico

No es “más trabajo”
Es mejor trabajo

5. Qué NO hacer (muy importante)

Usar la IA solo para dar respuestas
Sustituir la explicación del profesor
Introducir demasiadas herramientas a la vez

6. Qué SÍ hacer

Usarla para preguntar mejor
Usarla para adaptar
Usarla para ganar tiempo
Mantener al profesor como guía y criterio

IDEA FINAL

La IA no viene a enseñar por ti
Viene a ayudarte a enseñar mejor

1. La IA como propulsor: personalización y profundización

Un alumno con altas capacidades (AACC), en el aula tradicional a menudo se siente como si tuviese que caminar con «pesas en los pies». La IA ofrece una solución definitiva al histórico «Problema de las 2 Sigma» de Bloom, permitiendo una hiper-personalización a gran escala que antes era inviable, tal como ya señalé en una entrada anterior. Esto debe catapultar:

• El aprendizaje al propio ritmo (cuántas veces hemos hablado del self-paced learning): los sistemas adaptativos, casi una quimera hace décadas, permiten que el estudiante navegue por conceptos complejos a su velocidad, eliminando el «techo» del currículo estándar. Es decir, «si pueden, déjalos volar y no los obligues a caminar». Los recursos están ahí, solo hay que utilizarlos con criterio y oportunidad.
• Zona de Desarrollo Próximo: la IA actúa como un generador de desafíos constantes, situando al alumno siempre en el nivel de reto óptimo para evitar el aburrimiento. Esto lo hemos llamado Optimal Match, concepto archiconocido que puedes revisar aquí.
• Profundización: permite explorar áreas específicas e intereses personales de forma autónoma, transformando el aprendizaje en una aventura significativa. ¿Recordáis aquello de convertir la escuela en una aventura diaria y no en una tortura? Este enlace es de 2014!

2. Los Riesgos: la «habitación china» y la deuda cognitiva

Sin embargo, debemos evitar que la IA se convierta en una «muleta» que provoque la atrofia del esfuerzo.

• La habitación china: siguiendo a Searle, corremos el riesgo de que el alumno parezca competente al manipular símbolos (procesar datos con IA) sin tener una comprensión semántica real. En esta entrada Sternberg se refiere a este asunto con toda claridad.
• La deuda cognitiva: externalizar procesos mentales de alto nivel debilita las conexiones neuronales. Escaneos cerebrales (EEG) muestran que los usuarios dependientes de la IA tienen una conectividad significativamente menor en áreas clave para la memoria y la creatividad. Ya hablamos de esto aquí.
• La amnesia inmediata: El 83% de los usuarios de IA no puede recordar el contenido de un ensayo apenas unos minutos después de haberlo generado, ya que el aprendizaje sin esfuerzo no deja huella en la memoria. Esto parece bastante obvio: si el ensayo lo ha generado otro, no hay modo de que lo recuerde uno… Esto tiene implicaciones para la evaluación de los productos de los alumnos.

3. El alumno como «director de orquesta» y el profesor como brújula

En este paradigma, el alumno debe ser el «director de orquesta»: utiliza la potencia de la máquina para gestionar datos, pero aporta su propio discernimiento, criterio y rigor para dar sentido al resultado.

Por su parte, el docente deja de ser el «sabio en el escenario» (the sage on the stage) para ser un mentor y brújula (the guide on the side). ¿Ya nos hemos olvidado de las virtualidades de las metodologías activas y del flipped classroom? Su función [la del profesor] es ser un «pensador en voz alta», modelando cómo dudar, verificar fuentes y gestionar la incertidumbre frente a la máquina.

4. La voz crítica de los alumnos con alta capacidad

Ya hablamos de esto hace unas semanas a propósito de un estudio de campo llevado a cabo recientemente. Puedes ver la entrada a partir de este enlace.

Es fascinante, y algo a tener muy en cuenta, el notar que los alumnos con AACC suelen ser los más críticos con la IA, cuestionándola no por ignorancia, sino por una alta exigencia de autenticidad y justicia.

• Dilución de la creatividad: temen que la IA homogenice su trabajo. Es icónica la anécdota de la alumna que rechazó un dibujo de IA de un delfín diciendo: «yo lo mismo pintaré; a diferencia de la IA, yo sé dónde va la aleta dorsal».
• Escepticismo técnico: definen a menudo la IA como «clunky» (torpe) o poco confiable para razonamientos divergentes y profundos.
• Frustración con las restricciones: se sienten penalizados cuando los centros, por miedo al mal uso de otros, bloquean herramientas digitales legítimas que ellos necesitan para organizar sus ideas ágilmente.

5. Guía de Uso: cuándo invitar (y cuándo no) a la IA al aprendizaje

6. La Transformación de la evaluación y las tareas

Para verificar que el aprendizaje es real y que la IA no ha tomado el mando, la evaluación debe modificarse y pasar de juzgar el producto a auditar el proceso. Hace tiempo que es más relevante preguntar no ¿qué sabes? sino ¿qué sabes hacer con lo que sabes? Veamos unos simples ejemplos:

• Auditoría cognitiva: en lugar de pedir al alumno un ensayo, entrégale uno generado por la IA que contenga un error sutil o una omisión profunda. La tarea del alumno es actuar como autoridad técnica: encontrar el fallo, explicar por qué ocurrió y proponer una solución superior basada en su propio rigor.
• Inteligencia de convocatoria inmediata: evaluar mediante debates en tiempo real, entrevistas o defensas orales donde el alumno no tenga apoyo externo. Si un alumno no puede defender su tesis cara a cara, su competencia es solo una «ilusión de saber». ¿No os recuerda esto a la defensa de una tesis doctoral o tesis de máster, por ejemplo?
• Tareas de reflexión «pre-pantalla»: pedir al alumno que genere sus propias ideas e hipótesis antes de interactuar con la IA, para que esta sea un compañero de debate y no un oráculo inicial.

En conclusión, la educación del talento en el siglo XXI no se define por cuánta información se posee, sino por la autonomía intelectual y la capacidad de ser pensadores críticos que auditan la tecnología. El conocimiento propio, forjado a través del estudio y el análisis, es el único vuelo que realmente nos pertenece.

Permitidme terminar con un pensamiento de gran filósofo Alejandro Llano pronunciado hace más de treinta años:

“Lo descriptivo cederá la primera posición a lo metodológico. Lo formativo tendrá mayor relevancia que lo informativo. El objetivo focal será una intensa y amplia preparación intelectual: aprender a pensar con rigor, hondura y creatividad” (Llano, A., 1994, discurso apertura de curso Universidad de Navarra).

¡Nada que añadir!

Como complemento de esta entrada adjunto esta imagen que he realizado con NotebookLM y que puede ser un buen resumen de lo expuesto en esta entrada y alguna anterior. Espero que os resulte de interés.

Hoy quiero reflexionar en voz alta sobre algo que nos está pasando a todos, casi sin darnos cuenta. La Inteligencia Artificial (IA) ha entrado en nuestras vidas y en nuestras aulas como un tsunami. Es fascinante, sí, pero nos pone frente a un espejo incómodo: ¿estamos usando la tecnología para ser mejores o simplemente nos hemos vuelto demasiado perezosos para pensar por nosotros mismos?

El lado brillante: La promesa de la educación personalizada

No podemos negar que la IA tiene un potencial increíble. Durante décadas, la educación ha arrastrado el «Problema de las 2 Sigma» de Bloom: la idea de que un alumno rinde muchísimo mejor con un tutor personal, algo que era imposible de pagar para todo el mundo.

Hoy, la IA parece resolver esto:

• Tutoría a gran escala: Sistemas como el «Tutor CoPilot» de Stanford permiten ofrecer apoyo experto por apenas 20 dólares al año.
• Resultados reales: Un estudio de Harvard demostró que estudiantes de física aprendieron el doble en menos tiempo usando tutores de IA en comparación con clases tradicionales.
• Inclusión: La llamada «Small AI» está permitiendo que en países con menos recursos se acceda a educación de calidad a través de simples teléfonos móviles.

La zona oscura: la «deuda cognitiva» y la pereza mental

Aquí es donde quiero que nos detengamos. El gran peligro de la IA no es que sea «mala», sino lo que nos hace por omisión. Se está hablando ya de la «deuda cognitiva»: al externalizar nuestras tareas mentales a una máquina, nuestras habilidades fundamentales se debilitan. [Te recomiendo que leas esta entrada si no lo has hecho ya y, sobre todo, el documento que incluye, recientemente publicado por Robert Sternberg].

• Atrofia cerebral documentada: investigadores del MIT Media Lab han usado escaneos cerebrales (EEG) y los resultados dan miedo: los usuarios de herramientas como ChatGPT muestran una conectividad neuronal significativamente más débil en la banda Alpha, esencial para la creatividad y la memoria (solo 42 conexiones frente a las 79 de quienes piensan por sí mismos).
• La ilusión de saber: existe un fenómeno llamado «ilusión de lo aprendido». Nos resulta familiar lo que la IA escribe, pero somos incapaces de explicarlo profundamente. Es como el GPS: nos lleva al sitio, pero si se apaga, no sabemos volver porque no hemos creado un mapa mental de la ruta.
• Amnesia inmediata: el 83% de los usuarios de IA no puede recordar el contenido de un ensayo apenas unos minutos después de haberlo generado. Si no hay esfuerzo, no hay huella en la memoria. El aprendizaje sin esfuerzo es una ilusión, no una realidad.

El peligro de la «externalización cognitiva»

Cuando dejamos que la IA haga el resumen, que encuentre la tesis de un texto o que resuelva el problema de matemáticas, estamos cometiendo un error de base: el aprendizaje no es el producto final, es el proceso de hacerlo.

• Sesgos invisibles: si delegamos el pensamiento, aceptamos los prejuicios de la máquina. Se ha visto que algoritmos de evaluación penalizan desproporcionadamente a alumnos de entornos humildes o recomiendan menos carreras STEM a mujeres basándose en datos históricos sesgados.
• Sedentarismo cognitivo: si no usamos el cerebro para analizar y decidir, perdemos nuestra autonomía intelectual. Nos convertimos en pasajeros de nuestra propia vida mental, en lugar de ser los conductores.

Una reflexión final: sé el piloto, no el pasajero

La IA ha venido para quedarse, y prohibirla es como intentar detener un tsunami con las manos, o ponerle puertas al campo. Pero la clave está en el concepto: «Human in the loop» (el humano en el bucle): la IA debe ser nuestro copiloto, pero tú nunca debes soltar el volante.

Para que no se nos oxide la mente, se podrían proponer tres reglas personales que emergen de algunos informes relevantes sobre el particular:

1. Reflexiona antes de encender la pantalla: genera tus propias ideas y dudas antes de preguntar a la IA.
2. Verifica y critica: no uses la IA como un oráculo, sino como un compañero de debate que a veces se equivoca (y mucho). No olvidemos que estamos preguntando a un algoritmo que ni siquiera entiende lo que nos responde, simplemente lo hace basado en su programación, probabilidades, etc. no a una persona.
3. Hazlo tuyo: no copies y pegues. Reescribe, añade tu voz, tu estilo y tus vivencias personales. Eso es lo único que una máquina no puede replicar.

Decía a los alumnos hace un tiempo al comienzo de curso que el aprendizaje implica sufrimiento y el que no esté dispuesto a sufrir, no aprenderá. Al menos sufrimiento moral. Aprender, sin duda, duele un poco porque requiere esfuerzo, pero es ese esfuerzo el que nos hace humanos y capaces. No deberíamos permitir que la comodidad de un clic nos robe nuestra capacidad de pensar.

Dicho esto, me parece sensato delegar las operaciones que consumen mucho tiempo y tienen un menor valor añadido, para que puedas dedicarte a dominar lo que quieres aprender. Dejadme poner un ejemplo sencillo: hace años (muchos) utilizábamos ficheros en papel para hacer cualquier revisión bibliográfica y búsqueda de fuentes gastando horas y con la ilusión de que lo que necesitábamos estaría en el fichero. Ahora podemos hacer una búsqueda en bases de datos en segundos, sabiendo que nada de lo relevante publicado se quedará fuera de la búsqueda. El procedimiento ha cambiado, el tiempo invertido también, pero permanece la necesidad de saber discernir qué fuentes son relevantes para mí y cuáles no lo son, qué criterios debo aplicar (capacidad de discernimiento o crítica) para seleccionar unas u otras fuentes, etc. ¿Qué hago con los miles de referencias que una búsqueda me devuelve? ¿Cómo las filtro? ¿Cuáles son esenciales y fundamentadas y cuáles son prescindibles o incluso debo evitar para no contaminarme?

A mi juicio, una vez más, no se trata de plantear la pregunta incorrecta y un tanto pueril: «¿IA sí o no?»; mejor preguntémonos: «IA cuándo y para qué».

–––––––––––––––––––––

Nota: la imagen la he creado como una infografía, a partir de una serie de fuentes seleccionadas por mí, con NotebookLM, por tanto el texto que contiene es legible y resume algunos de los aspectos tratados. La puedes descargar si te interesa.

Robert J. Sternberg, una de las voces más influyentes en el estudio de la inteligencia, la creatividad y las altas capacidades, aborda en este artículo –que se puede descargar desde el enlace que incluyo al final– una cuestión de enorme calado:

¿Aumenta la IA nuestras capacidades cognitivas, las disminuye o produce una combinación de ambas? ¿Y qué significa todo esto para la identificación y el desarrollo de las personas con alta capacidad?

He considerado de gran interés ofrecer esta traducción a los lectores del blog —docentes, orientadores, investigadores y familias— porque la discusión sobre IA no puede limitarse a su eficiencia productiva. Afecta directamente al modo en que entendemos la inteligencia, el talento, la creatividad y la autonomía personal.

La cuestión no es tecnológica. Es profundamente humana.

A continuación hago una exégesis breve del artículo y al final incluyo los enlaces para acceder al original en inglés y a la versión que he traducido con el amable consentimiento del autor. También quiero indicar que este artículo estará en un monográfico de Frontiers in Education cuyo editor invitado es Marcos Román de la UNED.

Seis posibles escenarios en la era de la IA

Sternberg plantea seis escenarios posibles respecto a la alta capacidad en la era de la IA:

1. Nada ha cambiado. Las personas que antes hubieran sido identificadas con alta capacidad lo siguen siendo ahora. La IA no altera sustancialmente el mapa.

2. Hay muchas más personas con alta capacidad. Quienes saben usar la IA potencian la calidad y cantidad de sus producciones, alcanzando niveles que antes no les eran posibles.

3. Muchos parecen tener alta capacidad… pero no la tienen. No es su competencia, sino el “andamiaje artificial” de la IA lo que produce la apariencia de excelencia.

4. Se pierde alta capacidad. El uso indiscriminado de IA genera externalización cognitiva (cognitive offloading) y deterioro progresivo de habilidades.

5. La IA sustituye los campos de expresión del talento. Profesiones hacia las que se orientó a muchos jóvenes con alta capacidad pueden verse parcialmente absorbidas por la IA.

6. Todo depende del uso que hagamos. Esta es la posición del autor: la IA puede ampliar o erosionar la alta capacidad. No está predeterminado. Es una elección.

El riesgo silencioso: la externalización cognitiva

El principio es sencillo y conocido: lo que no se usa, se pierde. Ocurre con el lenguaje, con la musculatura y con las capacidades cognitivas. El uso de calculadoras, por ejemplo, ha laminado nuestra capacidad de cálculo mental, por ejemplo; la falta de práctica de un idioma extranjero aprendido hace que se pierda, y tantos otros ejemplos.

La IA generativa no es simplemente una herramienta de apoyo (como un lápiz o una calculadora). Realiza parte del trabajo cognitivo de alto nivel. Si delegamos sistemáticamente ese trabajo, el riesgo no es que produzca textos mediocres. El riesgo es que reduzca nuestra implicación cognitiva.

Los estudios citados por Sternberg en su artículo muestran:

• Menor activación cerebral en tareas asistidas por LLM (Large Language Models).
• Disminución del pensamiento crítico.
• Mayor homogeneidad creativa.
• Influencia actitudinal inconsciente incluso cuando el sesgo es advertido.
  

La cuestión no es si la IA puede producir buenos resultados. La cuestión es si el proceso cognitivo sigue siendo nuestro.

La habitación china y la ilusión de competencia

Sternberg recupera el argumento de la “Habitación China” de Searle. Un individuo sigue reglas sintácticas sin comprender realmente el significado. Desde fuera parece competente. Pero no entiende nada del idioma. La pregunta incómoda es esta:

¿Estamos empezando a atribuirnos capacidades que en realidad pertenecen al sistema con el que interactuamos? Si evaluamos nuestra competencia solo por el producto final —y no por el proceso cognitivo que lo genera— podemos entrar en una ilusión peligrosa.

Tres tipos de inteligencia en la era de la IA

Sternberg introduce una distinción sugerente, a mi juicio:

Inteligencia de convocatoria inmediata. La que necesitamos en situaciones imprevistas: entrevistas, decisiones críticas, respuestas en tiempo real.

Inteligencia de convocatoria próxima. La que requiere breve reflexión, pero sin acceso ilimitado a apoyos externos.

Inteligencia de convocatoria distal. La que se despliega en proyectos largos y complejos.

Es en esta última donde la IA puede ser más constructiva… siempre que no genere dependencia progresiva.

¿Puede la IA erosionar algo más que la inteligencia general?

El riesgo no se limita al CI, que por otra parte ya sabemos las limitaciones y problemas que tiene

Sternberg advierte sobre posibles efectos en:

• Pensamiento crítico
• Creatividad no conformista
• Inteligencia práctica
• Sabiduría
• Inteligencia emocional
  

Paradójicamente, podríamos perder precisamente el tipo de pensamiento que la IA modela mejor: el pensamiento computacional.

Si externalizamos sistemáticamente la descomposición de problemas, la identificación de patrones o la planificación paso a paso, esas capacidades pueden debilitarse.

6. Resumiendo: ¿Qué significará tener alta capacidad en el futuro?

Sternberg es claroTener un alto CI no bastará.

La alta capacidad del futuro exigirá:

1⃣ Capacidad real en situaciones de convocatoria inmediata

La IA no tomará por nosotros las decisiones vitales.

2⃣ Creatividad transformadora

La creatividad que cambia paradigmas y mejora el mundo no puede delegarse.

3⃣ Sabiduría e inteligencia práctica

Decidir qué mundo queremos y cómo construirlo es una tarea humana.

4⃣ Humildad intelectual

Reconocer límites, evitar la ilusión performativa y mantener autonomía cognitiva.

La decisión es individual

Las empresas tecnológicas buscan rentabilidad. Las organizaciones buscan eficiencia.
Las instituciones tienen sus propias agendas. Pero la decisión última es personal.

Podemos usar la IA para ampliar nuestras capacidades. O podemos usarla para sustituirlas.

La alta capacidad en la era de la IA no será solo cuestión de rendimiento. Será cuestión de autonomía.

Hasta aquí un esbozo del contenido del artículo que puedes conseguir traducido por mí en este enlace (con los oportunos permisos de autor y editor, aunque este último no era preciso expresamente por el tipo de licencia bajo la que se publica la revista). La versión original en inglés se puede descargar desde este enlace.

La pregunta final no es tecnológica. Es antropológica. ¿Queremos ser personas que piensan con herramientas? ¿O personas que delegan su pensamiento en las herramientas?

La IA no decidirá por nosotros, pero sí decidiremos lo que la IA haga con nosotros. Por eso no se deben imponer soluciones emocionales al uso de la tecnología que, a la postre, no sirven para nada porque la tecnología está aquí. Lo decisivo es analizar con prudencia y profundidad los límites en los que queremos que las herramientas nos ayuden. Ellas son un medio, no un fin. Por eso digo que la respuesta es antropológica. Aclaremos nuestros fines y utilicemos con sagacidad los medios.

Os recomiendo una lectura atenta del artículo de Sternberg. No os dejará indiferentes.

Nota. Mientras termino este post me encuentro con una noticia en X que parece de ciencia ficción, pero no lo es. Te invito a verla aquí.

La IA como amplificador: rompiendo el techo del aula

Para un alumno con AACC, el ritmo del aula tradicional a menudo le hace sentirse como si caminara con pesas en los pies. La IA ofrece una solución sin precedentes: la hiper-personalización. A diferencia de un currículo lineal, los sistemas de aprendizaje adaptativo permiten que el estudiante navegue por conceptos complejos a su propia velocidad. Si un niño de primaria domina la aritmética en minutos, la IA puede abrirle las puertas a la astrofísica, o a la programación avanzada, proporcionando desafíos que están justo en su «Zona de Desarrollo Próximo». La IA no solo entrega datos; elimina el techo que muchas veces impone el sistema educativo estándar. Ciertamente requiere supervisión y orientación por parte del profesor, entrenamiento técnico, etc. (puedes ver a este respecto el post anterior sobre el rol del profesor).

El riesgo de la «muleta»: fortaleza y esfuerzo en la era del clic

Sin embargo, tener una herramienta que ofrece resúmenes y soluciones en segundos es una espada de doble filo. Para un alumno con AACC, que a menudo procesa la información con gran rapidez, el riesgo es la atrofia del esfuerzo. Si el camino es siempre llano, el «músculo» de la fortaleza no se desarrolla. Por eso, la IA no debe ser un solucionador, sino un generador de desafíos. El verdadero aprendizaje ocurre cuando el alumno actúa como un «Director de Orquesta»: utiliza la potencia de la máquina para gestionar datos, pero aporta su propio criterio para dar sentido y profundidad al resultado. El conocimiento propio es el filtro indispensable que transforma una respuesta automática en un logro intelectual real. Si no hay conocimiento y reflexión propias esto será imposible.

Del consumo a la auditoría: el valor de buscar el error

Una de las estrategias más potentes para fomentar esta mentalidad es la auditoría cognitiva. En lugar de pedirle al alumno que resuelva un problema que la IA ya domina, el reto se invierte: le entregamos una solución generada por la IA que contiene un error sutil o una omisión profunda. Su misión es encontrar el fallo, analizar por qué ocurrió y proponer una solución superior. Este ejercicio desplaza al alumno de una posición pasiva a una de autoridad técnica, enseñándole que la excelencia no nace de la velocidad, sino del rigor y la capacidad de cuestionar lo que parece «perfecto».

Una aventura compartida: el profesor como mentor y brújula

En este nuevo paradigma, la relación entre el docente y el alumno con AACC se transforma profundamente. (Ver los enfoques basados en metodologías activas, flipped classroom, por ejemplo). El profesor ya no es quien «imparte la lección» desde un pedestal de autoridad (the sage on the stage), sino un mentor que acompaña al estudiante en un territorio inexplorado (the guide on the side). Mientras la IA se encarga de la profundidad técnica, el profesor se ocupa de lo esencialmente humano: la validación emocional, la gestión de la frustración y el fomento de la intuición. Se convierten en compañeros de una aventura donde ambos investigan, auditan y descubren. Esta conexión personal es la que permite al guía detectar cuándo el alumno está brillando por su cuenta y cuándo se está dejando llevar por la inercia de la máquina.

Conclusión: el esfuerzo como sello de identidad

Al final del día, debemos recordarles a estos alumnos ( y a todos los demás en grados diversos) que la facilidad no es sinónimo de éxito. El conocimiento propio que ha de adquirirse a través del estudio, forjado a través de la duda y el análisis crítico, es el único que genera un verdadero desarrollo del talento. La IA es un copiloto extraordinario, pero el vuelo —con todas sus turbulencias y rectificaciones— le pertenece exclusivamente al ser humano. El logro no reside en la respuesta que da la pantalla, sino en la capacidad de la mente humana para cuestionarla, mejorarla y hacerla suya.

Todo un reto cargado de valor añadido.

1. El nuevo concepto de autoridad: criterio sobre datos

Muchos docentes sienten que la IA amenaza su rol como fuente de conocimiento. Sin embargo, la verdadera autoridad hoy nace de la humildad intelectual. Poseer datos ya no es un superpoder; el verdadero poder es el discernimiento. Siempre lo fue realmente.

Para un alumno con AACC, ver a un profesor que duda, que verifica una fuente o que admite no saber algo para investigarlo junto a él, es la lección de «pensamiento de alto nivel» más valiosa que existe. No perdemos autoridad al usar la IA; la transformamos en maestría de pensamiento.

2. Aprender a gestionar la incertidumbre: el profesor como «Pensador en Voz Alta»

Es natural sentir vértigo cuando un alumno brillante avanza más rápido que el currículo. Aquí, el docente debe pasar de «impartir» a «modelar».

• Saber cosas: lo hace la IA.
• Saber razonar sobre los hechos: lo hace el profesor.

Al convertirnos en «pensadores en voz alta», enseñamos al alumno a auditar a la máquina, a buscar sesgos y a no conformarse con la primera respuesta que podamos obtener. El aula deja de ser un lugar de respuestas cerradas para ser un laboratorio de aprendizaje profundo. Contrastar, verificar, triangular, analizar coherencias y discrepancias… Como dije tantas veces hoy ya no se trata de responder a la pregunta: ¿qué sabes?; más bien a esta otra: ¿qué sabes hacer con lo que sabes? Y eso no se hace con un consumo lineal y pasivo de información escrita, recibida por vía auditiva, visual, etc. Se hace como siempre: «ocupando el entendimiento con los conceptos, teniéndolos presentes en la conciencia».

3. El riesgo calculado: menos mecánica, más conexión

Delegar la parte mecánica del aprendizaje en la IA (búsqueda de datos, resúmenes básicos, ejercicios repetitivos) no es perder el control, es ganar tiempo. Ese tiempo liberado es el que permite al profesor centrarse en lo que la IA nunca podrá replicar: la conexión humana, la validación emocional y la guía ética. ¿Recordáis aquello que dije alguna vez de que la educación se resuelve en un encuentro entre personas, no entre personas y máquinas?

4. Estrategia práctica: el momento «sabías que…»

¿Cómo aplicar esto en un aula diversa sin morir en el intento? A modo de ejemplo, podríamos poner en marcha algo así como la Píldora de Investigación:

1. La Misión (10 min): Mientras el grupo trabaja en la base, el alumno de AACC usa la IA para buscar una conexión sorprendente sobre el tema.
2. El Filtro de Calidad: El profesor guía: «¿Por qué este dato es relevante? ¿Cómo sabemos que es cierto?»
3. Compartir el Hallazgo: Al final, el alumno comparte un «Sabías que…». Esto integra su talento, enriquece a sus compañeros y posiciona al profesor como el mentor que valida y da sentido al descubrimiento.

5. Conclusión: de la herramienta al propósito

El verdadero desafío que enfrentamos no es decidir si la tecnología debe entrar o no en nuestras aulas; esa puerta ya está abierta. Sería como preguntarnos si debemos utilizar o no los teléfonos o la mensajería instantánea. La pregunta que todo educador debe hacerse hoy, a mi modesto entender, no es «IA ¿sí o no?», sino «IA ¿para qué?». Debemos utilizarla para liberar el potencial creativo, para fomentar la autonomía y el pensamiento crítico y para permitir que cada alumno, especialmente aquellos con Altas Capacidades, encuentren su propio camino hacia la excelencia. Te invito a que no seas un espectador de este cambio, sino un protagonista: experimenta, cuestiona y comparte tus hallazgos. El futuro de la educación no lo escribirá un algoritmo, sino los docentes que se atrevan a usarlo como puente hacia un aprendizaje más humano y profundo. ¿Y tú, para qué vas a usar la IA mañana en tu clase?

Hace tiempo que venimos asistiendo a un avance de la tecnología (particularmente de la IA) que progresa a mucha mayor velocidad de lo que las estructuras educativas pueden absorber. En tiempos no muy lejanos todo era fascinación (razonable, por cierto) por el uso de la tecnología en la educación. Puedes echar un vistazo a algunas entradas del blog aquí. ¿Recordamos los enfoques de las metodologías activas, del flipped classroom, y tantos otros? Actualmente estamos ante una revolución de proporciones difíciles de imaginar, con saltos cualitativos muy significativos a cada paso.

La idea hace pocos años se centraba en ver que la pedagogía y los enfoques que ponían al alumno en su sitio, es decir, como protagonista de su aprendizaje, pronto serían de uso común gracias a la tecnología digital (de entonces). Recordaréis la entrada sobre la viabilidad de los enfoques tendentes a la personalización y tantos otros. Decíamos en aquellos momentos, resumiendo, que las viejas ideas de la pedagogía y los enfoques tendentes a personalizar la educación y, desde luego, el aprendizaje eran posibles. Desarrollamos herramientas para valorar la competencia digital docente, y tantas otras acciones que puedes ver a partir de los enlaces anteriores.

Mantengo lo dicho en estos años pasados, en particular aquello de que la escuela no puede dar la espalda al mundo digital y seguir siendo analógica y lo multiplico por n (siendo n un número tan grande como se quiera) si nos asomamos a la Inteligencia Artificial y los desarrollos que lleva aparejados para la educación. Por eso, dicho sea de paso, no entiendo estas prohibiciones (de última hora) sobre el uso de la tecnología en las aulas como si la tecnología fuera la responsable de todos los males. Lo importante es el propósito con el que se usa y no el uso en sí. A estas alturas no habrá que recordar que la tecnología tiene carácter de medio. Todos los males que se achacan a la tecnología podrían achacarse a los libros, por poner un ejemplo. Hay libros excelentes y otros perniciosos. Hay usos de la tecnología que pueden favorecer un aprendizaje profundo y otros que pueden ser perniciosos incluso para la calidad de vida, como señalan algunos estudios. Pero vamos al tema.

El pasado diciembre se publicó el artículo firmado por Hinch, L., Guilbault, K. M., Dunne, O., & O’Reilly, C. (2025, December). You think AI is great – but do they? A reflection on a summer with AI at the Center for Talented Youth Ireland. Parenting for High Potential, 14(4), 6-9.

Lo he leído con atención, y me ha parecido de interés para quienes trabajan en el ámbito de la educación en general y de las altas capacidades en particular. No porque trate simplemente de inteligencia artificial —tema ya omnipresente—, sino porque plantea una cuestión mucho más profunda: ¿Qué piensan realmente los propios estudiantes con alta capacidad sobre el uso de la IA en su aprendizaje?

La experiencia que relatan desde el Centre for Talented Youth Ireland (CTYI), vinculado a la Dublin City University y en colaboración con el Johns Hopkins Center for Talented Youth, no es una reflexión teórica. Es una experiencia vivida durante un verano completo de cursos intensivos con alumnado de alta capacidad. CTYI es el primer centro fuera de los EE. UU. en aplicar el modelo desarrollado por Stanley en los años 70 (el SMPY) del que ya hemos hablado mucho en el blog, y que ha inspirado también CTY España. Este centro irlandés ha atendido ya a más de 60 mil alumnos con altas capacidades entre 7 y 17 años, convirtiéndose en el mayor de Europa en la atención fuera de la escuela, en particular en los campus de verano.

Y los resultados son, cuando menos, reveladores.

Cuando la tecnología no entusiasma tanto como creemos

Vivimos en una narrativa adulta que presenta la IA como sinónimo de progreso, eficiencia y modernidad. Muchos docentes —y también muchas instituciones— se preguntan cómo integrarla, cómo aprovecharla, cómo no quedarse atrás. Pero cuando se preguntó directamente a los estudiantes con altas capacidades, la respuesta fue mucho más matizada… e incluso crítica.

Algunas de sus preocupaciones fueron especialmente significativas:

• Temor a que la creatividad se diluya si la IA “hace el trabajo pesado”.
• Deseo de que el profesor domine verdaderamente la materia sin depender de algoritmos.
• Preocupación ética y medioambiental.
• Miedo a la comparación injusta entre trabajos auténticos y producciones generadas en segundos.

En otras palabras: no rechazan la tecnología por ignorancia. La cuestionan por exigencia. Y eso debería hacernos pensar.

Hay algo muy coherente en la postura de estos estudiantes. El alumnado con alta capacidad suele buscar:

• Profundidad.
• Autenticidad.
• Dominio real.
• Rigor intelectual.
• Experiencia humana experta.

No quieren una experiencia “optimizada”. Quieren una experiencia significativa.

La IA puede ser una herramienta poderosa. Nadie lo niega. La investigación reciente (Siegle, Guilbault y otros) apunta a posibles usos interesantes en el asesoramiento personalizado o como apoyo estructural. Pero lo que esta experiencia nos recuerda es algo esencial:

En el desarrollo del talento, la herramienta nunca puede sustituir la mente. Y mucho menos el vínculo pedagógico.

CTYI, a partir de los datos de este estudio y de la reflexión de sus directivos ha elaborado orientaciones que me parecen sensatas y pueden servir de pauta a otros:

• Usar IA solo cuando aporte algo que no pueda hacerse razonablemente sin ella.
• No sustituir el conocimiento experto del docente.
• Evitar su uso por moda.
• Formar en pensamiento crítico frente a errores y sesgos.
• No permitir que se convierta en sustituto del esfuerzo intelectual.

Nada revolucionario. Pero profundamente necesario. Porque el riesgo no es tecnológico. El riesgo es cultural, pedagógico si se quiere.

Los autores aconsejan además a los padres a tomar cartas en el asunto. En efecto, la IA ya está en casa: en los deberes, en las búsquedas, en los resúmenes automáticos, etc..

El artículo propone algo muy sencillo —y muy poderoso—: conversar con los hijos sobre su uso. No desde la prohibición, sino desde la reflexión:

• ¿La estás usando porque te ayuda a pensar mejor?
• ¿O porque te evita pensar?
• ¿Sientes que mejora tu creatividad o que la delega?

Estas preguntas, en el fondo, no son sobre IA. Son sobre autonomía intelectual.

Este artículo me parece especialmente valioso porque devuelve el foco a quien debe tenerlo: el estudiante.

En educación del talento no se trata de incorporar lo último. Se trata de preservar lo esencial. Y lo esencial sigue siendo lo mismo:

• Mentes curiosas.
• Esfuerzo sostenido.
• Diálogo exigente.
• Profundidad conceptual.
• Pensamiento original.

La IA puede asistir y lo hará. Pero no puede sustituir el proceso interno de comprensión. Si algo nos enseñan estos jóvenes del estudio es que la tecnología impresiona menos que la autenticidad.

Y quizá esa sea la mejor noticia de todas.