La
Inteligencia Artificial Generativa (IAG) en Educación:
¿Conformar-nos,
capitular o radicalizar la misión pedagógica?
"No hay documento de
cultura que no lo sea al tiempo de barbarie"
Walter Benjamin
En una reciente entrevista que le hacen a Sam Altam,
CEO de Open IA, la empresa tecnológica de Elon Musk[1], le preguntan sobre el gasto energético que
tiene para el planeta el sólo entrenamiento de una IAG, sin contar los
desmesurados usos que hacemos hoy de ella, frente a lo cual responde: “Me
parece injusta la comparación que se hace si se tiene en cuenta lo que implica
formar a un ser humano que dé respuestas plausibles, lo que toma
aproximadamente —dice— 20 años de vida y toda la comida y recursos que consume
en ese tiempo hasta que logre alcanzar un nivel de inteligencia comparable”.
Sugiere, entonces, Alman, que invirtamos la pregunta, para, en consecuencia,
ver lo que, según él, es más que evidente: es mejor entrenar IAs que educar a
un ser humano.
No es necesario hacer una lectura entrelíneas de hacia
dónde van este tipo de empresas, pues ellos mismos lo dan a conocer sin
sonrojarse: no se trata de altruismo, tampoco de liberar el tiempo de los seres
humanos para poder delegar tareas técnicas y así poder dedicarnos al cultivo del
espíritu y las artes, como se entendió o se quiso asumir la supuesta promesa de
estas tecnologías. De lo que se trata, abiertamente, es de un reemplazo, de lograr
sacar a las personas de la ecuación y seguir obteniendo las mayores ganancias. Sin
embargo, lo más llamativo o preocupante no es esta verdad de a puño, sino el
hecho de que estos monopolios hayan logrado moldear o instalar en la vida
social la idea de que las IAs son necesarias, fundamentales e ineludibles, lo que se ha traducido, para el contexto educativo que
nos atañe, en una forma de autoexigencia o auto imposición de parte de las
instituciones de educación (en los distintos niveles) en aras de situarse a la
“vanguardia tecnológica”.
Basta estar unos minutos en las redes o estar adscrito
a determinadas listas institucionales para recibir todo tipo de ofertas en las
que prometen enseñar a usar eficazmente la IAG en la enseñanza y la
investigación; claro, advirtiendo siempre que dicha asunción va acompañada de
principios o manuales de uso ético. Pero ¿es posible esto, hacer un uso
ético de la IA? A menudo se piensa que el
riesgo principal que presenta esta tecnología es la afectación en el mercado
laboral que resulta del proceso de automatización que elimina miles de empleos,
otrora oficios y profesiones desempeñados por humanos, sin ofrecer(les),
además, ninguna alternativa; y aunque este es un riesgo ya observable, el
asunto de fondo es que estos sistemas computacionales vinculados a las IA son
sustentados por la explotación de seres humanos e ingentes recursos naturales
tal y como lo ilustra Kate Crawford en
su libro “Atlas de la IA: Poder, política y costos planetarios(2021)[2].
De acuerdo con Crawford, los costos de
esta cadena de explotación se reflejan en todas las etapas del proceso de
desarrollo de la IA, desde el sector minero, donde se extraen y transportan
recursos para crear la infraestructura central de estos sistemas, hasta el lado
del software, para el que se distribuyen diversas tareas, entre otras, la de
los “trabajadores” de entrenamiento de datos, que reciben una ínfima retribución
y no cuentan con ningún tipo de condiciones laborales; adicional a ello está el
costo hídrico y el crecimiento exponencial de la huella de carbono[3].
La devastación no puede ser peor y se suma al panorama
poco prometedor para el futuro de nuestra especie ad-portas de una catástrofe
climática, que ya estamos experimentando. Pensaría uno que este paisaje de la
naturaleza antiética de la IA sería suficiente para darle la espalda, no sólo
por la estela de víctimas que deja a su paso, sino por riesgo mismo que conduce
al agotamiento de los recursos que mantienen la vida en el planeta. Sin
embargo, los desmesurados usos de la IA que no cesarán por estos llamados al
cuidado de sí, del otro y del medio ambiente nos lleva a adentrarnos en las
cuestiones que atañen a su incidencia en la educación.
Por supuesto, en un contexto escolar y académico
marcado por la exigencia de demostrar la “calidad de los procesos y su gestión”
tal como se haría en una empresa —modelo que ya está instalado hace décadas—, esta
tecnología, que realiza muchas de esas tareas en tiempo récord, se torna más
que útil. El problema aparece cuando se
traslada a los procesos propiamente escolares, pedagógicos e investigativos.
La
IA, la docencia y la investigación
En el ejercicio de la profesión docente, la IA provee
textos, videos, planificaciones de clase, diseño de materiales y rejillas de
evaluación, entre otros, lo que hace pensar a muchos en el riesgo de relevo de
los profesores o en el vaciamiento de los procesos de desarrollo curricular y
de la evaluación de los aprendizajes. Sin embargo, para la Pedagogía, la
automatización de tales procesos siempre ha sido insuficiente para reemplazar a
un maestro, pues lo que se juega en una situación educativa más allá de la
planeación, el diseño paso a paso y la delimitación de los recursos o medios
(otrora entregados por el diseño instruccional en el modelo de Tecnología
educativa) es el encuentro con los otros. El encuentro, siempre incalculable,
con un grupo de estudiantes en ese espacio/tiempo de la clase que, como bien nos
lo recuerda el pedagogo Phillipe Meirieu, nos exige siempre una inventiva
formada, esto es, la capacidad de responder y decidir, de manera situada y
acertada (o lo más acertada posible) a aquello que emerge en el aula, de manera
contingente, a propósito del estudio de una porción del mundo.
Esta capacidad lúcida, lúdica y creativa no se
consigue dominando algoritmos, sino estudiando a los que han lidiado con toda
suerte de problemas de orden pedagógico, allí en la clase, en la escuela. Los
que han teorizado, pero también, han logrado sortear ellos mismos tales
contingencias y dificultades creando así doctrinas (cuando se trata del canon
en la Pedagogía) o propuestas pedagógicas cuando se trata de maestras o grupos
y redes de maestros que sistematizan sus prácticas y las dan a conocer).
Ahora bien, en el contexto académico e
investigativo la IA, como ya se sabe, apoya la búsqueda de bibliografía, enumera,
sistematiza y compara conceptos o incluso enfoques, revisa la consistencia de
un argumento; puede, además de eso, sugerir rutas metodológicas o visualizar
relaciones en los datos arrojados por una investigación, entre otras ayudas.
Bien utilizada, se corea en las redes, logra optimizar el trabajo del
investigador, pero usada como “coartada intelectual” conduce a la sustitución
de su juicio profesional. Sin embargo, ese no es el principal problema, pues
los llamados “to cut cornes” en inglés, es decir, los que toman atajos, lo
harán siempre, lo han hecho ya.
No obstante, se puede automatizar una pregunta de investigación,
simular la construcción de un marco teórico o de un estado del arte, incluso,
delegar el proceso analítico, pero la IA no puede responder por lo que afirma,
escribe, concluye. Ella carece de imputabilidad y quien responde ante los otros
es el sujeto implicado. Y aquí viene una
contradicción elemental, pues, si es sujeto, es responsable de sí, ha alcanzado
la mayoría de edad, esto es, la capacidad de juicio y razón propia, por lo tanto,
no cabría la duda de que es autor de lo que escribe…
Por otra parte, la formación en investigación supone la
construcción de preguntas debidamente situadas, esto es, en un marco
discursivo, conceptual y epistémico que propicia su emergencia, y de otro, el
desarrollo de los rudimentos mismos del pensamiento analítico, lo cual se logra
a partir del trabajo directo con las fuentes de estudio, leyendo, resumiendo,
construyendo fichas analíticas, tomando apuntes o escribiendo esos “insigths” o
ideas claves que emergen en cualquier momento cuando se está rumiando un
problema. Todo esto implica tiempo, habitar el objeto en cuestión y el grado de
incertidumbre que supone recorrerlo desde cierta perspectiva o mirada
construida y en ese recorrer el camino de resolución o no del problema es que
se construye un método, una forma de pensar, como lo enseñó Descartes en el
siglo VXII.
En ese orden de ideas, las IA, cuyos modelos de
lenguaje producen textos en serie que ya son fácilmente reconocibles, pueden
recombinar mil formas de entender unos resultados, pero no pueden proponer una
nueva hipótesis de sentido, esto último aún es propio de los humanos. Las IAs
pueden escribir una disertación, pero no pueden asumir la responsabilidad de lo
que allí se expresa. La IAs puede repetir un aparato crítico con solvencia,
pero no puede hacer vigilancia epistémica, lo que si le compete al investigador
en formación y a sus tutores: reconocer los sesgos y los propios los límites.
Cuando las respuestas plausibles se vuelven triviales
de producir, nos dice Schenll, “lo que está en juego ya no es proteger los
trabajos, sino formar y poner a prueba el juicio” [4]. Es decir, no basta con que un artefacto pueda
producir y concatenar varios enunciados sobre un objeto, de manera coherente
como lo hace una IA; es necesario que un sujeto pueda dar cuenta de que ese
“entregable” ha sido probado o pasado por el tamiz de la razón. Es el sujeto el
que puede sopesar los argumentos y enunciar o defender determinada perspectiva
sobre los objetos del de mundo en cuestión.
Si la IA, como sostiene Schenll no solo abre un nuevo
capítulo en el fraude académico, sino que desestabiliza el régimen de prueba en
el que la universidad se ha basado durante mucho tiempo, esto es, en los
productos terminados: reseña, ensayo, informe, proyecto, tesis, etc, el
escenario que se abre es el de acrecentar, de nuevo, los espacios de tutoría o de
clases (no abarrotadas de alumnos) en las que se pueda no sólo leer y escribir
en presencia, junto con otros, sino también escuchar y preguntar acerca de lo
que se lee y se escribe, en tanto la prueba intelectual de que hay un sujeto
discursivo respondiente de su palabra es justamente, como nos lo enseñó Bajtín,
que este puede responder por su palabra y la palabra de los otros en el ese doble
sentido: de responder como réplica y de responder como responsabilidad.
Las
salidas
Salida 1. Reglamentación, detección, vigilancia. Crear
manuales de uso ético, adquirir programas de detección de IAG, crear rejillas
para manifestar el porcentaje de uso de
IAG: es un camino probable, pero imposible, no solo por el agotamiento
que conlleva en términos prácticos para cada profesor, sino también porque es
ineficiente, en tanto estos modelos de lenguaje día por día se mejoran y se
actualizan.
Salida 2. La prohibición, es imposible, ya está en uso
en el conjunto del estudiantado de pregrado de la UPN (Ver resultado de
investigación del proyecto Raíces y Alas) y seguramente en los estudiantes de posgrado.
Salida 3. La capitulación en forma de adaptación en la
que están casi todas las universidades: que se aprenda y se enseñe a redactar
buenas instrucciones (prompt) y a utilizar las herramientas con la mayor
rapidez. El resultado de este conformismo, es decir, de adquirir la forma de
esta tecnología es que estaríamos en las antípodas de la educación, que se
trata justo de ampliar y comprender con hondura el mundo (social, físico,
cultural) que habitamos al tiempo que ensanchamos el mundo propio de nuestros
estudiantes.
Si la IAG viene a garantizar la producción de textos en
serie, con suficiente fluidez y sustento, lo que le queda a una universidad
formadora de maestros es la tarea de volver a enunciar y a trabajar con más
fuerza la misión que le compete, radicalizarla:
Formar el pensamiento y el juicio, enseñar a sopesar
las ideas, a revisar su grado de validez, enseñar a articular la palabra propia
(que siempre es dialógica) y a responder públicamente por la palabra. Y para ello necesitamos volver a enseñar y
aprender los rudimentos del trabajo intelectual: leer en clase, escribir en
presencia, conversar acerca de las comprensiones y apropiaciones de lo leído
(para distinguir entre una idea producida como información frente a una idea
comprendida y apropiada), volver a las fuentes institucionalizadas de los
campos teóricos de saber, es decir, a los libros y a los artículos académicos.
Volver o recrear Una pedagogía de la lectura,
que implique una contextualización de los textos propuestos y el propósito que
nos guía (no es lo mismo leer para construir conceptos, que para revisar la
lógica argumentativa y discursiva de un artículo académico o para aprender a
hacer un estado del arte) diseñando consignas claras o mapas de lectura para no dejarlas a la deriva,
moderar la cantidad de textos y obras, haciendo una selección explícita en la
bibliografía en la cual quede claro cuáles son las lecturas de fundamentación y
cuáles las complementarias; enseñar la aplicación de técnicas básicas como el
subrayado, la glosa y/o resumen (para jerarquizar la información más relevante
de la irrelevante) o la toma de apuntes, diferenciar una bibliografía con
fuentes primarias de las fuentes secundarias mostrando el valor de cada una,
explicar y mostrar la importancia de las citas textuales y contextuales en el
marco de una argumentación, leer in situ, leer con otros, leer en clase,
leer en voz alta, etc.
Así también implementar una pedagogía de la
escritura que hace visible el trabajo de planeación, revisión, edición de
los textos y no solo el producto final.
Que enseñe los rudimentos propios del trabajo de escritura, tales como
la elaboración de borradores o primeras versiones, etc.
Recordar con Freire, pero sobre todo con Bajtín, que
formamos a un sujeto que profesa su palabra, su saber, formamos en estricto
sentido a un sujeto discursivo, esto es, un sujeto respondiente porque todo
discurso es dialógico, se construye con voces ajenas.
Porque si se acoge la IA como algo bueno per se, es
porque seguimos promoviendo un sistema educativo que premia resultados y no
procesos. Y son los procesos los que verdaderamente educan, saltárselos es abrazar
la idea de que hay que producir al ritmo desenfrenado que demanda el capital, lo
cual significaría, ni más ni menos, renunciar a nuestra tarea formadora para adaptarnos
al engranaje tecnológico. Volver a resignificar la idea de que estudiar tome y
toma tiempo, de que quizás no hay otra actividad que lo requiera tanto y lo
amerite, pues ¿para qué queremos ahorrarnos el tiempo del estudio? El amor es
para los que aman el trabajo, dice el poema.
Para
un estudiante que usó IA para escribir un ensayo
Ahora dejo que caiga de nuevo
entre la hierba.
Te escucho. Sé
que esta vida es dura ahora.
Sé que tus días son preciosos
en esta tierra.
Pero ¿de qué estas tratando de
liberarte?
¿De vivir? ¿De la milagrosa
tarea que supone?
Amar es para quienes aman el trabajo.
Joseph Fasano
Así que antes que un manual de uso de IA,
necesitamos un manifiesto por la lectura, la escritura y la disertación oral
que ponga de nuevo en el centro de la discusión la misión específica de la
Universidad, y especialmente, la de una Universidad que forma maestros y
maestras.
https://www.unesco.org/es/articles/mas-alla-del-bucle-recuperar-la-pedagogia-en-la-era-de-la-ia
https://vientosur.info/philippe-meirieu-dejemos-de-idolatrar-lo-digital/
https://www.youtube.com/watch?v=yn5gVKHkRTg
[1] En
el marco de la Cumbre de impacto de la IA celebrada en India en febrero de
2026. https://www.youtube.com/live/qH7thwrCluM
[2] Kate Crawford (2021) en su
libro ‘Atlas of AI: Poder, política y costos planetarios’.
[3] Una reciente investigación del Instituto de Estudios Ambientales en
Ámsterdam estima que “La
huella de carbono de los sistemas de IA por sí sola podría estar entre 32,6 y
79,7 millones de toneladas de emisiones de CO₂ en 2025, mientras que
la huella hídrica podría alcanzar entre 312.500 y 764.600 millones de litros.
Para poner esto en perspectiva, se encuentra en el mismo rango que la huella de
carbono de la ciudad de Nueva York (52,2 millones de toneladas de emisiones de
CO₂ en 2023²⁷ ). De manera similar, la huella hídrica de los
sistemas de IA podría estar en el mismo rango que el consumo anual mundial
total de agua embotellada (446.000 millones de litros²⁸ ). Tareas tan sencillas
como responder una pregunta con un texto de respuesta de 100 palabras consume
alrededor de 5.19 mililitros de agua y en términos de energía el consumo
promedio de esas mismas 100 palabras es de 0,14 kilovatios por hora, suficiente
para alimentar 14 bombillas LED durante una hora, multipliquemos eso por los
millones de usuarios que minuto a minuto preguntan de manera innecesaria
cualquier cosa a la IAG. Adicional a ello están los “creadores profesionales de
bazofia”, esto es, todo tipo de textos (libros de autores y temas inexistentes)
y mensajes visuales o audiovisuales que están convirtiendo la internet en un
monumental botadero de basura, lo que antaño fuera una gran biblioteca abierta
y accesible para casi todos. Sobre esto último se puede ver el documental de la
DW ¿Supondrá la IA la muerte de internet? https://www.youtube.com/watch?v=Oz8uozS8LIQ
[4] AOC 12 de mayo de 2026 https://aoc.media/analyse/2026/05/12/luniversite-a-lepreuve-des-machines/
