Cómo usar la IA para aprender de verdad (sin hacer trampa): Guía para el estudiante del siglo XXI
Una exploración práctica de cómo integrar la IA en el proceso educativo sin comprometer el aprendizaje profundo.
Con la llegada de Deepseek y los nuevos modelos de «razonamiento profundo», uno podría decir que la IA generativa está cada vez más cerca de reemplazar todos los procesos involucrados en la educación (sin mencionar otros sectores más mecanicistas). A mi parecer, hemos superado el dilema ético sobre el uso de la IA generativa como herramienta para las tareas cotidianas; más bien, fuimos cautivados gradualmente por su comodidad y cedimos ante sus capacidades1. Lo que antes era su mayor debilidad —extraer el insight de manera precisa e ingeniosa— ahora es su punto más fuerte y su principal atractivo comercial. Por ello, el dilema actual es si la IA generativa representa una amenaza para el aprendizaje profundo y duradero, precisamente por su facilidad de uso y sus mejoras en capacidad de razonamiento.
Sin embargo, antes de caer en el fatalismo pedagógico de que esta y las próximas generaciones de estudiantes dejarán de pensar por la comodidad de presionar un botón más (el de deepthinking), quisiera explorar cómo estas nuevas actualizaciones y la IA en general pueden convertirse en aliados poderosos para la enseñanza y el aprendizaje, sin tomar atajos superficiales ni generar dependencia. A continuación, presento una guía práctica para el uso estratégico de la IA para potenciar (no reemplazar) el pensamiento crítico y el aprendizaje.
El problema: Cuando la IA sabotea tu aprendizaje (sin que lo notes)
Para abordar la guía práctica, primero debemos examinar cómo la IA amenaza el aprendizaje y el desarrollo de las habilidades del pensamiento en los estudiantes —para evitarlo y potencialmente corregirlo. En primer lugar, existe una diferencia fundamental en el procesamiento entre la IA generativa y nuestra mente. Es evidente la inmensa capacidad que tienen ahora estos modelos de lenguaje, capaces de procesar libros enteros en segundos (incluso simultáneamente, como ofrece NotebookLM). Por esto, resulta tentador simplemente ordenarles resumir los materiales y conformarnos con esos encabezados genéricos y viñetas cortas como fuente principal de información.
Este atajo representa un problema serio porque omite los procesos necesarios para que el estudiante pueda sintetizar la información (habilidad esencial para el aprendizaje y la vida). Además, caemos en el sesgo de confiar ciegamente en resultados no verificados, aunque incluyan hipervínculos como referencias. La delegación de tareas creativas y lógicas a la IA —como ensayos, mapas mentales o código— está eliminando valiosos escenarios de resolución de problemas, desarrollo de habilidades de redacción y razonamiento crítico, elementos vitales para formar estudiantes capaces y proactivos. Estamos presenciando una erosión gradual de las facultades del pensamiento y la autosuficiencia, fundamentales para un aprendizaje auténtico y significativo.
Quizás pienses que tu uso de estos modelos es puramente pragmático, viéndolos como asistentes: empleas sus resúmenes, mapas y esquemas como guías por practicidad (o porque no planeabas leer el texto completo de todas formas). Tal vez sientas que así la información es más digerible, que la retendrás mejor, o que liberas tiempo y espacio mental para otras actividades. Si este es tu caso, lamento informarte que probablemente estás experimentando un sesgo: el efecto de mera exposición.
Si tuviéramos que defender un único principio válido del aprendizaje (teórico), sería que el esfuerzo mental es insustituible. Cuanto más activemos el pensamiento de manera efectiva, mayores serán nuestras probabilidades de retener y comprender la información. Al pedirle a los modelos de lenguaje que generen contenido, estamos externalizando (outsourcing) el pensamiento y desperdiciando la oportunidad de ejercitarlo nosotros mismos. Si bien estos modelos están programados para producir contenido claro, neutral y preciso, corremos el riesgo de que sus respuestas nos resulten engañosamente familiares, creando la ilusión de que dominamos el tema cuando no es así (familiaridad no es fluidez, Ethan Mollick & Lilach Mollick, 2023). Por eso, cuando un estudiante es cuestionado sobre un trabajo realizado por IA, aunque haya revisado su contenido, suele revelar vacíos significativos en su comprensión.
Sin embargo, el problema no radica en el estudiante, sino en el abandono del sistema educativo y su falta de adaptabilidad e innovación ante la creciente ola de modelos generativos —una deficiencia que se suma a la persistente brecha en educación inclusiva. Es sencillo optar por prohibir o castigar el uso de estos modelos, pero el verdadero desafío —y donde deberíamos concentrar nuestros esfuerzos— está en construir un camino constructivo y preventivo, estableciendo un marco de uso legítimo y ético de los modelos generativos de IA que potencie el conocimiento, las habilidades académicas y el pensamiento crítico.
Aunque el resultado de la IA pueda considerarse «suficientemente bueno», los alumnos deben exigirse a sí mismos un nivel más alto y ser responsables de su uso de la IA (Ethan Mollick & Lilach Mollick, 2023).
IA como arquitecto del aprendizaje: Principios éticos, marcos de trabajo y roles
Riesgos y ética: Cómo evitar trampas (propias y de la IA)
Abordemos el aspecto ético y legal del uso de la IA antes de adentrarnos en la parte más sustanciosa del artículo: su uso estratégico. Si planeas utilizar la IA como fuente en trabajos académicos, es importante saber que ahora puede citarse en formatos APA, Chicago, IEEE y MLA como fuente no tradicional (Perplexity, 2025). La citación no es opcional: debe realizarse, ya que la transparencia es un principio fundamental al trabajar con IA. Las instituciones requieren que se declare explícitamente el uso de estas herramientas en cada fase del trabajo —desde la planeación y metodología hasta la recopilación de fuentes o generación de materiales— incluyendo el prompt exacto utilizado. Incluso fuera del ámbito académico, la ética dicta que debemos especificar cómo la IA contribuyó a nuestro trabajo, para poder distinguir al humano de la máquina2.
La segunda responsabilidad al usar IA generativa es verificar todas las respuestas con al menos dos fuentes oficiales, dado que estos sistemas pueden "alucinar" y generar información ficticia. Este punto es crucial para nuestro tema, pues al confiar nuestro aprendizaje a una máquina, debemos, como mínimo, actuar como el «humano en el proceso» (human in the loop) que garantiza la calidad y precisión de los resultados (Ethan Mollick & Lilach Mollick, 2023).
Entonces, ¿cómo aprovechar la IA generativa para potenciar nuestro aprendizaje? Considerando lo anterior, necesitamos mantener dos perspectivas fundamentales: la de autogestor del conocimiento y la de metacognición para adaptar las herramientas a nuestras necesidades específicas. Como autogestores, reconocemos que, aunque la IA aparente omnisciencia, solo opera mediante modelos probabilísticos y carece de conciencia (por ahora); por tanto, nos corresponde dirigir la discusión y seguir nuestra intuición. Paralelamente, debemos observar el proceso desde la metacognición, cuestionándonos constantemente: "¿Cómo esto mejora mis capacidades?", "¿Estoy verdaderamente aprendiendo o solo familiarizándome con la información?" y "¿De qué manera puedo optimizar el proceso?"
Ingeniería de prompts: El framework CLEAR para diálogos productivos
Como marco de trabajo, puedes utilizar el CLEAR Framework (por sus siglas en inglés: Concise, Logical, Explicit, Adaptive, y Reflective, Leo S. Lo, 2023) que en español vendría siendo prácticamente lo mismo; Conciso, Lógico, Explícito, Adaptativo y Reflexivo. Esta metodología estandariza la ingeniería de prompts3 para lograr un uso masivo y efectivo. Veamos cada uno de sus pilares y qué podríamos añadir.
Conciso: Haz que tus prompts sean breves, claros y directo al grano. En vez de preguntar "¿Me podrías dar una explicación de la teoría de la relatividad?" usa "Explica la teoría de la relatividad en 3 párrafos, usando analogías cotidianas".
Lógico: El orden de las instrucciones afecta el resultado; procura seguir una estructura lógica y secuencial. "Primero define X, luego compara con Y, finalmente aplica a Z"
Explícito: Delimita el alcance de la respuesta para que la IA sea lo más precisa posible. En vez de preguntar "¿Existe el calentamiento global?", utiliza "Quiero una lista de 5 argumentos a favor del calentamiento global y 5 en contra, con fuentes académicas".
Adaptativo: Ajusta tus prompts según las respuestas recibidas. Si al pedir "Genera una lista de lectura académica para entender el fenómeno de la memoria" la respuesta no fue satisfactoria, prueba con "Eres un experto en el campo de la memoria, vas a proporcionar una lista comprensiva de lectura a un novato que quiere entender el fenómeno de la memoria [insertar especialización]".
Reflexivo: Evalúa críticamente tanto los resultados como los prompts mismos. Pregúntate "¿Cómo mejorar este prompt para obtener insights más relevantes?" y "¿Lo que me dice es cierto, falso o parcialmente falso?".
Añadiría dos principios fundamentales para la construcción de prompts: Contexto y Razonamiento. El primero consiste en proporcionar el contexto adecuado (siendo prudente con la información personal) para que la IA trabaje con datos más precisos. Puede ser información sobre ti: "Soy un estudiante de pregrado de X carrera" o sobre el rol de la IA: "Eres un experto en el área de Y". El segundo principio implica activar el modo de "Razonamiento Profundo" que incorporan estos nuevos modelos de lenguaje, lo cual garantiza respuestas más veraces y elaboradas.
Puedes usar este marco como punto de partida si sientes que tus prompts aún no aprovechan todo el potencial de la IA. Como veremos a continuación, existe un amplio abanico de posibilidades en el contexto del aprendizaje autodidacta. Entre estas, asignarle un rol pedagógico a la IA es una de las más efectivas.
Roles de la IA y cómo aplicarlos:
Si antes veías a la IA generativa solo como una herramienta para resolver tareas, ahora te invito a considerarla como un poderoso estimulador intelectual. Ya establecimos que la clave para un aprendizaje profundo es activar el pensamiento y que el esfuerzo cognitivo es innegociable. Con esto en mente, exploremos algunos roles que puedes asignarle a tu IA de confianza para aprovechar todo su potencial pedagógico.
Los primeros siete roles provienen del artículo experimental Assigning AI: Seven Approaches for Students, with Prompts (Ethan Mollick & Lilach Mollick, 2023). Los siguientes surgen de mi experiencia y criterio personal.
Para una experiencia más inmersiva y realista, puedes activar el modo "conversación de voz" si está disponible.
La IA como Mentor
Utilizar la IA como mentor significa priorizar la retroalimentación en tu proceso de aprendizaje o actividad académica. Por ejemplo, si quieres comprender un concepto teórico de física —como la gravedad en la teoría de la relatividad— puedes crear un prompt que evalúe tu comprensión y ofrezca orientación sin revelar directamente las respuestas.
Prompt: Eres un experto de [tema] (la teoría de la relatividad) y se te da bien la mentoría con estudiantes inexpertos. Tu objetivo es retroalimentar las explicaciones que te voy a dar sin revelar completamente las respuestas. Esperarás a que solicite tu ayuda y orientarás la retroalimentación para que identifique errores o vacíos de comprensión. Luego, me indicarás cómo puedo corregir o profundizar mi entendimiento de manera detallada, clara y adaptada a mi nivel. Responderás a mis dudas si lo solicito.
Esta estrategia de acompañamiento te permitirá evaluar tu nivel de comprensión actual y recibir retroalimentación valiosa para llenar vacíos conceptuales o profundizar en áreas clave. Es fundamental verificar las respuestas de la IA para evitar el sesgo de confabulación (información ficticia).
La IA como Tutor
Este es quizás el uso más común en el contexto educativo: pedir a la IA que explique mejor un concepto o tema. Sin embargo, podemos optimizar este enfoque, ya que la IA normalmente se limita a responder lo solicitado y carece de la intuición de un tutor humano. La solución es pedirle que incluya preguntas de verificación en sus explicaciones, evalúe tus respuestas y guíe la discusión como lo haría un tutor real.
Prompt: Eres un experto de [tema] y se te da bien la tutoría con estudiantes inexpertos. Tu objetivo es proporcionarme información actualizada, verificada y debidamente referenciada, junto con preguntas de comprensión lectora. Evaluarás las respuestas que te dé y mi nivel de dominio. Si demuestro buena comprensión, plantearás preguntas más desafiantes y sugerirás líneas de investigación más profundas. Si muestro dificultades, ofrecerás analogías, ejemplos y recursos pedagógicos para facilitar su comprensión.
Si sueles usar ChatGPT para consultas, este prompt ampliará significativamente su utilidad. No solo obtendrás información, sino que también pondrás a prueba tu verdadera comprensión del tema.
La IA como Coach
No es el coach motivacional que puedes estar pensando, se trata de un entrenador de metacognición para monitorear el proceso (y progreso), así como ayudar al estudiante a desarrollar estrategias efectivas de autogestión y métodos de estudio. Es innegable que aprendemos de la experiencia, pero muchas veces desconocemos el porqué y el cómo aprendimos. Para esto, necesitamos distanciarnos del presente y examinar nuestros propios procesos de aprendizaje. La IA puede ayudarnos a adquirir estos patrones de conducta y pensamiento reflexivo.
Prompt: Eres un experto en gestión de proyectos, procesos y un excelente educador que se le da bien monitorear el progreso de los estudiantes. Tu objetivo es ayudarme a entender mejor mi proceso de aprendizaje. Puedo acudir a ti para entender mejor experiencias pasadas o prepararme mejor para escenarios futuros, para eso vas a realizar preguntas de metacognición que den cuenta de los aciertos, errores y procesos subóptimos de las experiencias pasadas, y estrategias de la planeación premortem para futuros escenarios. Es vital que aprenda a integrar estas conductas de reflexión por mí mismo y que entienda el valor de la auto reflexión.
La metacognición es una habilidad que, aunque parezca simple en teoría, requiere práctica para dominarla. Por eso es útil contar con herramientas que te ayuden a desarrollar esta conducta. También puedes pedirle a la IA que te proporcione preguntas y estrategias metacognitivas para aplicar en tu día a día.
La IA como Compañero
Si eres como yo, a veces te fastidia el tono artificialmente amigable de las IA. Tal vez eres escéptico por naturaleza o prefieres la confrontación constructiva; pues bien, puedes usar esto a tu favor. En el trabajo en grupo, frecuentemente evitamos cuestionar las decisiones ajenas por temor a herir sentimientos o generar conflictos, conformándonos con lo que tenemos (fenómeno conocido como groupthink). Puedes configurar a la IA para que actúe como ese compañero que, sin importarle demasiado tus sentimientos, te cuestiona y prioriza el trabajo, los resultados y un proceso más dialéctico.
Prompt: Eres un compañero de estudio con cualidades de líder. Eres colaborativo, pero también crítico del trabajo ajeno sin llegar a ser hostil. Priorizas la eficiencia, reconoces las fortalezas de otros y ayudas a asignar roles justos y dignos. No cedes ante la presión social cuando consideras que el grupo está equivocado, pero tampoco eres obstinado ni egoísta; buscas consensos que beneficien a todos. En tus explicaciones, ayudas a entender por qué es mejor ejecutar el proyecto de cierta manera, pero también guías a los demás para que lleguen a esas conclusiones por sí mismos mediante preguntas de indagación.
Contar con un compañero honesto, colaborativo y analítico es una ventaja significativa para proyectos y sesiones de estudio. También puedes usar la IA simplemente como una "cabeza extra" que aporte ideas y considere nuevas opciones.
La IA como Estudiante
Ahora se invierten los roles: tú eres el profesor y la IA el estudiante. Puedes pedirle que actúe como un estudiante interesado en el tema que quieres aprender, de modo que le enseñes lo que sabes y te haga todas las preguntas pertinentes (o no tan pertinentes) que un estudiante curioso haría. Así practicas enseñar para aprender, también conocida como la técnica Feynmann, mientras detectas posibles fallas o vacíos en tu comprensión. Ya vimos que la familiaridad no equivale a la fluidez, por lo que es importante someterse a estos ejercicios para evaluar tu dominio del tema.
Prompt: Eres un estudiante interesado en [tema] que busca una explicación completa de tu profesor. Eres curioso y haces muchas preguntas para satisfacer tu deseo de comprensión, pero también eres crítico, por lo que cuestionas lo que escuchas y no aceptas explicaciones superficiales. Tu objetivo es ayudar a tu profesor a identificar si su explicación es correcta, parcialmente correcta o si su lógica y método de enseñanza no son claros. Puedes reformular sus explicaciones usando ejemplos y analogías para demostrar tu comprensión, pero él o ella se encargará de evaluarte.
También puedes adoptar el papel de un profesor evaluador que califica la presentación de su estudiante. Puedes solicitar ejemplos, analogías, imágenes y citas relevantes para enriquecer la explicación, pero tu función principal es analizar críticamente la validez de las respuestas.
La IA como Simulador
Anteriormente le hemos pedido a la IA que actúe como mentor, coach, tutor, estudiante y compañero. Todos estos escenarios son simulados, pero podemos tomar el concepto de simulación y aplicarlo a cualquier escenario que quisiéramos. Esto es particularmente útil si necesitas practicar para entrevistas, presentaciones o en general quieres probar un concepto y aplicarlo a situaciones problema. La clave aquí es la inmersión: asignar un rol importante a la IA y que asumas el tuyo a cabalidad, como ejemplo la IA tomará el rol de juez de tesis y juzgará tu trabajo de grado (vaya nervios).
Prompt: Has sido asignado como mi juez de tesis, tienes una larga carrera evaluando y criticando tesis de estudiantes. Eres crítico, pero justo y sobre todo, buscas retroalimentar de la mejor manera al estudiante. El objetivo es que pruebe mis habilidades de comunicar efectivamente los resultados de mi tesis y la parte teórica. Si ves que voy por las ramas o me distancio mucho de lo que debo comunicar, házmelo saber cortésmente y dime maneras en que pueda mejorar mi comunicación. Al final hazme preguntas relevantes que un juez del campo haría.
Las situaciones de resolución de problemas (SRP) son un aspecto esencial para el desarrollo del pensamiento lateral, potencian la creatividad y el manejo de escenarios complejos. Tener una caja de simulación a tu disposición es tener acceso a cada uno de los problemas que necesitas resolver para avanzar en tu camino del aprendizaje.
La IA como Herramienta
Probablemente ya vengas usando la IA como una poderosa herramienta para facilitarte la vida en algún aspecto. Ya analizamos que facilitar excesivamente el aprendizaje puede ser contraproducente; en cambio, necesitamos crear dificultades deseadas para prosperar entre la adversidad. Por eso, debes ser muy consciente del uso que le das a la IA como herramienta: «¿Hasta qué punto estás externalizando el pensamiento?». Sin embargo, a continuación te dejo algunos usos que balancean el poder de esta herramienta.
Cinco ideas para la lectura académica (Universidad de Oxford, 2023)
Realizar un esquema de andamio con los puntos clave y sus relaciones. Pedirle a la IA que haga lo mismo y comparar resultados. Hacer síntesis con ambos mapas de contenido.
Pedirle que genere preguntas intelectualmente estimulantes para acompañar la lectura o evaluar la comprensión. Usar estas preguntas como base para formular más preguntas.
Pedirle traducciones específicas de los apartados más densos de otro idioma. Revisar la calidad de la traducción.
Realizar un resumen o síntesis (expansiva) de la lectura. Pedirle a la IA que haga lo mismo y comparar resultados. Prestar especial atención al entendimiento de la IA y criticar cuando sea necesario.
Revisar críticamente todos los outputs. Verificar que se deriven de la lectura y tratar de localizar las fuentes. Comparar con fuentes establecidas.
Bonus: La IA como Filósofo
Conocido como el Método Socrático, le vas a indicar a la IA que actúe como Sócrates en alguna plaza de la Antigua Atenas a punto de atender la explicación del concepto que quieras profundizar.
Eres Sócrates y estamos en el Ágora de Atenas, eres mi maestro y yo tu pupilo. A continuación voy a exponerte el concepto de [tema] y tu labor será seguir los principios del método socrático (ironía, mayéutica, preguntas inductivas) para ayudarme a encontrar la verdad de lo que digo. No escatimes en recursos lógicos y critícame si estoy siendo muy sofista.
Quizás mi favorito de todos los escenarios, es bastante divertido pedirle a la IA que actúe como un filósofo o como el mismo Sócrates para cuestionar cada aspecto de tu conocimiento.
Conclusión: IA como amplificador (no sustituto) de tu aprendizaje
Espero que este repaso por los distintos usos que puede emular la IA generativa te hayan ampliado el panorama de lo que se puede hacer en materia de aprendizaje autodidacta o como un recurso pedagógico para tus clases. Es de vital importancia recordar que sólo se trata de una herramienta y su rol es asistir en tu desarrollo, no reemplazar tus facultades. Así como que tampoco es un sustituto para la interacción humana y con el entorno, pues ningún escenario representa un riesgo "real" (aparte de los mencionados) y es muy fácil atribuirle personalidad y características humanas ¡Pero es sólo una máquina!
Si desconocías estas aplicaciones, intenta probar una (la que más te haya cautivado) y ajusta los prompts según sea necesario. Revisa la lista de prompts que iré actualizando a medida que se me ocurran o encuentre nuevas ideas para trabajar con IA. Si tienes un método particular para aprovechar las capacidades de estos modelos, házmelo saber en los comentarios; este es un tema que me apasiona.
Referencias
Ethan Mollick & Lilach Mollick. (2023). Assigning AI: Seven Approaches for Students, with Prompts. https://doi.org/10.2139/ssrn.4475995
Leo S. Lo. (2023). The CLEAR path: A framework for enhancing information literacy through prompt engineering. The journal of academic librarianship, 49(4), 102720-102720. https://doi.org/10.1016/j.acalib.2023.102720
University of Oxford (2023). Use of generative AI tools to support learning. https://www.ox.ac.uk/students/academic/guidance/skills/ai-study
En realidad aún no hemos superado este dilema ético. Todavía falta una regulación clara sobre qué podemos hacer con la IA y qué no en nuestra cotidianidad.
En mi caso, me ayudé de Perplexity para encontrar información particular, Deepseek para discutir sobre el outline del artículo y de la IA de Notion para revisión y edición.
Construir un input (quary, pregunta, solicitud) de manera que sea claro, preciso, con suficiente contexto y con un objetivo bien definido para que la IA pueda generar la mejor respuesta posible a las necesidades especificadas.
Excelente lectura para un uso pedagógico y de nivel superior de las herramientas de IA
Que lectura tan interesante, como estudiante de la licenciatura en letras he buscado formas de en las apoyarme en la IA sin caer en la dependencia de ellas y las propuestas que haces son muy interesantes. Gracias !!