La expansión de la inteligencia artificial generativa en la educación superior ha creado una escena que ya resulta familiar. Un estudiante se sienta frente a una pantalla, formula una pregunta y recibe una respuesta elaborada en pocos segundos. Puede pedir otra explicación, solicitar ejemplos, resumir un texto, corregir un escrito o generar ideas. La interacción parece muy activa, pero ocurre casi siempre de manera individual. Es el estudiante frente a la inteligencia artificial y es esta la que hace todo.
Es que estamos utilizando
una tecnología nueva para reforzar una concepción bastante antigua del
aprendizaje.
En el informe de UNESCO
La pregunta resulta
especialmente relevante para la educación superior. Muchas de las herramientas
actuales prometen personalización, respuestas adaptadas, tutoría individual y
retroalimentación inmediata. Sin embargo, los problemas que los futuros profesionales
tendrán que enfrentar rara vez podrán resolverse mediante una conversación
aislada entre una persona y una máquina.
El cambio climático, los
conflictos sociales, los problemas educativos, la pobreza, la salud pública o
las transformaciones derivadas de la propia inteligencia artificial exigen
interpretar perspectivas diferentes, dialogar, contrastar información, negociar
significados y construir soluciones con otros.
La pregunta pedagógica
cambia entonces de dirección: ¿qué ocurre si dejamos de pensar en la IA
solamente como asistente de cada estudiante y comenzamos a considerarla como
una mediación dentro de procesos colectivos de aprendizaje?
De conversar con la IA
a pensar con otros
Casebourne y Wegerif
parten de una idea sugerente. La inteligencia no tiene que concebirse
únicamente como algo que existe dentro de la mente individual. También puede
emerger de las relaciones entre las personas. Por ello, el diálogo adquiere un
papel central en la inteligencia colectiva.
Pero dialogar significa
algo más que hablar. Implica formular preguntas, escuchar, cuestionar
supuestos, interpretar perspectivas diferentes y modificar las propias ideas
como resultado de la interacción. Los autores relacionan estas características
con las pedagogías dialógicas y con actividades abiertas donde los estudiantes
construyen conjuntamente explicaciones y soluciones.
Esta perspectiva
encuentra un punto de encuentro muy interesante con el enfoque histórico
cultural. No porque ambos planteamientos sean equivalentes, sino porque
permiten pensar el aprendizaje desde una concepción social. Desde la
perspectiva vigotskiana, el desarrollo de las funciones psicológicas superiores
tiene un origen social y está mediado por herramientas y signos culturales. El
estudiante no aprende simplemente recibiendo información, sino participando en
actividades con otros, apropiándose progresivamente de instrumentos culturales
y transformando esas experiencias en procesos internos. Por ello debemos
comprender que la inteligencia artificial no elimina esta relación, por el
contrario Introduce una nueva mediación dentro de ella.
El problema surge cuando
la IA ocupa el centro de la actividad y desplaza la interacción social. Un
estudiante pregunta, la IA responde y el estudiante acepta la respuesta. El
circuito puede ser eficiente, pero pedagógicamente pobre. Incluso cuando veinte
estudiantes realizan la misma tarea con veinte conversaciones independientes,
seguimos ante veinte procesos individuales. En este caso la tecnología genera muchas
respuestas sin generar necesariamente una construcción colectiva del
conocimiento.
Casebourne y Wegerif
proponen mirar en otra dirección. La IA podría facilitar proyectos en los que
los estudiantes recopilen información, contrasten perspectivas, interpreten
datos y elaboren soluciones comunes. También puede ayudar a traducir entre idiomas,
sintetizar posiciones diferentes o identificar puntos de consenso dentro de
grupos numerosos. Estas posibilidades podrían reducir algunas barreras que
dificultan la colaboración.
Pensemos en una clase
universitaria que estudia el abandono estudiantil. La actividad podría comenzar
sin IA, cada estudiante analiza el problema desde su experiencia, formación y
contexto. Después se contrastan perspectivas y se construyen preguntas comunes.
La IA puede incorporarse posteriormente para analizar documentos, organizar
información, sugerir interpretaciones o cuestionar argumentos. Pero sus
respuestas no constituyen el resultado de la actividad, se convierten en
un nuevo objeto de discusión. Un grupo puede aceptar una interpretación de
la IA, otro puede rechazarla y un tercero puede detectar un sesgo. Los
estudiantes deben explicar sus decisiones y construir una interpretación
colectiva.
La diferencia parece
pequeña, pero pedagógicamente es considerable. En el primer caso el
estudiante pregunta a la IA qué debe pensar. En el segundo, la respuesta de la
IA se convierte en un elemento para pensar con otros.
La paradoja de muchas
respuestas parecidas
Existe, sin embargo, un
problema que no debemos minimizar. La inteligencia artificial también puede
reducir la diversidad cognitiva de un grupo. Casebourne y Wegerif advierten que
cuando diferentes personas utilizan el mismo sistema de IA como fuente de
inspiración pueden terminar generando ideas similares. La aparente
multiplicación de respuestas podría ocultar una progresiva homogeneización del
pensamiento. Esta posibilidad merece especial atención en nuestras clases.
Un profesor puede
solicitar a treinta estudiantes que propongan soluciones para un problema.
Antes de la IA, las respuestas podían ser incompletas, desiguales e incluso
equivocadas, pero provenían de experiencias, conocimientos y procesos de
razonamiento diferentes.
Ahora treinta estudiantes
pueden consultar sistemas semejantes. Las respuestas serán probablemente más
correctas en su forma, mejor organizadas y lingüísticamente más elaboradas. Sin
embargo, también pueden parecerse considerablemente. Tendríamos treinta
productos, pero no necesariamente treinta perspectivas.
Aquí aparece una paradoja
educativa: la IA puede aumentar la producción individual y, al mismo tiempo,
disminuir la diversidad necesaria para construir inteligencia colectiva.
Este problema se agrava
porque los propios modelos se alimentan de conjuntos de datos que contienen
ausencias, desigualdades y sesgos. Si un grupo construye su discusión a partir
de respuestas semejantes generadas por sistemas entrenados con fuentes parcialmente
homogéneas, determinadas voces pueden quedar invisibilizadas. Los autores
advierten que estos procesos podrían reproducir e incluso amplificar prácticas
de exclusión. Por ello, la inteligencia colectiva no consiste en colocar a
varias personas alrededor de una herramienta de IA. Requiere preservar
la diferencia.
Antes de consultar una
IA, los estudiantes deberían tener oportunidades para expresar sus propias
interpretaciones. Después de recibir una respuesta automatizada, necesitan
contrastarla con otras fuentes, con sus compañeros y con la realidad que
estudian. Finalmente, deben explicar qué conservaron, qué rechazaron y qué
modificaron. En este proceso el docente mantiene una función decisiva.
Casebourne y Wegerif
destacan que los profesores tendrán que enseñar a dialogar, cuestionar,
desafiar e interpretar las recomendaciones automatizadas. También deberán
favorecer condiciones de respeto, empatía y participación que hagan posible una
auténtica construcción colectiva.
La función docente no
disminuye. Cambia.
Ya no consiste solamente
en proporcionar información que los estudiantes pueden obtener mediante una
máquina. El profesor diseña situaciones donde esa información debe ser
interpretada, confrontada y transformada mediante la interacción social.
Este cambio también
obliga a revisar la evaluación. Si continuamos calificando
exclusivamente el producto individual, será lógico que cada estudiante busque
la manera más eficiente de producirlo con ayuda de la IA. Si valoramos la
argumentación, la contrastación, la negociación de significados y la
construcción compartida de soluciones, la relación con la herramienta cambia. La
IA deja de ser una máquina para terminar tareas y comienza a formar parte de
una actividad intelectual colectiva.
El reto, por tanto, no
consiste en enseñar solamente a nuestros estudiantes a conversar mejor con
ChatGPT, Gemini, NotebookLM o cualquier herramienta que aparezca después.
Necesitamos enseñarles a pensar con otras personas en un contexto donde
también participan sistemas de inteligencia artificial.
Casebourne y Wegerif
imaginan una educación que no enseñe únicamente qué saber, sino también cómo
negociar significados, construir soluciones y desarrollar comprensiones
compartidas. Reconocen que todavía no existe una fórmula para conseguirlo. Será
necesario experimentar, reflexionar y construir nuevas prácticas. Tal vez esa
incertidumbre sea precisamente una oportunidad para la universidad.
Durante los últimos años
hemos preguntado con insistencia qué puede hacer cada estudiante con la
inteligencia artificial. La siguiente pregunta debería ser más exigente: ¿qué
podemos llegar a pensar y construir juntos, con ayuda de la IA, que ninguno de
nosotros podría alcanzar por separado?
Ese cambio de pregunta
puede conducirnos desde una inteligencia artificial centrada en el individuo
hacia una pedagogía de la inteligencia colectiva.
Referencias
Casebourne, I., & Wegerif, R.
(2026). AI and education for collective intelligence: A futures perspective.
In UNESCO, The algorithm in the room: Seeing and confronting the
implications of AI for the future of education (pp. 145–150). UNESCO
UNESCO.
(2026). The algorithm in the room: Seeing and confronting the implications
of AI and the futures of educationThe algorithm in the room: Seeing and
confronting the implications of AI and the futures of education. UNESCO. https://doi.org/10.54675/PMRO5023
