Hablamos mucho de los riesgos de la IA, pero muy poco de aprender a usarla

Hace algunos años uno de nuestros problemas era la infoxicación. Internet colocó ante nosotros una cantidad de información que superaba nuestra capacidad para leerla, procesarla y valorarla. Tener acceso a más información no significaba estar mejor informados. Había que aprender a buscar, seleccionar, contrastar y decidir qué merecía nuestra atención. La inteligencia artificial generativa no eliminó ese problema: lo transformó.

Ahora no tenemos solamente miles de documentos, noticias, videos y enlaces esperando ser consultados. Tenemos herramientas capaces de leerlos, resumirlos, compararlos y convertirlos en una respuesta aparentemente coherente. Ya no necesitamos recorrer decenas de páginas para encontrar una explicación, podemos escribir una pregunta y recibirla en segundos.

Este cambio parece resolver una parte de la infoxicación. Si antes el problema era encontrar una respuesta entre demasiada información, ahora la IA puede organizar esa información por nosotros. Pero surge otra dificultad: ¿qué hacemos con una respuesta que parece correcta, está bien redactada y llega prácticamente terminada?

Esta pregunta adquiere mayor significado después de leer el trabajo de Selma Hodzic, Anja Stevic y Jörg Matthes, publicado en 2026 en Technology in Society (Hodzic et al., 2026). Los autores realizaron una revisión paraguas sobre la inteligencia artificial generativa. Este tipo de indagación consiste en una revisión que analiza y sintetiza los resultados de varias revisiones sistemáticas o metaanálisis previamente publicados sobre un mismo tema. Loa autores analizaron 170 revisiones para conocer qué estamos investigando acerca de sus beneficios, riesgos, cuestiones éticas, alfabetización y regulación. La educación representa el 27 % de los trabajos estudiados, después de salud, con el 31 %, y antes de tecnología, con el 28 %.

Los resultados dejan una paradoja que merece ser examinada desde la educación.

Sabemos bastante sobre los riesgos y beneficios, pero falta algo

La inteligencia artificial generativa ha provocado una discusión que con frecuencia parece dividirse entre quienes destacan sus posibilidades y quienes advierten sus peligros. La revisión de Hodzic y sus colaboradores muestra una situación menos polarizada. Prácticamente todos los estudios analizados reconocen beneficios y riesgos. El problema no está en ignorar unos para defender los otros, sino en determinar qué hacemos frente a ambos.

Entre los beneficios aparecen la eficacia, la automatización, el apoyo a la toma de decisiones y la personalización. Esta última tiene un peso particular en educación. El 80 % de los trabajos educativos examinados menciona la personalización, frente al 62 % en tecnología y el 57 % en salud.

El dato resulta comprensible. Desde la perspectiva educativa, una herramienta capaz de adaptar explicaciones, generar ejemplos, responder preguntas o modificar el nivel de complejidad de una respuesta tiene enormes posibilidades. Un estudiante puede solicitar otra explicación cuando no comprende la primera. Un profesor puede crear ejemplos relacionados con diferentes contextos. La interacción puede adaptarse a necesidades que difícilmente podrían atenderse de manera individual en grupos numerosos.

Pero la misma revisión muestra la otra cara. El 91 % de los trabajos educativos aborda riesgos. Los problemas éticos aparecen en el 82 %, los sesgos en el 71 %, la privacidad en el 62 % y los problemas de seguridad en el 31 %. Hasta aquí podríamos sentirnos relativamente tranquilos. La investigación reconoce las posibilidades de la IA y también identifica sus problemas. Sin embargo, hay un dato que cambia la lectura.

Solamente el 44 % de los trabajos educativos analizados aborda la alfabetización en inteligencia artificial. En salud el porcentaje cae al 6 % y en tecnología al 10 %. Los propios autores advierten que la importancia de esta alfabetización todavía no está plenamente reconocida y relacionan esta carencia con la falta de programas estructurados que permitan a los usuarios evaluar críticamente los resultados producidos por la IA.

Aquí aparece una contradicción. Estamos dedicando una enorme atención a conocer qué puede hacer la inteligencia artificial y qué riesgos genera, pero mucha menos a estudiar cómo preparar a las personas para trabajar con ella.

Podemos trasladar el problema a una situación cotidiana. Un estudiante pregunta a una IA sobre un tema que desconoce. Recibe una explicación organizada, con conceptos, ejemplos y argumentos. ¿Cómo determina que la respuesta es correcta? ¿Qué elementos le permiten reconocer un sesgo? ¿Cómo identifica una afirmación que necesita ser verificada? ¿Cómo distingue una explicación convincente de una explicación científicamente sustentada?

No basta con advertirle que la IA puede equivocarse. Necesita criterios para descubrir cuándo se equivoca.

Tampoco basta con decirle que debe desarrollar pensamiento crítico. Tiene que aprender qué operaciones concretas realiza para analizar una respuesta, contrastarla con otras fuentes, identificar sus limitaciones y decidir qué puede aceptar, modificar o rechazar.

La alfabetización en IA no debería reducirse a aprender a escribir mejores prompts. Saber conversar con una herramienta no equivale a saber pensar con ella.

De la infoxicación a la aitoxicación

Durante años hemos relacionado la infoxicación con el exceso de información. El sujeto se encontraba frente a más contenidos de los que podía procesar. Su dificultad principal consistía en seleccionar. La IA introduce una modificación profunda. El exceso ya no llega únicamente en forma de documentos dispersos, llega convertido en respuestas.

En trabajos anteriores en el blog denominamos aitoxicación a esta nueva situación. La diferencia no es solamente terminológica. La infoxicación puede producir la sensación de estar perdido entre demasiada información. La aitoxicación puede producir exactamente la sensación contraria: creer que ya encontramos lo que necesitábamos.

Una respuesta bien construida transmite orden, un resumen reduce la complejidad. Una explicación fluida produce sensación de comprensión. La herramienta puede comparar documentos que no hemos leído y entregarnos las diferencias principales. También puede redactar un texto que después asumimos como propio.

El riesgo cambia de lugar.

La infoxicación nos obligaba a preguntarnos qué leer. La aitoxicación nos obliga a preguntarnos qué cuestionar. En el libro sobre este tema hemos planteado que la aitoxicación no aparece por la mera existencia de muchas respuestas. Surge cuando la respuesta reduce la necesidad de formular preguntas, examinar supuestos y reconstruir el sentido. La fluidez lingüística puede generar apariencia de validez y una estructura ordenada puede confundirse con profundidad.

Aquí los resultados de Hodzic, Stevic y Matthes encuentran un punto de contacto con esta idea. Su revisión no utiliza el concepto de aitoxicación, pero muestra una carencia que ayuda a comprenderlo: conocemos los riesgos, reconocemos los beneficios y, sin embargo, la preparación del usuario recibe mucha menos atención.

Hay otro resultado que merece detenerse. Más del 90 % de los trabajos examinados son revisiones sistemáticas, de alcance o narrativas. Los estudios bibliométricos representan alrededor del 5 % y los metaanálisis apenas el 1 %. Los autores reclaman más evaluaciones empíricas sobre la adopción de la IA. Para la educación esto plantea una tarea concreta. Necesitamos investigar menos solamente sobre lo que la IA podría hacer y observar más lo que profesores y estudiantes realmente hacen con ella.

Necesitamos entrar al aula.

¿Qué sucede cuando un estudiante recibe una respuesta incorrecta pero convincente? ¿La detecta? ¿Qué hace cuando dos herramientas ofrecen explicaciones diferentes? ¿Consulta las fuentes originales? ¿Pregunta antes de pensar el problema o después de elaborar una primera respuesta? ¿Utiliza la IA para ampliar su razonamiento o para evitarlo? ¿Puede explicar sin ayuda aquello que acaba de entregar?

Estas preguntas desplazan la discusión desde la tecnología hacia el sujeto.

En otro trabajo sobre la ruta visible del aprendizaje con IA propusimos que el estudiante no entregue solamente el producto final. Debe reconstruir el proceso seguido, justificar las fuentes seleccionadas, explicar sus instrucciones a la IA, valorar las respuestas recibidas y argumentar las decisiones tomadas. La finalidad no consiste en vigilar cuánto utilizó la herramienta, sino en obtener evidencias de que hubo aprendizaje.

La misma lógica aparece en el modelo C.A.R.E. que hemos propuesto frente a la aitoxicación: Curar, Analizar, Recontextualizar y Evaluar. Curar obliga a seleccionar antes de aceptar. Analizar introduce la duda ante una respuesta convincente. Recontextualizar exige relacionarla con una situación concreta. Evaluar obliga a revisar tanto el resultado como el proceso seguido.

No se trata, entonces, de utilizar menos inteligencia artificial. Tampoco de aumentar las prohibiciones. Se trata de formar mejores usuarios.

La revisión de Hodzic y sus colaboradores termina reclamando una aproximación que combine innovación, protección ética, gobernanza transparente y una alfabetización amplia en inteligencia artificial. Desde la educación podemos añadir algo: esa alfabetización debe convertirse en experiencia pedagógica.

Un estudiante no aprende a evaluar la IA porque le expliquemos sus riesgos. Aprende cuando tiene que comparar respuestas, detectar errores, verificar fuentes, justificar decisiones y defender lo que finalmente afirma.

La infoxicación nos enseñó que acceder a la información no equivale a conocer.

La inteligencia artificial nos coloca frente a una lección más compleja: recibir una buena respuesta tampoco equivale a comprenderla.

Tal vez por eso la pregunta educativa más necesaria ya no sea cuánto saben nuestros estudiantes sobre inteligencia artificial. Tendríamos que empezar a preguntar algo diferente: ¿Qué son capaces de pensar, cuestionar y decidir después de utilizarla?

Referencias

Hodzic, S., Stevic, A., & Matthes, J. (2026). Generative AI in practice: An umbrella review of risks, benefits, ethics, and future directions across major domains. Technology in Society, 87, 103331. https://doi.org/10.1016/J.TECHSOC.2026.103331

 

Los discursos persuasivos frente a la aitoxicación

 

La pantalla cambia cada pocos segundos. Un titular asegura que una bebida “activa el cerebro”; otro video afirma que aprender un idioma ya no es necesario porque la inteligencia artificial puede traducirlo todo en tiempo real. Un creador digital explica con absoluta seguridad un tema científico sin mostrar evidencia verificable, mientras una inteligencia artificial redacta textos aparentemente académicos aunque muchas veces resulte difícil identificar el origen real de las ideas que contiene.

Entre imágenes veloces, frases emocionales, música estimulante y respuestas automatizadas, comienza a surgir una sensación inquietante: cada vez resulta más difícil distinguir entre información, persuasión y simulación de conocimiento.

En este contexto, los textos persuasivos han adquirido una presencia dominante dentro de los medios electrónicos contemporáneos. Un texto persuasivo es aquel cuyo propósito principal no consiste únicamente en informar, sino en influir sobre pensamientos, emociones, decisiones o comportamientos del receptor. Su intención es provocar una reacción: consumir, compartir, creer, apoyar, rechazar o actuar frente a determinada idea.

Para lograrlo, estos discursos utilizan mecanismos específicos como apelaciones emocionales, simplificación extrema, lenguaje de urgencia, repetición constante, validación aparente y estímulos audiovisuales diseñados para captar atención rápidamente (Perelman & Olbrechts-Tyteca, 1989).

Tradicionalmente, los textos persuasivos podían identificarse con relativa claridad en ámbitos como la publicidad, la propaganda política o los discursos ideológicos. Sin embargo, el desarrollo de los medios electrónicos y las plataformas digitales transformó profundamente sus formas de operación. Actualmente, la persuasión ya no aparece únicamente en anuncios visibles; se encuentra integrada en redes sociales, videos cortos, titulares digitales, recomendaciones algorítmicas, narrativas virales e incluso contenidos generados mediante inteligencia artificial.

Diversos estudios sobre plataformas digitales y economía de la atención sostienen que los algoritmos priorizan contenidos capaces de generar interacción inmediata mediante emociones intensas como sorpresa, miedo, indignación o identificación afectiva. En consecuencia, muchos usuarios dejan de consumir información para comprender y comienzan a hacerlo principalmente para reaccionar. En este escenario, la velocidad de circulación de los mensajes suele imponerse sobre la profundidad del análisis crítico.

Este fenómeno resulta especialmente preocupante en contextos educativos, donde los estudiantes interactúan diariamente con grandes volúmenes de contenido breve, visual y emocionalmente intenso. Algunos estudios recientes advierten que la sobreexposición a contenidos rápidos y fragmentados puede dificultar procesos de lectura profunda, contraste de fuentes y construcción de pensamiento crítico (Gallent-Torres, Zapata-González & Ortego-Hernando, 2023).

La inteligencia artificial ha intensificado todavía más este escenario. Actualmente, los sistemas generativos pueden producir textos coherentes, argumentos estructurados y respuestas aparentemente rigurosas en cuestión de segundos. Sin embargo, la coherencia lingüística no garantiza comprensión epistemológica ni veracidad científica. La IA no comprende el conocimiento que reproduce; reorganiza patrones lingüísticos a partir de grandes volúmenes de datos (UNESCO, 2023). A pesar de ello, muchos usuarios interpretan la fluidez discursiva como sinónimo de autoridad intelectual.

Este fenómeno ha comenzado a generar nuevas formas de dependencia informativa. La infoxicación, concepto desarrollado por Cornella (2000), hace referencia a la saturación de información que dificulta el análisis, la comprensión y la toma de decisiones. En una reciente obra propusimos que la aitoxicación, es la saturación cognitiva, emocional, pedagógica y cultural producida por la sobreexposición a información, herramientas y respuestas generadas o mediadas por inteligencia artificial, que debilita la duda, reduce el juicio crítico y favorece la delegación progresiva del pensamiento.(Bravo, Carlos, Sánchez Mercedes, 2026)

Los discursos persuasivos operan con enorme eficacia dentro de este entorno saturado. Muchas veces no buscan promover comprensión profunda, sino mantener atención constante. La combinación entre algoritmos de recomendación, inteligencia artificial y producción masiva de contenidos emocionales favorece la construcción de ecosistemas digitales donde la manipulación discursiva puede pasar desapercibida.

Por ello, aprender a leer y escribir en la era de la inteligencia artificial implica desarrollar nuevas competencias críticas. Leer ya no significa únicamente comprender palabras, sino también evaluar intenciones, verificar fuentes, reconocer sesgos y distinguir entre información fundamentada y persuasión emocional.

Asimismo, escribir académicamente exige más que producir textos formalmente correctos. Implica elaborar pensamiento propio, construir argumentos sustentados y utilizar las herramientas tecnológicas de manera ética y transparente. La inteligencia artificial puede convertirse en una herramienta de apoyo útil para organizar ideas, sintetizar información o corregir aspectos formales; sin embargo, cuando sustituye completamente la reflexión intelectual del autor, existe el riesgo de empobrecer el aprendizaje y debilitar la autonomía crítica.

Nicholas Carr (2010) advierte que las tecnologías digitales no solo modifican nuestras formas de acceder a la información, sino también nuestros hábitos de atención y procesamiento cognitivo. Del mismo modo, Postman (1994) señala que los medios tecnológicos transforman la manera en que las sociedades interpretan la realidad. Estas reflexiones permiten comprender que el problema actual no radica únicamente en la existencia de inteligencia artificial, sino en la forma acrítica en que muchas veces se consume y reproduce la información.

Frente a este panorama, la educación enfrenta un desafío central: formar ciudadanos capaces de pensar críticamente dentro de entornos digitales cada vez más automatizados y persuasivos. Esto implica fortalecer la alfabetización mediática, la ética del uso tecnológico y la capacidad de cuestionar discursos aparentemente legítimos.

La aitoxicación representa riesgos reales para la formación intelectual contemporánea. En una época donde producir información resulta cada vez más fácil, el verdadero desafío consiste en desarrollar la capacidad de interpretarla críticamente, contextualizarla y utilizarla con responsabilidad.

Referencias

Bravo C, Sánchez M (2026) La nueva Aitoxicación del conocimiento. https://acortar.link/aitoxicacion

Carr, N. (2010). Superficiales: ¿Qué está haciendo Internet con nuestras mentes? Taurus.

Cornella, A. (2000). Cómo sobrevivir a la infoxicación. Infonomia.

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2). https://doi.org/10.30827/relieve.v29i2.29134

Perelman, C., & Olbrechts-Tyteca, L. (1989). Tratado de la argumentación: La nueva retórica. Gredos.

Postman, N. (1994). Tecnópolis: La rendición de la cultura a la tecnología. Círculo de Lectores.

UNESCO. (2023). Orientaciones para el uso de la inteligencia artificial generativa en educación e investigación. UNESCO Publishing.

 

La nueva aitoxicación del conocimiento

Nadie se dio cuenta de cuándo ocurrió. No hubo un momento preciso ni una señal que lo anunciara. Simplemente, un día empezamos a hacer las cosas más rápido: a comprender sin profundizar, a responder sin detenernos, a confiar en respuestas que aparecían antes de que termináramos de formular la pregunta.

Durante siglos, el diagnóstico fue claro: el problema era la escasez de información. Se asumía que ampliar el acceso al conocimiento permitiría mejorar la comprensión, fortalecer el pensamiento crítico y democratizar el saber. Ese objetivo se logró en buena medida. Hoy la información no solo es abundante, sino ubicua, inmediata y, en muchos casos, anticipatoria.

Sin embargo, en medio de esta expansión se produjo un desplazamiento menos visible, pero más profundo. Dejamos de pensar para buscar y comenzamos a buscar, o incluso a recibir, sin haber pensado antes. Las respuestas empezaron a llegar primero; el pensamiento, si aparece, lo hace después.

La irrupción de la inteligencia artificial marca un punto de inflexión. No se limita a facilitar el acceso a la información. Interviene en los recorridos del pensamiento: acorta búsquedas, organiza respuestas y reduce la fricción que históricamente acompañaba al acto de comprender. En ese contexto, pensar comienza a percibirse como un esfuerzo evitable.

El problema no radica en la tecnología en sí misma, sino en la relación que establecemos con ella. La claridad aparente, la inmediatez y la disponibilidad constante generan una ilusión de comprensión que puede sustituir los procesos de elaboración intelectual. Comprender no es recibir información; implica interrogarla, ponerla a prueba y apropiarse de ella.

A este fenómeno lo denominamos aitoxicación. No se trata únicamente de un exceso de información mediada por inteligencia artificial, sino de una transformación en la forma en que nos vinculamos con el conocimiento. La aitoxicación se manifiesta en la reducción de la duda, en la superficialidad interpretativa y en la delegación progresiva del pensamiento hacia sistemas que operan con rapidez, pero sin criterio humano.

Comprender este fenómeno exige situarlo en una trayectoria más amplia. La sobrecarga informativa no es nueva; ha acompañado a la humanidad desde la oralidad, la escritura y la imprenta hasta la era digital. Sin embargo, la inteligencia artificial introduce una diferencia cualitativa: ya no solo amplifica la información, sino que modifica las condiciones bajo las cuales pensamos con ella. En este desplazamiento, la infoxicación se transforma en aitoxicación, y con ello cambia no solo la cantidad de información disponible, sino la forma en que la procesamos.

Frente a este escenario, la respuesta no puede reducirse al rechazo ni a la desconexión. La inteligencia artificial forma parte del entorno contemporáneo y seguirá expandiéndose. El desafío no consiste en evitarla, sino en aprender a relacionarnos con ella sin perder la capacidad de pensar.

Este libro no busca rechazar ni idealizar la inteligencia artificial. Propone comprender cómo se configura la aitoxicación, cómo impacta en la mente, la docencia y la construcción del conocimiento, y cómo sostener una relación distinta con la tecnología. El libro se divide en cuatro partes y doce capítulos. La primera parte la denominamos el nacimiento de una nueva intoxicación; la segunda trató los síntomas de la aitoxicación; la tercera, la aitoxicación en educación, docencia e investigación, y en la cuarta exponemos el modelo C.A.R.E

Lo invitamos a obtener el libro en formato Kindle en esta dirección

 

De la traducción automática a la aitoxicación lingüística: cuando la IA sustituye la comprensión humana

En colaboración con Mercedes Leticia Sánchez Ambriz

Durante décadas, aprender un idioma implicó mucho más que memorizar vocabulario o repetir estructuras gramaticales. Significaba desarrollar sensibilidad cultural, interpretar contextos, comprender matices y construir puentes reales entre distintas formas de pensar el mundo.

Sin embargo, la expansión acelerada de la inteligencia artificial ha comenzado a transformar profundamente esta relación entre lenguaje y comprensión. Hoy, millones de personas utilizan sistemas de traducción automática capaces de traducir textos completos en segundos, generando la sensación de que aprender una lengua extranjera ya no resulta necesario.

La promesa parece irresistible: comunicación inmediata, rapidez y eliminación de barreras lingüísticas. No obstante, detrás de esta aparente eficiencia emerge un fenómeno cada vez más preocupante: la aitoxicación lingüística. Este concepto puede entenderse como una forma de dependencia tecnológica que privilegia la velocidad comunicativa por encima de la comprensión profunda, debilitando progresivamente la autonomía intelectual, el pensamiento crítico y la interpretación contextual.

Diversos estudios recientes han advertido que la inteligencia artificial generativa está modificando las dinámicas de aprendizaje, producción académica y relación con el conocimiento (Gallent-Torres et al., 2023). Asimismo, investigaciones sobre ética educativa señalan que el uso acrítico de herramientas automatizadas puede generar comprensión superficial, dependencia tecnológica y pérdida de habilidades cognitivas complejas (Flor-Terán & Sandoval-Reyes, 2024).

La inteligencia artificial puede asistir procesos de traducción y facilitar la comunicación global; sin embargo, cuando reemplaza el aprendizaje lingüístico, la validación humana y el análisis contextual, favorece procesos de aitoxicación caracterizados por dependencia tecnológica, comprensión superficial, debilitamiento del pensamiento crítico y vulnerabilidad informativa.

La ilusión de comprender

Uno de los mayores riesgos de la traducción automatizada no es únicamente el error técnico, sino la falsa sensación de comprensión que produce. La IA permite acceder instantáneamente a textos académicos, conversaciones, libros o investigaciones escritas en otros idiomas; sin embargo, comprender palabras no equivale necesariamente a comprender significados.

Un estudiante puede traducir un artículo científico completo sin poseer realmente las competencias lingüísticas necesarias para interpretar ironías, contextos culturales, terminología especializada, ambigüedades o intenciones discursivas. En este sentido, la traducción automática genera una experiencia cognitiva engañosa: el usuario cree dominar información internacional cuando, en realidad, depende completamente de interpretaciones algorítmicas.

Gallent-Torres et al. (2023) indican que las herramientas de inteligencia artificial generativa pueden favorecer nuevas formas de superficialidad académica cuando sustituyen los procesos de elaboración intelectual y reflexión crítica. Del mismo modo, Caldevilla-Domínguez (2024) sostiene que el uso ético de la IA en la educación superior exige evitar que la automatización sustituya el desarrollo auténtico de competencias humanas.

En este contexto, la aitoxicación no solo implica saturación de contenidos producidos por inteligencia artificial; también representa una progresiva renuncia al esfuerzo intelectual que exige comprender profundamente otro idioma.

Rapidez sin profundidad

Autores como Nicholas Carr (2011) ya advertían que Internet estaba modificando nuestros hábitos neuronales relacionados con la atención, la memoria y la lectura profunda. La traducción automatizada amplifica este fenómeno porque transforma el lenguaje en un proceso instantáneo de consumo y no de reflexión.

Antes, aprender una lengua extranjera implicaba paciencia, memoria, análisis semántico, interpretación cultural y esfuerzo cognitivo sostenido. Hoy, la lógica dominante parece ser distinta: copiar, pegar y traducir automáticamente.

La consecuencia no es solamente tecnológica; es formativa. Cuando la inteligencia artificial sustituye sistemáticamente el proceso de aprendizaje lingüístico, el sujeto comienza a perder herramientas esenciales para cuestionar información, detectar errores, identificar sesgos y validar significados.

Ibarra-Beltrán et al. (2023) destacan que la dependencia excesiva de tecnologías digitales puede afectar la autenticidad del aprendizaje y debilitar el compromiso ético con la producción académica.

La comodidad algorítmica puede terminar debilitando capacidades humanas fundamentales, especialmente cuando el acceso inmediato a respuestas sustituye el desarrollo gradual de habilidades cognitivas complejas.

Traducción automática y vulnerabilidad informativa

Existe además un problema mucho menos visible: la cesión masiva de información sensible a plataformas privadas.

Cada vez que un usuario traduce contratos, investigaciones, correos institucionales, patentes, documentos médicos o conversaciones estratégicas, comparte información con sistemas alojados en la nube, cuyos procesos internos rara vez son comprendidos completamente por quienes los utilizan.

La mayoría de las personas desconoce que muchos sistemas de inteligencia artificial funcionan mediante el análisis masivo de datos ingresados por los usuarios. La rapidez termina normalizando prácticas de exposición informativa que hace algunos años habrían parecido impensables.

Flor-Terán y Sandoval-Reyes (2024) opinan que uno de los principales desafíos éticos de la IA educativa se relaciona con la privacidad de los datos y la falta de transparencia algorítmica. De igual forma, Caldevilla-Domínguez (2024) advierte que el uso intensivo de IA en entornos universitarios puede generar riesgos asociados con vigilancia tecnológica, pérdida de autonomía y deshumanización de los procesos educativos.

La aitoxicación también opera aquí: la necesidad inmediata de obtener resultados rápidos reduce la capacidad de evaluar críticamente los riesgos asociados con la exposición digital de información sensible.

La pérdida del vínculo cultural

Aprender un idioma no consiste únicamente en traducir palabras. También implica comprender visiones del mundo, estructuras culturales, formas de cortesía, referencias históricas y maneras específicas de interpretar la realidad.

Cuando la traducción automática reemplaza completamente el proceso de aprendizaje lingüístico, se debilita también el contacto humano con otras culturas. El lenguaje deja de ser experiencia cultural y se transforma en simple transferencia mecánica de información.

Egan (2024) comenta que los procesos relacionados con plagio, automatización y apropiación intelectual deben entenderse no solo como problemas técnicos, sino también como fenómenos culturales vinculados con responsabilidad, autenticidad y construcción del conocimiento.

En consecuencia, depender exclusivamente de traducciones algorítmicas puede empobrecer la experiencia intercultural y reducir el lenguaje a un mecanismo utilitario desprovisto de profundidad humana.

Conclusiones

La inteligencia artificial ha transformado radicalmente las dinámicas de comunicación global y ha facilitado el acceso inmediato a contenidos en múltiples idiomas. Sin embargo, esta eficiencia tecnológica también plantea riesgos educativos, cognitivos y éticos que no pueden ser ignorados.

La traducción automática constituye una herramienta útil de apoyo lingüístico, pero se vuelve problemática cuando sustituye completamente el proceso humano de aprendizaje, interpretación y comprensión crítica. En estos casos, emerge la aitoxicación lingüística: una dependencia tecnológica caracterizada por comprensión superficial, debilitamiento del pensamiento crítico y pérdida progresiva de autonomía intelectual.

Asimismo, la mediación algorítmica excesiva del lenguaje puede generar vulnerabilidades asociadas con privacidad de datos, exposición informativa y reducción del vínculo cultural que históricamente ha acompañado el aprendizaje de idiomas. Comprender otra lengua implica mucho más que acceder a equivalencias léxicas; supone interpretar contextos, reconocer matices y construir sensibilidad intercultural.

Frente a este escenario, las instituciones educativas deben promover una alfabetización digital crítica que enseñe a utilizar la inteligencia artificial como herramienta complementaria y no como reemplazo del pensamiento humano. El desafío contemporáneo no consiste únicamente en aprender a usar IA, sino en conservar las capacidades cognitivas, éticas y culturales que hacen posible comprender el mundo más allá de la automatización.

En definitiva, aprender idiomas continúa siendo una experiencia profundamente humana. La inteligencia artificial puede procesar y traducir estructuras lingüísticas, pero todavía no puede reemplazar completamente los procesos humanos de interpretación crítica, experiencia cultural y construcción reflexiva del conocimiento.

Referencias

Caldevilla-Domínguez, D. (2024). Usos éticos de la IA en la universidad moderna: Más allá del plagio. EDU Review, 12(1), 57-65. https://doi.org/10.37467/revedu.v12.5184

Carr, N. (2011). Superficiales: ¿Qué está haciendo Internet con nuestras mentes? Taurus.

Egan, L. (2024). Plagiarism: History, culture, and prevention. University of North Dakota.

Flor-Terán, G. A., & Sandoval-Reyes, P. A. (2024). La ética en el uso de la inteligencia artificial (IA) en la educación: desafíos y oportunidades. Polo del Conocimiento, 9(11), 255-282. https://doi.org/10.23857/pc.v9i11.8276

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2). https://doi.org/10.30827/relieve.v29i2.29134

Ibarra-Beltrán, Á. de J., Aguayo-Álvarez, Z., & Velázquez-García, R. E. (2023). Desmitificando el plagio digital: percepciones y realidades de la ética estudiantil desde el Centro Universitario de Tonalá. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(5), 1418-1431. https://doi.org/10.56712/latam.v4i5.1403

 

Aitoxicación: hiperestimulación digital y crisis de la atención en la era algorítmica

 

“Solo iba a jugar cinco minutos”.

¡Eso pensé mientras abría Block Blast! antes de empezar la tarea. Una partida rápida. Solo una. Pero después apareció otra combinación de colores, otro sonido satisfactorio, otra recompensa inmediata. Perdí la noción del tiempo.

Luego abrí Roblox.

Entré “un momento” para explorar un mapa nuevo y terminé saltando entre mundos, recompensas, sonidos, chats y estímulos visuales constantes. Todo cambiaba rápido. Todo se movía. Todo estaba diseñado para mantenerme ahí.

Más tarde intenté leer un texto para la escuela.

Dos páginas.

No pude continuar.

El cerebro me pedía otra cosa.

Quería movimiento.

Quería imágenes.

Quería sonido.

Quería velocidad.

Y entonces apareció una escena cada vez más común en muchos hogares y aulas: niños que observan un libro y preguntan inmediatamente si “hay video”. Estudiantes que encuentran difícil sostener la atención en un texto escrito porque su cerebro se ha habituado a dinámicas de hiperestimulación digital donde siempre ocurre algo nuevo cada pocos segundos.

Muchos niños ya no solo desean entretenimiento: demandan acción constante. Necesitan ver personajes moviéndose a toda velocidad, colores cambiando rápidamente, sonidos inmediatos, recompensas instantáneas y pantallas donde siempre ocurra algo nuevo. La quietud comienza a percibirse como aburrimiento. El silencio se vuelve incómodo. La pausa pierde valor frente al estímulo permanente.

Ya no basta leer.

Ahora muchos necesitan “ver”.

Necesitan movimiento constante, recompensas inmediatas, estímulos visuales rápidos y cambios permanentes de atención. Pero además aparece otro fenómeno silencioso: la necesidad continua de información digital.

Muchos niños, adolescentes e incluso adultos ya no toleran fácilmente los espacios de silencio, pausa o desconexión. Existe una necesidad permanente de revisar notificaciones, consumir videos, desplazarse infinitamente en redes sociales, consultar contenido nuevo o mantenerse continuamente estimulados digitalmente. El cerebro comienza a acostumbrarse a un flujo ininterrumpido de información y entretenimiento. Antes de salir de la casa, el primer objeto que llevamos con nosotros es el celular.

Incluso momentos cotidianos que antes implicaban espera o contemplación ahora son ocupados por pantallas:

·         mientras comen,

·         mientras viajan,

·         antes de dormir,

·         al despertar,

·         durante tareas escolares,

·         o incluso mientras conversan con otras personas.

La ausencia de estímulos digitales comienza a generar incomodidad.

El problema no es únicamente tecnológico; también es neurocognitivo, educativo y cultural.

Las plataformas digitales, los videojuegos, las redes sociales y muchos sistemas basados en inteligencia artificial han perfeccionado mecanismos de recompensa capaces de producir pequeñas descargas constantes de satisfacción inmediata. Cada sonido, notificación, animación, nivel superado o video corto activa procesos de gratificación rápida que el cerebro comienza a buscar continuamente.

En otras palabras, el cerebro empieza a habituarse a la dopamina digital.

Aquí emerge uno de los fenómenos más preocupantes de nuestra época: la aitoxicación.

La aitoxicación no se refiere solamente al uso intensivo de inteligencia artificial. Implica la saturación permanente de estímulos digitales, respuestas automatizadas y dinámicas algorítmicas que reducen progresivamente la capacidad de concentración profunda, reflexión sostenida y pensamiento crítico.

A diferencia de la infoxicación, centrada en el exceso de información, la aitoxicación implica algo más complejo: la automatización creciente del pensamiento y la dependencia cognitiva hacia sistemas diseñados para evitar el silencio, la pausa y el esfuerzo reflexivo.

Hoy millones de estudiantes alternan continuamente entre:

1.       videojuegos,

2.       videos cortos,

3.       inteligencia artificial,

4.       notificaciones,

5.       plataformas digitales,

6.       recompensas inmediatas,

7.       información constante

8.       y contenido hiper estimulante.

El problema aparece cuando el cerebro comienza a percibir la lectura profunda, la escritura o el análisis como procesos “demasiado lentos”.

Muchos docentes ya observan este fenómeno en el aula:

·         dificultad para sostener atención

·         ansiedad frente a textos extensos

·         necesidad permanente de estímulos visuales,

·         aburrimiento rápido,

·         baja tolerancia al esfuerzo cognitivo,

·         dependencia creciente de recursos audiovisuales,

·         y necesidad constante de revisar dispositivos o consumir nueva información digital.

Incluso algunos estudiantes comienzan a rechazar materiales escritos si no vienen acompañados de videos, animaciones o elementos interactivos. Otros experimentan frustración cuando una explicación exige concentración prolongada o lectura reflexiva.

Esto no significa que la tecnología sea negativa por sí misma. La inteligencia artificial y las plataformas digitales también ofrecen oportunidades valiosas para el aprendizaje, la personalización educativa y el acceso al conocimiento.

Sin embargo, el problema aparece cuando la tecnología deja de ser una herramienta y se convierte en un reemplazo del pensamiento propio, de la lectura crítica y de la capacidad de sostener la atención.

La integridad intelectual no solo implica evitar el plagio o citar correctamente. También supone conservar la capacidad humana de pensar, analizar, interpretar y reflexionar sin depender completamente de estímulos automáticos o respuestas inmediatas generadas por algoritmos.

La educación contemporánea enfrenta entonces un desafío profundo: enseñar a convivir con la tecnología sin renunciar a la concentración, la lectura profunda y el pensamiento crítico.

Porque tal vez el mayor riesgo de esta era no sea únicamente la desinformación.

Tal vez el verdadero problema sea que cada vez nos cuesta más detenernos a pensar.

 

Referencias

Caldevilla-Domínguez, D. (2024). Usos éticos de la IA en la universidad moderna: Más allá del plagio. EDU Review, 12(1), 57–65. https://doi.org/10.37467/revedu.v12.5184

Egan, L. (2024). Plagiarism: History, Culture, and Prevention. University of North Dakota.

Flor-Terán, G. A., & Sandoval-Reyes, P. A. (2024). La ética en el uso de la inteligencia artificial (IA) en la educación: desafíos y oportunidades. Polo del Conocimiento, 9(11), 255–282.

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2). http://doi.org/10.30827/relieve.v29i2.29134

Ibarra Beltrán, Á. de J., Aguayo Álvarez, Z., & Velázquez García, R. E. (2023). Desmitificando el plagio digital: percepciones y realidades de la ética estudiantil desde el Centro Universitario de Tonalá. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(5), 1418–1431. https://doi.org/10.56712/latam.v4i5.1403

Vargas-Morúa, E. (2021). El plagio: consideraciones para su prevención. Espiga, 21(41), 68–85.

Vílchez Ruiz, M. I. (2024). Contenido educativo con inteligencia artificial: ¿Restringir o enseñar a personalizar éticamente en el ámbito educativo? Revista Científica Ciencia y Tecnología, 24(44).

 

¿Qué docente quiero ser en la era de la IA? Una mirada desde la AIcrítica

Con la colaboración de Mercedes Leticia Sánchez Ambriz

Accede al pódcast

Desde la pandemia del COVID 19, la gran mayoría de los docentes se vieron inmersos en medio de plataformas que generan rúbricas automáticas, asistentes que redactan objetivos didácticos, bots que simulan tutorías y sistemas que recomiendan recursos con base en datos predictivos. Cuando estábamos volviendo al aula presencial y de nuevo “acomodarnos” a la realidad anterior, irrumpió la IA, encabezada por ChatGPT y todos aquellos recursos que aparecieron como de la nada.

Los docentes nos vimos obligados a dejar de elegir, estamos en la IA, porque ella está más de lo que suponemos con nuestros estudiantes. Hoy la profesión docente enfrenta una disyuntiva fundamental: adaptarse sin reflexión o reconstruirse críticamente.

La presencia de la IA en la educación no solo transforma tareas operativas, sino que desafía la propia identidad del educador, sus funciones, sus decisiones y sus principios. ¿Qué significa ser formador cuando los algoritmos también enseñan? ¿Cómo sostener el criterio pedagógico cuando la inmediatez del prompt ofrece respuestas instantáneas? ¡Qué posición debemos adoptar cuando sabemos que la respuesta del estudiante está condicionada por el empleo de ChatGPT o sus similares?

En este contexto, se vuelve urgente cultivar una postura AIcrítica, que no se limite a usar herramientas, sino que interrogue sus propósitos, cuestione sus límites, y actúe desde una ética profesional, informada y reflexiva. La AIcrítica no es un rechazo a la tecnología, sino una forma de reconstruir la autonomía docente en diálogo con los sistemas inteligentes que lo rodean.

Así que es momento de reflexionar sobre qué tipo de docente queremos ser en la era de la IA, identificando los riesgos de una práctica automatizada, reconociendo los desafíos éticos y pedagógicos del presente, y delineando el perfil del educador que no solo usa IA, sino que piensa con y contra ella.

Actualmente, el término AIcrítica (AI crítica o AI-critical perspective) no está formalmente establecido como un concepto ampliamente teorizado en la literatura académica, pero sí está emergiendo como una corriente conceptual dentro de los estudios críticos de tecnología educativa, ética algorítmica y alfabetización digital crítica.

Aunque no existe una definición única, podemos construir una fundamentada en corrientes afines, como la AI literacy crítica, la educación crítica digital, y los estudios de ciencia, tecnología y sociedad (CTS).

La AIcrítica es una postura educativa que promueve la comprensión profunda, ética y política del funcionamiento de los sistemas de inteligencia artificial, reconociendo sus impactos en la vida social, cognitiva y escolar, y fomentando una relación activa, reflexiva y transformadora con estas tecnologías.

Esta perspectiva busca que docentes y estudiantes no solo adquieran habilidades para utilizar herramientas de IA, sino que desarrollen criterios para cuestionarlas, contextualizarlas y resignificarlas, con base en valores de justicia, inclusión, autonomía y pensamiento crítico. Con respecto a esto, Paulo Freire y Henry Giroux propusieron no solo acceder a las tecnologías, sino desnaturalizar sus discursos, relaciones de poder y efectos ideológicos en el contexto educativo. En la misma línea, Mark Warschauer y Teemu Leinonen plantearon que la alfabetización en IA debe ir más allá del dominio técnico y considerar el impacto social, la transparencia algorítmica, los sesgos estructurales y la necesidad de desarrollar agencia crítica frente a los sistemas inteligentes.

En medio del entusiasmo por la IA, es importante recordar que el mejor algoritmo solo será tan bueno como la mentalidad humana que lo diseña, entrena e implementa, y reflejará los datos con los que fue entrenado. Si nos acostumbramos a emplear la IA para preguntas que pueden ser respondidas en un navegador, estaremos replicando los mismos errores que venimos cometiendo al copiar y pegar información.

Elementos clave de una postura AIcrítica en educación

Adoptar una postura AIcrítica en el ámbito educativo implica asumir una relación activa, informada y ética frente al uso de la inteligencia artificial. No se trata únicamente de utilizar herramientas tecnológicas, sino de interrogar sus fundamentos, intenciones y consecuencias, que a continuación se mencionan:

1. Alfabetización algorítmica

La AIcrítica comienza por entender cómo funcionan los sistemas de IA: sus entradas, sus procesos de entrenamiento, los datos que consumen, los sesgos que arrastran y sus modos de toma de decisiones. El docente AIcrítico no necesita ser programador, pero sí debe ser capaz de:

Identificar cuándo una herramienta usa algoritmos predictivos o generativos.

Explicar los fundamentos básicos del aprendizaje automático (machine learning).

Reconocer que los algoritmos no son neutrales: reflejan valores, ideologías y estructuras de poder.

2. Ética pedagógica aplicada a la IA

Una postura AIcrítica requiere incorporar la reflexión ética al diseño didáctico, cuestionando no solo lo que la IA puede hacer, sino lo que debe o no debe hacer en función del bienestar educativo. Esto incluye:

· Evaluar el uso de datos personales de estudiantes en plataformas con IA.

·  Cuestionar la automatización de la evaluación como práctica deshumanizante.

· Diseñar experiencias educativas que respeten la autonomía del estudiante y promuevan el pensamiento crítico, no la dependencia tecnológica.

3. Análisis de impactos sociales, culturales y cognitivos

Desde la AIcrítica se propone analizar cómo la IA reconfigura la escuela, el conocimiento y la subjetividad. El docente debe preguntarse:

·         ¿Qué efectos tiene el uso de IA en las formas de aprender y enseñar?

·         ¿Qué voces se silencian cuando una plataforma educativa automatiza procesos?

·         ¿Qué modelos de ciudadanía, trabajo o inteligencia se están promoviendo?

·         ¿Cómo incluimos a todos los componentes personales de la actividad pedagógica sin discriminar a unos u otros?

4. Autonomía y criterio docente

La AIcrítica reafirma que el docente no es un operador técnico, sino un profesional que toma decisiones fundamentadas. Frente a sistemas que "sugieren", "corrigen" o "planifican", el educador debe:

·         Evaluar críticamente las propuestas generadas por IA.

·         Decidir cuándo y cómo intervenir o ajustar esos insumos.

·         Diseñar con intencionalidad pedagógica y no solo por eficiencia técnica.

5. Formación de estudiantes críticos frente a la IA

Finalmente, el docente AIcrítico asume que su rol es también formar estudiantes capaces de relacionarse críticamente con la IA, no solo de consumirla. Esto implica:

·         Enseñar a identificar sesgos, manipulación o desinformación generada por IA.

·         Promover la construcción de preguntas frente a las respuestas automáticas.

·         Fomentar la creatividad humana como valor que trasciende la lógica algorítmica.

En resumen la AIcrítica involucra:

 

Asumir una postura AIcrítica no es resistirse a la tecnología, sino resistirse a su uso acrítico, automático y deshumanizante. Es comprender que en la educación no todo lo que puede automatizarse debe automatizarse. Es defender que el valor del docente no radica en su capacidad de repetir, sino en su poder para interpretar, orientar y humanizar el aprendizaje en un mundo atravesado por algoritmos.

En este contexto, la pregunta que da título a este artículo no busca una respuesta cerrada, sino una toma de posición profesional y ética:

¿Qué docente quiero ser en la era de la IA?

No el que obedece sin cuestionar, ni el que rechaza sin conocer. No el que se limita a usar herramientas como usuario final, sino el que las analiza, las adapta, las resignifica.

Es importante reflexionar: ¿Quiero ser el docente qué?

·         Comprende cómo funcionan los algoritmos y los cuestiona.

·         No sustituye su juicio por el de una máquina.

·         Diseña experiencias significativas con intención pedagógica.

·         Enseña a sus estudiantes a ser críticos, autónomos y creativos en su relación con la IA.

·         Entiende los procesos de empleo de la IA que pueden generar Aitoxicación.

La respuesta la debe buscar cada docente cuando mire a sus estudiantes que exigen de una alfabetización digital, alumnos multicanales inmersos en la tecnología y entre a la Web para conocer y descubrir todo lo que hoy ofrece.

La IA tiene un inmenso potencial para mejorar tanto la calidad (contenido e impartición) como la cantidad (acceso) de la educación para todos. Para aprovechar esta oportunidad, es necesario superar varios problemas estructurales, como la pertinencia cultural y el sesgo de datos, entre otros. Abordar estos desafíos comienza con una inversión específica en las capacidades locales y la recopilación de datos a nivel local, así como con el entrenamiento de modelos lingüísticos de gran escala, prestando especial atención a los sesgos.

Porque la inteligencia artificial no define la educación: lo hace la inteligencia pedagógica de quienes la acompañan, interpretan y deciden cómo ponerla al servicio del aprendizaje humano.

Referencias

Freire, P. (1970). Pedagogía del oprimido. Siglo XXI Editores.

Giroux, H. A. (2011). On critical pedagogy. Bloomsbury Academic.

Leinonen, T. (2020). Critical AI literacy for educators and students. [Artículo de blog / documento de trabajo]. Aalto University. https://doi.org/10.5281/zenodo.4567891

Warschauer, M., & Matuchniak, T. (2010). New technology and digital worlds: Analyzing evidence of equity in access, use, and outcomes. Review of Research in Education, 34(1), 179–225. https://doi.org/10.3102/0091732X09349791