Un investigador británico advierte que la inteligencia artificial en las escuelas puede profundizar la brecha entre ricos y pobres

En pleno auge de las herramientas de inteligencia artificial en las aulas, un especialista internacional salió a poner paños fríos. Wayne Holmes, investigador del UCL Knowledge Lab de la University College London, sostiene que la IA generativa no es la solución mágica que muchos venden y que, mal usada, puede agrandar la desigualdad educativa en lugar de achicarla.

La comparacion con la calculadora no cierra

Una de las analogias mas repetidas es la de la calculadora: asi como ese aparato cambio la ensenanza de la matematica sin matarla, la IA haria lo propio. Holmes la descarta de plano. "Con una calculadora, si apretas los botones correctos en el orden correcto, obtenes la respuesta correcta siempre", explico. Con la IA generativa, en cambio, el resultado es incierto: puede ser correcto o no, y muchas veces el usuario no tiene forma de darse cuenta. Esa diferencia, segun el investigador, invalida la comparacion y obliga a tratar a estas herramientas con otro cuidado.

Mas tecnologia donde menos docentes hay

Holmes describes una paradoja que ya se ve en varios paises. Las escuelas privadas de elite no se publicitan por sus computadoras ni por la IA que usan, sino por la calidad de sus profesores. Mientras tanto, en zonas con escasez de docentes o con menos recursos, la tecnologia aparece como un supuesto reemplazo del maestro. "Si esa brecha aumenta, debilitamos la democracia para todos", afirmo el investigador, porque entiende que la educacion es la base de la participacion ciudadana y que desfinanciarla en nombre de la eficiencia tecnologica tiene consecuencias que van mucho mas alla del aula.

El riesgo de uniformar el pensamiento

Otro de los puntos que mas llamo la atencion de su analisis es el de la estandarizacion. La IA generativa produce texto eligiendo las palabras mas probables segun los datos con los que fue entrenada. Eso, advierte Holmes, deja afuera los enfoques minoritarios o criticos. El propio investigador lo comprobo: cuando le pregunto a varias herramientas sobre los problemas del "aprendizaje personalizado", todas le contestaron que el unico inconveniente era la dificultad de implementarlo. Ninguna cuestiono si el enfoque funciona o no, porque la postura dominante en los textos de entrenamiento es que se trata de algo positivo.

Aterricemos esto en clave cotidiana: si un estudiante neuquino le pide a una IA un ensayo sobre un tema controversial, es muy probable que reciba la version mas aceptada del asunto, no una mirada plural. Para el usuario comun, eso significa que la herramienta puede parecer objetiva cuando en realidad esta filtrando lo que se considera "normal" pensar.

• Confiar como si fuera un oraculo: la IA generativa puede equivocarse y aun sonar convincente, por lo que conviene verificar los datos en fuentes confiables antes de compartirlos o llevarlos a una clase.
• Pedirle que remplace al docente: la herramienta puede servir de apoyo, pero no esta pensada para sustituir la guia de un maestro, sobre todo en contextos con pocos recursos donde mas se necesita esa figura.
• Aceptar una sola version de los hechos: como la IA reproduce las ideas mas frecuentes de sus datos de entrenamiento, conviene pedirle explicitamente que exponga posturas distintas antes de dar algo por sentado.

Ante la consulta de como armaria una escuela desde cero, Holmes fue categorico: no incluiria ninguna de las herramientas actuales. Su conclusion es clara, la inteligencia artificial en educacion no es inherentemente mala ni buena, todo depende del uso que se le de y, sobre todo, de no perder de vista que la tecnologia debe complementar a los docentes y no tapar los agujeros que deja la falta de inversion educativa.