Editorial
Artificial
intelligence in education: pedagogical benefit or risk to learning?
Inteligencia
artificial en la educación: ¿beneficio pedagógico o riesgo
para
el aprendizaje?
Richar Jacobo Posso Pacheco 1
ORCID: https://orcid.org/0000-0003-1279-9852
Director de MENTOR Revista de
Investigación Educativa y Deportiva. Quito-Ecuador1
Corresponding
autor
rjposso@revistamentor.ec
Abstract
The incorporation of artificial intelligence in education has
expanded the possibilities for access to information, content generation,
feedback, and personalization of learning, but it has also raised concerns
related to technological dependence, academic integrity, the veracity of
information, and the reduction of cognitive effort. The objective of this
article was to analyze the benefits and risks of using artificial intelligence
in educational processes, considering the pedagogical conditions that can guide
its incorporation. A critical-interpretive narrative review was conducted based
on academic publications and institutional documents related to artificial
intelligence, generative artificial intelligence, and education. The reviewed
literature shows that these tools can support comprehension, the production of
ideas, feedback, and certain cognitive skills when they are part of
pedagogically oriented activities. However, the substitutive use of reasoning,
the uncritical acceptance of generated responses, and their use to solve
evaluative tasks can limit learning. It is concluded that the educational
effect of artificial intelligence depends less on technological availability
than on the way teachers and students use it within the teaching and learning
process.
Keywords: artificial
intelligence, generative artificial intelligence, education, learning,
teaching.
Resumen
La incorporación de la inteligencia artificial en la educación ha
ampliado las posibilidades de acceso a información, generación de contenidos,
retroalimentación y personalización del aprendizaje, pero también ha generado
preocupaciones relacionadas con la dependencia tecnológica, la integridad
académica, la veracidad de la información y la reducción del esfuerzo
cognitivo. El objetivo de este artículo fue analizar los beneficios y riesgos
del uso de la inteligencia artificial en los procesos educativos, considerando
las condiciones pedagógicas que pueden orientar su incorporación. Se realizó
una revisión narrativa de carácter crítico-interpretativo a partir de
publicaciones académicas y documentos institucionales relacionados con
inteligencia artificial, inteligencia artificial generativa y educación. La
literatura revisada muestra que estas herramientas pueden apoyar la
comprensión, la producción de ideas, la retroalimentación y determinadas
habilidades cognitivas cuando forman parte de actividades pedagógicamente
orientadas. Sin embargo, el uso sustitutivo del razonamiento, la aceptación
acrítica de respuestas generadas y su utilización para resolver tareas
evaluativas pueden limitar el aprendizaje. Se concluye que el efecto educativo
de la inteligencia artificial depende menos de la disponibilidad tecnológica
que de la forma en que docentes y estudiantes la utilizan dentro del proceso de
enseñanza y aprendizaje.
Palabras clave: inteligencia artificial,
inteligencia artificial generativa, educación, aprendizaje, docencia.
Introduction
La inteligencia artificial (IA) forma parte del
desarrollo de la tecnología educativa desde antes de la aparición de los
actuales modelos generativos. Sistemas de tutoría inteligente, plataformas
adaptativas, herramientas de predicción académica y mecanismos automatizados de
evaluación ya habían incorporado algoritmos para responder a necesidades
educativas específicas. Ouyang & Jiao (2021)
explican esta evolución mediante tres formas de relación entre inteligencia
artificial y aprendizaje: una IA que dirige determinadas actividades, otra que
acompaña al estudiante y una tercera en la que la tecnología funciona como
apoyo mientras el aprendiz mantiene la capacidad de decidir sobre su proceso.
La expansión de la inteligencia artificial
generativa modificó esta relación debido a la facilidad con la que estudiantes
y docentes pueden producir, reformular, resumir y analizar información mediante
instrucciones expresadas en lenguaje natural. Las aplicaciones actuales
permiten obtener explicaciones, formular preguntas, generar ejemplos, recibir
retroalimentación y adaptar contenidos en pocos segundos. Las revisiones
recientes muestran que sus usos educativos se relacionan, entre otros ámbitos,
con aprendizaje personalizado, apoyo a la escritura, producción de recursos
didácticos, enseñanza de idiomas, programación y asistencia en actividades
académicas (Baig & Yadegaridehkordi, 2024; Yusuf et al., 2024).
Sin embargo, la rapidez con que estas herramientas
producen respuestas también plantea problemas pedagógicos. Un texto coherente
no necesariamente es correcto, una explicación accesible puede contener
información imprecisa y una tarea bien redactada no demuestra por sí misma que
el estudiante haya comprendido su contenido. Tlili et al. (2023) advirtieron
tempranamente problemas relacionados con exactitud, honestidad académica,
privacidad y uso inadecuado de sistemas conversacionales. Miao & Holmes (2023)
señala asimismo que la incorporación educativa de la inteligencia artificial
generativa requiere proteger los datos de los usuarios, considerar la edad de
los estudiantes y mantener una perspectiva centrada en las personas.
La discusión, por tanto, no puede limitarse a
decidir entre permitir o prohibir estas tecnologías. La evidencia disponible
presenta resultados que dependen del propósito, la actividad propuesta, la
intervención docente y el grado de autonomía que conserva el estudiante.
Existen experiencias en las que el uso guiado de ChatGPT se ha asociado con
mejoras en habilidades de pensamiento, mientras que otras investigaciones y
revisiones advierten sobre el riesgo de delegar procesos cognitivos que
deberían realizar los propios estudiantes (Essel et al., 2024; Qian, 2025). La contradicción aparente sugiere que el problema
educativo no reside únicamente en utilizar IA, sino en determinar qué actividad
intelectual realiza el estudiante cuando la utiliza.
El objetivo de este artículo fue analizar los
beneficios y riesgos del uso de la inteligencia artificial en los procesos
educativos, considerando su relación con el aprendizaje, el pensamiento del
estudiante, la evaluación, la integridad académica y la mediación docente, con
el propósito de establecer criterios que permitan comprender en qué condiciones
su incorporación puede apoyar la educación y en cuáles puede perjudicarla.
Para su elaboración se realizó una revisión
narrativa de carácter crítico-interpretativo. Se examinaron artículos
científicos y documentos institucionales publicados principalmente entre 2021 y
2025 sobre inteligencia artificial e inteligencia artificial generativa
aplicada a la educación. Se priorizaron revisiones de literatura,
investigaciones empíricas y trabajos que abordaran oportunidades pedagógicas,
desarrollo cognitivo, evaluación, integridad académica y riesgos éticos. La
información fue organizada temáticamente para contrastar beneficios y
limitaciones, sin aplicar un protocolo de revisión sistemática ni pretender
agotar la producción disponible sobre el tema.
Development
La inteligencia artificial como apoyo al
aprendizaje
La incorporación de la inteligencia artificial
en la educación ha ampliado las posibilidades de interacción entre estudiantes,
docentes y recursos digitales. Sus aplicaciones abarcan sistemas de tutoría,
plataformas adaptativas, generación de contenidos, evaluación automatizada y
herramientas capaces de proporcionar explicaciones o retroalimentación en
función de las solicitudes del usuario. La revisión realizada por Wang et al. (2024) muestra
que la investigación sobre inteligencia artificial educativa se ha extendido
hacia diferentes áreas del aprendizaje y la enseñanza, aunque sus resultados
dependen de los contextos y formas de implementación. En el caso específico de
la inteligencia artificial generativa, herramientas como ChatGPT añadieron la
posibilidad de mantener conversaciones, generar ejemplos, reformular contenidos
y responder preguntas mediante lenguaje natural (Crompton & Burke, 2024).
Una de las posibilidades más estudiadas
corresponde al apoyo personalizado. La IA generativa permite que un estudiante
solicite una explicación diferente cuando no comprende un contenido, adapte la
complejidad de una respuesta, genere ejemplos adicionales o reciba comentarios
sobre un trabajo en elaboración. Farrokhnia et al. (2024)
identifican entre las fortalezas de ChatGPT la posibilidad de proporcionar
respuestas personalizadas y en tiempo real, facilitar el acceso a información y
apoyar procesos de aprendizaje con distintos niveles de complejidad. De manera
similar, Crompton y Burke (2024) encontraron aplicaciones relacionadas con
tutoría, generación de contenidos, asistencia en la escritura y apoyo a
docentes y estudiantes.
Estas posibilidades no implican que la
personalización tecnológica produzca necesariamente mejores aprendizajes. Una
respuesta adaptada puede facilitar la comprensión inicial, pero su utilidad
depende de la actividad que el estudiante realiza posteriormente con esa información.
Qian (2025) encontró que las aplicaciones pedagógicas de la inteligencia
artificial generativa incluyen apoyo a la creatividad, pensamiento crítico,
autonomía y alfabetización en el uso de instrucciones; sin embargo, también
identificó el riesgo de que la eficiencia de estas herramientas favorezca una
dependencia excesiva. Desde esta perspectiva, el valor educativo no reside
únicamente en recibir una respuesta rápida, sino en la manera en que esa
respuesta se incorpora a una actividad de análisis, aplicación o resolución de
problemas.
La investigación acumulada comienza a mostrar
resultados favorables cuando la IA se integra dentro de diseños pedagógicos
definidos. Una revisión con metaanálisis de Liu et al. (2025) que
incluyó investigaciones realizadas tanto en educación escolar como superior,
encontró efectos positivos de la inteligencia artificial generativa sobre el
rendimiento académico y la motivación. En educación universitaria, Chen & Cheung (2025)
también identificaron efectos favorables sobre desempeño académico, habilidades
lingüísticas, estados afectivo-motivacionales y pensamiento de orden superior.
Sin embargo, los propios resultados mostraron variaciones según las
características de los estudiantes, el tipo de herramienta, la duración de la
intervención y el contexto educativo. Esto indica que los beneficios observados
no pueden atribuirse únicamente al uso de la tecnología, sino a las condiciones
bajo las cuales se incorpora al aprendizaje.
Rendimiento académico y desarrollo del
pensamiento
La posibilidad de mejorar el desempeño académico
constituye uno de los principales argumentos utilizados para justificar la
incorporación de inteligencia artificial generativa en la enseñanza. Los
resultados disponibles ofrecen indicios favorables, aunque todavía requieren
una interpretación prudente. Un metaanálisis de 37 estudios publicado por Liu
et al. (2025) encontró un efecto positivo moderado de ChatGPT sobre el
rendimiento académico de los estudiantes. Los efectos variaron según la
disciplina, la duración de las intervenciones, el tipo de conocimiento evaluado
y la modalidad de integración de la herramienta. Utilizar ChatGPT no representa
por sí mismo una estrategia didáctica; sus resultados dependen de cómo se
articula con las actividades que debe realizar el estudiante.
Esta relación se observa también en
investigaciones experimentales. Essel et al. (2024) estudiaron a 125
estudiantes universitarios de un curso de metodología de la investigación,
distribuidos entre un grupo que utilizó ChatGPT y otro que trabajó con bases de
datos y motores de búsqueda convencionales. Los autores analizaron pensamiento
crítico, creativo y reflexivo y encontraron resultados favorables asociados a
la incorporación de ChatGPT dentro de las actividades planteadas. El estudio
resulta relevante porque muestra que la utilización de IA puede coexistir con
procesos cognitivos complejos cuando la herramienta forma parte de tareas que
requieren participación activa del estudiante.
Los hallazgos de investigaciones individuales
coinciden parcialmente con resultados obtenidos mediante síntesis más amplias.
Chen y Cheung (2025), al integrar 57 estudios y 97 estimaciones, encontraron un
efecto positivo de la inteligencia artificial generativa sobre diferentes
resultados de aprendizaje universitario, incluido el pensamiento de orden
superior. No obstante, no identificaron un efecto estadísticamente relevante
sobre la metacognición. Esta diferencia es importante porque mejorar el
desempeño en una actividad no significa necesariamente que el estudiante
desarrolle en la misma medida la capacidad de planificar, controlar y evaluar
su propio proceso de aprendizaje.
Qian (2025) plantea una tensión similar. Su
revisión encontró aplicaciones dirigidas al pensamiento crítico, la creatividad
y la autonomía, pero también advierte que una dependencia excesiva puede
trasladar hacia la tecnología procesos cognitivos y metacognitivos que deberían
ser realizados por el estudiante. Por ello, la pregunta no debería limitarse a
establecer si los estudiantes obtienen mejores respuestas con inteligencia
artificial, sino si comprenden esas respuestas, pueden justificarlas y serían
capaces de resolver problemas semejantes cuando la herramienta no está
disponible.
La diferencia puede observarse en la propia
formulación de las tareas. Solicitar a un sistema de IA que redacte
directamente la respuesta de una actividad demanda poco procesamiento
intelectual por parte del estudiante. En cambio, pedirle varias respuestas para
compararlas, localizar errores, contrastarlas con fuentes académicas o
argumentar por qué una de ellas resulta más adecuada introduce procesos de
evaluación y toma de decisiones. La literatura reciente sugiere precisamente
que los resultados de la inteligencia artificial dependen del diseño de las
actividades y del papel que se asigna al estudiante durante la interacción con
la herramienta (Qian, 2025).
El riesgo de sustituir el esfuerzo cognitivo
La rapidez con la que los modelos generativos
producen textos, explicaciones y soluciones también puede convertirse en una
dificultad educativa. Si la herramienta realiza operaciones que forman parte
del aprendizaje esperado, el estudiante puede obtener un producto aparentemente
correcto sin haber desarrollado los conocimientos o habilidades necesarios para
producirlo. Farrokhnia et al. (2024) identificaron esta situación entre las
debilidades y amenazas educativas asociadas con ChatGPT, particularmente por
las dificultades para valorar la calidad de las respuestas y por el riesgo de
reducir determinados procesos de pensamiento.
La evidencia reciente obliga, sin embargo, a
evitar una relación simplista entre uso de IA y deterioro cognitivo. Los
metaanálisis disponibles muestran, en promedio, resultados favorables en
rendimiento y pensamiento de orden superior cuando las herramientas forman
parte de intervenciones educativas estructuradas (Liu et al., 2025). Al mismo
tiempo, las revisiones advierten que la sobredependencia puede llevar a
externalizar procesos de razonamiento y autorregulación (Qian, 2025). Ambos
hallazgos pueden coexistir porque no evalúan necesariamente la misma manera de
utilizar la tecnología.
El problema se encuentra, por tanto, en la
sustitución del proceso que se pretende aprender. Si el propósito de una
actividad consiste en desarrollar argumentación, la generación automática de
todo el argumento puede disminuir las oportunidades de practicar esa capacidad.
En cambio, utilizar una respuesta generada para identificar premisas,
cuestionar evidencias, encontrar contradicciones o elaborar una posición
alternativa puede convertir la misma herramienta en un recurso para el
análisis. Lo (2023) ya advertían,
en las primeras revisiones posteriores a la aparición de ChatGPT, que sus
oportunidades educativas coexistían con preocupaciones relacionadas con
dependencia, exactitud de la información y efectos sobre las prácticas de
enseñanza y evaluación.
Esta distinción también permite cuestionar la
idea de que ahorrar esfuerzo siempre constituye una mejora educativa. En
ciertas tareas, reducir procedimientos repetitivos puede permitir dedicar más
tiempo a actividades de mayor complejidad. En otras, el esfuerzo forma parte
del propio aprendizaje. Aprender a escribir requiere escribir; aprender a
argumentar requiere construir y revisar argumentos; aprender a resolver
problemas requiere tomar decisiones durante su resolución. La integración de IA
debería diferenciar entre tareas que pueden automatizarse sin afectar el
objetivo educativo y procesos que necesitan mantenerse bajo responsabilidad del
estudiante (Wang et al., 2024).
Información incorrecta, sesgos y necesidad de
verificación
La capacidad de los modelos generativos para
producir respuestas claras y lingüísticamente coherentes puede generar una
percepción de confiabilidad que no siempre se corresponde con la exactitud de
la información presentada. Tlili et al. (2023) señalaron entre los principales
problemas educativos de ChatGPT la posibilidad de producir información
incorrecta o engañosa y las dificultades que pueden tener los usuarios para
reconocer esos errores. Farrokhnia et al. (2024) también identificaron
limitaciones vinculadas con la evaluación de la calidad de las respuestas,
posibles sesgos y ausencia de una comprensión profunda comparable con la
humana.
Esta característica adquiere especial
importancia en actividades académicas. Un estudiante que utiliza una respuesta
generada como fuente definitiva puede incorporar afirmaciones incorrectas,
referencias inexistentes o interpretaciones que no corresponden con la
evidencia disponible. Por esta razón, el uso educativo de la inteligencia
artificial requiere habilidades de búsqueda, contraste y evaluación de fuentes.
La capacidad de formular buenas instrucciones resulta insuficiente si el
usuario no puede determinar posteriormente si la respuesta obtenida es correcta
(Tlili et al., 2023).
En este contexto, la alfabetización en
inteligencia artificial debería incluir una comprensión básica de lo que estas
herramientas pueden y no pueden hacer. Los estudiantes necesitan reconocer que
una respuesta bien redactada no constituye por sí misma evidencia y que una
referencia proporcionada por un sistema generativo debe comprobarse antes de
incorporarla a un trabajo académico. Miao & Holmes, 2023 plantea que la
formación para utilizar IA generativa debe contemplar capacidades humanas de
evaluación y juicio, además de cuestiones relacionadas con protección de datos,
equidad y uso ético.
La posibilidad de errores también modifica la
función pedagógica del docente. En lugar de considerar las respuestas de IA
únicamente como soluciones, estas pueden utilizarse como objetos de análisis.
Presentar a los estudiantes una explicación generada y pedirles que verifiquen
sus afirmaciones, localicen errores o busquen evidencia que las respalde
transforma una limitación tecnológica en una actividad de evaluación crítica.
Este enfoque coincide con la necesidad señalada por Qian (2025) de avanzar
hacia relaciones de colaboración entre estudiantes, docentes e inteligencia
artificial sin transferir a la herramienta la responsabilidad final sobre el
conocimiento producido.
Integridad académica y transformación de la
evaluación
La inteligencia artificial generativa plantea
dificultades particulares para las formas tradicionales de evaluación basadas
en productos escritos realizados fuera del aula. Un estudiante puede solicitar
un ensayo, una respuesta argumentativa, un código informático o la solución de
determinados problemas y presentar posteriormente el resultado como si hubiera
sido elaborado por él. Cotton et al. (2024) advierten
que ChatGPT modifica los problemas asociados con la integridad académica porque
el contenido generado no necesariamente reproduce literalmente materiales
existentes y, por tanto, no se ajusta por completo a las formas tradicionales
de identificar plagio.
Este escenario obliga a distinguir entre uso de
IA y deshonestidad académica. La utilización de una herramienta para solicitar
retroalimentación sobre un texto propio, generar preguntas de práctica o
comprender un concepto no representa la misma conducta que encargarle la
elaboración completa de una actividad destinada a demostrar el aprendizaje
individual. El problema requiere normas institucionales que definan qué usos
están permitidos, cuáles deben declararse y qué responsabilidades conserva el
autor de un trabajo académico (Miao & Holmes, 2023).
Las dificultades para determinar quién produjo
un texto también muestran las limitaciones de una respuesta educativa centrada
exclusivamente en la detección. Cotton et al. (2024) plantean la necesidad de
reconsiderar prácticas de evaluación, mientras que Crompton y Burke (2024)
señalan que el desarrollo de la IA genera cambios en las funciones
tradicionales de enseñanza y aprendizaje. Las evaluaciones pueden incorporar
defensa oral, producción progresiva de borradores, resolución de problemas
contextualizados, reflexión sobre decisiones tomadas, análisis de fuentes y
demostraciones prácticas que permitan observar el proceso además del resultado
final.
La aparición de herramientas generativas también
lleva a revisar el tipo de tareas que se solicitan. Cuando una actividad puede
resolverse completamente mediante una instrucción sencilla, puede resultar
necesario preguntarse qué evidencia de aprendizaje proporciona realmente ese
producto. Las evaluaciones deberían exigir al estudiante explicar, justificar,
relacionar, verificar o transferir conocimientos a situaciones nuevas. Esto no
elimina necesariamente la IA de la evaluación, pero modifica su función: en
lugar de producir el trabajo terminado, puede proporcionar información que
posteriormente tenga que ser examinada y transformada por el estudiante (Qian,
2025).
El papel docente en un entorno educativo con
inteligencia artificial
La disponibilidad de sistemas capaces de
explicar conceptos, formular preguntas y generar materiales no elimina la
necesidad del docente. Por el contrario, aumenta la importancia de las
decisiones relacionadas con selección de contenidos, diseño de experiencias,
evaluación, acompañamiento y análisis de las necesidades del grupo. Wang et al.
(2024) muestran que las aplicaciones educativas de la IA son diversas y
responden a finalidades distintas; por ello, su incorporación necesita estar
vinculada con objetivos pedagógicos y no únicamente con la disponibilidad de
una nueva tecnología.
La inteligencia artificial también puede apoyar
el trabajo docente. Las revisiones han identificado posibilidades para elaborar
ejemplos, producir primeras versiones de materiales, generar ejercicios,
adaptar explicaciones y proporcionar ideas para la planificación de clases (Farrokhnia
et al., 2024). Este apoyo podría reducir el tiempo destinado a determinadas
tareas, aunque los productos obtenidos necesitan ser revisados antes de
utilizarse con los estudiantes debido a posibles errores, sesgos o desajustes
con el contexto.
La competencia docente frente a la IA comprende,
por ello, tanto la capacidad para utilizarla como la capacidad para decidir
cuándo su incorporación resulta innecesaria. Integrarla en todas las
actividades no garantiza una enseñanza de mayor calidad. Algunas tareas pueden
beneficiarse de la generación de ejemplos, retroalimentación inmediata o
comparación de alternativas, mientras que otras requieren que el estudiante
trabaje sin asistencia para que el docente pueda identificar lo que realmente sabe
y puede hacer. La revisión de Qian (2025) sostiene que una integración adecuada
requiere avanzar hacia formas de colaboración entre estudiante, docente e IA,
evitando que alguno de los procesos esenciales del aprendizaje quede
completamente delegado a la herramienta.
La formación docente también debería superar el
aprendizaje instrumental de plataformas específicas. Debido a que las
herramientas cambian con rapidez, resulta más pertinente desarrollar criterios
para valorar sus respuestas, identificar riesgos, seleccionar usos coherentes
con los objetivos de aprendizaje y establecer límites. Miao & Holmes (2023)
considera que el desarrollo de capacidades humanas y la validación pedagógica
de las tecnologías deben acompañar la incorporación de inteligencia artificial
generativa en los sistemas educativos.
Privacidad, equidad y acceso
Los beneficios y riesgos de la IA educativa
tampoco pueden analizarse únicamente desde el rendimiento académico. El uso de
plataformas digitales implica intercambio y procesamiento de información de los
usuarios, lo que plantea preguntas sobre privacidad y protección de datos. Miao
& Holmes (2023) advierte que la velocidad de desarrollo de la inteligencia
artificial generativa ha superado en algunos contextos la capacidad de las
regulaciones y de las instituciones educativas para establecer respuestas
adecuadas, situación particularmente relevante cuando las herramientas son
utilizadas por niños y adolescentes.
El acceso constituye otra dimensión del
problema. Las condiciones para utilizar inteligencia artificial no son iguales
para todos los estudiantes. La calidad de la conectividad, los dispositivos
disponibles, el dominio digital y el acceso a versiones pagadas pueden
establecer diferencias entre usuarios. Una política educativa que incorpore
estas herramientas sin considerar dichas condiciones corre el riesgo de ampliar
desigualdades preexistentes. Por esta razón, Miao & Holmes (2023) plantea
que las decisiones sobre IA educativa deben considerar criterios de inclusión,
equidad y acceso, además de su utilidad pedagógica.
Los sesgos presentes en los sistemas generativos
también requieren atención. Farrokhnia et al. (2024) incluyen entre sus
limitaciones el riesgo de sesgo y discriminación, mientras que Tlili et al.
(2023) advierten sobre implicaciones éticas derivadas del contenido generado.
Esto resulta especialmente relevante en áreas vinculadas con historia, cultura,
identidad y fenómenos sociales, en las que una respuesta aparentemente neutral
puede reflejar determinadas perspectivas o excluir otras. El análisis crítico de
las respuestas continúa siendo responsabilidad de docentes y estudiantes.
¿Beneficio o perjuicio para la educación?
La literatura revisada no permite responder de
manera absoluta que la inteligencia artificial sea beneficiosa o perjudicial
para la educación. Los estudios experimentales y los metaanálisis recientes
muestran resultados favorables en distintas dimensiones del aprendizaje cuando
la IA generativa se integra mediante actividades estructuradas (Chen &
Cheung, 2025; Essel et al., 2024; Liu et al., 2025). Al mismo tiempo, las
revisiones señalan problemas relacionados con dependencia, externalización del
esfuerzo cognitivo, información incorrecta, sesgos, privacidad e integridad
académica (Cotton et al., 2024; Farrokhnia et al., 2024; Qian, 2025; Tlili et
al., 2023).
La aparente contradicción puede resolverse si se
considera que los efectos dependen de la manera en que se utiliza la
herramienta. La inteligencia artificial puede favorecer el aprendizaje cuando
proporciona retroalimentación, plantea alternativas, facilita la práctica o
genera información que posteriormente debe ser analizada. Puede perjudicarlo
cuando sustituye precisamente las operaciones intelectuales que el estudiante
necesita desarrollar. En ambos casos se utiliza la misma tecnología; lo que
cambia es la actividad cognitiva que permanece bajo responsabilidad del
aprendiz (Qian, 2025).
En consecuencia, evaluar la utilidad educativa
de la IA requiere observar lo que hace el estudiante antes, durante y después
de interactuar con ella. Copiar una respuesta generada y entregarla implica una
participación diferente a comparar esa respuesta con fuentes, cuestionar sus
argumentos, identificar errores y elaborar una solución propia. Desde esta
perspectiva, el criterio no debería ser la cantidad de tecnología incorporada a
una clase, sino la relación entre su utilización y el aprendizaje que se
pretende alcanzar.
La evidencia disponible orienta hacia una
incorporación pedagógica condicionada y crítica antes que hacia posiciones de
aceptación o rechazo general. Los efectos positivos registrados por
investigaciones recientes justifican continuar explorando sus usos educativos,
pero las limitaciones señaladas impiden asumir que la disponibilidad de
inteligencia artificial conduzca automáticamente a mejores aprendizajes. Su
aporte depende del diseño pedagógico, la mediación docente, la alfabetización
en IA y la capacidad del estudiante para conservar responsabilidad sobre los
procesos de análisis, verificación y toma de decisiones (Crompton & Burke,
2024; Qian, 2025).
Conclusions
La inteligencia artificial no puede considerarse
de manera general como beneficiosa o perjudicial para la educación, porque sus
efectos dependen de la finalidad con que se utiliza, del diseño de las
actividades y del grado de participación que mantiene el estudiante. Su
incorporación puede apoyar el aprendizaje cuando facilita la comprensión, la
retroalimentación, la comparación de alternativas y la resolución guiada de
tareas, pero puede limitarlo cuando sustituye procesos de análisis, escritura,
argumentación o toma de decisiones que forman parte del aprendizaje esperado.
La revisión muestra que los resultados
favorables asociados con la inteligencia artificial aparecen principalmente
cuando su uso se integra dentro de una propuesta pedagógica definida y con
mediación docente. Por ello, la disponibilidad de estas herramientas no
constituye por sí misma una mejora educativa. Su utilidad depende de que exista
correspondencia entre el recurso empleado, los objetivos de aprendizaje y las
capacidades que se pretende desarrollar en los estudiantes.
Los principales riesgos se relacionan con la
dependencia tecnológica, la aceptación de información incorrecta, la delegación
excesiva del esfuerzo cognitivo, los problemas de integridad académica, los
sesgos y la privacidad. Estas limitaciones exigen que docentes y estudiantes
desarrollen criterios para verificar la información, reconocer los alcances de
las herramientas y asumir responsabilidad sobre los productos generados con su apoyo.
En consecuencia, el reto educativo no consiste
únicamente en permitir o restringir el uso de inteligencia artificial, sino en
definir cuándo, para qué y bajo qué condiciones debe utilizarse. Una
incorporación pedagógica adecuada debe preservar la autonomía del estudiante,
mantener la mediación docente y asegurar que la tecnología funcione como apoyo
al aprendizaje y no como sustituto de los procesos intelectuales que la
educación busca desarrollar.
References
Baig, M. I., & Yadegaridehkordi, E. (2024). ChatGPT in the
higher education: A systematic literature review and research challenges. International
Journal of Educational Research, 127, 102411.
https://doi.org/10.1016/j.ijer.2024.102411
Chen, S., & Cheung, A. C. K. (2025). Effect of generative
artificial intelligence on university students learning outcomes: A systematic
review and meta-analysis. Educational Research Review, 49,
100737. https://doi.org/10.1016/j.edurev.2025.100737
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024).
Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations
in Education and Teaching International, 61(2), 228–239.
https://doi.org/10.1080/14703297.2023.2190148
Crompton, H., & Burke, D. (2024). The Educational Affordances
and Challenges of ChatGPT: State of the Field. TechTrends, 68(2),
380–392. https://doi.org/10.1007/s11528-024-00939-0
Essel, H. B., Vlachopoulos, D., Essuman, A. B., & Amankwa, J. O.
(2024). ChatGPT effects on cognitive skills of undergraduate students:
Receiving instant responses from AI-based conversational large language models
(LLMs). Computers and Education: Artificial Intelligence, 6,
100198. https://doi.org/10.1016/j.caeai.2023.100198
Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A.
(2024). A SWOT analysis of ChatGPT: Implications for educational practice and
research. Innovations in Education and Teaching International, 61(3),
460–474. https://doi.org/10.1080/14703297.2023.2195846
Liu, Z., Zuo, H., & Lu, Y. (2025). The Impact of ChatGPT on Students’ Academic
Achievement: A Meta‐Analysis. Journal of Computer Assisted Learning, 41(4),
e70096. https://doi.org/10.1111/jcal.70096
Lo, C. K. (2023). What Is the Impact of ChatGPT on Education? A
Rapid Review of the Literature. Education Sciences, 13(4), 410.
https://doi.org/10.3390/educsci13040410
Miao, F., & Holmes, W. (2023). Guidance for generative AI in
education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in
education: The three paradigms. Computers and Education: Artificial
Intelligence, 2, 100020. https://doi.org/10.1016/j.caeai.2021.100020
Qian, Y. (2025). Pedagogical Applications of Generative AI in Higher
Education: A Systematic Review of the Field. TechTrends, 69(5),
1105–1120. https://doi.org/10.1007/s11528-025-01100-1
Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T.,
Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel:
ChatGPT as a case study of using chatbots in education. Smart Learning
Environments, 10(1), 15. https://doi.org/10.1186/s40561-023-00237-x
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z.
(2024). Artificial intelligence in education: A systematic literature review. Expert
Systems with Applications, 252, 124167.
https://doi.org/10.1016/j.eswa.2024.124167
Yusuf, A., Pervin, N., Román‐González, M., & Noor, N. M. (2024).
Generative AI in education and
research: A systematic mapping review. Review of Education, 12(2),
e3489. https://doi.org/10.1002/rev3.3489
Funding
The
authors received no funding for the development of the research.
Conflict of Interest
The
authors declare that they have no conflicts of interest.
Author Contributions
The
authors contributed to the development of the manuscript.
