Los adultos que resolvieron ejercicios con un asistente de IA acertaron menos al continuar sin él, según un estudio presentado en COLM 2026. Algunas pruebas también registraron más preguntas abandonadas tras interacciones de unos 10 minutos.
El trabajo reunió a 1,222 adultos reclutados por internet en tres ensayos aleatorizados. La Universidad de California en Berkeley lo difundió el 9 de octubre, tras su revisión por pares para COLM 2026.
El resultado plantea una diferencia relevante para evaluar herramientas educativas: el desempeño mientras la IA está disponible y la capacidad de resolver un problema después, por cuenta propia, pueden seguir trayectorias distintas. Una buena respuesta entregada durante la práctica no basta para medir lo aprendido.
La prueba empezaba con ayuda y terminaba sin ella
Dos ensayos usaron fracciones; el tercero, comprensión lectora del SAT. Un grupo podía consultar al chatbot y otro trabajaba sin IA. Después, los investigadores retiraron la ayuda y compararon nuevos ejercicios. La ventaja inicial del grupo asistido se invirtió.
El artículo detalla que el asistente utilizaba GPT-5 y recibía previamente problemas y soluciones para ofrecer respuestas correctas de inmediato.
En el segundo ensayo, el análisis final incluyó a 585 personas. Al quedarse sin ayuda, el grupo que había tenido IA acertó el 71 %, frente al 77 % del control. Omitió el 10 % de las preguntas, frente al 7 %; esta última diferencia no alcanzó significación estadística.
Pedir la solución y pedir pistas dieron resultados distintos
Una comparación posterior encontró peor rendimiento y más preguntas omitidas entre quienes pedían soluciones completas que entre quienes buscaban pistas. Como cada participante eligió cómo usar la IA, esa comparación es una asociación, no una prueba causal de que pedir pistas evite el efecto.
El rendimiento se midió inmediatamente después de retirar la ayuda. Los autores dejan abierta la duración del efecto y su evolución con el uso cotidiano. El ensayo tampoco probó un tutor que guiara el razonamiento y reservara la solución.
Un ensayo escolar aporta evidencia sobre el diseño del tutor
Un trabajo independiente publicado en PNAS en 2025, encabezado por Hamsa Bastani, comparó dos asistentes basados en GPT-4 con un grupo sin IA en una escuela secundaria de Turquía. Participaron cerca de mil estudiantes. Una versión funcionaba como chat general; la otra incorporaba pistas preparadas con docentes y límites a la entrega de soluciones.
En el examen posterior sin IA, quienes habían usado el chat general obtuvieron calificaciones un 17 % inferiores a las del control. El grupo del tutor con pistas tuvo un rendimiento estadísticamente indistinguible del control: no registró la caída significativa de la otra versión ni una mejora detectable en ese examen.
Leídos juntos, los trabajos sugieren que una evaluación educativa debe considerar tanto lo que permite completar el asistente como lo que queda en manos del estudiante al retirarlo. El ensayo escolar aporta evidencia sobre un diseño específico; la comparación entre usuarios del estudio de adultos ayuda a formular nuevas pruebas sobre el tipo de ayuda.
Brian Christian, coautor e investigador de UC Berkeley, propone que los asistentes prioricen desarrollar capacidades. Su planteamiento exige evaluar qué puede resolver una persona por su cuenta después de practicar con la herramienta, según la explicación publicada por la universidad.
