IA: ¿herramienta o muleta? Cómo pensar mejor en la era digital. (Parte 2)
Qué perdemos y qué ganamos cuando delegamos el pensamiento.
En la primera parte de esta serie de artículos, analizamos cómo la tecnología —y en especial la IA— puede adormecer nuestra mente si delegamos en ella la comprensión. Ahora conviene mirar otro ángulo clave:
La IA no es neutral, y nuestro uso de ella tampoco lo es.
Eso tiene implicaciones directas para la ética, la integridad académica y el tipo de mente que estamos formando en la universidad.
1. La IA no es neutral: sesgos y alucinaciones
Los modelos de IA aprenden de enormes volúmenes de datos, muchos de ellos tomados de internet. Y eso significa tres cosas:
- Si los datos contienen estereotipos y prejuicios, la IA puede reproducirlos.
- Si ciertos grupos están subrepresentados, la IA puede “verlos” menos o describirlos de manera injusta.
- Y si los datos son contradictorios o ruidosos, la IA puede generalizar mal.
Revisiones recientes han mostrado cómo estos sesgos pueden afectar sistemas de IA usados en contratación, justicia, salud o publicidad, generando decisiones discriminatorias si no se vigilan (Ferrara, 2023; Mehrabi et al., 2021).
A esto se suman las alucinaciones: información falsa generada con absoluta seguridad. La IA puede inventar citas, atribuir resultados incorrectos o describir experimentos inexistentes con tono académico. Y si el usuario no verifica, el error pasa como verdad.
En un contexto universitario esto implica que:
- La IA puede reforzar injusticias si no pensamos críticamente.
- Puede sonar muy convincente… y estar rotundamente equivocada.
- Confiar sin verificación no solo es un riesgo cognitivo; también es un riesgo ético.
Tu responsabilidad es desarrollar algo que la IA no tiene: capacidad crítica para evaluar la fuente, el contexto y las implicaciones.
2. IA e integridad académica
Si la IA puede reproducir sesgos, generar información falsa y sonar perfectamente convincente, entonces no es solo una herramienta de eficiencia. La manera en que la usamos afecta lo que aprendemos, el tipo de profesionales que nos estamos formando y el tipo de carácter que estamos construyendo.
Por eso, antes de pensar en productividad o calificaciones, vale la pena hacer una pausa y preguntarnos algo más de fondo:
¿Lo que estoy entregando refleja realmente mi comprensión y mi carácter?
La integridad académica no es solo un reglamento; es una manera de cultivar criterio, responsabilidad y una visión honesta de nuestro propio progreso. Y el uso de la IA puede fortalecer ese proceso… o debilitarlo.
Para orientarnos en la práctica, te propongo cuatro principios sencillos que pueden guiar un uso académico responsable de esta tecnología:
1. Transparencia
Ser claros respecto a si usamos IA y con qué propósito. No es lo mismo pedir ayuda para corregir estilo que pedirle que escriba el trabajo completo. La diferencia es ética, no técnica.
2. Autoría honesta
El profesor evalúa tu capacidad de comprender, analizar y crear. Si la idea central del razonamiento la produjo el modelo, entonces lo que se está evaluando no eres tú. Y eso, además de injusto, te empobrece como estudiante.
3. Verificación rigurosa
Ningún texto generado por IA debería aceptarse sin comprobar fuentes reales. Las alucinaciones no siempre son obvias; una frase bien escrita puede ser falsa, y una cita perfectamente formateada puede no existir.
4. Proporción
La IA tiene un lugar legítimo: facilitar borradores, sugerir estructuras, generar ejemplos, apoyar en tareas mecánicas. Pero el corazón del aprendizaje —la comprensión profunda y el juicio propio— no debería tercerizarse.
Desde una perspectiva cristiana, este tema no se reduce a cumplir reglas. Tiene que ver con honestidad, mayordomía de los dones, amor a la verdad y respeto por el esfuerzo intelectual como parte de nuestra formación espiritual.
3. Aprender con otros y “muletas legítimas”
El aprendizaje siempre ha sido un acto comunitario. Crecemos al discutir, preguntar, argumentar, escuchar. Ningún modelo de lenguaje reemplaza la relación educativa real, el acompañamiento espiritual ni el compromiso de una comunidad que piensa y ora junta.
Al mismo tiempo, debemos reconocer que hay muletas legítimas. Lectores de pantalla, correctores avanzados o apoyos organizativos son necesarios para que algunos estudiantes accedan al aprendizaje en igualdad de condiciones.
El problema no es recurrir a apoyos cuando hacen falta, sino renunciar al esfuerzo en los ámbitos donde aún podemos desarrollarnos.
Una pregunta útil puede ser:
¿Estoy usando la IA como apoyo que amplía mis capacidades, o como un atajo para evitar desafíos que podrían hacerme madurar?
4. Deep Work: entrenar la atención en tiempos de IA
Cal Newport, profesor de informática formado en el MIT, define el trabajo profundo como la capacidad de concentrarse sin interrupciones en tareas cognitivamente exigentes durante periodos prolongados (2016).
Según él, este tipo de trabajo es cada vez más raro, es cada vez más valioso, y quienes lo cultivan se vuelven notablemente más productivos y creativos.
Practicar trabajo profundo no significa ignorar la IA, sino usarla de forma que no erosione nuestra atención. Por ejemplo:
- Reservar bloques de estudio o lectura para enfrentar primero el reto sin IA.
- Usar la IA después para contrastar, buscar críticas, pedir contraejemplos o mejorar el razonamiento.
Así, la IA deja de ser un analgésico intelectual y pasa a ser un fisioterapeuta exigente: no hace el esfuerzo por ti, pero te ayuda a fortalecerlo.
5. Dos reglas sencillas para no entregar el pensamiento
Para aterrizar todo esto en la práctica, te propongo dos reglas simples que ayudan a no ceder el pensamiento a la IA:
a) Regla 20–10–5
- 20 minutos tú: comprende, resuelve o escribe sin IA.
- 10 minutos con IA: muestra tu trabajo y pide crítica, alternativas, preguntas difíciles.
- 5 minutos tú: explica con tus palabras qué entendiste y qué cambiaste.
Si no puedes explicar la idea principal sin apoyo, es una señal de que tu comprensión probablemente sigue siendo superficial.
b) Test del borrado
Antes de aceptar una respuesta generada por IA, pregúntate:
“Si borro este chat, ¿puedo reconstruir la idea por mí mismo?”
Si la respuesta es no, delegaste demasiado.
Para pensar antes de abrir otro chat
La IA puede acelerar tareas, resumir textos y abrir caminos que quizá no habrías visto. Pero también puede entrenarte a no luchar con los problemas difíciles, a no esperar en el silencio, a evitar la reflexión profunda delante de Dios y de los demás.
Quizá convenga detenerse un momento y preguntar:
- ¿Esto que quiero hacer requiere atención profunda, o solo es un trámite?
- ¿Estoy usando la IA como apoyo de mi crecimiento, o como sustituto de mi responsabilidad intelectual y espiritual?
- ¿Qué tipo de mente estoy formando con mi manera de usar esta tecnología?
La respuesta no está en un algoritmo.
Se construye en la forma en que elegimos estudiar, trabajar y relacionarnos con la verdad.
En la elaboración de este artículo se utilizaron herramientas de Inteligencia Artificial Generativa (LLMs) exclusivamente para fines de corrección de estilo, mejora de estructura y fluidez lectora. La concepción de las ideas, la argumentación central, la selección de fuentes bibliográficas y la redacción principal son autoría intelectual humana de Daniel Gutiérrez Colorado. Todo el contenido generado por las herramientas fue verificado y validado por el autor para asegurar su precisión y coherencia ética.
Para escribir este blog, el autor consultó las siguientes fuentes:
- Ferrara, E. (2024). Fairness and Bias in Artificial Intelligence: A Brief Survey of Sources, Impacts, and Mitigation Strategies. Sci, 6(1), 3. https://doi.org/10.3390/sci6010003
- Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM Computing Surveys, 54(6), 1–35. https://doi.org/10.1145/3457607
- Newport, C. (2016). Deep work: Rules for focused success in a distracted world. Grand Central Publishing.
Si deseas más información sobre el tema, puedes escribir al siguiente correo: daniel.gutierrez@um.edu.mx
