Lo que cuesta no rendirse: el informe del MIT sobre IA y educación, leído con otro presupuesto

Sobre: Report — AI and Education, Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training, MIT, 13 de agosto de 2026. Leer el informe.

Actualizado el 29 de septiembre: posdata al final.

A mediados de septiembre, un informe universitario de agosto se convirtió en noticia internacional gracias a dos palabras. Cognitive surrender: rendición cognitiva. La expresión viajó de CNN a los diarios de la India y de Malasia en cuarenta y ocho horas, con la forma que suelen tomar estas cosas cuando salen del documento que las produjo —la IA está volviendo tontos a los estudiantes, las universidades no saben qué hacer—, y esa forma es más pobre que el informe. Vale la pena leerlo entero, porque su argumento no es sobre la inteligencia de nadie. Es sobre qué hace falta para que aprender siga siendo posible, y esa pregunta, hecha en el MIT, tiene una respuesta que acá hay que pagar en otra moneda.

Qué dice el informe

El comité ad hoc del MIT sobre uso de IA en enseñanza, aprendizaje y formación en investigación, que copresiden Eric Klopfer y Sam Madden, parte de una constatación que no discute: la IA generativa ya produce respuestas creíbles a buena parte del trabajo escrito de grado de su propia institución, incluidos ensayos, problemas de matemática y de ciencias, demostraciones y ejercicios de programación. De ahí no saca la conclusión que se esperaría. No propone volver a la evaluación anterior a la IA, que considera inviable, y tampoco propone detectar. Propone rediseñar.

La pieza conceptual es la distinción entre obtener la respuesta y aprender. Conseguir la respuesta correcta de un chatbot, dice el informe, produce la ilusión de haber aprendido, y puede disparar la rendición cognitiva: el estudiante recurre a la IA ante el primer indicio de dificultad. Lo que se pierde en esa transacción no es la respuesta —la respuesta está, y suele estar bien— sino el forcejeo, ese tramo incómodo en el que el esfuerzo se convierte en conocimiento durable y, sobre todo, en criterio para juzgar una respuesta ajena. El informe registra el efecto en la forma de un patrón: la IA mejora el rendimiento en la tarea domiciliaria y lo empeora en el examen vigilado.

La segunda pieza es la que la prensa no levantó, y es la más interesante. El informe documenta cambios en la vida del campus que no son problemas de integridad académica: menos asistencia a las horas de consulta, menos grupos de estudio presenciales, menos participación en las discusiones en línea. Ahí el informe deja de hablar de conducta individual y empieza a hablar de otra cosa. Las horas de consulta, los grupos de estudio, la tutoría, la crítica entre pares y la participación en investigación no son experiencias complementarias de la vida universitaria: son la manera en que se aprende el criterio profesional, y son lo primero que se vacía cuando cada estudiante puede resolver su problema a solas y a las tres de la mañana. El objeto del informe, dicho en un vocabulario que el informe no usa, es la organización social del aprendizaje.

De ahí salen las recomendaciones, y conviene enumerarlas porque en la enumeración está el argumento de este texto: exámenes orales, portafolios de semestre, trabajos acompañados de conversación en clase, historiales de trabajo documentados, hitos de proyecto, aprendizaje experiencial, aprendizaje social estructurado dentro de cada materia, tutoría, y preservación de los cargos de investigación de grado. Más dos cosas de política: que cada materia diga explícitamente cuándo la IA está prohibida, permitida o es obligatoria, y por qué; y que los docentes sean transparentes con sus estudiantes sobre su propio uso de IA para preparar materiales, dar devoluciones y corregir.

Dos de esas posiciones merecen concederse enteras. La primera es sobre los detectores: el informe advierte que son poco confiables en los casos ambiguos, que producen falsos positivos sobre estudiantes que no tienen el inglés como lengua materna y sobre estudiantes neurodivergentes, y que instalan una cultura de policía. Es una advertencia con geografía, aunque el informe no la nombre: en cualquier universidad del mundo, el estudiante que escribe en una lengua que no es la suya viene mayoritariamente de un lugar más pobre que el campus donde estudia, así que el costo del falso positivo no se reparte al azar. La segunda es la transparencia docente, que es la parte del informe que va a resultar más incómoda adentro de las instituciones, porque impide el arreglo que cualquier facultad apurada estaría tentada de hacer: restringirle la IA al estudiante mientras se automatiza calladamente el trabajo de enseñar.

El problema de la lista

Leída desde una oficina de decanato del MIT, esa lista es un plan de trabajo. Leída desde una universidad pública latinoamericana, es una factura.

Repasemos qué tienen en común el examen oral, el portafolio con devolución, la conversación en clase sobre el trabajo entregado, el seguimiento de hitos de proyecto, la tutoría y el cargo de investigación de grado. Todas son formas de evaluación y de enseñanza cuyo costo crece de manera lineal con la cantidad de estudiantes, porque todas consumen tiempo docente por estudiante y no por curso. El examen escrito de opción múltiple, el parcial estandarizado y el trabajo práctico corregido con grilla existen justamente porque desacoplan el costo del volumen: son las tecnologías que permitieron la universidad de masas. El informe del MIT propone, sin decirlo así, volver a acoplarlos. Y tiene razón, porque el forcejeo que quiere proteger sólo se vuelve visible en formatos donde alguien mira a un estudiante hacer algo. Pero eso significa que la respuesta correcta a la rendición cognitiva no es una metodología: es una relación docente-estudiante, y una relación docente-estudiante es una partida presupuestaria.¹

El informe no oculta esto. Recomienda financiar proyectos piloto, formar instructores, crear figuras institucionales dedicadas y sostener un comité permanente. Es decir, sabe que lo que propone cuesta, y describe cómo pagarlo en una institución que puede. El problema aparece cuando el documento viaja, porque viaja sin la nota al pie que dice cuánto sale, y llega a sistemas donde la pregunta por el costo no es un detalle de implementación sino la pregunta entera.

Ochenta y siete y ocho

Para ese viaje hay, esta vez, un número del otro lado. El 9 de septiembre, en la Semana del Aprendizaje Digital en París, la UNESCO IESALC presentó La implementación de la IA en la educación superior en América Latina y el Caribe, un estudio de Arianna Valentini sobre 200 instituciones de 19 países, con trabajo de campo entre agosto y octubre de 2025. Los números principales son cinco y se leen mejor juntos: el 87% de las instituciones ya usa inteligencia artificial en alguna de sus actividades; el 26% tiene una estrategia formal; el 18,5% tiene políticas institucionales integrales; el 9% tiene mecanismos formales de evaluación; el 8% tiene presupuesto propio asignado al tema. Del lado de las personas, el 92% de los estudiantes y el 79% de los docentes de la región ya usan IA. La adopción es más alta en docencia (73,5%) que en investigación (57%), administración (34,1%) y extensión (20%), y el impulso viene de docentes, investigadores y estudiantes: no de decisiones institucionales.

Ese último dato es el que emparenta el estudio con otro de la misma semana. La encuesta que la UNESCO y el ICOM publicaron el 17 de septiembre sobre más de 400 museos de 90 países encontró la misma estructura con otros porcentajes: 57% usa IA, 55% no tiene ninguna política escrita, y la adopción es exploratoria y viene del personal. Universidades y museos de tres continentes están haciendo lo mismo. Adoptan por iniciativa individual y gobiernan después, si llegan.

Puesto uno al lado del otro con el informe del MIT, el cuadro se ordena así. En el MIT, el riesgo es que la IA erosione un conjunto de prácticas densas en trabajo humano que la institución todavía tiene y puede pagar. Acá, el 87% ya adoptó y el 8% tiene con qué pensar lo que adoptó, de modo que el riesgo no es la erosión de esas prácticas sino algo anterior: que nunca se discuta si hay que tenerlas. El informe del MIT advierte sobre una pérdida. En esta región, buena parte de eso que se perdería viene funcionando desde hace años con la cinta adhesiva de la voluntad docente.

La causa que llega segunda

Hay una recomendación del informe que en el Norte suena preventiva y acá describe un hecho consumado. El comité pide preservar los cargos de investigación de grado (el MIT los llama UROP) y advierte que reemplazar al investigador novato por agentes de IA eliminaría no sólo unas tareas sino la puerta de entrada a una comunidad de investigación y a una identidad profesional. Es exactamente el argumento que este blog discutió hace dos semanas a propósito de Terence Tao, con una diferencia de calendario que cambia todo: acá esa puerta viene cerrándose desde 2023, y no la cerró la inteligencia artificial. La cerraron las becas que no se renovaron y los ingresos a carrera que no se abrieron.

La consecuencia de esa diferencia es de atribución, y no es menor. Cuando una tecnología llega a ocupar un hueco que ya estaba cavado, el relato institucional que queda escrito es que la tecnología cavó el hueco. Si dentro de cinco años una universidad de la región constata que sus grupos de investigación no incorporan gente joven, va a tener a mano una explicación prestigiosa, internacional y publicada por el MIT, y va a tener que hacer un esfuerzo deliberado para recordar que el ajuste llegó primero. Eso importa porque las dos causas se corrigen con políticas distintas: contra la sustitución por agentes sirve una regla sobre qué tareas no se automatizan; contra el vaciamiento presupuestario no sirve ninguna regla sobre IA. Confundirlas produce instituciones que escriben protocolos impecables sobre un sistema que se quedó sin gente.

Y en la dirección opuesta, la misma confusión habilita el movimiento que conviene anticipar ahora, mientras todavía no tiene nombre propio. Un sistema universitario sin plata, con matrícula creciente y con una relación docente-estudiante que empeora todos los años, es el cliente ideal para la tutoría personalizada automatizada, la corrección asistida y la devolución generada. Cada una de esas compras se justifica con el argumento correcto —el estudiante que hoy no recibe ninguna devolución va a recibir alguna—, y el argumento correcto es, además, verdadero. La pregunta no es si eso mejora la situación de partida. Es qué queda fijado cuando la mejora se instala: si la devolución automatizada pasa a ser el piso del sistema, la discusión sobre cuántos docentes hacen falta se vuelve, para siempre, una discusión sobre licencias.

Lo más barato de la lista

Queda una salida que no depende del presupuesto, y es la parte del informe del MIT que menos se citó. Entre todas las recomendaciones caras hay una gratis: que cada materia declare explícitamente cuándo la IA está prohibida, cuándo permitida y cuándo es obligatoria, y explique por qué, en términos de qué se supone que el estudiante tiene que aprender ahí. No requiere cargos nuevos, ni licencias, ni plataformas, ni cambiar el régimen de evaluación. Requiere un párrafo en el programa de la materia y una discusión de cátedra antes del cuatrimestre.

El dato del 18,5% dice que ni siquiera eso se hizo. Es el punto donde el diagnóstico de la restricción presupuestaria deja de alcanzar como explicación, porque escribir esa regla no cuesta plata: cuesta tomar posición, que es más incómodo. Mientras no esté escrita, el estudiante que quiere portarse bien no tiene modo de saber qué se espera de él, el docente que quiere sostener una exigencia no tiene con qué respaldarla, y la única política institucional efectiva termina siendo la del silencio, que en los hechos autoriza todo y protege a nadie.²

Lo que queda abierto

El informe del MIT hace algo que en este debate casi nadie hace, y por eso vale releerlo: trata al aula como un sitio de gobernanza de la IA y no como un lugar donde se aplica lo que se decidió en otra parte. Esa es la parte exportable, y es la que sobrevive a la diferencia de presupuesto. La rendición cognitiva no se combate con software de vigilancia ni con automatización administrada por un proveedor; se combate con trabajo pedagógico, con espacios compartidos de estudio, con infraestructura abierta y auditable, y con formas de evaluación que hagan visible el proceso y no sólo el producto.

Lo que no es exportable es la lista de precios. Y la pregunta que queda abierta es cuál de las dos cosas va a viajar más rápido. Un informe se descarga gratis; un examen oral para una comisión de doscientos estudiantes, no. Si las universidades de la región adoptan el diagnóstico sin la inversión, el resultado previsible no es un sistema que protege el forcejeo productivo: es un sistema que sabe exactamente qué está perdiendo y no tiene con qué evitarlo, lo cual, en materia de política educativa, suele ser peor que no haberse enterado. Vale la pena que el diagnóstico llegue igual. Pero conviene que llegue acompañado de la pregunta que el informe no tiene por qué hacerse y acá no se puede eludir: quién paga las horas que hacen falta para que un estudiante tenga con quién forcejear.³

Posdata, 29 de septiembre

Dos textos de las últimas semanas tocan la pregunta que este posteo dejó abierta y la contestan de maneras opuestas, así que conviene ponerlos al lado del informe.

El primero es de Brian Klaas y lo publicó La Nación el 26, con el título “La gran brecha cognitiva” (el original en inglés es de junio). Su tesis es que la IA funciona como un gimnasio cognitivo: amplifica a quien ya tiene hábitos de pensamiento crítico y deja atrás a quien le delega el esfuerzo. Se apoya en los dos estudios que cita casi todo el que escribe sobre esto. Uno del MIT, de 2025 y con una muestra chica, registró menor conectividad cerebral en quienes escribían un ensayo con ChatGPT, y dificultad para recordar lo que acababan de escribir. Otro, de 2026, encontró que quienes aprenden con asistencia de IA persisten menos y abandonan antes. La recomendación final es individual: ante cada uso, preguntarse si la herramienta complementa el propio pensamiento o lo sustituye.

La descripción es correcta y la conclusión se queda corta, justo donde el informe del MIT es mejor. Si la IA amplifica lo que el estudiante ya trae, la brecha no la produce la disposición de cada uno sino lo que cada uno trae, y eso lo produjo una institución: alguien que corrigió, que devolvió, que hizo una pregunta incómoda en una hora de consulta. La pregunta de Klaas sólo se la puede hacer quien ya aprendió a pensar sin la herramienta. Convertirla en política es trasladarle al estudiante la tarea que el informe le asigna a la universidad. Y en un sistema donde el 8% de las instituciones tiene presupuesto para el tema, es exactamente la política que se va a adoptar, porque es la única gratis. Klaas anota de pasada que no hay un Silicon Valley en Madagascar. En la mayoría de las universidades de la región tampoco hay alguien con tiempo para enseñar a usar el gimnasio.

El segundo es la nota de Wired sobre los matemáticos que odian la IA y no pueden dejar de usarla, de la que cito dos frases por las reproducciones que circularon, porque el texto está detrás de un muro de pago. Jared Speck, de Vanderbilt, recuerda su formación: “Cuando empezaba, me daban problemas que mis mayores probablemente podían resolver más fácil, o al menos más rápido. Pero estaban invirtiendo en mí”. Es el argumento del informe sobre los cargos de investigación de grado, dicho por alguien que se benefició de uno, y es la semilla de Tao contada desde el otro lado. La segunda es de Noga Alon, de Princeton, sobre los problemas que la IA empezó a resolver: una vez que lo hace, “ya no tiene sentido”. Las dos frases describen lo mismo. Un problema de formación deja de tener sentido como problema cuando la máquina lo resuelve, y justamente por eso tenía sentido dárselo a alguien: quien lo asignaba sabía que la respuesta existía, y lo que compraba era la persona que iba a encontrarla. Esa compra es la partida presupuestaria de la que habla este posteo, y ningún estudio de conectividad cerebral la reemplaza.