General
La próxima generación del aprendizaje con IA no trata de mejores chatbots, sino de mejores decisiones
Loading blog content
This website uses cookies for authentication, security, analytics...View Cookie Policy
General
Cuando un estudiante de una escuela de negocios pega un caso práctico en ChatGPT y recibe un análisis competente en quince segundos, se pierde algo real. No el resultado. El resultado parece indistinguible de algo que el estudiante podría haber escrito tras dos horas de trabajo. Lo que se pierde es el pensamiento que esas dos horas habrían generado: lidiar con la ambigüedad, practicar cómo sopesar información incompleta y desarrollar el criterio que surge al tomar una decisión y asumir sus consecuencias.
En LiveCase, leímos el informe de Ivey Business School «Del pizarrón al chatbot» (agosto de 2026) como un esfuerzo oportuno y serio por ofrecer al profesorado un lenguaje para abordar este problema. El informe analiza 14 herramientas de aprendizaje con IA, pero su aporte más valioso no es la lista. Es el criterio de diseño que subyace a ella: la IA educativa debe proteger el pensamiento, la práctica y el criterio que, de otro modo, el alumnado podría delegar. Esto replantea la conversación: ya no se trata de mejores chatbots, sino de mejores decisiones de aprendizaje.
La mayoría de las conversaciones sobre IA en la educación empiezan con la pregunta equivocada. El profesorado pregunta qué herramienta detecta mejor las trampas. El personal administrativo pregunta qué integración con el sistema de gestión del aprendizaje ahorra más tiempo al profesorado. Los proveedores compiten por demostrar qué modelo obtiene la puntuación más alta en las pruebas de referencia. El informe de Ivey, escrito por Julian Birkinshaw y Mazi Raz, empieza por otro lado. Pregunta qué parte del proceso de aprendizaje está diseñada para proteger una herramienta.
Ese cambio importa. El informe evalúa las herramientas no por su sofisticación técnica, sino por su intención pedagógica: ¿preserva una herramienta la fricción productiva que hace que el aprendizaje perdure, o la elimina? (PDF, pp. 4-5, 9). No se trata de un criterio técnico, sino educativo. Además, complementa los argumentos que hemos expuesto en publicaciones anteriores sobre la evaluación basada en decisiones y sobre cómo ir más allá de la detección de IA y fomentar una participación real. El informe aporta el marco pedagógico que les faltaba a esos argumentos prácticos.
El informe analiza todas las herramientas desde una misma perspectiva: ¿en qué momento del recorrido de aprendizaje interviene (preparación, clase, refuerzo, evaluación) y qué pretende desarrollar (conocimientos conceptuales, habilidades o criterio)? Una herramienta que reserva las respuestas para obligar a razonar se evalúa de forma distinta a otra que ofrece explicaciones inmediatas, aunque ambas utilicen el mismo modelo subyacente.
Esta claridad analítica ayuda al profesorado a superar el ciclo de la exageración. En lugar de preguntarse «¿Esta IA es buena o mala?», el informe plantea una pregunta más precisa: «¿Qué le pide este diseño al estudiante que de otro modo no haría, y qué le impide delegar?».
El aprendizaje duradero no es cómodo. Exige que el alumnado se enfrente a conceptos desconocidos, practique habilidades repetidamente y ejerza su criterio en situaciones ambiguas. Estas actividades crean lo que los especialistas en ciencias del aprendizaje llaman fricción productiva: la brecha entre lo que exige una tarea y lo que el estudiante puede hacer en ese momento. Ahí es donde se produce el crecimiento.
El informe de Ivey lo plantea directamente. Advierte que la IA generativa ha convertido la fricción productiva en algo opcional, al permitir que el alumnado delegue el esfuerzo. El resultado inmediato puede ser mejor (un informe bien escrito), pero se pierde el razonamiento que habría producido un aprendizaje duradero. El informe cita investigaciones que describen este fenómeno como «pereza metacognitiva» (PDF, pp. 2-3).
Para saber más sobre el aprendizaje mediante la fricción productiva, consulta Fricción productiva: la dificultad de aprendizaje que la IA no debería eliminar.
¿Cómo enseñar con chatbots de IA? trata con más detalle el aprendizaje inmersivo con IA.
Antes de la IA generativa, la fricción era lo normal. Un estudiante que no había leído el caso no podía fingir que tenía algo que aportar al debate. Quien no había practicado el marco de análisis no podía generar un análisis aceptable. La IA cambia esta ecuación. Pone resultados competentes al alcance de cualquiera que escriba una instrucción.
La idea clave del informe es que esto no es necesariamente malo. La pregunta es si la fricción que desaparece era productiva o meramente administrativa. Resumir un texto largo es una tarea mecánica. Decidir qué información importa en una situación ambigua es aprendizaje. Según el informe, las buenas herramientas de IA eliminan el primer tipo de fricción y conservan, o crean, el segundo.
El equipo de Ivey identificó patrones recurrentes en las siete herramientas públicas y los siete proyectos piloto que analizó. Las herramientas de gran valor comparten cinco principios de diseño:
Reservar información en lugar de proporcionarla. Las herramientas más sólidas no responden de inmediato a las preguntas del alumnado. Exigen razonar, buscar y formular mejores preguntas antes de ofrecer información. Así es como se desarrolla la mejor enseñanza socrática.
Plantear contraargumentos en lugar de asentir. Las herramientas que introducen puntos de vista opuestos, dilemas estratégicos o conflictos entre partes interesadas obligan al alumnado a manejar disyuntivas. El acuerdo es cómodo. El contraargumento enseña.
Fomentar la búsqueda de información en lugar de ofrecer contexto al instante. Las herramientas que presentan información parcial y exigen que el alumnado determine qué más necesita saber desarrollan habilidades de investigación y criterio. Las herramientas que ofrecen todo el contexto desde el principio no desarrollan ni lo uno ni lo otro.
Ensayo y retroalimentación en lugar de una única actuación. Las herramientas más valiosas desde el punto de vista educativo permiten practicar repetidamente con retroalimentación estructurada. Un debate sobre un caso es valioso. Poder repetir la misma situación tomando decisiones diferentes y ver sus consecuencias es transformador.
Evidencia del proceso, no solo del resultado final. Las herramientas que registran cómo llegó el alumnado a sus decisiones, cómo buscó información, qué cambios hizo y cómo distribuyó su tiempo ofrecen al profesorado algo que la respuesta final nunca puede brindar: visibilidad del propio proceso de pensamiento.
El informe señala que estos principios corresponden directamente a dos funciones pedagógicas de la IA: la de controlador del tráfico, que organiza las actividades de aprendizaje, y la de compañero de entrenamiento, que desafía el pensamiento del alumnado (PDF, p. 5). Ambas funciones parten de que el estudiante, y no la IA, sigue siendo el agente activo.
Ya hemos escrito sobre la diferencia entre chatbots y simulaciones y sobre el uso de chatbots de IA para dar vida al aprendizaje basado en casos. El marco del informe nos ofrece un vocabulario más preciso para explicar por qué importa la distinción: un patrón trata la IA como proveedora de respuestas; el otro, como entorno de toma de decisiones. Esa es la diferencia entre un atajo y un andamiaje.
Las herramientas que presenta el informe no están diseñadas todas de la misma manera. Algunas funcionan como tutores conversacionales que responden a las preguntas del alumnado. Otras funcionan como entornos de toma de decisiones en los que los estudiantes deben elegir, afrontar consecuencias y revisar sus decisiones. El informe no clasifica una categoría por encima de la otra: evalúa la adecuación pedagógica de cada una. Sin embargo, sus conclusiones apuntan claramente a un patrón: las herramientas que tratan a la IA como parte interesada, guía o evaluadora exigen de forma sistemática una mayor participación cognitiva que las que la utilizan como proveedora de respuestas.
Cuando la IA representa a una parte interesada, el alumnado debe cuestionarla, persuadirla y tener en cuenta sus intereses. Cuando desempeña una función de guía, cuestiona el razonamiento de los estudiantes en lugar de proporcionarles conclusiones. Cuando actúa como evaluadora, valora la calidad de sus decisiones, no el pulido de su prosa.
Estos son los papeles hacia los que tienden los diseños de herramientas más sólidos del informe. También son funciones que los chatbots genéricos no pueden reproducir fácilmente. Un estudiante no puede pegar una simulación de negociación en ChatGPT y obtener la misma experiencia. La estructura de la situación, las consecuencias ramificadas y la visibilidad para el profesorado están integradas en el diseño, no en la instrucción.
Cabe señalar que el informe identifica explícitamente la evaluación como un aspecto importante, pero aclara que no es su foco principal (PDF, p. 9, nota 10). Nuestra lectura amplía los principios del informe al ámbito de la evaluación, donde vemos una alineación especialmente sólida con las evaluaciones basadas en situaciones y centradas en la toma de decisiones.
Las conclusiones del informe coinciden estrechamente con los principios de diseño que hemos incorporado a las situaciones de LiveCase. Cada una coloca al alumnado en medio de una situación en desarrollo, donde interactúa con personajes impulsados por IA, reúne información parcial y toma decisiones que producen consecuencias visibles. La IA no responde a sus preguntas. Interpreta el papel de un miembro escéptico de la junta directiva, un cliente preocupado o un informante reservado. Es la función de compañero de entrenamiento que describe el informe, aplicada a escala de curso.
Todas las situaciones de LiveCase se estructuran en torno a puntos de decisión concretos, cada uno con resultados ramificados. El alumnado experimenta las consecuencias de sus decisiones y descubre qué habría ocurrido con otras alternativas. El análisis posterior revela no solo qué decidieron los estudiantes, sino por qué y cuándo. Así se genera la evidencia del proceso que el informe identifica como un patrón de diseño fundamental.
El informe subraya que el profesorado necesita ver cómo piensa el alumnado, no solo qué produce. LiveCase lo permite mediante análisis que registran cómo se busca información, cuándo se toman decisiones, los patrones de revisión y el razonamiento que el alumnado presenta junto con sus elecciones. Estos rastros de datos ofrecen al profesorado información sobre el proceso de aprendizaje que un ensayo final, sobre todo si puede haber sido generado por IA, no puede proporcionar.
Ninguna plataforma debería afirmar que tiene respuestas definitivas sobre lo que funciona en todos los contextos. El informe pide «medidas comunes acordadas de antemano para poder comparar las herramientas de forma sustantiva» y que se registre sistemáticamente qué se probó, con quién y qué ocurrió. Nos tomamos esto en serio. Entre las preguntas de investigación que queremos ayudar a las instituciones a explorar están las siguientes: ¿Las evaluaciones basadas en situaciones predicen la toma de decisiones en el mundo real mejor que los exámenes tradicionales? ¿Qué condiciones hacen que la orientación con IA sea más eficaz para distintos grupos de estudiantes? Y ¿cuánta fricción productiva es óptima? ¿Podemos medir el punto en que el desafío se convierte en desánimo?
Son preguntas empíricas, no afirmaciones publicitarias. Estamos realizando experimentos junto con nuestras instituciones asociadas y publicando los resultados. Invitamos a cualquier escuela de negocios que quiera participar en este trabajo.
El informe ofrece al profesorado un punto de partida concreto. Ante cualquier actividad del curso en la que pueda intervenir la IA, conviene plantearse tres preguntas:
Identifica la actividad de aprendizaje específica en la que el alumnado podría delegar el esfuerzo a la IA. ¿Es la lectura? ¿El análisis? ¿La práctica? Concreta qué forma adopta el atajo y qué aprendizaje evita.
Decide si tu intervención recupera la fricción productiva que eliminó la IA (por ejemplo, una parte del examen sin consultar materiales o un debate sin dispositivos) o si crea nuevas formas de fricción productiva que antes no existían (una simulación interactiva que obliga al alumnado a determinar qué información necesita). Ambas estrategias son válidas. El error es no hacer ninguna de las dos.
El informe advierte que la adopción y la satisfacción del alumnado son indicadores poco fiables. Puede que una herramienta que les encanta les permita tomar atajos. Un indicador mejor es saber si se involucran en la fricción o encuentran formas de evitarla. Los rastros de datos de las herramientas modernas permiten verlo directamente. Aprovéchalos.
Lee la guía completa de LiveCase sobre evaluación resistente a la IA o participa en una mesa redonda docente sobre cómo medir el aprendizaje auténtico en un mundo con IA en livecase.com.
Es un informe técnico publicado en agosto de 2026 por los profesores de Ivey Business School Julian Birkinshaw y Mazi Raz. Analiza 14 herramientas de aprendizaje con IA para escuelas de negocios. El informe evalúa las herramientas por su intención pedagógica, no por su sofisticación técnica, y sostiene que la IA debe preservar la fricción productiva en el aprendizaje.
El informe analizó siete herramientas de tecnología educativa disponibles públicamente y siete proyectos piloto creados por el profesorado y el personal de Ivey. Incluyen desde tutores conversacionales y sistemas de orientación con IA hasta simulaciones y casos interactivos.
La fricción productiva es la brecha entre lo que exige una tarea de aprendizaje y lo que un estudiante puede hacer en ese momento. Es el esfuerzo, la práctica y el criterio que producen un aprendizaje duradero. Cuando la IA elimina por completo esa fricción, el alumnado gana eficiencia, pero pierde la oportunidad de crecer.
El informe concluyó que las herramientas diseñadas para abarcar todo el recorrido de aprendizaje rara vez hacen bien cada una de sus partes. Las más útiles se centran en una actividad de aprendizaje bien definida y con un propósito pedagógico específico.
El informe concluye que las herramientas de IA no desplazarán la enseñanza presencial. Ninguna de las herramientas analizadas reproducía un debate bien dirigido en el que el alumnado tuviera que exponer su razonamiento, responder a opiniones contrarias y aprender de los demás en tiempo real. El método del caso podría adquirir más valor, no menos.
El informe identifica cinco patrones de diseño compartidos por las herramientas de gran valor: reservar las respuestas en lugar de proporcionarlas, introducir contraargumentos, exigir la búsqueda de información, permitir la práctica repetida con retroalimentación y mostrar el proceso de pensamiento del alumnado, no solo el resultado final.
¿Quieres conversar sobre este tema? Reserva una llamada de presentación gratuita de 15 minutos
Crea tu propia simulación, cuenta con nuestro Studio, empieza con un caso publicado o coméntanos tu idea.
Pregunta por una demo, un presupuesto o tu simulación. Solemos responder en pocas horas.
ContactarCrea con IA o empieza desde cero. Tú mantienes el control creativo.
Crear una cuentaTrabaja con nuestros autores para crear una simulación lista para el aula.
Descubrir StudioExplora simulaciones creadas con educadores de primer nivel.
Ver el catálogo
Author: Antoine Duvauchelle
An accomplished educator and tech entrepreneur, Tony brings a unique combination of experience and expertise to the table. With a background in venture capital and a proven track record of success in business, Tony has a deep understanding of the intersection of science, technology, and society. A former Ironman triathlete and father of two, Tony brings a well-rounded perspective to his work, and is always looking to tackle the big, complex questions that shape our world. Whether it's developing cutting-edge technology, driving innovation in education, or shaping the future of business and society, Tony is always pushing the boundaries and making a real impact.
Publicado el: 28/10/2026
Artículos relacionados
© 2021 — @Livecase
Powered by Recursive Solutions