Cuando la IA responde todo, el aula tiene que aprender a preguntar.
“Si tuviera que poner el eslogan, sería que preguntarle a ChatGPT no sea la única alternativa.”
Mariana Ferrarelli, episodio #086 de Después de Clase (2026)
Mariana Ferrarelli dirige el Programa de Inteligencia Artificial en Educación de la Universidad de San Andrés en Argentina, investiga, forma docentes y acaba de publicar Inteligencia artificial en la educación y el trabajo (Grupo Magro, 2026). Esta conversación arranca desde una pregunta que el debate sobre IA educativa suele postergar: qué ocurre cognitivamente cuando un estudiante le delega a la máquina lo que debería hacer él.
📺 Ver en YouTube:
🎧 Escuchar en: Spotify · Apple Podcasts · Amazon Music · iVoox
Dos operaciones cognitivas distintas
Uno de los primeros puntos que Mariana plantea en la conversación es una distinción que parece obvia pero que tiene consecuencias pedagógicas reales: la IA generativa y un buscador web son herramientas que responden a lógicas cognitivas opuestas.
Cuando buscamos en Google o en cualquier otro motor, partimos de la ignorancia: no sé, entonces busco, evalúo fuentes, contrasto. El buscador funciona porque el usuario no sabe, y el resultado depende de la capacidad de ese usuario para discriminar entre fuentes. La IA generativa invierte ese orden. Para evaluar lo que produce un modelo de lenguaje, hay que saber bastante sobre el tema; de otro modo no hay cómo detectar cuándo el texto es correcto y cuándo es simplemente plausible.
Esa plausibilidad es el núcleo del problema. Los modelos de lenguaje generan texto por predicción estadística de la siguiente palabra más probable, no por acceso a una verdad verificada. De ahí que Mariana insista en una distinción que pocas veces se hace con esta claridad: una alucinación de IA - término técnico para cuando el modelo produce información incorrecta con total confianza - no es una mentira. Mentir requiere intención; el modelo no tiene ninguna. Genera texto verosímil. El sistema predice palabras; no afirma hechos. Y eso cambia bastante la forma en que deberíamos hablar de estas herramientas en el aula.
El algoritmo busca la comodidad. El aula no debería.
Mariana trabaja hace años con un concepto que en la entrevista desarrolla con precisión: diseñar la fricción. La idea parte de observar qué hacen los sistemas de recomendación, tanto la IA generativa como los algoritmos de plataformas de streaming y redes sociales, y proponer exactamente lo contrario para el aula.
Los algoritmos de recomendación están optimizados para maximizar la sintonía con el usuario. Le dan lo que predice que quiere, evitan la incomodidad, refuerzan lo que ya piensa. Según datos que Mariana cita de la Harvard Business Review, el uso más frecuente de la IA generativa no es académico ni laboral: es terapia, acompañamiento, catarsis. Los sistemas están diseñados para que el usuario se sienta bien.
El aula tiene una función distinta, y en este contexto esa función se vuelve más visible. Mariana habla de construir situaciones donde el estudiante tenga que habitar el silencio, la incertidumbre, el conflicto de trabajar con otros, la pregunta que no tiene respuesta inmediata. No como ejercicio de resistencia tecnológica, sino porque esas situaciones activan procesos cognitivos que la interacción con la IA generativa tiende a cortocircuitar: la recuperación de conocimiento previo, la tolerancia a la frustración, la negociación de ideas en tiempo real.
Gemelos generativos: configurar la IA para que haga preguntas
En 2024, Mariana publicó con Natalia Corvalán en la Revista ISALUD un concepto que llaman gemelos generativos. La metáfora viene de la ingeniería: un gemelo digital es una copia virtual de un objeto o proceso físico que permite simular su comportamiento. Aplicado a la educación, un gemelo generativo es una IA configurada mediante prompts iterativos para que asuma un rol pedagógico específico - tutor, par crítico, asesor - con una instrucción central: no dar respuestas directas, sino hacer preguntas que orienten el proceso de quien aprende.
La distinción respecto al uso habitual de un chatbot de propósito general es pedagógica, no técnica. Un estudiante que abre ChatGPT y pide que le explique un concepto recibe una explicación; uno que interactúa con un gemelo generativo bien configurado recibe preguntas que lo obligan a construir esa explicación por sí mismo. Mariana lo pone en práctica con estudiantes de profesorado que tienen que diseñar actividades diversificadas: el gemelo no les diseña la actividad, les pregunta por qué priorizan ciertos pasos, qué supuestos están usando, qué pasaría si cambiaran el orden.
En la conversación explica con detalle cómo se configura ese proceso y por qué la opcionalidad - el hecho de que los estudiantes elijan si lo usan o no - forma parte del diseño pedagógico. Eso está en el video; requiere más tiempo del que permite un artículo.
Lo que reveló el 30% de desaprobados
A principios de 2025, Mariana tuvo alrededor de un 30% de desaprobados en cursos donde el índice habitual rondaba el 5%. El dato es llamativo, pero su lectura es más interesante que la cifra.
Los trabajos que fallaron no fallaron por plagio técnico - por copiar y pegar sin criterio. Fallaron porque respondían con generalidades donde se pedía especificidad, citaban autores con atribuciones incorrectas, o trataban fuentes críticas como si fueran celebratorias de la tecnología. El texto era fluido; el contenido, vacío. Eso es lo que producen los modelos de lenguaje cuando se los usa sin el conocimiento previo necesario para evaluarlos.
Lo que cambió en su práctica fue el foco en el proceso. Entregas intermedias, control de cambios, registro de las decisiones de escritura. El objetivo no era detectar el uso de IA, que en muchos contextos es legítimo, sino hacer visible el proceso intelectual que debería acompañarlo. Mariana señala algo que el debate sobre IA educativa suele evitar: la IA no creó el problema de las consignas genéricas ni el de la evaluación centrada solo en el producto final. Lo expuso. Esas fragilidades ya estaban ahí.
Una pregunta para directivos e instituciones
La conversación cierra en un territorio que Mariana plantea con claridad: si se le pide al docente que observe el proceso, que acompañe con más cercanía, que diseñe consignas que requieran pensamiento genuino, eso tiene un costo en tiempo y en personas. Y ese costo no lo resuelve la tecnología.
Mariana cita a Carlos Magro en este punto: la promesa de que la tecnología liberaría al docente para tareas de mayor valor nunca se cumplió del todo, y con la IA generativa se repite el mismo argumento. Lo que ella propone es más sobrio: entender qué hace la IA bien, qué hace el docente que la IA no puede hacer, y tomar decisiones institucionales - de carga, de equipos, de financiamiento - a partir de esa distinción. Enseñar, dice, es contagiar, mostrar un pedazo de mundo. Para eso no necesitamos la IA. Ya con YouTube teníamos resuelto el delivery de contenidos.
Si este episodio te pareció valioso, compártelo con alguien que trabaje en educación.
Nos vemos… después de clase.
Me ha interesado especialmente lo que cuenta Mariana de los trabajos que estaban bien escritos, pero atribuían mal las ideas de los autores. Una explicación que se lee bien puede hacer que demos por entendido algo demasiado pronto.
Pedir que el estudiante explique qué cambió, por qué descartó una respuesta o qué fuente le hizo dudar permite ver mucho más de cómo está pensando.
También agradezco que llevéis esto hasta las condiciones de trabajo del docente. Acompañar ese proceso requiere tiempo para leer, preguntar y devolver comentarios. Me parece importante que esa parte entre en las decisiones de incorporar IA: qué tiempo va a tener el profesorado para hacerlo y qué apoyo va a recibir.