El verdadero desafío de la inteligencia artificial no es técnico, sino cognitivo: aprender a pensar con IA sin renunciar al juicio propio. Hoy, la evidencia empírica en educación superior y mercado laboral no solo confirma esa idea, sino que la vuelve difícil de eludir. El problema ya no es la adopción de la IA, sino qué tipo de aprendizaje estamos promoviendo cuando la incorporamos sin cambiar la forma de enseñar.
El AI in Higher Education Latin America Survey 2026, construido a partir de más de 30.000 respuestas de estudiantes y docentes de la región, muestra una adopción prácticamente total: más del 90% del estudiantado ya utiliza IA en sus estudios. Sin embargo, el mismo estudio revela una tensión profunda: casi dos tercios de los estudiantes temen que la IA empobrezca el aprendizaje, reduciendo profundidad, esfuerzo cognitivo y pensamiento crítico. No se trata de resistencia tecnológica, sino de una advertencia pedagógica que conviene tomar en serio.
La paradoja es evidente. La IA se usa de manera intensiva, pero sobre todo para tareas instrumentales: buscar información, resumir textos o iniciar borradores. Mucho menos para analizar, contrastar ideas o transferir conocimiento a contextos nuevos. El resultado es elocuente: cerca del 50% del estudiantado declara no sentirse capaz de aplicar IA de forma efectiva en su campo profesional, pese a usarla con frecuencia. Acceder a la herramienta, como muestran los datos, no equivale necesariamente a desarrollar criterio.
Este diagnóstico es consistente con el Digital Education Outlook 2026 de la OECD. El informe advierte que, cuando la IA se integra sin rediseño pedagógico, tiende a desplazar procesos cognitivos clave fuera del propio estudiante, debilitando habilidades como la metacognición, la evaluación crítica y la autorregulación del aprendizaje. El riesgo central no es que la IA se equivoque, sino que el sistema educativo deje de exigir pensamiento.
Las consecuencias se proyectan directamente al mundo del trabajo. El informe Future Jobs del Banco Mundial muestra que solo alrededor del 10% de los empleos en economías emergentes involucra tareas realmente complementarias a la IA, frente a cerca del 30% en economías avanzadas. La diferencia no es tecnológica, sino formativa, y comienza mucho antes del ingreso al mercado laboral: está asociada a pensamiento no rutinario, juicio y capacidad de adaptación. Sin estas habilidades, la IA no solo no aumenta el valor del trabajo, sino que lo vuelve más frágil.
La educación superior enfrenta así una disyuntiva estructural. Integrar IA sin transformar currículos y evaluación puede automatizar aprendizajes superficiales y producir egresados con alta exposición tecnológica, pero baja autonomía intelectual. En cambio, rediseñar la experiencia educativa -con evaluación auténtica, problemas complejos y reflexión crítica- permite que la IA amplifique el aprendizaje en lugar de empobrecerlo.
Pensar con IA no es enseñar a usar herramientas. Es enseñar a decidir, a evaluar y a justificar en un entorno donde las respuestas ya no son escasas, pero el criterio sí. La evidencia es clara: usar IA no garantiza aprender mejor. Aprender mejor con IA es una decisión pedagógica, institucional y política. Y esa decisión, como suele ocurrir en educación, se está tomando incluso cuando se evita explícitamente.
