El uso de la IA generativa por estudiantes de diseño

Este estudio explora cómo los estudiantes de diseño del Politécnico de Milán integraron la IA generativa en sus flujos de trabajo creativos durante el año académico 2025/2026. Los resultados indican que los estudiantes utilizan con frecuencia herramientas como ChatGPT y Perplexity para investigación secundaria, lluvia de ideas y redacción técnica, en lugar de para tareas artísticas fundamentales. A pesar de este alto nivel de adopción, la mayoría de los estudiantes mantienen un bajo nivel de confianza en los resultados de la IA, lo que los lleva a verificar y editar sistemáticamente el contenido generado. Curiosamente, los datos sugieren que estas prácticas no disminuyen el sentido de propiedad creativa ni la autoría del proyecto por parte de los estudiantes. Al delegar tareas que consumen mucho tiempo, como la transcripción y el resumen, los estudiantes utilizan la IA como un asistente práctico para acelerar su proceso. En definitiva, el artículo destaca un cambio en el que las fases de investigación se automatizan cada vez más, mientras que el trabajo de campo primario y las interpretaciones finales siguen estando profundamente centradas en el ser humano.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "A study of GenAI usage by Design Students", por Stefana Broadbent. Publicado el 19 de Julio de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Alicia
Así que imagina al estudiante clásico de diseño universitario. Hay una imagen muy específica, casi romántica, que suele venir a la mente.

Beto
Oh, absolutamente. El genio solitario en el estudio.

Alicia
Correcto. Es muy táctil. Se imagina esta caótica mesa de dibujo cubierta solo de bocetos a carboncillo o prototipos físicos hechos de espuma de poliestireno y pegamento caliente.

Beto
Cuchillos de disección esparcidos por todas partes.

Alicia
Exacto. Cuchillos, quizás algunos tiritas. Simplemente un estudiante luchando físicamente con sus materiales a altas horas de la noche. Es una imagen visceral y práctica de la creatividad.

Visualización de la Estudiante de diseño clásico

Beto
Sí. Ese es el arquetipo tradicional, ciertamente, trabajando directamente con el mundo físico, creando un desorden.

Alicia
Pero quiero decir, si entras hoy en un estudio de diseño universitario moderno, esa imagen física está completamente alterada. Estamos viendo un panorama creativo que está siendo, honestamente, agresivamente recableado por la inteligencia artificial generativa.

Beto
Es realmente así. Es un cambio fundamental en el flujo de trabajo.

Alicia
Y mira, probablemente estás sintonizando hoy porque tienes esa motivación por mantenerte bien y formarte, pero no quieres quedarse atrapado en la sobrecarga de información que hay por ahí.

Beto
Lo cual es muy real.

Alicia
Es tan real. Y si alguna vez has mirado un cursor parpadeante a las dos de la mañana, tratando de redactar un informe o sentiste la ansiedad de tratar de sintetizar una docena de documentos PDF diferentes antes de una gran reunión, comprender cómo la próxima generación está navegando este cambio exacto es fructífero.

Beto
Porque son ellos quienes están siendo pioneros de estos nuevos hábitos.

Alicia
Exacto. Así que hoy, nuestra misión es clara. Estamos sumergiéndonos en un estudio fascinante y completamente nuevo publicado para el ciclo académico 2025-2026. Estamos viendo cómo los estudiantes universitarios, específicamente los estudiantes de diseño, están utilizando la inteligencia artificial generativa en su vida cotidiana.

Beto
Sí. Y para realmente captar la gravedad de este estudio, creo que necesitamos hacer un zoom y mirar la línea base global primero, porque esto no es solo algún fenómeno aislado en una escuela.

Alicia
Correcto. Está en todas partes.

Beto
Lo está. La integración de la IA generativa y la educación superior ya no es una actividad marginal. Toma, por ejemplo, el Índice Económico de Anthropic de 2026.

Alicia
Vale. Anthropic, la compañía detrás de Claude.

Beto
Exacto. Al ser una de las principales compañías de IA fronteriza, analizaron más de un millón de conversaciones de usuarios anonimizadas para ver lo que la gente estaba haciendo realmente con sus modelos.

Alicia
Vaya. Más de un millón.

Beto
Más de un millón. Y encontraron que el 7% de todas las interacciones a nivel mundial eran explícitamente para fines académicos.

Alicia
El 7% de un millón no es una cifra pequeña.

Beto
Para nada. Y luego si miran la encuesta estudiantil de 2026 del HEPI, que es el Instituto de Política de Educación Superior del Reino Unido, informaron que asombrosamente el 95% de los estudiantes están usando IA generativa de alguna manera.

Alicia
Correcto. Espera, tengo que detenerte ahí. Porque una cifra como el 95% suena, no sé, sospechosamente alta para mí.

Beto
Lo entiendo. Suena como si fuera todo el mundo.

Alicia
Correcto. Porque si encuestas a la gente y les preguntas si usan internet, obtendrás el 100%. Pero eso no te dice realmente si están codificando software complejo o simplemente navegando por videos en redes sociales.

Beto
Es un punto muy válido. La definición de uso es amplia.

Alicia
Sí. Así que cuando escuchamos que el 95% de los estudiantes de diseño están usando IA, la suposición inmediata es que solo están escribiendo: "hazme un diseño de silla ergonómica genial en un generador de imágenes" y terminan.

Vamos a desglosar esto porque siento que esa no puede ser toda la historia.

Beto
No lo es. Y esa es exactamente la suposición que Stefana Broadbent se propuso probar.

Alicia
Y ella es la autora del estudio en el que estamos profundizando hoy.

Beto
Sí. Ella es investigadora en el Politécnico de Milán, o PoliMi, que es una escuela de diseño e ingeniería de primer nivel en Italia.

Alicia
Un programa muy prestigioso.

Beto
Altamente prestigioso. Así que ella quería ir más allá de esa métrica vaga de uso general y descubrir los mecanismos reales de ese uso. ¿Qué están escribiendo realmente?

Alicia
¿Cómo lo están usando?

Beto
Correcto. Su estudio combinó una encuesta a gran escala con un ejercicio de diario detallado de un semestre por parte de una clase de maestría.

Alicia
Oh, vaya. Así que realmente tuvieron que registrar lo que hacían.

Beto
Sí. Le pidió a los estudiantes que registraran meticulosamente cada interacción que tuvieron con una herramienta de IA durante el semestre.

Alicia
Correcto. Lo que nos trae al material fuente para nuestro análisis profundo de hoy. Y los datos aquí son, francamente, desconcertantes.

Beto
Realmente invierten tus expectativas de cabeza.

El diseñador pragmático: cómo la GenAI está transformando la enseñanza del diseño.

Alicia
Lo hacen. Cuando miras las 223 respuestas en inglés a la encuesta de Broadbent, la expectativa de lo que están haciendo los estudiantes de diseño, versus la realidad, podría ser mucho más diferente. Esperamos que estén generando imágenes, renderizando modelos 3D, haciendo lo visual.

Beto
Porque son estudiantes de diseño.

Alicia
Exacto. Pero los usos principales están abrumadoramente orientados al texto e investigación. Así que tienen:

• el 77.5% usándola para editar o mejorar su escritura.
• El 74.5% usándola para encontrar información y realizar investigación secundaria.
• Y el 68% la están usando para hacer lluvia de ideas basadas en texto.

Beto
Lo cual es salvaje cuando piensas en la disciplina. Y lo fascinante aquí es que los números de generación de medios creativos reales son notablemente bajos.

Alicia
Espera, ¿realmente? ¿Qué tan bajos?

Beto
Muy bajos. Solo el 32.9% de los encuestados usaron IA para generar obras de arte o imágenes.

Alicia
Oh, solo un tercio.

Beto
Sí. La generación de audio o video fue del 12.6%. Y la construcción de juegos o aplicaciones fue tan baja como el 7.4%.

Alicia
Eso es una locura para mí.

Beto
Y hasta el desglose de la herramienta lo prueba totalmente. ChatGPT dominó la encuesta. Tenía 206 menciones. Mientras que las herramientas de imagen, como Midjourney, que es actualmente una de las herramientas de generación de imágenes más potentes del mercado, solo tuvieron 38 menciones.

Alicia
Estoy genuinamente sorprendida por eso. Quiero decir, el diseño es un campo visual y físico. La narrativa que constantemente nos alimenta en los medios es que el artista de IA está tomando el control, ¿verdad? Que está desplazando a los ilustradores y diseñadores humanos.

Beto
Esa es la noticia principal que siempre vemos.

Alicia
Correcto. Espera, ¿me estás diciendo que no solo están escribiendo: "hazme un diseño de silla genial" en un generador de imágenes? Suena como si estos estudiantes estuvieran tratando a la IA menos como un pincel mágico o un escritor fantasma y más como una bibliotecaria hiper-eficiente.

Beto
La analogía de la bibliotecaria es increíblemente acertada.

Alicia
Sí.

Beto
Pero tenemos que mirar por qué está sucediendo esto. La realidad del diseño profesional, la parte que la gente no ve, es que el producto estético final en la hermosa renderización de la silla es realmente solo el último 10% del proceso.

Alicia
Correcto. La punta del iceberg.

Beto
Exacto. El 90% inicial es trabajo cognitivo pesado. Es investigación secundaria. Es entender las ciencias de los materiales, los datos ergonómicos, la logística de la cadena de suministro, la precedencia histórica.

Alicia
Todo eso.

Beto
Así que los estudiantes están desplegando la IA para gestionar la abrumadora carga cognitiva de esa fase de investigación inicial. La están desplegando para el trabajo cognitivo pesado.

Alicia
Así que la usan para digerir enormes cantidades de datos complejos, lo que supongo les permite llegar a la fase de resolución de problemas real mucho más rápido.

Beto
Precisamente. Acelera la parte más tediosa del proceso.

Alicia
Pero eso crea una disonancia cognitiva realmente fascinante para mí.

Beto
¿Cómo es eso?

Alicia
Bueno, si estás usando esta bibliotecaria de IA hiper-eficiente para tu lectura fundamental, ¿verdad? Para resumir los densos artículos de ciencia de materiales y para extraer tu investigación. Estás confiando en una arquitectura que todos sabemos es fundamentalmente defectuosa. Quiero decir, sabemos que estos modelos de lenguaje grande alucinan. A veces fabrican información con confianza.

Beto
Sí, el problema de la alucinación está muy bien documentado.

Alicia
Entonces, ¿cómo están navegando los estudiantes el riesgo de recibir información errónea? ¿Estarán construyendo todo su proyecto de diseño sobre una base de datos falsa?

Beto
Esa es la gran pregunta. Y el estudio de PoliMi aisló esta tensión exacta. Reveló lo que llamaron "una paradoja de confianza".

Alicia
Una paradoja de confianza.

Beto
Sí. La encuesta encontró que estos estudiantes están en realidad muy confiados en su capacidad técnica para usar las herramientas. Entienden el prompting. Saben cómo funciona la tecnología.

Alicia
Claro, son nativos digitales.

Beto
Pero a pesar de esa confianza, el 65% de los encuestados declaró explícitamente que no confían en las salidas que produce la IA.

Alicia
El 65% no confía en ella. Vaya.

Beto
Correcto. Temiendo la imprecisión o los hechos inventados. De hecho, cuando se les preguntó qué los desanima específicamente a usar la IA generativa, la razón número uno citada por el 70% de ellos fue el miedo a la imprecisión.

Alicia
Correcto. Aquí es donde se pone realmente interesante.

Así que saben que la herramienta es poco fiable, pero la están usando para su investigación fundamental más importante de todos modos.

Beto
Exacto.

Alicia
Ese es un espacio psicológico salvaje para ocupar. Honestamente, me recuerda a lidiar con un interno brillante, pero totalmente imprudente.

Beto
Oh, esa es una gran forma de decirlo.

Alicia
Correcto. Como si amaras lo rápido que trabaja. Estás entusiasmado porque puede leer 50 artículos académicos en 10 segundos y entregarte un resumen.

Beto
¿Quién no amaría eso?

Alicia
Exacto. Pero tiene este terrible hábito de inventar estadísticas cuando se confunde. Así que nunca tomarías su resumen y lo presentarías directamente a tu jefe sin verificarlo todo primero.

Beto
Y esa dinámica dicta absolutamente su comportamiento en este estudio. Porque les falta confianza en el sistema, no delegan la salida final a la IA. Un enorme 85% de los estudiantes reportaron modificar o editar sistemáticamente lo que produjo la IA generativa.

Alicia
El 85%. Así que lo están verificando.

Beto
Sí, no están participando en copiar-y-pegar perezosamente. Verifican la contra-revisión, reescriben.

Alicia
Se trata como un borrador inicial muy tosco.

Beto
Exacto. El mecanismo aquí es la verificación colaborativa. Porque psicológicamente, es mucho más fácil corregir un borrador defectuoso que mirar una página en blanco y generar un borrador perfecto desde cero.

Alicia
Oh, absolutamente. La página en blanco es aterradora.

Beto
Lo es. Así que usan la IA para reducir la energía de activación requerida para comenzar una tarea. Sabiendo muy bien que tendrán que limpiar manualmente el desorden que hace.

Alicia
Eso tiene todo el sentido desde un punto de vista de productividad. Usas la máquina para generar la arcilla cruda y desordenada. Y luego usas tu intelecto humano para esculpirla, verificarla y refinarla.

Pero quiero cuestionar lo que esto le hace a la psicología del estudiante. Porque si tienes un interno de IA reuniendo la arcilla, haciendo tu lectura inicial, lluvia de ideas y editando tu sintaxis, ¿en qué punto el proyecto deja de ser tuyo? Quiero decir, ¿están estos estudiantes experimentando una crisis de autoría? ¿Cómo externalizas tanto trabajo, pero sigues sintiendo que eres dueño del producto final?

Beto
Esto es el miedo existencial que actualmente paraliza a la educación moderna, ¿no es así?

Alicia
Oh, 100%. La IA está matando el miedo a la creatividad.

Beto
Exacto. La idea de que descargar el trabajo cognitivo significa descargar tu alma creativa. Pero Broadbent contradice directamente ese miedo.

Alicia
¿Realmente?

Beto
Sí. La encuesta muestra que solo el 31% de los estudiantes sintió cualquier pérdida de propiedad o agencia creativa al usar estas herramientas.

Alicia
Vaya. Solo el 31%.

Beto
La gran mayoría todavía siente la autoría total sobre sus diseños finales.

Alicia
Pero ¿cómo es posible eso? Ponte en sus zapatos por un segundo. Si externalizas el trabajo pesado fundamental de un proyecto, ¿cómo te vas con la sensación de ser el verdadero autor?

Beto
Bueno, ellos trazan la línea a través de una compartimentación estricta y deliberada.

Alicia
Compartimentación. OK. Explica eso.

Beto
Se reduce a entender el por qué. La encuesta preguntó por qué usan estas herramientas. Y el 63% están motivados totalmente por la velocidad. Más del 50% la usan simplemente para hacer un proceso existente más fácil.

Alicia
Oh, ok.

Beto
Describen usarlas para, citando, iniciarse, o para tareas repetitivas, comprobando si se saltaron algo. Contrasta eso con un punto de datos crucial: menos del 30% usan IA para realizar tareas que no podrían hacer de forma independiente.

Alicia
Oh, ok, espera. Esa es la distinción clave ahí.

Beto
Lo es.

Alicia
No están usando la IA para superar su clase o fingir un sello que no poseen. Están usándola para correr a través del tedioso trabajo administrativo que ya saben hacer.

Beto
Precisamente. Si conectamos esto con el panorama general, los estudiantes ven a la IA no como un reemplazo para sus propias capacidades, sino como un acelerador.

Alicia
Un acelerador, sí.

Beto
Y esto les permite mantener la propiedad porque reservan deliberadamente las decisiones creativas fundamentales para sí mismos. Los datos muestran que el uso de la IA disminuye significativamente cuando los estudiantes entran en las fases posteriores del diseño.

Alicia
La parte de diseñar real.

Beto
Correcto. Generar viajes de usuario, prototipado rápido, probar físicamente esos prototipos, el desarrollo final, ellos externalizan la recopilación de datos, pero acumulan la síntesis creativa.

Alicia
Es como si estuvieran tratando a la IA como una carretilla elevadora.

Beto
¿Una carretilla elevadora?

Alicia
Sí, piénsalo. Si estuvieras construyendo una casa, usarías una carretilla elevadora para mover los pesados pallets de ladrillos del camión a la cimentación.

Beto
Correcto, porque hacerlo a mano tomaría una eternidad.

Alicia
Exacto. Ahorra tu espalda. Te ahorra días de trabajo agotador. Pero no le pides a la carretilla elevadora que dibuje los planos, y definitivamente no le pides a la carretilla elevadora que coloque el mortero. Tú haces la construcción tú mismo.

Beto
Me gusta esa analogía.

Alicia
Y todavía te consideras el constructor de la casa, incluso si una máquina movió los materiales por ti.

Beto
Esa es una reflexión muy precisa de su flujo de trabajo. Y el estudio de Broadbent también proporciona una mirada realmente granular a cómo esta analogía de la carretilla elevadora se desarrolla en la realidad.

Alicia
Oh, me encanta escuchar cómo se ve eso en la práctica.

Beto
Así que la segunda mitad de la investigación se centró en un curso específico de maestría en diseño de sistemas de servicio de productos.

Alicia
Correcto, diseño de sistemas de servicio de productos.

Beto
Sí. Este es un campo que va mucho más allá de hacer objetos físicos. Se trata de diseñar sistemas y servicios sociales enteros. Y esta clase específica de 100 estudiantes fue encargada de investigar un tema altamente complejo y cargado emocionalmente, que fue la escasez de agua en Sicilia.

Alicia
Vaya. Una crisis del mundo real con enormes implicaciones económicas, agrícolas y humanas.

Beto
Exacto. Es muy pesado. Para seguir su comportamiento en un proyecto tan complejo, Broadbent hizo que los estudiantes mantuvieran diarios detallados de su uso de IA a través de dos partes muy diferentes de la tarea.

Primero fue la investigación secundaria, el trabajo de escritorio. Esto implicó revisiones de literatura, análisis de densa legislación agrícola de la UE, documentos de política, datos climáticos históricos, ...

Alicia
Mucha lectura.

Beto
Toneladas de lectura. Y la segunda parte fue la investigación primaria. Los estudiantes realmente viajaron a Sicilia.

Alicia
Oh, vaya. Fueron al campo.

Beto
Lo hicieron. Caminaron por los campos secos, observaron la infraestructura y realizaron entrevistas cara a cara con agricultores locales y administradores regionales.

Alicia
OK. Así que tienes esta comparación perfecta. El trabajo de escritorio académico puramente digital versus el trabajo de campo humano, físico e impredecible.

Beto
Exacto.

Alicia
¿Qué revelaron los diarios sobre cómo desplegaron sus herramientas de IA a través de esos dos divisiones?

Beto
La división era increíblemente marcada. Durante la fase de investigación secundaria en sus escritorios, la integración de la IA estaba prácticamente en todas partes.

Alicia
La usaron mucho.

Beto
Oh, mucho. Usaron herramientas para sacar informes de ONG oscuros. Usaron ChatGPT para resumir cientos de páginas de pesadas regulaciones de agua de la UE en puntos clave. Incluso usaron IA para crear visualizaciones de datos complejos de las plantas desalinizadoras.

Alicia
La "carretilla elevadora" moviendo los pesados pallets de texto legislativo.

Beto
Exacto. Maximizan la tecnología para comprimir semanas de lectura en días. Pero luego el entorno cambió.

Alicia
Fueron a Sicilia.

Beto
Viajaron a Sicilia y comenzaron la investigación primaria. Y según sus diarios, las herramientas de IA fueron relegadas instantáneamente a los márgenes absolutos de su flujo de trabajo.

Alicia
¿Realmente? Simplemente la dejaron.

Beto
Casi por completo. Se usó casi exclusivamente para tareas administrativas, específicamente para transcribir y resumir las grabaciones de audio de sus entrevistas.

Alicia
Espera, ¿entonces no la usaron para formular la estructura de las entrevistas? ¿O para generar sus preguntas?

Beto
No.

Alicia
No la usaron para analizar los temas emocionales de las transcripciones.

Beto
Los diarios muestran que cuando se trataba de estructurar la investigación, interactuar con humanos reales e interpretar los matices emocionales y sociales detrás de lo que los agricultores les estaban diciendo, los estudiantes esencialmente apagaron la IA.

Alicia
Eso es fascinante.

Beto
Reconocen los límites de la máquina.

Alicia
¿Sabes?, hay algo profundamente hermoso y alentador en eso.

Beto
¿Qué quieres decir?

Alicia
Bueno, cuando estos estudiantes estaban de pie en un olivar polvoriento en Sicilia, hablando con un agricultor cuya subsistencia y la historia familiar de toda su vida están amenazadas por la sequía, entendieron que la conexión humana simplemente no podía ser automatizada.

Beto
No puede serlo.

Alicia
Correcto. Un chatbot no puede leer la sala. No puede interpretar la ligera vacilación en la voz de un agricultor antes de responder a una pregunta. No puedes sentir el calor del sol o ver el impacto físico de la crisis. Todos esos datos empáticos sensoriales son completamente invisibles para un modelo de lenguaje.

Beto
Lo son. Lo cual es exactamente por qué los estudiantes retienen deliberadamente el control total sobre el proceso de creación de significado. No confiaron en un algoritmo para decirles cómo se sentía un agricultor siciliano.

Alicia
Porque el algoritmo nunca ha sentido sed.

Beto
Precisamente. Los estudiantes demostraron un pragmatismo intenso aquí. Usaron la IA para comprimir agresivamente el tiempo dedicado a la recopilación de datos, precisamente para poder asignar su energía limitada al trabajo interpretativo profundamente humano en el campo.

Alicia
Ok, entonces, ¿qué significa todo esto?

Creo que esto reformula toda la conversación para ti que estás escuchando ahora mismo. Si estás tratando de averiguar cómo integrar estas herramientas en tu propio flujo de trabajo, la lección de estos estudiantes de diseño no es sobre encontrar una herramienta que mágicamente haga tu trabajo por ti.

Beto
Correcto. No es un botón mágico.

Alicia
No. Se trata de auditar agresivamente tu flujo de trabajo. Descubre qué partes de tu trabajo son solo mover pesados pallets de datos y dáselo a la máquina. Guarda tu verdadera capacidad cerebral, tu creatividad y tu empatía humana para las fases físicas, interactivas y estrictamente humanas de tu trabajo. Así es como domas la tecnología.

Beto
Es un marco muy empoderador.

Alicia
Sí.

Beto
Pero tengo que decir, el estudio de PoliMi no concluye con una nota puramente utópica.

Alicia
Oh, hay un obstáculo.

Beto
Hay un obstáculo.

Alicia
Broadbent trae algunas preocupaciones de cierre que son realmente importantes para los educadores, pero honestamente aplican a cualquiera involucrado en trabajo de conocimiento.

Beto
¿Cuál es la preocupación?

Alicia
Esto plantea una pregunta importante sobre la función cognitiva de la fricción.

Beto
¿Fricción? ¿Qué quieres decir con fricción?

Bueno, piensa en el acto físico de leer una pieza densa y difícil de material, como uno de esos pesados documentos de política de la UE.

Es un proceso lento y frustrante. Tienes que releer oraciones. Haces una pausa para buscar términos. Luchas con la lógica del autor. Esa lucha es fricción cognitiva.

Alicia
Correcto.

Beto
Y desde una perspectiva de aprendizaje, esa fricción es el mecanismo que construye una comprensión profunda. La lucha es el aprendizaje.

Alicia
Esta lectura no es solo descargar una lista de hechos en tu cerebro.

Beto
Exacto. Se trata de las chispas inesperadas de entendimiento que ocurren mientras luchas por comprender el texto.

Así que el dilema del educador es este: si usas la bibliotecaria de IA para resumir instantáneamente un informe de 400 páginas en cinco puntos clave fáciles, obtienes los hechos, pero has evitado por completo la fricción.

Alicia
Veo a dónde va esto. Si eliminamos sistemáticamente la fricción de la lectura profunda, ¿perdemos la capacidad de transformar información cruda en conocimiento verdaderamente procesable?

Beto
Exacto. Si un estudiante confía en la IA para resumir toda la lectura, podría llegar a la fase de diseño mucho más rápido. Pero, ¿poseen realmente la comprensión profunda e intuitiva del contexto necesaria para diseñar una solución significativa?

Alicia
Eso es un intercambio peligroso. Ganamos velocidad increíble, pero arriesgamos este tipo de superficialidad masiva.

Beto
Es el desafío definitorio para esta próxima generación.

Alicia
Vaya. Lo que nos lleva a una última y muy provocadora idea para dejarles al volver a su propio trabajo hoy.

Hemos pasado toda esta inmersión profunda mirando cómo los estudiantes interactúan con herramientas como ChatGPT o Perplexity. Pero ahora mismo, casi todos nosotros estamos operando meramente como consumidores de estas grandes plataformas.

Beto
Lo estamos.

Alicia
Estamos constantemente tratando de escribir prompts ingeniosos para doblegar la IA general de otra persona para que se ajuste a nuestras necesidades específicas. Pero ¿qué pasa si el futuro del aprendizaje y el futuro de tu propio flujo de trabajo personal no se trata de mejorar en susurrar prompts a una máquina genérica? ¿Qué pasa si la verdadera maestría significa aprender a construir y personalizar tus propias herramientas de IA localizadas?

Imagina una arquitectura de IA que has adaptado exactamente a cómo funciona tu cerebro único, diseñada específicamente para preservar el tipo de fricción cognitiva que te ayuda a aprender mejor.

Beto
Eso es un cambio fascinante en la perspectiva.

Alicia
Correcto.

Comenzamos esta conversación mirando la mesa de dibujo táctil y desordenada siendo reemplazada por la pantalla digital. Pero tal vez la verdadera evolución no sea solo mirar la pantalla y consumir lo que nos da la Gran Tecnología. Tal vez el siguiente paso sea meterse en el código y construir las herramientas nosotros mismos.

Algo para masticar la próxima vez que te encuentres externalizando tu trabajo pesado a un chatbot.

Estudiantes opinan sobre la ética y el impacto social de la IA

Este estudio presenta un análisis de género sobre cómo los estudiantes de informática perciben las consecuencias éticas y sociales de la inteligencia artificial. Mediante una encuesta a 230 estudiantes universitarios, los investigadores descubrieron que, si bien ambos sexos identifican la medicina y la educación como áreas de alto impacto, los hombres muestran mayor conciencia sobre la conducción autónoma y los cambios técnicos en la programación. Por el contrario, las mujeres tienden a priorizar el impacto de las redes sociales y el potencial de disminución de las capacidades cognitivas humanas. En cuanto a las amenazas existenciales, los participantes masculinos expresaron mayor preocupación por las aplicaciones militares y la desinformación, mientras que las participantes femeninas demostraron una mayor inclinación hacia el uso de la tecnología para el bien social. El estudio también destaca que las mujeres son, en general, más reacias a comprometer sus valores éticos por beneficios económicos o estatus, en comparación con sus compañeros varones. En definitiva, los autores argumentan que comprender estas diversas perspectivas es esencial para desarrollar planes de estudio de IA inclusivos y responsables para los futuros desarrolladores.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Student views in AI Ethics and Social Impact", por Tudor-Dan Mihoc y colegas, del Departamento de Ciencias de la Computación, Universidad Babes Bolyai, de Rumania. Publicado el 19 de Marzo de 2026.

El resumen, la transcripción, la traducción, y las voces fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

Escúchalo aquí, mientras lees la transcripción (abajo):

O escúchalo en Spotify.

---

Transcripción

Alicia
Imagina a la persona que va a construir, digamos, la inteligencia artificial que diagnostique tu próxima enfermedad.

Beto
Bien.

Alicia
O, ya sabes, la persona que escribe el algoritmo que selecciona todas las noticias políticas que lees en línea. O incluso el ingeniero que programa los protocolos de seguridad del coche autónomo en el que metes a tus hijos cada mañana.

Beto
Es una idea pesada.

Alicia
Sí, de verdad lo es. Y si cierras los ojos ahora mismo, probablemente te imaginas, eh, no sé, a algún gurú tecnológico experimentado en una sala de juntas de cristal, ¿no? Como un arquitecto sénior de ingeniería con décadas de experiencia vital.

Beto
Sí, definitivamente. Ese es el estereotipo.

Alicia
Pero la realidad hoy en día es que esa persona tiene muchas probabilidades de ser un estudiante de segundo año universitario de 19 años.

Beto
Literalmente, un crío.

Alicia
Exacto. Sí. Está sentado frente a un portátil en alguna habitación estrecha de la residencia, bebiendo un café horrible de la cafetería y, eh, tratando de pasar sus exámenes parciales.

Beto
Quiero decir, predecir el futuro de la inteligencia artificial solo mirando el código es, es muy parecido a intentar predecir hacia dónde irá un coche fijándote solo en el motor.

Alicia
Oh, es una buena forma de decirlo.

Beto
Claro. Porque puedes entender la mecánica perfectamente. Pero si realmente quieres saber el destino, tienes que mirar al conductor. Nos concentramos tanto en la propia tecnología, ya sabes, los centros de datos, los enormes modelos de lenguaje, la potencia de procesamiento, que nos olvidamos por completo de las manos sobre el teclado.

Alicia
Y esas manos pertenecen a humanos.

Beto
Exacto. Humanos con sus propios miedos específicos, sus propias ambiciones financieras y, francamente, sus propios puntos ciegos culturales.

Alicia
Así que el análisis profundo de hoy nos lleva a las mentes de esos mismos conductores: la próxima generación de creadores de IA. Tenemos un artículo de investigación genuinamente fascinante sobre la mesa hoy. Es de la Universidad Babeș-Bolyai en Rumanía.

Beto
Sí, un estudio realmente atractivo.

Alicia
Se titula "Student Views in AI, Ethics, and Social Impact" (Visiones estudiantiles sobre IA, ética e impacto social). Y lo firmaron los investigadores Mihoc, Petrescu y Pop. La misión de esta inmersión profunda es que tú, el oyente, tengas un adelanto de las mentes del liderazgo tecnológico del mañana. Vamos a desglosar qué ven estos estudiantes de informática como los mayores impactos sociales de la IA, sus amenazas más aterradoras y si realmente están dispuestos a vender sus propios valores éticos por un salario lucrativo en tecnología.

Perspectivas de Estudiantes sobre Ética e Impacto Social de la IA

Beto
Esa es la pregunta del millón, ¿no?

Alicia
Oh, claro.

Beto
Pero para darte el contexto necesario antes de ver qué dijeron realmente estos estudiantes, la metodología de este estudio es, bueno, lo que lo hace tan convincente.

Alicia
Claro, por el tamaño de la muestra.

Beto
Exacto. Los investigadores encuestaron a una cohorte de 198 estudiantes de segundo año de informática de un total de 230 matriculados.

Alicia
Vaya, casi toda la clase.

Beto
Sí, hay un tamaño de muestra masivo y muy representativo para una sola cohorte. Pero no solo les hicieron preguntas genéricas sobre hacia dónde va la tecnología. Analizaron las respuestas de texto libre y las opciones múltiples específicamente a través de una lente de género.

Alicia
Para ver si lo ven de manera diferente.

Beto
Claro. Para ver si los desarrolladores hombres y mujeres ven el futuro de esta tecnología que altera el mundo de forma fundamentalmente distinta.

Alicia
Y la distribución por género del estudio es una pieza crucial del rompecabezas. El artículo señala que en las mayores universidades de Rumanía, alrededor del 31% de los estudiantes de informática son mujeres.

Beto
Lo cual es un número súper importante para tener en cuenta.

Alicia
Sí, y ese número importa para ti y para mí porque se asemeja bastante a los promedios globales en campos STEM. Esta cohorte de 119 hombres y 72 mujeres no es solo una instantánea aislada de una universidad del Este de Europa.

Beto
No, para nada.

Alicia
Es altamente representativa de la canalización global más amplia de talento en IA que eventualmente será contratada por las grandes empresas tecnológicas.

Beto
Sí, el análisis desde la perspectiva de género que atraviesa todo este estudio actúa como una especie de ventana hacia las dinámicas de poder futuras de la industria. Es increíblemente revelador. Pero, para entender de qué tienen realmente miedo estos jóvenes de 19 años, primero tenemos que ver qué creen que este código es capaz de cambiar.

Alicia
Y ahí es donde se vuelve realmente sorprendente. Porque si le preguntas a la persona promedio en la calle qué cree que pensaría un estudiante de informática que la IA revolucionará primero, probablemente esperarías que dijera programación, ¿no?

Beto
Claro, desarrollo de software, fabricar mejores ordenadores.

Alicia
Esa fue exactamente mi suposición. Pensé que se centrarían por completo en su propio mundo inmediato, pero los datos dan la vuelta a esa suposición por completo.

Beto
De verdad que sí.

Alicia
Más de la mitad de los estudiantes encuestados —y esto fue un consenso masivo que abarcó tanto a hombres como a mujeres— apuntaron a la medicina como el dominio principal que será impactado por la IA.

Beto
Y las razones que los estudiantes dieron en sus respuestas de texto libre revelan una comprensión profunda de cómo funciona realmente la IA.

Alicia
¿Cómo es eso?

Beto
Bueno, todo se reduce a la capacidad inigualable de la tecnología para reconocer patrones en conjuntos de datos masivos. Un estudiante señaló explícitamente el papel de la IA en reconocer fallos médicos imperceptibles al ojo humano.

Alicia
Wow.

Beto
Piensa en cómo opera un médico humano. Dependen de su experiencia profesional individual, de los casos específicos que han visto y de la limitada cantidad de literatura médica que tienen tiempo físico de leer.

Alicia
Claro. Quiero decir, un médico humano, por brillante que sea, simplemente no puede leerse un millón de historias clínicas en una tarde.

Beto
Exacto. Pero una IA sí puede. Estos estudiantes reconocen que, en teoría, una IA puede cruzar referencias de cada historial médico digitalizado, cada resonancia magnética y cada perfil genético en la Tierra en milisegundos.

Alicia
Es increíble pensarlo.

Beto
No ven la IA solo como una calculadora elegante. La ven como un cambio de paradigma completo en cómo analizamos los datos sanitarios para predecir resultados antes incluso de que aparezcan los síntomas.

Alicia
Así que hay un enorme consenso unificador sobre la medicina. Pero una vez que miramos más allá de la atención sanitaria, los datos empiezan a fracturarse. Y la división por género realmente se revela de forma fascinante.

Beto
Oh, absolutamente. La separación es clara.

Alicia
Los estudiantes varones se centraron significativamente más en la infraestructura técnica de la sociedad. Por ejemplo, casi un tercio de los hombres se centró en el impacto de la IA en la propia informática, cosas como hacer que la IA escriba código repetitivo o detecte errores estructurales.

Beto
Claro.

Alicia
Y cuando se trató de la conducción autónoma, casi el doble de hombres resaltaron los coches autónomos en comparación con las mujeres.

Beto
Y las estudiantes mujeres de la cohorte enfatizaron áreas de impacto completamente diferentes. Señalaron con mucha más frecuencia la educación.

Alicia
Como un tutor de IA.

Beto
Sí, imaginando la IA como un tutor virtual personalizado que se adapta al estilo de aprendizaje específico de un estudiante. También dieron un énfasis notablemente mayor a los algoritmos que mueven las redes sociales y a cómo la inteligencia artificial aprende sobre y manipula el comportamiento humano.

Alicia
De verdad que da la sensación de que los estudiantes varones están viendo la IA a través de la lente de la infra-estructura. Como si miraran los engranajes mecánicos del mundo: cómo se mueven los coches, cómo está estructurado el código, el marco físico.

Beto
Sí, es una gran manera de enmarcarlo.

Alicia
Mientras que las estudiantes mujeres parecen verla un poco más a través del prisma de la conexión humana: cómo aprendemos, cómo interactuamos en línea y el tejido social que nos sostiene.

Beto
Y los hallazgos del artículo sobre generación de contenido y procesamiento de datos validan en gran medida esa deducción. Las respuestas de las mujeres referenciaban repetidamente plataformas de redes sociales y la industria de los videojuegos, específicamente por el mecanismo detrás de esas herramientas.

Alicia
¿Cuál es ese mecanismo?

Beto
Los algoritmos de redes sociales usan aprendizaje por refuerzo para averiguar exactamente qué mantiene al usuario enganchado. Básicamente mapean la psicología humana.

Alicia
Claro, claro.

Beto
Los hombres, en cambio, eran mucho más propensos a citar procesamiento de imágenes, utilidades funcionales de chatbots o sistemas de navegación automotriz. Naturalmente están sintonizados para observar vectores completamente distintos de la misma ola tecnológica.

Alicia
Bien, sabiendo que la IA va a reconfigurar tanto nuestra infraestructura física como nuestras conexiones humanas, la siguiente pregunta natural para estos estudiantes es: ¿qué puede salir mal?

Beto
El factor miedo.

Alicia
Exacto. Ellos son los que ahora están aprendiendo a construir estos sistemas. ¿Cuál es su peor escenario? Porque la cultura popular te haría creer que el mayor miedo de un informático es la superinteligencia apocalíptica fuera de control.

Beto
El clásico escenario "Terminator".

Alicia
Pero la realidad encontrada en el estudio es mucho más pragmática y con los pies en la tierra. El miedo compartido más grande entre estos futuros desarrolladores no es existencial, es económico.

Beto
Sí.

Alicia
Más de una cuarta parte de los hombres y aproximadamente una de cada tres mujeres citaron los recortes de empleo como la amenaza principal en los próximos tres años.

Beto
Y la parte fascinante de esa ansiedad económica es que no están hablando solo de automatización en fábricas o líneas de montaje.

Alicia
No, para nada.

Beto
Señalaron específicamente la destrucción de múltiples trayectorias profesionales, enfocándose en gran medida en campos creativos como el arte, la escritura y el diseño.

Alicia
Que antes se consideraban completamente seguros frente a la automatización.

Beto
Exacto. Los constructores de esta automatización son muy conscientes de que una red neuronal no discrimina entre un administrativo de entrada de datos rutinario y un diseñador gráfico altamente cualificado. Si la tarea implica una salida digital, el algoritmo puede aprender a imitarla.

Alicia
Pero al conectar esta ansiedad económica con la imagen social más amplia se revela dónde divergen con fuerza los estudiantes varones y mujeres otra vez. Porque una vez que pasamos del miedo compartido al desempleo, vemos una división marcada respecto a cómo la IA amenaza la información y a la humanidad misma.

Beto
Es una separación realmente impactante.

Alicia
Los estudiantes varones se centraron profundamente en la militarización, casi táctico-militar, de la IA.

Beto
Hablamos de noticias falsas, deepfakes, campañas de desinformación, drones controlados por IA, reconocimiento de terreno y guerras de la información.

Alicia
Wow.

Beto
Casi el doble de porcentaje de hombres destacó la desinformación y las noticias falsas en comparación con las mujeres. Los hombres están muy centrados en actores malintencionados que usan la IA como herramienta externa para el engaño y la destrucción.

Alicia
Quiero decir, piensa en tu propio feed de redes sociales hoy o en las noticias que consumes en un año electoral. Estos estudiantes varones básicamente resaltaban que los algoritmos que están aprendiendo a escribir son exactamente las armas que se usarán para engañarte.

Beto
Es un modelo de amenaza muy exterior: la IA como arma desplegada contra instituciones o naciones rivales. Las estudiantes mujeres, sin embargo, expresaron un tipo de pavor completamente distinto. Fue mucho más interno y psicológico.

Alicia
Sí, esta parte del estudio realmente me impactó.

Beto
Un porcentaje significativamente mayor de mujeres se preocupó por la pérdida literal de habilidades humanas. Expresaron el temor de que la humanidad se vuelva tan dependiente de la IA para la toma de decisiones que esto lleve a una disminución mensurable de nuestra propia inteligencia. Una estudiante articuló el miedo específico de que simplemente perdamos la capacidad de pensar por nosotros mismos.

Alicia
Vale, espera, me quedo con esto de la pérdida de habilidades humanas. Tengo que objetar un poco aquí.

Beto
Adelante.

Alicia
Porque esto suena un poco como el pánico de hace 30 años cuando los profesores decían “tienes que aprender la división larga porque no siempre tendrás una calculadora en el bolsillo”.

Beto
Claro.

Alicia
¿Se trata de una amenaza ética, o es la típica ansiedad de estudiantes universitarios que temen perder sus habilidades técnicas?

Beto
Es una comparación muy relevante, pero necesitamos mirar el mecanismo de lo que realmente se está externalizando aquí. Usar una calculadora externaliza la aritmética, que es solo procesamiento mecánico.

Alicia
Bien.

Beto
Lo que estas estudiantes mujeres están advirtiendo —y que los investigadores clasificaron explícitamente como una preocupación ética profunda y válida— es la descarga cognitiva del juicio.

Alicia
Oh, vaya. Del juicio.

Beto
Sí. Si dependes de una IA para resumir tus lecturas, redactar tus correos, decidir qué artículos de noticias son creíbles y mediar tus conflictos sociales, no solo estás externalizando matemáticas. Estás subcontratando tu pensamiento crítico, tu planificación estratégica y tu razonamiento moral.

Alicia
Así que no es una calculadora. Es un GPS ético.

Beto
Es una gran forma de decirlo.

Alicia
Y si sigues ciegamente el GPS el tiempo suficiente, tu propio sentido de la orientación se atrofia por completo.

Beto
Precisamente, ese es el mecanismo en juego. Si el cerebro es un músculo, el hecho de delegar constantemente la resolución de problemas complejos a una IA implica que ese músculo cognitivo humano se debilita.

Alicia
Eso da miedo.

Beto
Cierto. Mientras los hombres vigilan las fronteras por drones de IA y "deepfakes" políticos, las mujeres vigilan nuestras propias mentes, preocupadas de que la herramienta erosione la inteligencia fundamental del usuario medio.

Alicia
Vaya. Para recapitular, el estado mental de un estudiante de informática de 19 años hoy en día: llevan la carga del desempleo masivo, la desinformación armada, el desgarro de la realidad objetiva y la lenta y silenciosa decadencia de la inteligencia humana.

Beto
Sí.

Alicia
Eso es mucho para llevar a un laboratorio de programación un martes por la mañana.

Beto
Realmente lo es.

Alicia
Lo que nos lleva al punto de fricción definitivo de toda esta inmersión: el dilema del constructor.

Beto
Sí.

Alicia
Si estos estudiantes son tan conscientes de estos enormes riesgos sociales, ¿eso les impide querer construir la tecnología? Es decir, ¿están dispuestos a comprometer su ética por un sueldo?

Beto
El estudio abordó esto de frente pidiéndoles a los estudiantes que explicaran sus razones específicas para perseguir o evitar una carrera en inteligencia artificial. Y las respuestas inyectan una dosis muy necesaria de realidad humana en este debate ético tan elevado. Porque a pesar de todos esos miedos profundos que acabamos de discutir, cuando se les preguntó por qué podrían evitar el campo, las respuestas dominantes fueron en realidad totalmente pragmáticas.

Alicia
Mi parte favorita de todo el artículo fue ver que una razón principal por la que dudan en entrar en IA es simplemente que las matemáticas son demasiado complejas.

Beto
Sí.

Alicia
Pueden estar codificando la matriz digital que gobierna nuestras vidas, pero al final del día, a muchos de ellos simplemente les detesta el cálculo avanzado.

Beto
Humaniza perfectamente los datos, ¿no? También citaron la percepción de escasez de empleos de nivel inicial para desarrolladores sin experiencia sénior.

Alicia
Claro. Cosas prácticas.

Beto
Pero cuando los investigadores ahondaron más en las motivaciones específicas, analizando quién está impulsado por el mercado frente a quién lo está por la moral, esa brecha de género significativa volvió a aparecer.

Alicia
Sí. Los datos mostraron que los estudiantes varones estaban notablemente más preocupados por los aspectos financieros y de estatus de una carrera en IA. Se centraron en el gran volumen de oportunidades laborales, los salarios masivos y la ventaja competitiva de estar en el campo más lucrativo de la tecnología.

Beto
Y los números lo respaldaron.

Alicia
Sí. Casi el 19% de los hombres citaron estas razones financieras y de oportunidad para sus decisiones de carrera en comparación con alrededor del 12% de las mujeres.

Beto
Y las estudiantes mujeres se sentían mucho más atraídas por el campo por el deseo de generar un cambio positivo en la sociedad. Expresaron razones explícitas como querer salvar a personas de enfermedades raras o usar la tecnología para hacer la sociedad más sana y cómoda.

Alicia
Es una motivación totalmente distinta.

Beto
Completamente. Por el contrario, al mirar las razones para evitar el campo, las mujeres fueron mucho más vocales sobre negarse a participar debido a problemas morales o a una sensación persistente de que la tecnología va en una mala dirección.

Alicia
Entonces si los hombres miran principalmente el beneficio financiero y las oportunidades competitivas, y las estudiantes mujeres miran el impacto social y las barreras morales, ¿qué significa eso realmente para la industria que está construyendo las herramientas que tú y yo usamos cada día?

Beto
Bueno, al contextualizar estos datos de la encuesta con la revisión bibliográfica más amplia que ofrece el artículo se dibuja una imagen bastante preocupante de la trayectoria de la industria.

Alicia
¿De qué manera?

Beto
Los investigadores citan múltiples estudios de Jakesch, Cave y otros, que históricamente demuestran que las encuestadas mujeres y las minorías atribuyen un peso mucho mayor a las implicaciones éticas de la IA que el público en general o sus pares masculinos.

Alicia
¿Así que son ellas las que más se preocupan por las barandillas de seguridad?

Beto
Exacto. Son las que históricamente levantan la mano en las reuniones de desarrollo y preguntan si un producto es realmente seguro para grupos marginados.

Alicia
Pero la revisión bibliográfica también apunta un problema sistémico que se complica respecto a quiénes pueden quedarse realmente en esas reuniones. La industria enfrenta tasas masivas de abandono donde minorías y mujeres frecuentemente abandonan los equipos de desarrollo de IA.

Beto
Sí.

Alicia
Y el artículo señala que esto se debe en gran parte a culturas de equipo injustas y a sesgos algorítmicos en la adquisición de talento.

Beto
Tomar un momento para entender cómo funciona realmente ese sesgo algorítmico es crucial aquí.

Alicia
Sí, explícalo porque creo que la gente lo malinterpreta.

Beto
Claro. Si una empresa tecnológica usa una herramienta de contratación basada en IA y esa herramienta se entrena con 20 años de datos históricos de contratación donde la gran mayoría de ingenieros exitosos eran hombres, la IA aprende matemáticamente a asociar el éxito con rasgos masculinos.

Alicia
Claro. Literalmente rebajará los currículums que incluyan nombres de mujeres o mencionen universidades o clubes de mujeres. No está teniendo pensamientos sexistas. Está optimizando fríamente patrones históricos pasados.

Beto
Así que la propia tecnología que están construyendo está filtrando matemáticamente a las voces diversas que intentan entrar en el campo.

Alicia
Exacto.

Beto
Es el choque clásico entre la mentalidad de Silicon Valley de “muévete rápido y rompe cosas”, que parece inclinarse fuertemente por el lado financiero y competitivo, versus una mentalidad de “primero, no hacer daño”, que según esta investigación es defendida mucho más por las desarrolladoras mujeres.

Alicia
La implicación crítica es que si la cultura de los equipos de desarrollo de IA, combinada con herramientas de contratación sesgadas, aleja a las personas que más están atentas a los riesgos éticos, la industria pierde sus barreras internas.

Beto
Vaya.

Alicia
Si el grupo “no hacer daño” sigue saliendo de la sala porque la cultura es excluyente o las herramientas de contratación están rotas, nos quedamos con una cámara de eco de “muévete rápido y rompe cosas”. Y nos quedamos con esa cámara de eco justo en el momento histórico en que la tecnología se está volviendo terroríficamente poderosa. Se crea un ciclo de retroalimentación cerrado en el que los sesgos y la tolerancia al riesgo de un grupo altamente homogéneo se incorporan permanentemente en los propios modelos de IA.

Beto
Este estudio proporciona evidencia empírica de que los equipos diversos literalmente ven diferentes amenazas en el radar. Los estudiantes varones fueron muy capaces de detectar riesgos tácticos externos: las noticias falsas, las aplicaciones militares, los cambios estructurales en la economía. Las estudiantes mujeres fueron muy capaces de detectar los riesgos sociales internos: la pérdida de capacidad cognitiva, la deriva ética y la necesidad de proteger a los vulnerables a través de la salud.

Alicia
Así que la falta de diversidad en la ingeniería de IA no solo implica una falta de equidad y un mal reclutamiento corporativo. Significa que nosotros, como sociedad, estamos volando a ciegas frente a la mitad de los riesgos potenciales que se nos vienen encima.

Beto
Necesitamos desesperadamente a ambos grupos en la sala.

Alicia
Absolutamente, mirando el radar, porque las herramientas solo serán tan conscientes como las personas que las programan. Sinteticemos esta inmersión y llevémosla a casa para ti, el oyente.

Beto
Sí, hagámoslo.

Alicia
¿Por qué importa ahora mismo para tu vida una encuesta a estudiantes universitarios en Rumanía?

Pues porque si estás usando herramientas de IA para redactar un correo importante, o si estás leyendo noticias políticas que podrían estar generadas artificialmente, o si recibes un diagnóstico médico asistido por IA, la seguridad, la equidad y la ética subyacente de esas herramientas dependen por completo de los estudiantes de 19 años que las construyeron originalmente.

Beto
Es el problema definitivo de "basura-dentro, basura-fuera" en informática, pero aplicado directamente a la moral humana y a los valores sociales.

Alicia
Está muy bien dicho. El código ya no es solo una herramienta. Es un espejo que refleja las prioridades de sus creadores, lo que nos lleva de nuevo a esa habitación del dormitorio.

Quiero dejarte con un pensamiento final para explorar hoy por tu cuenta. Si nuestros futuros sistemas de IA aprenden qué es ético imitando los valores de los desarrolladores que los entrenan, y si los datos muestran que esos desarrolladores están predominantemente impulsados por el pragmatismo financiero y la competencia de mercado en lugar del cuidado social, ¿estamos por accidente codificando un sesgo permanente de “beneficio sobre las personas” en el propio ADN de nuestra inteligencia futura?

Gracias por acompañarnos en este análisis profundo.

El Impacto de la IA en Estudiantes Universitarios

Este estudio de investigación investiga cómo la Inteligencia Artificial Generativa (GAI) influye en el desarrollo del pensamiento computacional entre estudiantes universitarios que abordan tareas complejas de programación. Basándose en la Teoría Cognitiva Social, el autor analiza entrevistas cualitativas para revelar cómo la IA sirve como un andamio cognitivo para la descomposición de problemas y la depuración iterativa. Los hallazgos destacan un modelo de colaboración humano-IA donde los estudiantes pasan de ser simples codificadores a evaluadores y planificadores estratégicos. Sin embargo, el estudio también identifica riesgos significativos, como la sustitución cognitiva, la dependencia emergente y el posible debilitamiento del razonamiento independiente. En última instancia, el texto posiciona a la GAI como un socio cognitivo dinámico que remodela las experiencias emocionales, las estrategias de comportamiento y las identidades profesionales de los estudiantes dentro de la educación superior.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "The Impact of Generative Artificial Intelligence on College Students’ Computer Thinking in the Task of Complex Computer Programming: Based on Social Cognitive Theory", por Wenhui Yin. Publicado el 22 de Enero del 2026.

El resumen, la transcripción, la traducción, y las voces fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

Escúchalo aquí, mientras lees la transcripción (abajo):

O escúchalo en Spotify.

---

Transcripción

Beto
Sabes, hay ese enorme elefante de neón parpadeante en la habitación cada vez que hablamos de IA generativa: nos obsesionamos tanto con el resultado.

Alicia
Oh, totalmente. Los ensayos, las imágenes, el código, ...

Beto
... especialmente este último. Vemos un script generado en, ¿qué?, ¿tres segundos? Y pensamos, vaya, mira esa eficiencia. Mira todo el tiempo que acabo de ahorrar.

Alicia
Son esos objetos brillantes, ¿no? Estamos mirando el producto y completamente ignorando el proceso.

Beto
Exacto. Pero la pregunta que nadie parece estar haciendo, o al menos no lo suficientemente en voz alta, es ¿qué le está pasando al cerebro humano mientras todo eso ocurre? Es decir, si la máquina hace todo el trabajo pesado, ¿nos estamos convirtiendo en estos brillantes arquitectos del futuro, o nos estamos volviendo, no sé, supervisores perezosos?

Alicia
Es la diferencia entre ser un chef maestro y simplemente pedir por Uber Eats. ¿Ambos te consiguen la cena? Seguro. Pero solo uno sabe qué hacer si el restaurante de repente cierra.

Beto
Esa es la forma perfecta de decirlo. Y esa es exactamente la tensión que estamos explorando hoy. Hacemos un análisis profundo en este trabajo de investigación tan interesante de 2026.

Alicia
Es un estudio de Wenhui Yin, publicado en Creative Education.

Beto
El título es un bocado, y quiero decir que es uno serio, así que aguanta conmigo: "El impacto de la inteligencia artificial generativa en el pensamiento computacional de estudiantes universitarios en la tarea de programación informática compleja".

Alicia
Vaya título. Pero no dejes que ese título académico te asuste porque la metodología es lo que lo hace especial.

Beto
No es solo una encuesta.

Alicia
No, para nada. Esto no fue un formulario de Google preguntando, “oye, ¿te gusta ChatGPT?” El equipo de Yin en realidad siguió a 16 estudiantes de segundo año de informática durante un extenuante curso de programación de 15 semanas.

Beto
Y esa duración es tan importante, ¿no? Esto no es un experimento de laboratorio de cinco minutos. Estos estudiantes estuvieron en la trinchera casi cuatro meses.

Alicia
Exactamente. Tenían herramientas de IA generativa para resolver problemas reales, sucios y complejos. Y nuestra misión hoy no es calificar su código. Realmente no nos importa si funcionó o no.

Beto
Estamos observando el cambio psicológico. El estudio habla de una emergente estructura cognitiva híbrida.

El Impacto de la IA en Estudiantes Universitarios

Alicia
Estructura cognitiva híbrida. Lo sé. Suena a algo sacado de una novela cyberpunk.

Beto
Realmente lo parece.

Alicia
Pero en realidad es solo un término para la montaña rusa emocional e intelectual por la que pasaron estos estudiantes. Hablamos de todo, desde la ilusión de comprensión hasta mecanismos de afrontamiento realmente sorprendentes que aparecieron cuando la IA empezó a fallar.

Teoría Cognitiva Social

Beto
Bien, antes de entrar en los detalles de cómo codifican ahora, necesitamos preparar el terreno. El estudio enmarca todo a través de la teoría cognitiva social.

Alicia
Bien.

Beto
Sé que nuestra audiencia es inteligente, pero expliquemos eso en términos sencillos. ¿Por qué importa esta teoría aquí?

Alicia
La teoría cognitiva social es básicamente la lente que usamos para entender que el aprendizaje no ocurre en el vacío. Es aprendizaje como un triángulo. Imagina un triángulo en tu cabeza.

En un vértice tienes a la persona, su confianza, sus habilidades, su estado interno.

Beto
Tiene sentido.

Alicia
En el segundo vértice está el comportamiento, lo que realmente hace, las acciones que toma. Y en el tercer vértice está el ambiente.

Beto
Que en un aula normal es solo la sala, el profesor, el libro de texto.

Alicia
Pero aquí, el ambiente incluye la IA generativa. Y el concepto clave es algo llamado "determinismo recíproco". Simplemente significa que estas tres cosas están cambiándose mutuamente constantemente. La IA no es solo una calculadora pasiva sobre el escritorio. Es una parte activa del entorno.

Beto
Así que cambia cómo actúa el estudiante.

Alicia
Y ese comportamiento cambia cómo el estudiante ve su propia inteligencia, lo que entonces cambia cómo interactúa con la IA otra vez.

Beto
Esa es una distinción enorme. Si uso un martillo, el martillo no me responde. No me sugiere otra manera de golpear el clavo.

Alicia
Pero una IA sí. Altera completamente ese ciclo de retroalimentación.

Beto
Y esa alteración crea una forma totalmente nueva de pensar.

El Cambio Cognitivo

Lo que supongo que nos lleva al primer hallazgo importante: el cambio cognitivo. El flujo de trabajo real de cómo codificar ha sido totalmente reescrito.

Alicia
Sí, esta parte es fascinante.

Beto
Porque históricamente, y yo he incursionado un poco, la programación es lineal. Tienes un problema. Mapeas la lógica. Escribes la sintaxis. Y luego rezas para que funcione.

Alicia
Y si no funciona, te quedas mirando la pantalla hasta que te sangran los ojos buscando ese único error tipográfico.

Beto
Exacto. El estudio encontró este nuevo modelo emergente. Lo llaman "analizar-describir-refinar".

Alicia
Ese es el nuevo proceso cíclico. En lugar de lanzarse a escribir las sentencias "if", el estudiante comienza analizando el problema conceptualmente. Tiene que dar un paso atrás primero.

Beto
Luego tiene que describírselo a la IA.

Alicia
En lenguaje natural, sí. Inglés, no Python. Y solo entonces, cuando la IA escupe el código, empiezan a refinarlo.

Beto
El Participante 11 en el estudio describió esto perfectamente. Dijo que piensan el enfoque primero y luego actúan como guía para la IA.

Alicia
Piensa en lo que eso le hace al cerebro. Pasas de ser el escritor, la persona sudando por la sintaxis, las comas, los corchetes, a ser el arquitecto.

Beto
El que tiene la idea.

Alicia
Correcto. Tienes que articular el problema con claridad para obtener un buen resultado. En cierto modo, te obliga a entender mejor la meta, aunque no estés escribiendo los pasos individuales.

Beto
Suena como un ascenso. Pasas del obrero que coloca ladrillos al capataz que sostiene los planos. Me pregunto si hay alguna trampa en todo esto.

Alicia
Bueno, puede haberla. Y la interacción cambia otra vez una vez que el código se genera. Esto nos lleva a un concepto que el investigador llamó "depuración diferencial".

Beto
Me encanta ese término, "depuración diferencial". Suena tan sofisticado.

Alicia
En realidad es una estrategia brillante que nació de la necesidad. El Participante 08 describió pegar su propio intento de código y compararlo lado a lado con la versión de la IA, ...

Beto
.... solo para encontrar las diferencias.

Alicia
Sí, es un juego de “encuentra las diferencias”, lo cual es un cambio enorme. Antes, depurar era solo mirar tu propio trabajo. Ahora comparas.

Beto
Ya no solo creas; evalúas. Miras dos realidades potenciales: la tuya y la de la máquina, y juzgas cuál es mejor.

Alicia
Eso empuja a los estudiantes hacia lo que el estudio llama "pensamiento de múltiples soluciones".

Beto
Correcto. El Participante 10 comentó esto. Dijo que la IA a menudo ofrece múltiples formas de resolver el mismo problema. Entonces la pregunta ya no es “¿cómo escribo esto?” ...

Alicia
... sino “¿cuál de estas tres opciones es la mejor?”

Beto
Y eso es una habilidad de pensamiento de orden superior. Eso es lo que hacen los ingenieros seniors: evalúan compensaciones.

Alicia
En la superficie esto se ve genial. Nos saltamos el trabajo braquial y vamos directo a la estrategia.

Beto
Pero puedo oír un “pero” acercándose. Puedo oírlo en tu voz.

Alicia
Hay un “pero” significativo. Es el efecto de sustitución cognitiva.

Beto
Suena como una manera académica muy educada de decir que dejas que la máquina piense por ti.

Alicia
Básicamente, eso es. Los Participantes 14 y 15 fueron brutalmente honestos al respecto. Admitieron que si toman el código de la IA tal cual, se saltan el pensar en los detalles.

Beto
Y ese es el peligro. Esa es la zona de riesgo. Es como usar un GPS. Puedo conducir a través del país con Google Maps, giro a giro, sin problema. Llego eficientemente.

Alicia
Claro.

Beto
Pero si mi batería se queda sin carga en medio de la nada, no tengo idea de dónde estoy. No he aprendido la ruta. Solo seguí instrucciones.

Alicia
Esa es la analogía perfecta. Eres eficiente, pero frágil. Si la herramienta falla, quedas completamente varado.

Beto
Y esa fragilidad conduce directamente al lado emocional de esto. Porque cuando funciona, se siente como magia.

Alicia
Pero cuando falla.

Beto
Ay, amiga. Es una pesadilla.

La Montaña Rusa Emocional

Lo que nos lleva al segmento dos: la montaña rusa emocional. No se trató solo de lógica; fue sobre sentimientos.

Alicia
Y los picos son obvios. Es un enorme subidón de dopamina. El Participante 14 habló de este gran impulso de confianza cuando el código simplemente se ejecuta perfectamente a la primera.

Beto
Gratificación instantánea.

Alicia
Totalmente. El Participante 07 lo llamó una "sensación de seguridad". Y lo entiendo. Cuando estás programando te puedes sentir tan solo y frustrado, tú contra la máquina.

Beto
Tener una IA es como tener a un desarrollador senior sentado a tu lado 24/7. Te valida.

Alicia
Pero aquí está la vuelta de tuerca: esa seguridad es precaria. El estudio identificó algo llamado "efecto de error acumulado".

Beto
Oh, esta parte resonó conmigo a nivel espiritual.

Alicia
¿Verdad?

Beto
El Participante 15 lo describió tan vívidamente: le pides a la IA que arregle un error. Te da nuevo código. Lo ejecutas. Nuevo error. Le pides que arregle ese error.

Alicia
De repente estás en una espiral descendente. El Participante 15 dijo que se vuelve peor que no haber preguntado en absoluto.

Beto
Es como si tu computadora te engañara. Empiezas a dudar de todo. ¿Lo estoy explicando mal? ¿La máquina es tonta? ¿Soy yo un tonto por confiar en ella?

Alicia
Y la respuesta a esa pregunta revela un mecanismo de defensa psicológico fascinante. Cuando las cosas van mal, ¿a quién crees que culpan los estudiantes?

Beto
Yo supondría que a ellos mismos. Normalmente el síndrome del impostor en tech funciona así.

Alicia
Sorprendentemente, no. Este fue uno de los hallazgos más interesantes. El estudio notó que cuando los errores se acumulan, en realidad no pierden la autoconfianza.

Beto
¿En serio? Porque si fracaso en una tarea una y otra vez, empiezo a sentirme bastante incompetente.

Alicia
No aquí. Practican lo que se llama "atribución externa". Culpaban a la herramienta.

Beto
“No fallé yo. Falló mi martillo.”

Alicia
Exactamente. Ven la IA como solo un pedazo de software. Si el software falla, es culpa del software. No su fallo como programador. Eso protege el ego.

Beto
Es un truco psicológico extremadamente conveniente.

Alicia
Es protector, sí. Evita que su confianza se desplome, lo cual es importante para el aprendizaje, pero crea este conflicto interno.

El Participante 10 habló de dependencia psicológica.

Beto
Esta es la parte adictiva.

Alicia
Sí, refleja el hecho de pedirle a la IA inmediatamente cuando te atas. El Participante 10 admitió que crea esta tensión: disfrutas la facilidad, pero en el fondo tienes miedo de estar perdiendo tu propia habilidad.

Beto
Es como llevar calculadora a un examen de matemáticas. Te alivias por tenerla, pero también te preocupa haber olvidado cómo hacer la división larga.

Alicia
Eso es. Y ese conflicto interno está definiendo a esta generación de aprendices. Caminan constantemente por la cuerda floja entre eficiencia y dependencia.

Beto
Así que tenemos el cambio cognitivo y la volatilidad emocional.

Pero programar en este estudio no siempre fue una actividad en solitario. También trabajaron en equipos.

La Nueva Dinámica De Equipo

Alicia
Y aquí es donde la parte social de la teoría cognitiva social realmente entra en juego. Segmento 3: la nueva dinámica de equipo.

Beto
Las cosas se vuelven casi sociológicas aquí.

Alicia
Lo hacen. El estudio encontró que cuando introduces una IA en un grupo humano, los roles cambian dramáticamente.

Beto
De hecho, se dieron títulos a sí mismos, lo cual me encanta. El Participante 14 llamó al rol humano “el comandante” o “descomponedor de demandas”.

Alicia
Y la IA es la “ejecutora” o la “depuradora”.

Beto
Descomponedor de demandas. Suena como una banda de heavy metal, pero en realidad es una descripción muy precisa. Rompes las demandas complejas y la IA hace el trabajo pesado.

Alicia
Pero fíjate en la jerarquía: el humano es el comandante. Sin embargo, y esto es un gran sin embargo, quién dirige la danza cambia según la dificultad.

Beto
Cambio dinámico.

Alicia
Exacto. Para tareas básicas, los estudiantes dirigen. “Escríbeme una función para ordenar esta lista.” Pum, hecho. Pero para problemas complejos y sucios, ...

Beto
... ¿qué pasaba entonces?

Alicia
Los 16 encuestados, todos y cada uno, dijeron que entregaban la iniciativa a la IA.

Beto
Los 16. Así que cuando se pone difícil, el humano se repliega y deja que el bot tome el volante.

Alicia
Dejan que la IA proponga ideas primero. La buscan para la hoja de ruta inicial. Invierte toda la dinámica de mentoría.

Beto
Guau. Y eso cambia cómo los estudiantes interactúan entre sí también. El Participante 15 notó que las discusiones dentro del grupo en realidad disminuyeron.

Alicia
Lo hicieron.

Beto
¿Es eso bueno? Siento que a veces la fricción es donde surgen las buenas ideas.

Alicia
Es un tipo diferente de colaboración. En un proyecto grupal tradicional, si tú y yo no estamos de acuerdo, discutimos basados en nuestras opiniones, tal vez nuestros egos: “mi forma es mejor”.

Beto
“No, la mía es más limpia”.

Alicia
Pero ahora solo consultamos la IA. El Participante 10 la llamó "una propuesta de terceros".

Beto
Es el desempate. Despersonaliza el conflicto.

Alicia
Exacto. ¿Quieres modificar mi código? Ambos estamos criticando el código de la IA. Crea un frente unido: nosotros los humanos contra la salida de la IA.

Beto
Lo cual suena increíblemente eficiente. Pero la IA no es solo una generadora de código, ¿cierto? El Participante 15 mencionó usarla como fuente conversacional de conocimiento.

Alicia
Sí, como intérprete, preguntándole a la IA por qué su código funciona. Esto es crucial. La usan correctamente. La IA se vuelve un tutor, lo que ayuda a cerrar esa brecha de la que hablamos.

Beto
El riesgo de no entender los detalles.

Alicia
Correcto. Así que puede ser tutor, compañero de equipo, desempate. Suena como el colega perfecto.

Beto
Pero no es una varita mágica.

Límites Duros y Riesgos Reales

Lo que nos lleva al segmento cuatro: los límites duros y los riesgos reales. Porque esta tecnología tiene puntos ciegos serios.

Alicia
Enormes. Y el más grande que el estudio identificó es la ilusión de comprensión.

Beto
Ya lo tocamos, pero profundicemos. El Participante 05 lo dijo sin rodeos: las explicaciones de la IA a menudo suenan razonables, pero en realidad no funcionan.

Alicia
Ese es el problema de las alucinaciones, pero es más insidioso que simplemente estar equivocado. La IA habla con absoluta confianza. Usa la jerga correcta, la sintaxis correcta.

Beto
Es como ese amigo en un bar que está inventando datos, pero los dice con tanta autoridad que terminas creyéndole.

Alicia
Precisamente. Y para un aprendiz eso es muy peligroso. Si crees que entiendes porque la IA te dio una explicación fluida, pero la lógica es defectuosa, estás construyendo tu conocimiento sobre arenas movedizas.

Beto
Tienes la sensación de haber aprendido sin la sustancia real.

Alicia
Y luego está la ceguera contextual. Aquí es donde la goma realmente se encuentra con la carretera.

Beto
Correcto. El Participante 15 dio un ejemplo específico sobre Harmony OS y las mini aplicaciones de WeChat.

Alicia
Gran ejemplo técnico. Estos entornos tienen compatibilidad de versiones muy estricta.

Beto
Así que el código pensado para la versión 2.0 simplemente romperá en un entorno 3.0, aunque parezca correcto.

Alicia
La IA a menudo no sabe qué versión específica estás ejecutando en tu portátil. Sus datos de entrenamiento pueden tener seis meses de antigüedad y la API ya cambió.

Beto
Así que te da código lógicamente perfecto que es contextualmente inútil. Carece de esa conciencia situacional del mundo real.

Alicia
Exacto. Opera en un vacío de código perfecto, no en la realidad sucia del desarrollo de software.

Y por último está la paradoja de la elección.

El Participante 10 mencionó sentirse abrumado. Si la IA te da cinco formas de resolver un problema y no tienes el conocimiento fundamental para juzgar cuál es la mejor, no estás empoderado.

Beto
Estás paralizado.

Alicia
Pasas más tiempo evaluando a la IA de lo que habrías pasado escribiendo el código tú mismo. Te exige un alto nivel de discernimiento.

Beto
Entonces tratemos de sintetizar todo esto. Tenemos el cambio cognitivo, las emociones, la dinámica de equipo, los riesgos. Realmente estamos presenciando el nacimiento de esa estructura cognitiva híbrida humano-máquina.

Alicia
Ese es el punto central. El rol del estudiante está cambiando fundamentalmente. Conservan el juicio, la fijación de objetivos, la evaluación, pero están externalizando la ejecución y la sintaxis.

Beto
Es una asociación. Pero como dijiste, hay riesgo de que ese conjunto de habilidades se vuelva hueco.

Alicia
Ese es el miedo. La eficiencia sube, la productividad sube. Pero si un estudiante puede gestionar el código pero no puede crearlo desde cero, ¿es un programador? ¿O es solo un gestor de proyectos para robots?

Beto
El estudio muestra que están desarrollando habilidades de alto nivel, como el pensamiento de múltiples soluciones, pero están perdiendo esa lucha con los detalles que a menudo cimenta el aprendizaje profundo.

Alicia
Y simplemente no sabemos los efectos a largo plazo de eso. Esto fueron 15 semanas. ¿Qué pasa después de cuatro años? ¿Qué pasa cuando se enfrentan a un problema que la IA nunca ha visto?

Beto
Eso nos lleva a nuestro pensamiento final para quienes nos escuchan hoy, y es algo para masticar bien.

Alicia
Si la habilidad primaria del futuro es evaluar la salida de la IA en lugar de crear la entrada, ¿qué pasa con nuestra capacidad de juzgar la verdad cuando dejamos de saber cómo se hace la salchicha?

Beto
¿Nos estamos convirtiendo en arquitectos, diseñando estas estructuras elevadas que entendemos íntimamente? ¿O nos estamos convirtiendo en meros sellos de goma, aprobando planos que ya no podemos leer?

Alicia
Es una pregunta que cada aprendiz y cada profesional necesita hacerse cada vez que pulsa “generar”.

Beto
Efectivamente. Estaremos observando cómo evoluciona todo esto. Gracias por sumergirte con nosotros hoy. Sigan aprendiendo y sigan pensando.

Alicia
Hasta la próxima.