Un experimento aleatorizado publicado en Behavioral Sciences el 17 de septiembre de 2026 ha analizado precisamente esta cuestión comparando diferentes formas de repartir entre estudiante e inteligencia artificial tres procesos habituales de la escritura académica: redactar, evaluar y revisar. Los resultados apuntan a una conclusión especialmente relevante para la práctica docente: delegar en la IA la evaluación del trabajo del estudiante puede aportar menos al aprendizaje que permitir que la IA genere contenido que posteriormente tenga que ser juzgado y revisado por el propio alumno.  

El estudio principal contó con 744 estudiantes universitarios, distribuidos aleatoriamente entre cuatro formas diferentes de realizar tareas de escritura académica durante varias semanas. Posteriormente, la inteligencia artificial se retiró por completo y los investigadores evaluaron qué podían hacer los estudiantes de forma independiente. Una segunda muestra de 126 estudiantes permitió replicar parte del experimento. 

No importa solo utilizar IA, sino qué trabajo intelectual conserva el estudiante 

Los investigadores dividieron la escritura en tres grandes fases: crear un primer borrador, evaluar la calidad del contenido y realizar las revisiones necesarias. A partir de esta estructura establecieron cuatro formas diferentes de colaboración entre el estudiante y la IAG. 

En un primer grupo, la inteligencia artificial generaba el borrador y el estudiante debía evaluarlo y revisarlo. En otro, era el estudiante quien redactaba inicialmente y la IA se encargaba de evaluar su texto y proporcionar feedback. Un tercer grupo redactaba por sí mismo, recibía directamente una versión revisada por la IA y tenía que decidir qué cambios aceptar o rechazar, justificando sus decisiones. Finalmente, un cuarto grupo realizaba todo el proceso sin utilizar inteligencia artificial. 

Tras cuatro rondas de trabajo, la IA desapareció completamente de la actividad. Todos los participantes tuvieron que escribir un nuevo informe sin asistencia, revisar un texto académico e identificar errores introducidos deliberadamente en un documento generado por inteligencia artificial. 

Esta última fase resulta fundamental para interpretar los resultados. El objetivo no era comprobar quién producía mejores trabajos mientras tenía acceso a la IAG, sino analizar qué capacidades conservaba el estudiante cuando la herramienta dejaba de estar disponible. 

Los resultados mostraron diferencias significativas dependiendo de la tarea que se había delegado. Los estudiantes que habían tenido que evaluar contenido generado por la IA obtuvieron mejores resultados posteriores que aquellos cuya dinámica consistía en redactar y recibir una evaluación automática de su trabajo. También obtuvieron mejores resultados quienes debían juzgar los cambios propuestos por la IA durante la fase de revisión. 

En cambio, el grupo en el que la inteligencia artificial evaluaba el texto redactado por el estudiante obtuvo resultados prácticamente equivalentes al grupo que no había utilizado IA en la prueba posterior realizada sin asistencia. La diferencia no parece estar, por tanto, simplemente entre utilizar o no utilizar inteligencia artificial. Lo relevante podría ser quién conserva la responsabilidad de evaluar la calidad del trabajo. 

Pedir a la IA que corrija puede eliminar precisamente el esfuerzo que genera aprendizaje 

Una de las prácticas más habituales entre estudiantes consiste en redactar un texto y después pedir a ChatGPT, Gemini, Claude u otra herramienta que lo revise, detecte problemas y sugiera mejoras. Desde una perspectiva intuitiva, esta utilización puede parecer especialmente adecuada: el estudiante sigue creando el contenido y la IA se limita a ofrecer feedback. 

Sin embargo, los resultados de este experimento obligan a introducir un matiz importante. Cuando la IA se encarga de localizar errores, señalar debilidades argumentativas y determinar qué debe modificarse, también está realizando una parte del trabajo cognitivo que podría resultar esencial para desarrollar la capacidad de evaluación del propio estudiante. 

Los participantes que recibieron durante varias semanas evaluaciones generadas por IA no mostraron posteriormente una ventaja significativa frente a quienes habían trabajado sin inteligencia artificial. Por el contrario, los estudiantes que tuvieron que examinar críticamente textos producidos por la IA sí mostraron mejores resultados cuando posteriormente tuvieron que trabajar solos. 

El estudio sugiere así una posible inversión de la práctica habitual: en determinadas actividades puede ser pedagógicamente más interesante pedir a la IA que produzca algo que el estudiante tenga que juzgar que pedirle que juzgue automáticamente aquello que ha producido el estudiante. 

Esta diferencia resulta especialmente relevante en educación superior porque evaluar un texto implica mucho más que detectar errores ortográficos. Supone identificar problemas en la argumentación, comprobar evidencias, detectar afirmaciones poco justificadas, evaluar la coherencia entre datos y conclusiones y decidir qué modificaciones mejoran realmente el trabajo. 

Si estas decisiones se delegan sistemáticamente en una herramienta, el producto final puede mejorar mientras la capacidad del estudiante para realizar esas mismas decisiones de forma autónoma permanece prácticamente igual. 

Los estudiantes que evaluaban a la IA detectaban mejor sus errores 

El experimento incluyó además una prueba específica para medir hasta qué punto los participantes podían identificar problemas en un texto generado mediante inteligencia artificial. Los investigadores introdujeron deliberadamente 12 errores, entre ellos referencias inexistentes, atribuciones incorrectas, fallos lógicos y conclusiones que no estaban suficientemente respaldadas por las evidencias presentadas. 

Los resultados volvieron a favorecer al grupo que durante las semanas anteriores había tenido que evaluar borradores generados por IA. Estos estudiantes mostraron una mayor capacidad para detectar problemas cuando posteriormente se enfrentaron a un nuevo texto. La práctica repetida de cuestionar y revisar contenido generado parece haber entrenado precisamente aquellas competencias necesarias para identificar cuándo una respuesta de la inteligencia artificial resulta convincente en apariencia pero incorrecta en su contenido. 

El hallazgo tiene una consecuencia inmediata para el diseño de actividades docentes. Si se pretende desarrollar pensamiento crítico y alfabetización en IA, una posible estrategia consiste en proporcionar al estudiante respuestas, textos o soluciones generadas por IAG y convertir su evaluación en parte explícita de la actividad. 

En lugar de pedir simplemente “utiliza ChatGPT para mejorar tu trabajo”, una tarea podría requerir que el estudiante analizara una respuesta generada, identificara errores o limitaciones, contrastara sus afirmaciones con fuentes fiables y propusiera posteriormente una versión mejorada. La inteligencia artificial se convertiría así en material que debe ser evaluado, no únicamente en una herramienta que evalúa al alumno. 

Decir al estudiante que evalúe no garantiza que realmente lo haga 

El estudio introduce, además, otra advertencia relevante. Pedir a un estudiante que sea responsable de evaluar la respuesta de la IA no significa necesariamente que vaya a conservar esa responsabilidad. 

Los registros de interacción mostraron que algunos participantes pertenecientes al grupo que debía evaluar los borradores de la IA volvieron a pedir al propio modelo que realizara parte de esa evaluación. Esta tendencia era especialmente frecuente entre estudiantes con una mayor predisposición a delegar decisiones en la inteligencia artificial. 

Es decir, aunque la actividad asignaba formalmente al estudiante la función de evaluar, algunos alumnos volvían a externalizar ese juicio hacia la propia herramienta. 

Este resultado plantea una cuestión importante para el profesorado. No basta con diseñar una actividad diciendo al alumnado que debe “revisar críticamente” una respuesta generada por IA. Puede ser necesario introducir mecanismos que hagan visible ese proceso: pedir que identifique errores concretos, justifique qué cambios realiza, contraste determinadas afirmaciones con fuentes o explique por qué acepta o rechaza las recomendaciones del modelo. 

La evaluación crítica debe convertirse en una tarea observable y verificable, no únicamente en una indicación dentro del enunciado. 

Diseñar actividades pensando en qué queremos que practique el estudiante 

La principal aportación del estudio no es que una determinada forma de utilizar IAG sea siempre superior a otra. Los propios autores advierten de las limitaciones del experimento y de que las distintas condiciones no permiten aislar perfectamente cada proceso cognitivo. 

La conclusión más útil para la docencia es probablemente otra: cuando incorporamos inteligencia artificial a una actividad, debemos preguntarnos qué parte del trabajo intelectual queremos que siga practicando el estudiante. 

Delegar tareas repetitivas o determinadas fases de producción puede liberar tiempo y esfuerzo. Sin embargo, delegar precisamente aquellas tareas que constituyen el objetivo de aprendizaje puede producir un resultado aparentemente mejor sin desarrollar la competencia que se pretendía trabajar. 

En una actividad orientada al pensamiento crítico, por ejemplo, podría resultar razonable que la IA generase una respuesta inicial si posteriormente es el estudiante quien debe analizarla, contrastarla y mejorarla. En cambio, si el objetivo es desarrollar la capacidad para evaluar argumentos y detectar errores, permitir que sea la propia IA quien proporcione directamente esa evaluación podría reducir parte del esfuerzo cognitivo que precisamente se pretende entrenar. 

Esto no implica que el feedback generado mediante inteligencia artificial carezca de utilidad. Puede ser útil como apoyo, segunda opinión o recurso adicional. El estudio señala, sin embargo, que convertir a la IA en el principal evaluador del trabajo del estudiante no produjo ventajas posteriores en las capacidades analizadas frente a realizar la tarea sin IA. 

La cuestión deja así de ser simplemente cuánto uso de inteligencia artificial debe permitirse en una actividad. El diseño docente debe decidir también qué tareas puede realizar la herramienta y cuáles deben permanecer bajo responsabilidad intelectual del estudiante. 

La inteligencia artificial puede redactar, sugerir, revisar o evaluar. Pero estas funciones no son pedagógicamente equivalentes. Cada vez que una de ellas se delega, también puede estar delegándose una parte del proceso mediante el que el estudiante aprende. 

El reto para el profesorado será utilizar la IAG para reducir aquellas cargas que no aportan valor educativo sin eliminar al mismo tiempo las dificultades que obligan al alumno a analizar, decidir, verificar y construir su propio juicio. 

Fan, M., & Chang, P. (2026). Telling students to evaluate does not make it happen: Task stage, offloading tendency, and error detection in AI-assisted student writing. Behavioral Sciences, 16(9), 1671. https://www.mdpi.com/2076-328X/16/9/1671

Volver a Inicio