IA en educación en 2025: más allá del ChatGPT
Durante un par de años, "usar IA para estudiar" fue sinónimo de abrir un chat y preguntar. Eso está cambiando: cada vez hay más herramientas construidas específicamente para aprender, no solo para conversar.
Cuando la mayoría de la gente piensa en "usar IA para estudiar", todavía imagina lo mismo: abrir un chat, escribir una pregunta, recibir una respuesta. Eso fue, durante un buen tiempo, prácticamente la única forma de hacerlo. Pero esa etapa ya quedó atrás. Hoy existe una categoría completa de herramientas educativas construidas específicamente para el problema de aprender — no adaptaciones de un chat genérico, sino productos diseñados desde cero alrededor de cómo progresa una persona en una habilidad. Vale la pena entender qué cambió y por qué importa.
El chat abierto resuelve un problema distinto al de aprender
Un chat de propósito general es extraordinario para lo que fue diseñado: responder cualquier pregunta, en cualquier tema, sin necesidad de configuración previa. Eso lo hace insustituible para dudas puntuales o para explorar un tema libremente. Pero tiene una limitación estructural para el aprendizaje sostenido: cada conversación es, cognitivamente, casi una hoja en blanco. No hay un registro de qué dominas ya, no hay seguimiento de si mejoraste desde la semana pasada, y no hay ninguna noción de si tu confianza al responder está justificada o no. Puedes preguntarle lo mismo dos veces con dos semanas de diferencia y la herramienta no tiene ninguna forma de notar que deberías haber avanzado.
Esto no es una crítica al chat genérico — es simplemente reconocer que "responder bien a la pregunta de ahora" y "construir progreso a lo largo del tiempo" son dos problemas distintos, y una herramienta optimizada para el primero no automáticamente resuelve el segundo.
Lo que cambió: seguimiento real, no solo respuestas
La categoría de producto que está creciendo ahora se distingue por tres piezas que un chat genérico no tiene por diseño.
La primera es la sesión estructurada en vez de la conversación libre. En vez de dejar que el estudiante pregunte lo que quiera y reciba una respuesta directa, estas herramientas organizan la práctica en pasos que rotan tipo de ejercicio — repaso de lo ya visto, exploración de contenido nuevo adaptado al nivel, y una verificación final sin ayudas. En BonsAI, por ejemplo, esto se llama una sesión SE5: cinco pasos que combinan flashcards, quizzes, mapas conceptuales, escenarios de decisión, ejercicios de arrastrar y ordenar y simulaciones, siempre cerrando con un quiz real en vez de una autoevaluación.
La segunda es la calibración de confianza. No basta con saber si el estudiante respondió bien o mal — importa si su nivel de confianza estaba alineado con lo que realmente sabía. Un estudiante puede fallar sabiendo que no sabía (calibrado), fallar creyendo que tenía la respuesta correcta (sobreconfiado), o acertar dudando de sí mismo (inseguro). Cada uno de esos tres perfiles necesita un tipo de refuerzo distinto después. Vale la pena ser precisos sobre qué hay detrás de esta medición: en el caso de SVEN, el tutor de BonsAI, es un motor adaptativo bayesiano con suavizado que aproxima el progreso a partir de patrones de acierto, error y confianza reportada — no es un modelo psicométrico certificado tipo IRT ni una medición clínica. Es una aproximación útil, no un diagnóstico.
La tercera es el perfil de progreso que se acumula con el tiempo. En vez de que cada sesión sea independiente, la evidencia de lo que el estudiante practicó se va guardando en algo parecido a un mapa: qué habilidades ha tocado, cuáles conecta bien entre sí, cuáles están a medio camino. En BonsAI a esto se le llama la Galaxia, un grafo cognitivo visual construido a partir de evidencia real de las sesiones, no de una autoevaluación. Ese mapa es lo que le permite a la sesión de hoy "saber" lo que pasó la semana pasada, algo que un chat sin memoria estructurada no puede ofrecer.
El panel docente: la pieza que casi nunca se menciona
Hay otra dimensión de este cambio que suele quedar fuera de la conversación pública sobre IA educativa, y es la del docente. Un chat genérico no tiene ningún concepto de "aula": no hay forma de que un profesor vea el progreso agregado de sus 30 estudiantes si cada uno lo está usando por su cuenta.
Las herramientas de esta nueva categoría sí incorporan esa capa. Un docente crea un espacio de aula, invita estudiantes por código, asigna lecciones con habilidades específicas, y accede a un panel con la evidencia que cada estudiante decide compartir — incluyendo un reporte de qué respondieron mal recientemente y qué patrón hay detrás de esos errores. Esa palabra, 'decide', no es un detalle menor: la evidencia que ve el docente es la que el propio estudiante consiente compartir, no un volcado automático de todo lo que hace en la plataforma. Es una diferencia que importa tanto éticamente como en términos de qué esperar realmente de la herramienta.
Qué significa esto para quien busca una herramienta hoy
Si estás evaluando qué usar para estudiar o para tu aula, la pregunta ya no debería ser únicamente "¿tiene IA?" — eso hoy lo tiene casi cualquier cosa. Las preguntas más útiles son: ¿la práctica tiene una estructura pedagógica detrás, o es un chat abierto con una capa visual distinta? ¿Hay algún tipo de seguimiento de progreso entre una sesión y la siguiente, o cada conversación empieza de cero? Y si eres docente: ¿hay alguna forma de ver, con consentimiento del estudiante, qué está entendiendo y qué no, antes de tu próxima clase?
La etapa de "usar IA en el aula = abrir un chat" ya pasó. Lo que viene ahora es una categoría de herramientas más específica, con menos versatilidad que un chat genérico para preguntas sueltas, pero con algo que un chat genérico nunca tuvo por diseño: una noción real de progreso.