MIT: la IA perjudica el aprendizaje universitario

Un comité de profesores, estudiantes y personal del MIT pasó cinco meses documentando cómo la inteligencia artificial generativa está cambiando la forma en que sus estudiantes aprenden; el hallazgo central es que exámenes y tareas dejaron de medir lo que se supone que miden, mientras la investigación económica apenas empieza a preguntarse qué costo tiene eso a futuro

Puntos clave

• El comité especial del MIT documentó que 46% de sus estudiantes de licenciatura usa herramientas de IA generativa todos los días, y que 90% de ellos mismos se dice preocupado por depender demasiado de esas herramientas.
• Más estudiantes del MIT sienten que la IA los vuelve “reemplazables” (40%) que “capaces” (34%), un cruce que el propio comité señala como una de las alertas más claras del reporte sobre la confianza que están perdiendo.
• El hallazgo no es exclusivo del MIT: la prueba PISA 2026 de la OCDE registró una brecha de 28 puntos en ciencias entre estudiantes que evitan la IA para escribir y quienes la usan a diario, y la SEP reportó en abril que 79% de los universitarios mexicanos ya usa IA para generar textos.

El reporte, publicado el 13 de agosto por el Comité Ad Hoc del MIT sobre el Uso de IA en la Enseñanza, el Aprendizaje y la Formación en Investigación, describe un patrón que sus propios autores llaman “rendición cognitiva”: estudiantes que recurren a un chatbot ante la primera dificultad, en lugar de trabajar el problema por su cuenta. El resultado, según el comité, es que los conjuntos de problemas y los exámenes para llevar a casa “ya no prueban nada”, porque la IA produce una solución creíble para casi cualquier tarea escrita del currículo. Los grupos de estudio espontáneos escasean, y las horas de oficina de los profesores se han ido vaciando, de acuerdo con el propio texto.

¿Qué encontró exactamente el comité, y qué está proponiendo el MIT en su lugar?

El comité decidió no responder con más vigilancia. El reporte califica a los detectores de IA de poco confiables y advierte que el software que bloquea el navegador genera, en sus palabras, un clima de sospecha mutua poco sano para el salón de clases —una versión más moderada de lo que circuló en redes como si fueran citas literales sobre “espionaje”, pero en la misma dirección—. En su lugar, el MIT propone reconstruir la evaluación alrededor de lo que la IA no replica fácilmente: exámenes orales, portafolios semestrales, trabajo de proyecto presencial y un componente social que el reporte recomienda en cada materia, aunque como recomendación y no como obligación estricta. El documento incluso plantea, como ejercicio, repensar el sistema de calificaciones: sin un promedio que optimizar, buena parte del incentivo para hacer trampa con IA se desvanecería. El comité también advierte a los profesores contra sustituir a los asistentes de investigación de licenciatura por agentes de IA solo por ser más baratos, porque una universidad existe para formar personas, no para maximizar productos de investigación.

¿Qué dice la investigación económica sobre este tipo de erosión del aprendizaje?

Menos de lo que la conversación pública sugiere, y eso en sí mismo es parte de la noticia. El estudio más riguroso disponible hasta ahora es de investigadores de la Universidad de Estocolmo y la Universidad de Hong Kong, publicado en septiembre por el CEPR: siguieron a más de 26,000 estudiantes de secundaria en China durante 30 meses y encontraron que, con IA generativa, las calificaciones de tarea suben mientras las de los exámenes de alto riesgo caen entre 18% y 24 por ciento. Los propios autores son claros en que las “consecuencias económicas y laborales más amplias permanecen sin explorar”. El Banco Mundial retomó ese hallazgo en su blog de Capital Humano en junio, calificándolo como una advertencia temprana, pero tampoco ofrece una cifra de impacto. Por separado, investigadores de la Universidad de Boston documentaron con datos de contratación en Estados Unidos que las empresas más expuestas a IA ya están contratando menos maestrías para puestos de entrada, un indicio de que el título pierde valor como señal de competencia frente a un empleador que puede verificar habilidades de otras formas. Ninguna institución —ni la OCDE, ni el Fondo Monetario Internacional, ni el Banco Mundial— ha publicado todavía una proyección de PIB o de productividad atribuible específicamente a este fenómeno, y en México ninguna institución pública ha intentado cuantificarlo: la SEP ha documentado qué tanto usan IA los universitarios, pero no ha estimado qué efecto económico podría tener esa erosión del aprendizaje en la fuerza laboral que está por egresar.

Lo que el MIT documentó frente a lo que la investigación económica todavía no responde

La fila más reveladora de esta tabla no es ninguna de las cifras documentadas, sino la última: cinco hallazgos verificables sobre cómo está cambiando el aprendizaje, y ninguna institución económica que se haya animado todavía a decir cuánto puede costar eso.

Este mismo tipo de rezago educativo, medido en habilidades y no en uso de IA, ya tiene un costo estimado para México según los resultados de PISA 2025: la brecha que documenta el MIT es un mecanismo distinto pero se suma a la misma pregunta de fondo sobre qué tan preparada saldrá la próxima generación de profesionistas.

Consulta nuestra cobertura de Capital Universitario para dar seguimiento al debate sobre IA y educación superior.

Redactado por Adriana Vergara del equipo de ApartadoMex, cobertura de educación superior e inteligencia artificial. Última actualización: 15 de septiembre de 2026.