El hombre de la peña que sabe de máquinas: un investigador inglés pone en discusión el debate sobre la inteligencia artificial en las escuelas

El jueves pasado, en una ronda de mate cocido que bien podría haber sido en un patio de Cosquín o de Jesús María, un investigador del University College London cruzó los dedos en torno al pocillo, miró fijo al periodista y soltó una frase que se hizo carne en el resto de la tarde: la inteligencia artificial, en el aula, no vino a democratizar nada, sino más bien a profundizar la grieta entre los que más tienen y los que menos tienen. Se trata de Wayne Holmes, profesor e investigador del UCL Knowledge Lab, especialista de hace rato en el cruce entre enseñanza y nuevas tecnologías, que vino a la Argentina a participar de conversaciones sobre educación y se sentó a esta mesa con la misma seriedad con la que, cada enero desde 1961, los gauchos se dan cita en los festivales del interior para discutir qué le pasa a la música y a la gente.

En su lectura de la cuestión, hay un primer paso que distingue con cuidado: no es lo mismo enseñar sobre inteligencia artificial —es decir, formar a los chicos para que entiendan cómo funciona esta tecnología— que usar a la inteligencia artificial como recurso pedagógico dentro del aula. La segunda variante es la que a él lo preocupa, sobre todo porque circula una idea muy alambrada que compara a la IA generativa con la vieja calculadora, esa que durante décadas obligó a repensar la enseñanza de matemática sin terminar nunca con la materia.

Una comparación que no cierra

La comparación es tentadora y se repite en los pasillos de cualquier ministerio de educación: así como la calculadora cambió la forma de enseñar sin reemplazar el pensamiento lógico-matemático, la IA haría algo parecido con el resto de las materias. Holmes la desarma con un solo movimiento: "Con una calculadora, si apretás los botones correctos en el orden correcto, obtenés la respuesta correcta siempre". Esa certeza, dice, es la que vuelve a la calculadora una herramienta confiable para un estudiante que está aprendiendo. Lo que pasa con la IA generativa es otra cosa.

Según la reconstrucción que Holmes hace de lo que vio probando distintas herramientas, los modelos de lenguaje producen texto eligiendo, palabra por palabra, la opción más probable según los datos con los que fueron entrenados. El resultado puede ser correcto, puede ser incorrecto y, en muchos casos, el usuario no tiene manera de distinguir uno de otro. Esa incertidumbre, sumada al hecho de que no existe —todavía— un sistema de certificación que avale las respuestas, es lo que para él invalida la analogía y vuelve a la IA un recurso distinto, no necesariamente equivalente.

La paradoja que se agranda

• Las escuelas que más cobran no se publicitan por sus computadoras ni por la cantidad de herramientas de IA que usan, sino por la calidad de sus docentes.
• En las zonas donde faltan maestros o donde los recursos escasean, la inteligencia artificial aparece como un reemplazo del docente, no como un apoyo.
• Si esa diferencia se profundiza, el día de mañana la democracia va a estar más débil para todos, porque la educación es la base de la participación ciudadana.
• Holmes lo dice y lo firma: "Si esa brecha aumenta, debilitamos la democracia para todos".
• La sustitución tecnológica, en contextos de pocos recursos, es una forma de ajuste con coletilla pedagógica que termina encareciendo la desigualdad en lugar de achicarla.

La pregunta que nadie quiere hacerse

Hay, además, un punto más de fondo que a Holmes le sale cruzado y que tiene que ver con lo que él llama la uniformización del pensamiento. Como los modelos de lenguaje trabajan con lo más probable —con lo más repetido, con lo más visto durante el entrenamiento—, los enfoques que no son los hegemónicos quedan directamente afuera, sin escalas. Para graficarlo, el investigador contó algo que le pasó probando distintas herramientas con una misma consigna.

“Cuando consultó a varias aplicaciones sobre los problemas del 'aprendizaje personalizado', todas respondieron que el único inconveniente era la dificultad de implementarlo. Ninguna cuestionó si el enfoque funciona o no, porque la postura dominante en los textos de entrenamiento es que se trata de algo positivo.”Wayne Holmes, investigador del UCL Knowledge Lab, al describir lo que ocurre cuando se le pide a una IA que analice un concepto educativo

Qué haría él si le tocara armar una escuela hoy

A la hora de la verdad, cuando se le preguntó cómo armaría él un colegio desde cero con la oferta tecnológica disponible, Holmes fue directo y seco, como quien responde en una peña después de aguantar tres horas de debate: hoy no incorporaría ninguna de las herramientas que están en el mercado. Su postura es que, hasta que no haya certezas y marcos regulatorios serios, la IA en las aulas no resuelve los problemas que dice resolver y, mientras tanto, abre otros que todavía no estamos midiendo bien.

Antes de despedirnos y mientras los primeros gallos empezaban a cantar en el patio, un amigo que se acercó a escucharnos dejó caer, mirando al horizonte donde todavía se notaba una estrella apagándose, esa frase que uno se guarda para los tiempos difíciles: "La escuela no se inventó para sacar a los chicos rápido, sino para que entiendan juntos por qué vale la pena quedarse".