Creatividad en la Inteligencia Artificial: estudiantes, educación y homogeneización

La Inteligencia Artificial ya forma parte de la rutina de estudios en universidades de élite como Yale y Bard College, y eso está cambiando de forma profunda la manera en que los alumnos hablan en clase y cómo los profesores evalúan lo que realmente saben. El reportaje original de CNN muestra un panorama muy claro: seminarios que antes estaban llenos de opiniones diferentes ahora suenan como un gran coro al unísono. El vocabulario es más bonito, los argumentos son más pulidos, pero la originalidad cede lugar a respuestas que parecen salir todas del mismo sitio: un chatbot.

En grupos pequeños, la escena se repite. Mientras el profesor hace una pregunta sobre la lectura del día, algunos compañeros bajan la mirada hacia la notebook y empiezan a tipear en el chat de IA, intentando generar en el momento una intervención articulada. La respuesta hasta parece un análisis sofisticado, pero en la práctica tiende a repetir los mismos encuadres y estructuras de razonamiento. Lo que debería ser un debate vivo se convierte casi en una secuencia de mini ensayos estandarizados, que suenan correctos, pero poco conectados con la experiencia propia de cada estudiante.

Investigaciones recientes en ciencias cognitivas refuerzan esta percepción. Estudios citados en el reportaje muestran que los grandes modelos de lenguaje vienen homogeneizando la forma en que escribimos, argumentamos e incluso pensamos, en tres frentes principales: lenguaje, perspectiva y estrategias de razonamiento. Y esto no es solo un detalle técnico. Cuando todo el mundo empieza a apoyarse en esos mismos modelos para formular ideas, la diversidad de pensamiento que antes surgía de forma natural en el aula comienza a encogerse.

Cómo la IA está haciendo que los debates se parezcan más

Uno de los efectos más visibles es la forma en que los alumnos hablan y escriben. Profesores describen un patrón: trabajos distintos, de personas completamente diferentes, pasan a tener el mismo tono neutro, la misma estructura de párrafos y argumentación, el mismo tipo de introducción y conclusión. Ese rasgo personal del lenguaje, con construcciones curiosas, referencias poco comunes e incluso algunos deslices típicos de quien todavía está aprendiendo, va desapareciendo.

De acuerdo con el estudio citado por CNN, eso no ocurre por casualidad. Los modelos se entrenan para predecir la próxima palabra más probable, con base en un volumen gigantesco de textos. Como ese material tiende a privilegiar idiomas, culturas y visiones de mundo dominantes, las respuestas terminan reflejando un recorte estrecho y sesgado de lo que produce la humanidad. Los investigadores llaman a esto refuerzo de puntos de vista WEIRD, sigla en inglés para occidental, educado, industrializado, rico y democrático.

En la práctica, cuando un estudiante sube el PDF de la clase al chatbot y pide una síntesis, un análisis o un discurso listo para usar en el seminario, no recibe solo ayuda con la forma. Importa, de paso, una cierta manera de mirar el tema. Con el tiempo, si todo el grupo hace lo mismo, las perspectivas alternativas, más locales, más intuitivas, más ligadas a la propia vivencia, van perdiendo espacio. El resultado es esa sensación de que, como relató una alumna de Yale, todo el mundo ahora más o menos suena igual.

Cuando hasta el razonamiento se estandariza

No es solo el texto el que entra en ese modo genérico. La forma de razonar también comienza a seguir caminos muy parecidos. Las herramientas de IA están cada vez más entrenadas para mostrar cadenas paso a paso de lógica, explicando cómo llegaron a la respuesta. Eso es genial para la claridad, pero puede ir asfixiando otras formas de pensar: más intuitivas, más visuales, más conectadas a repertorios culturales específicos.

Investigadores citados en el artículo alertan que, si un grupo interactúa repetidamente con esos sistemas, la creatividad colectiva tiende a aplanarse en comparación con el mismo grupo trabajando sin IA. En lugar de explorar múltiples rutas para llegar a una idea, los alumnos pasan a apoyarse en las mismas estrategias que usa el modelo, reduciendo la variedad de caminos mentales.

El impacto concreto en el aula

En las universidades retratadas por CNN, este efecto ya se convirtió en un problema práctico. En seminarios de economía, por ejemplo, alumnos cuentan que, justo antes de empezar la clase, casi todos suben los PDFs de las lecturas a un chatbot y piden resúmenes, mapas de argumentos o posibles respuestas a preguntas típicas del profesor. Cuando llega la hora del debate, técnicamente nadie está completamente perdido, pero casi todos arman su intervención sobre el mismo paquete de interpretaciones.

Profesores relatan una mezcla extraña: el piso de la participación subió, pocas personas dicen tonterías completas, pero el techo creativo bajó. Ideas raras, conexiones inesperadas y comentarios que se salen del sentido común aparecen mucho menos. Uno de los docentes entrevistados describe esto como la desaparición del pensamiento raro, excéntrico y original que, antes, solía surgir incluso de los alumnos que no eran los más brillantes en términos formales, pero tenían una intuición fuerte y coraje para arriesgar.

Eso también afecta la forma de evaluar. En muchas asignaturas, las tareas para casa dejaron de ser un reflejo confiable de lo que el estudiante realmente sabe. La misma redacción impecable que impresiona en el papel puede, en realidad, haber sido construida con una fuerte dependencia de la IA. Y, como los modelos consiguen responder prácticamente cualquier pregunta de examen abierto, se vuelve difícil identificar cuándo el alumno solo se volvió un buen operador de prompts.

La frustración de quien evita la IA

No todo el mundo se lanza de cabeza a este uso masivo. Algunos estudiantes, como los citados en Yale y Bard, evitan recurrir a la IA justamente por miedo a perder su propia voz. Relatan una incomodidad doble: por un lado, la preocupación con el impacto ambiental del uso intensivo de modelos gigantes; por otro, la sensación de que su experiencia en clase se ve perjudicada cuando los compañeros usan chatbots para ocupar el tiempo de discusión con intervenciones genéricas.

Una alumna describe que prefiere admitir que no entendió cierto texto antes que fingir comprensión con un discurso perfecto generado por el modelo. Para ella, la clave de la formación está en involucrarse de verdad con la lectura, conectar el material con la propia historia y construir sentido crítico. Cuando eso se cambia por un discurso prefabricado, la discusión deja de ser profunda y se convierte en algo burocrático, que solo cumple con el trámite.

Cómo están reaccionando los profesores

Ante este escenario, docentes de diferentes áreas comenzaron a rediseñar asignaturas, evaluaciones y reglas de uso de IA. En Yale, por ejemplo, hay lineamientos institucionales que dejan claro que las herramientas generativas pueden o no ser utilizadas dependiendo de cada curso, y que los detectores automáticos de IA no son lo suficientemente confiables como para servir de base para un castigo.

Algunas tendencias aparecen con fuerza:

• Menos laptops en el aula: muchos profesores han limitado o incluso prohibido el uso de computadoras en ciertos encuentros, priorizando la lectura en papel, las notas a mano y las discusiones cara a cara.
• Evaluaciones presenciales: aumenta el peso de exámenes en clase, redacciones escritas en el momento, presentaciones y evaluaciones orales, en las que el profesor puede ver, en tiempo real, cómo el estudiante formula sus ideas.
• Problemas reutilizados: algunos cursos de lógica, computabilidad y áreas técnicas transformaron las listas de ejercicios en bancos de preguntas para exámenes presenciales. El alumno incluso puede recurrir a la IA en la tarea de casa, pero, en la hora de la prueba, tendrá que resolver variaciones parecidas sin ayuda.
• Feedback en lugar de nota en las tareas para casa: para reducir la tentación de tercerizar todo, ciertos docentes comenzaron a dar menos peso a los trabajos entregados fuera del aula, usándolos más como base de corrección y orientación que como nota decisiva.

También hay quienes adoptaron exámenes orales individuales, práctica que algunos profesores ya utilizaban antes incluso del boom de la IA generativa. En esos encuentros, el alumno necesita explicar soluciones, defender razonamientos y responder a preguntas inesperadas. Es un formato trabajoso, pero que hace mucho más difícil esconder el nivel real de comprensión detrás de un texto fabricado.

De la prohibición al uso guiado

No todos optan por el camino de la prohibición. Algunos investigadores defienden un uso más sofisticado de la IA, posicionando al modelo como colaborador, no como sustituto del pensamiento humano. En vez de pedirle a la herramienta que escriba redacciones enteras, por ejemplo, la usan para:

• probar la consistencia de argumentos ya elaborados por el propio alumno;
• señalar posibles fallas lógicas o contradicciones;
• generar contraargumentos que el estudiante necesita rebatir;
• sugerir referencias adicionales que luego serán verificadas de forma crítica.

En este enfoque, la IA se vuelve una especie de espejo y sparring intelectual, ayudando a refinar ideas originales en lugar de entregarlas listas. El estudiante sigue siendo el autor, pero gana un socio para tensionar y expandir el propio razonamiento. El punto de atención, reforzado por especialistas, es justamente evitar que el modelo pase a utilizarse para crear el núcleo de las ideas, o incluso para indicar a quién votar, algo que algunos relataron, y que los investigadores consideran bastante preocupante.

Riesgos a largo plazo para la diversidad de pensamiento

La gran preocupación de los estudiosos que aparecen en el reportaje no es solo con las tareas de hoy, sino con el efecto acumulado de esta dependencia en una generación que está aprendiendo a pensar. Si, durante años de formación, los alumnos tercerizan la lectura, la síntesis, el análisis e incluso la toma de decisiones, existe el riesgo real de que pierdan la práctica del esfuerzo cognitivo continuo. Y, sin esa musculatura mental, resulta difícil innovar, cuestionar ideas dominantes y formular críticas a narrativas prefabricadas, incluidas las políticas.

Herramientas que usamos a diario

Traducción

Redes sociales

Reclutamiento

Programación

Productividad y Organización

Operación

Marketing y Ventas

Inspección de Texto y Clipping

Finanzas e inversión

Educación

Diseño y medios

Datos y analítica

Contenido y Escritura

Búsqueda e Investigación

Automatización

También hay un efecto de retroalimentación. Cuanto más usan las personas la IA para escribir textos, hacer resúmenes y estructurar argumentos, más esos contenidos terminan volviendo a internet y, con el tiempo, a los datos de entrenamiento de la próxima generación de modelos. Eso tiende a aumentar aún más la homogeneización del lenguaje y de las perspectivas, en un ciclo en el que la máquina aprende con su propia salida y va reforzando sus patrones preferidos.

En términos sociales, investigadores alertan sobre el riesgo de una cultura intelectual menos diversa, en la que modos de pensar no convencionales, estilos de escritura marginales y visiones de mundo minoritarias son empujados hacia los márgenes, no necesariamente por censura explícita, sino por una mezcla de conveniencia tecnológica y pereza mental.

Caminos posibles para preservar la creatividad

Si prohibir la IA del entorno educativo no es realista, el desafío pasa a ser encontrar formas de convivir con ella sin sacrificar la originalidad. Algunos caminos en discusión incluyen:

• Diseñar preguntas que exijan experiencia personal: tareas que piden conexión con vivencias concretas, contextos locales o trayectorias individuales son menos susceptibles a respuestas genéricas.
• Valorar el proceso, no solo el producto: exigir borradores, registros del razonamiento, versiones intermedias y reflexiones sobre cómo se hizo el trabajo ayuda a separar a quien realmente pensó de quien solo pulió un texto ya listo.
• Enseñar metacognición: incentivar al alumno a observar cómo piensa, qué estrategias utiliza, dónde suele trabarse y cómo entra la IA en ese flujo, en lugar de operar la herramienta en piloto automático.
• Explorar otras formas de expresión: además del texto escrito, dar espacio a presentaciones orales, prototipos, mapas, videos y proyectos prácticos, donde la voz personal y el improviso todavía tienen un peso grande.

Al mismo tiempo, existe la expectativa de que las empresas de tecnología inviertan en modelos capaces de reflejar una mayor diversidad de estilos, contextos culturales y formas de razonamiento. Mientras eso no suceda de forma amplia, la responsabilidad principal recae sobre escuelas, universidades y, claro, sobre los propios estudiantes, que necesitan decidir cuándo tiene sentido usar la IA y cuándo vale más la pena enfrentar la incomodidad de pensar por cuenta propia.

Al final, el punto central que atraviesa el debate es simple, pero contundente: delegar todo a la máquina puede incluso dejar el texto más bonito, pero tiene un costo alto en términos de autonomía intelectual. La tecnología puede ser una socia poderosa, siempre que no se convierta en el piloto automático del pensamiento. El trabajo difícil, y al mismo tiempo más gratificante, sigue siendo el de construir ideas propias, tropezar, revisar, discutir y mejorar. Ahí es donde vive la parte más rica de la educación y es justamente ahí donde la creatividad necesita seguir viva, incluso en un mundo dominado por modelos de lenguaje gigantes.