Cuando la IA Escribió en Lugar de los Estudiantes del MIT — y el Profesor lo Notó Desde el Primer Párrafo
Estudiantes de escritura creativa e inteligencia artificial dentro de la misma aula — esa combinación puede parecer inofensiva a primera vista, pero lo que un profesor del MIT descubrió al inicio de un semestre se convirtió en un debate que va mucho más allá de los muros de la universidad.
Micah Nathan, novelista y profesor de escritura ficcional y no ficcional en el MIT desde 2017, estaba preparado para otra ronda de taller como tantas otras. Cuando dos textos llegaron para la primera evaluación con esa cortesía sospechosa, ese encaje demasiado perfecto en las estructuras narrativas, lo supo de inmediato: no habían sido los estudiantes quienes habían escrito aquello.
Y ahí comienza una historia que interesa no solo a quienes enseñan o aprenden a escribir, sino a cualquier persona que alguna vez se haya preguntado dónde está el límite entre usar la IA como herramienta y dejar que ella piense por ti. 🤔
El episodio que ocurrió en aquella aula del MIT se convirtió en un espejo de algo que se está repitiendo silenciosamente en talleres literarios, cursos y universidades de todo el mundo.
No se trata de prohibir la tecnología ni de romantizar el sufrimiento creativo.
El punto es más sutil — y más urgente — de lo que parece: cuando un estudiante entrega el proceso creativo a una IA, ¿qué es exactamente lo que está dejando atrás?
Lo Que Ocurrió en el Aula del MIT
Nathan no llegó a clase listo para cazar irregularidades. Llegó, como siempre hace, dispuesto a escuchar lo que los estudiantes habían producido a lo largo de la semana. Pero dos de los textos entregados tenían algo diferente — no eran malos, todo lo contrario. Eran técnicamente impecables, con arcos narrativos bien amarrados, personajes con trayectorias definidas y metáforas que sonaban demasiado naturales para ser naturales. Ese era exactamente el problema.
La buena escritura tiene fricción. Tiene elecciones extrañas. Tiene esa frase que no debería funcionar, pero funciona. Esos textos no tenían nada de eso. La prosa era demasiado pulida para escritores jóvenes, cada personaje venía preempaquetado, cada metáfora era un collage sin contexto — lo que Nathan describió como una especie de pastiche involuntario.
No necesitó ningún software de detección de IA. Simplemente lo sabía. Después de años leyendo textos de estudiantes que están aprendiendo a dominar la ficción, el profesor conoce bien el ADN de un borrador humano — y aquellos textos no tenían ningún rastro de él.
Las Confesiones que Cambiaron la Clase
Al inicio de aquella sesión de taller, Nathan se dirigió a los dos estudiantes y les dijo abiertamente que sabía que la IA había escrito sus historias. También dejó claro que nadie estaba en problemas — las políticas del MIT sobre uso de inteligencia artificial aún estaban en definición, y el propio programa del curso dejaba un vacío. Además, Nathan hizo una reflexión honesta: si la IA hubiera estado disponible en la época en que él era estudiante de grado, ¿habría resistido la tentación? Probablemente no.
Lo que vino después fue un silencio que duró algunos momentos, roto solo por el ruido de los radiadores del aula. Entonces, una confesión con lágrimas en los ojos: una de las estudiantes dijo que había usado la IA porque tenía miedo de parecer estúpida. Contó que amaba escribir historias y odiaba haber recurrido al modelo de lenguaje. Pero no pudo contenerse — y describió una secuencia que recuerda la progresión de una adicción. Primero, alimentó la IA con su texto solo para una revisión gramatical. El modelo sugirió ediciones de línea y ella las aceptó. Después vino la oferta de ediciones estructurales. Y finalmente, la IA se ofreció a reescribir la pieza entera.
El otro estudiante admitió que nunca había escrito un cuento antes. Tenía una idea, pero simplemente no sabía por dónde empezar. Cuando Nathan preguntó por qué no había pedido ayuda, el estudiante se encogió de hombros.
Otros alumnos empezaron a levantar la mano. Una estudiante cuestionó por qué era malo que la IA escribiera historias, siempre que las ideas fueran de ellos. Otro quiso saber cuál era la diferencia entre usar IA y usar un editor humano. Y un tercero hizo la pregunta que quizás más resonó en el aula: por qué, en una universidad que lanzó uno de los primeros programas de investigación en IA del mundo en 1959, estaban teniendo ese debate. ¿No se suponía que la inteligencia artificial debía hacer la vida de todos más fácil y menos estresante?
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
La Respuesta que Se Convirtió en un Momento de Enseñanza
Nathan reconoció más tarde que la conversación que siguió a las confesiones fue uno de los momentos pedagógicos más productivos de sus ocho años en el MIT. Explicó a la clase que escribir no debería ser fácil. Que el proceso puede ser tedioso, sí, pero eso no lo convierte en mecánico. La escritura no es solo la producción de frases — es el entrenamiento de resistencia mediante la atención sostenida. Es una forma de descubrir lo que uno piensa al intentar decirlo con palabras.
Un modelo de lenguaje grande, un LLM, puede reproducir la apariencia de esa actividad. Pero no puede sustituirla, porque el valor no está solo en el objeto producido, sino en la transformación que ocurre durante su creación.
El profesor no los penalizó de la forma tradicional. En su lugar, toda la clase volvió a sus textos con una nueva comprensión de lo que estaba en juego. Y las reescrituras que vinieron después fueron, según Nathan, infinitamente más interesantes que cualquier cosa que la IA podría haber generado. Imperfectas, sí. Pero genuinas — y llenas de las marcas que hacen que un texto le pertenezca a alguien.
La Prosa de la IA: Perfectamente Mediocre
Nathan tiene una descripción bastante precisa para el tipo de texto que los modelos de lenguaje producen. Llama a la prosa de la IA perfectamente mediocre — una especie de brillo inerte que suena como una amalgama frankensteiniana de textos de talleres de escritura creativa, una parodia involuntaria del estilo que intenta imitar.
Para ilustrar esa cualidad extraña, recurrió a una cita del poeta Alfred Tennyson describiendo al personaje Maud en el poema homónimo: impecablemente defectuosa, gélicamente regular, espléndidamente nula — perfección muerta, nada más.
Los lectores atentos sienten ese vacío, incluso cuando no pueden articular exactamente qué está mal. Sienten que el cuerpo se mueve sin un cerebro detrás. En contraste, la ficción escrita por estudiantes es gloriosamente defectuosa — una lucha visible en la página entre lo que el autor está intentando decir y lo que de hecho está siendo dicho. Nathan compara esa prosa con la de un potro aprendiendo a caminar: incluso con las patas temblorosas, él ve indicios de gracia futura. Esa torpeza es necesaria. Su ausencia sería prueba de que el potro nunca aprendió a caminar.
Talleres Literarios y la IA: Una Tensión Real
Los talleres literarios siempre han sido espacios de vulnerabilidad. Es el lugar donde muestras un borrador inacabado a otras personas y escuchas lo que no funcionó. Ese proceso tiene una incomodidad intencional — existe para que el escritor aprenda a separarse del texto, a ver lo que escribió con distancia y después volver con más precisión.
Cuando la inteligencia artificial entra en esa ecuación como redactora principal, todo ese ciclo se corta. El estudiante salta directamente a un texto que ya pasó por una especie de pulido automático, y el taller literario pierde su principal objeto de trabajo: el borrador honesto.
Como Nathan observó, un taller efectivo es esencialmente una paradoja: los estudiantes necesitan proporcionar evidencias textuales para apoyar evaluaciones cualitativas como si fueran cuantitativas. Esto es especialmente desafiante para alumnos de áreas STEM, acostumbrados a problemas con respuestas correctas y métodos limpios para llegar a ellas. La ficción no funciona así. La buena escritura se siente bien al leerla. La mala escritura se siente mal. Y aprender a navegar esa subjetividad es parte fundamental del ejercicio.
Eso no significa que la IA no tenga lugar dentro de un taller. Varios educadores y escritores que trabajan con este formato han experimentado usos que tienen sentido — usar modelos de lenguaje para generar variaciones de una escena ya escrita por el estudiante, para explorar puntos de vista alternativos de un mismo personaje, o incluso para identificar patrones repetitivos que el autor ya no puede ver después de tantas relecturas. En esos casos, la herramienta funciona como un espejo o como un generador de posibilidades, pero la voz, las decisiones y el punto de partida siguen perteneciendo al escritor.
La diferencia entre ese uso y lo que ocurrió en el MIT es exactamente esa: quién tiene el control del proceso creativo. 😬
La Tecnofobia No Es Novedad — Pero la Alerta Es Legítima
Nathan coloca la reacción ante la IA dentro de un contexto histórico que ayuda a dimensionar el debate. La muerte y los impuestos son certezas universales, y la tecnofobia sería la tercera. En 1565, casi un siglo después de que Gutenberg inventara la imprenta de tipos móviles, el científico suizo Conrad Gessner ya se preocupaba por la abundancia confusa y perjudicial de libros. Un artículo publicado en la revista Nature en 1889 clasificó al teléfono como la más peligrosa de todas las invenciones porque entra en cada hogar y su interminable red de cables es una amenaza perpetua a la vida y la propiedad.
Ahora es el turno de la IA de entrar en la lista de preocupaciones. Y, esta vez, las alertas vienen acompañadas de datos. Un estudio preliminar de 2025 del MIT Media Lab descubrió que los participantes que usaron ChatGPT para escribir ensayos presentaron menor conectividad neuronal que aquellos que escribieron sin asistencia.
Otros estudios apuntan en la misma dirección. Un informe titulado AI Assistance Reduces Persistence and Hurts Independent Performance sugiere que la asistencia de IA reduce la persistencia y perjudica el desempeño independiente. Otro, con el nombre Generative Artificial Intelligence Reliance and Executive Function Attenuation, presenta evidencias conductuales de descarga cognitiva en adultos que usan IA con alta frecuencia.
Nathan reconoce que esos estudios aún necesitan una revisión por pares más amplia para ser considerados definitivos. Pero argumenta que la alerta central es difícil de ignorar y no necesita un estudio para ser validada: al permitir que los estudiantes usen IA de forma rutinaria e irreflexiva, estamos debilitando sus mentes.
El Proceso Creativo No Es un Problema a Resolver
Existe una confusión muy común sobre lo que es el proceso creativo, especialmente entre estudiantes que están empezando. La idea de que la escritura comienza cuando sabes lo que quieres decir — y que todo lo anterior es un obstáculo — es una de las creencias más limitantes que un escritor puede cargar.
En la práctica, la escritura es una forma de pensar. El texto no es el resultado del pensamiento, es el pensamiento ocurriendo. Cuando pasas ese proceso a una IA, no estás ahorrando tiempo — estás saltándote la parte más importante del ejercicio. Es como pedirle a alguien que haga tu rutina de gimnasio mientras esperas que los resultados aparezcan en tu cuerpo.
Nathan conectó esa idea con una referencia literaria poderosa. En su ensayo de 1946, Confesiones de un Reseñista de Libros, George Orwell se describe rodeado de libros sin leer, constantemente inventando reacciones a obras sobre las que no tiene sentimientos espontáneos. Orwell argumenta que la producción de reseñas en alto volumen y bajo plazos ajustados no solo deforma el trabajo de lectura — deforma al propio individuo. La fabricación mecánica de respuestas corroe el juicio y los estándares se desploman.
Lo que Orwell está describiendo es lo que sucede cuando el lenguaje se produce bajo condiciones que lo desconectan del pensamiento. El reseñista ejecuta la forma de una respuesta sin haber respondido de verdad. Lo que Orwell no podría haber anticipado es que esa condición sería eventualmente externalizada aún más arriba en la cadena. Cuando un taller se llena de ficción generada por IA, cada escritor y lector se transforma en el reseñista que Orwell describe.
Orwell cierra su ensayo argumentando que la crítica sería más saludable si fuera más lenta, más selectiva y menos industrial. El mismo argumento se aplica ahora a la escritura de ficción. La IA acelera el proceso de escritura, pero no es nada selectiva — y, en un ciclo irónico, transforma el acto de creación en el tipo de tarea mecánica que supuestamente debía automatizar.
Los escritores experimentados lo saben de formas diferentes, pero siempre llegan a la misma conclusión: los primeros borradores son malos porque necesitan serlo. El desorden del primer borrador es evidencia de un proceso cognitivo funcionando. Cuando la IA sustituye ese borrador por algo pulido, el estudiante nunca pasa por la etapa de incomodidad productiva que genera un entendimiento real sobre su propia voz, sus propios temas recurrentes, sus propias limitaciones técnicas que necesitan trabajarse.
Y el detalle más irónico de todo esto es que, cuanto más usa el estudiante la IA para sustituir su escritura, menos desarrolla la capacidad de usar la IA de forma realmente creativa y colaborativa en el futuro — porque no tiene el repertorio propio necesario para hacer buenas preguntas, identificar lo que está mal en las respuestas generadas o adaptar el resultado a algo que suene como él. 🎯
Cómo Están Respondiendo los Educadores
La respuesta de buena parte de las instituciones educativas todavía está en el campo de la prohibición o la detección — herramientas que identifican texto generado por IA, políticas de uso que varían de aula en aula y sanciones para quien sea descubierto. Ese camino tiene limitaciones claras: las herramientas de detección no son infalibles, las políticas crean una relación de desconfianza entre profesor y estudiante, y nada de eso resuelve la cuestión central, que es por qué el estudiante recurrió a la IA en primer lugar.
Nathan reflexionó exactamente sobre esto al elaborar su programa de curso. Antes del episodio, había incluido en su syllabus una nota que evitaba explícitamente la postura de vigilancia:
Jugar al juego de la detección de IA me arrastra a una mentalidad de vigilancia que socava el ambiente del taller. Si usas IA, eso revela tu orientación respecto a la escritura. ¿Quieres hacer arte o solo entregar un texto? ¿Realmente quieres aprender a escribir o solo fingir que estás aprendiendo?
Herramientas que usamos a diario
Estaba seguro de que esas preguntas serían suficientes para desalentar el uso. No lo fueron. Y eso lo obligó a repensar su enfoque.
La Nueva Política: Clara y Directa
Después del episodio, Nathan cambió su postura hacia algo más explícito. Ahora declara abiertamente: no quiere que los estudiantes usen IA para escribir sus trabajos. Quiere sus palabras. Quiere acceso a su pensamiento, a su voz, a sus luchas para encontrar lo que quieren decir y la mejor forma de decirlo. Quiere ver lo que pasa cuando alguien intenta moverse por el lenguaje sin un intermediario completando el pensamiento.
Se encarga de enfatizar que esta es una posición pedagógica, no moral ni técnica. El taller solo funciona si existe un escritor en el aula — alguien cuyo pensamiento es visible en la página y que puede hablar directamente sobre ese pensamiento. Usar IA para escribir no solo anula el concepto entero de revisión entre pares — estamos ahí para hacer taller unos de otros, no para hacer taller de texto genérico de IA — sino que también garantiza el debilitamiento de los músculos necesarios para luchar cuerpo a cuerpo con la escritura.
Los educadores que están teniendo resultados más interesantes son los que cambiaron la pregunta. En lugar de preguntar cómo impedir el uso de la IA, están preguntando cómo rediseñar los ejercicios para que el proceso sea visible — y para que el valor esté en el camino, no solo en el producto final. Esto incluye pedir diarios de proceso junto con los textos entregados, hacer revisiones en tiempo real durante las clases, usar la propia IA como material de análisis comparativo, o estructurar las tareas de forma que el punto de partida sea tan específico y personal que difícilmente podría ser externalizado sin que quedara obvio.
Algunos talleres literarios alrededor del mundo han comenzado a incluir sesiones específicas sobre inteligencia artificial en el currículo — no para enseñar a usarla, sino para que los estudiantes entiendan lo que está pasando cuando un modelo genera texto. Cuando comprendes que la IA está esencialmente haciendo una predicción estadística sobre qué palabras deberían venir a continuación basándose en patrones de texto existente, se vuelve más fácil entender por qué el resultado es siempre competente y casi nunca sorprendente. Y es en la sorpresa — en la frase inesperada, en la metáfora extraña que funciona, en la elección narrativa que va contra lo convencional — donde la literatura realmente ocurre.
Lo Que Cambió Después de Aquella Noche
Nathan relata que, desde aquella sesión de taller, algo cambió en la dinámica de las clases de una forma que no había previsto. Los estudiantes comenzaron a hablar más abiertamente sobre la frustración — sobre los momentos en que un borrador se resiste a su propio autor, en que las palabras se niegan a cooperar con la idea que está intentando nacer.
Él sigue enseñando técnica — forma, estructura, revisión — pero nota que regresa cada vez más a la tensión entre pensamiento y lenguaje, a las historias en que la abstracción se niega a tomar forma. Las discusiones en clase ahora giran en torno a por qué el pensamiento de cada uno importa, a que la lucha para traducir pensamientos en palabras no es evidencia de fracaso, sino una señal de crecimiento. Incluso cuando — y especialmente cuando — las palabras fallan.
El peligro real, según Nathan, no es que la IA vaya a sustituir escritores o a volver obsoleto el taller. Es que los estudiantes se están acostumbrando a eludir la fricción que antes revelaba su proceso.
Lo que él y sus alumnos ahora protegen no es exactamente una frontera contra las máquinas. Es algo más parecido a un santuario para la autoría — un lugar donde todo lo que está en la página y todo lo que aún no está le pertenece a una persona real.
El episodio en el MIT no es un escándalo. Es un síntoma de un momento de transición en el que las herramientas evolucionaron más rápido que los contextos en que se usan. Los estudiantes no son villanos por recurrir a la IA — están respondiendo a presiones reales con las herramientas disponibles. La cuestión que queda, y que seguirá siendo relevante durante mucho tiempo, es cómo garantizar que el desarrollo de la escritura — con todo lo que conlleva de autoconocimiento, construcción de voz y tolerancia al proceso imperfecto — no sea silenciosamente externalizado en nombre de la conveniencia.
Porque lo que está en juego no es solo un texto. Es la capacidad de pensar por cuenta propia. ✍️
