El 23 de octubre de 2026, MIT News informó sobre la Compton Lecture de otoño impartida en el MIT por la jurista Martha Minow. Su intervención relacionó la democracia con las formas de utilizar la IA, incluido su papel en la educación. Defendió herramientas que apoyen a los estudiantes mediante preguntas y pistas, y animó al público a mejorar la evaluación. Para un estudiante, la cuestión práctica es cómo aplicar ese enfoque en una sesión habitual de estudio.

Una advertencia sobre la dependencia de la IA puede dejarte sin saber qué hacer de otra manera mañana. Clasificar cada interacción con un chatbot como útil o perjudicial es un punto de partida demasiado simple. Examina, en cambio, el trabajo que sigue siendo tuyo: identificar la pregunta, intentar resolverla, evaluar pruebas y explicar una conclusión. Son acciones observables que puedes registrar. La siguiente revisión es un ejercicio que proponemos inspirados en la conferencia, no un instrumento de evaluación probado o avalado por Minow o el MIT.

Empieza con una tarea pequeña que puedas contrastar con material fiable del curso. Un problema de práctica con solución explicada, o un concepto tratado en tus apuntes, resulta más útil que un tema desconocido cuyas respuestas no puedas verificar. Escribe tu primer intento antes de abrir la herramienta. Conserva ambas versiones para distinguir lo que ya entendías de lo que añadió la interacción. No subas información privada, trabajos de compañeros ni materiales que no tengas permiso para compartir.

La propuesta de Minow de mejorar la evaluación también plantea una pregunta útil para los estudiantes: ¿cómo podrías hacer visible tu razonamiento? Como sugerencia práctica, anota brevemente el paso que te resultó difícil y la explicación que finalmente aceptaste. Una respuesta pulida por sí sola no muestra cómo se llegó a ella. Podrías preguntar a un profesor si una explicación del método, una pregunta oral de seguimiento o una nota de revisión encajarían con la tarea. Son posibles actividades de aprendizaje, no requisitos del MIT ni de otra institución.

Para un estudiante, este replanteamiento convierte una ansiedad vaga en un desafío de diseño práctico: ¿qué significaría realmente usar la IA de modo que el pensamiento profundo, la memoria y la curiosidad se fortalezcan en lugar de eludirse? Y, con la misma practicidad, ¿cómo puedes saber si una herramienta determinada supera esa prueba?

Aquí tienes una revisión sencilla para una herramienta de IA utilizada en tareas de estudio donde esté permitida. Nuestra pregunta práctica, inspirada en la discusión de Minow sobre tutoría, es si la interacción te pide pensar antes de revelar la respuesta. Busca preguntas y pistas, y añade tu propia explicación del razonamiento.

Primero, observa el comportamiento predeterminado. Cuando pegas un conjunto de problemas, ¿la herramienta produce de inmediato una solución terminada? Si es así, es una dispensadora de respuestas. Una herramienta estilo tutor —o un prompt estilo tutor que escribas tú mismo— preguntaría qué has intentado hasta ahora, qué parte del problema te confunde o qué concepto está evaluando el problema. El retraso es el punto: el intervalo entre tu pregunta y la respuesta es donde ocurre tu propio pensamiento.

Segundo, comprueba si la herramienta invita a la autoexplicación. Una buena tutoría no termina en la respuesta correcta; te pide que digas por qué la respuesta es correcta, que reformules el razonamiento con tus propias palabras o que predigas qué cambiaría si una condición cambiara. Si una herramienta nunca te pide que expliques nada, te está tratando como una dirección de entrega, no como un estudiante.

Tercero, observa qué puedes recordar después. Una semana más tarde, ¿puedes reconstruir la solución sin la herramienta? Prueba un problema comparable y anota dónde sigues necesitando ayuda. Es una comprobación personal, no una prueba de que un prompt haya causado un cambio en la memoria; la dificultad, los conocimientos previos y la práctica pueden variar. Si repetidamente no puedes explicar un paso, vuelve al material del curso o consulta a un profesor. Guarda la pregunta que necesitas resolver, no solo la solución del chatbot.

Cuarto, considera si la interacción abre una pregunta útil para seguir estudiando. Después de utilizar la herramienta, escribe una pregunta que puedas investigar con tus apuntes, un libro de texto o un profesor. Podrías comparar dos enfoques, preguntar por qué importa una condición o buscar un contraejemplo. Comprueba las conexiones sugeridas en lugar de suponer que son correctas. El resultado útil es un siguiente paso que puedas explicar y verificar, no simplemente una conversación más larga o una respuesta impresionante.

Nada de esto requiere software nuevo. Gran parte puede lograrse cambiando cómo haces los prompts a las herramientas que ya tienes. Lo cual lleva a la acción concreta de esta semana: elige un flujo de trabajo en el que actualmente uses la IA como dispensadora de respuestas —un problema de tarea, un borrador de ensayo, un ejercicio de programación— y reemplázalo por una interacción estilo tutor. Antes de pedir cualquier respuesta, pide a la herramienta pistas y contrapreguntas primero: dame tres pistas sin revelar la solución; hazme dos preguntas que prueben si entiendo el concepto subyacente; después de que responda, pídeme que te explique mi razonamiento. Luego compara cuánto retienes unos días después en comparación con el flujo de trabajo antiguo.

Aplica las mismas preguntas al comparar cursos, programas o talleres. Lee la política real sobre IA y pregunta qué formas de ayuda se permiten en cada actividad. Poder usar pistas en ejercicios de práctica no implica poder usar IA en una entrega evaluada. Pregunta cómo la retroalimentación y la evaluación ayudan a mostrar el razonamiento: entre los ejemplos posibles están las explicaciones orales, las notas de proceso o los borradores con revisiones visibles. No deduzcas la calidad docente de una sola característica ni supongas que las normas de vigilancia resuelven la cuestión. Compara el apoyo ofrecido, las expectativas de trabajo independiente y tus necesidades. Si una norma no está clara, consulta al docente antes de usar la herramienta.

En tu próxima sesión de estudio, plantea un experimento lo bastante modesto para completarlo. Elige una tarea de práctica en la que se permita la ayuda, guarda tu intento independiente, solicita una pista y explica el siguiente paso con tus propias palabras. Verifica el resultado con material fiable y anota lo que aún no puedes explicar. Vuelve a esa dificultad más tarde con el chat cerrado. El ejercicio no promete mejores notas ni demuestra que la IA sea adecuada para cualquier tarea. Te proporciona un registro concreto de si hiciste el razonamiento que querías practicar y del apoyo que necesitas buscar después.

Resumen en chino

MIT News informó el 23 de octubre de 2026 sobre una conferencia de Martha Minow en el MIT, donde defendió una IA educativa que apoye el pensamiento y pidió mejorar la evaluación. A partir de ello, este artículo propone un ejercicio personal, no un método probado por el MIT: en tareas donde se permita, intentar primero por cuenta propia, pedir pistas, explicar el razonamiento, contrastarlo con material fiable y comprobarlo después sin la herramienta. Al comparar cursos, conviene conocer las políticas concretas sobre IA, la retroalimentación y las exigencias de trabajo independiente. No subas materiales privados ni tomes el resultado del ejercicio o un rasgo de la política como garantía de notas o calidad docente.