Mary Burns, Rebecca Winthrop, Natasha Luther, Emma Venetis y Rida Karim · Brookings Institution (Center for Universal Education) · 2026
Resultado de un estudio global de un año en más de 50 países. Concluye que, sin corregir el rumbo, los riesgos actuales de la IA para el desarrollo de los estudiantes superan sus beneficios, porque erosionan capacidades fundacionales. Ordena la acción en tres pilares: Prosper (enriquecer el aprendizaje), Prepare (formar a personas y sistemas) y Protect (salvaguardar a los estudiantes).
Marco ordenador y checklist práctico para evaluar implementaciones: ¿enseña o dice?, ¿hay gobernanza de datos?, ¿se involucró a la comunidad?
Cada cita es verbatim de la fuente, con su ubicación. La interpretación, la implicación y las preguntas son lectura propia.
Lo que dice la fuente
Ultimately, we find that at this point in its trajectory, the risks of utilizing AI in education overshadow its benefits. This is largely because the risks of AI differ in nature from its benefits—that is, these risks undermine children's foundational development.
InterpretaciónBrookings no afirma que la IA sea dañina en abstracto, sino que en su trayectoria actual los riesgos pesan más porque son de otra naturaleza que los beneficios: erosionan el desarrollo fundacional del niño, no solo el rendimiento en una tarea.
Implicación para educaciónPara una política institucional, el criterio de decisión no puede ser únicamente "¿mejora el resultado?", sino "¿qué capacidad de desarrollo está en juego si delegamos esta función en la IA?".
Pregunta abierta¿Qué funciones de aprendizaje consideramos "fundacionales" y, por tanto, no delegables a la IA aunque mejore el resultado inmediato?
Lo que dice la fuente
it is not too late to shift the trajectory of AI in education away from uses that diminish learning and toward those that enrich it.
InterpretaciónLa trayectoria de la IA en educación se presenta como modificable: la distinción operativa no es IA sí/no, sino usos que empobrecen el aprendizaje frente a usos que lo enriquecen.
Implicación para educaciónEl trabajo institucional consiste en clasificar usos concretos en "enriquecen" o "empobrecen", y desincentivar activamente los segundos, en vez de adoptar o prohibir la IA en bloque.
Pregunta abierta¿Con qué criterios distinguimos, caso a caso, un uso que enriquece de uno que empobrece el aprendizaje?
Lo que dice la fuente
For study participants—experts, teachers, parents and students—the risks of AI far outweigh its benefits: 56% of all responses point to AI's harms versus 44% to its benefits.
InterpretaciónLa percepción de riesgo supera a la de beneficio incluso entre quienes conviven con la IA (expertos, docentes, familias y estudiantes), lo que sugiere que la cautela no es solo de observadores externos.
Implicación para educaciónConviene tomar en serio la percepción de daño de la propia comunidad educativa al diseñar políticas, en lugar de descartarla como tecnofobia.
Pregunta abierta¿La percepción de riesgo de nuestra comunidad coincide con la evidencia, o hay un desajuste que debamos atender en ambos sentidos?
Lo que dice la fuente
This dependence or overreliance is rooted in several overlapping causes. AI creates a positive feedback loop by serving as a shortcut that completes students' work, often better than they are able to do without AI.
InterpretaciónLa dependencia se describe como un bucle de refuerzo: la IA hace el trabajo mejor que el estudiante, lo que incentiva volver a delegar, lo que a su vez impide desarrollar la capacidad propia.
Implicación para educaciónInterrumpir ese bucle exige diseñar tareas donde el atajo no rinda mejor que el esfuerzo propio, o donde el proceso (no solo el producto) sea lo evaluado.
Pregunta abierta¿Cómo diseñamos tareas en las que delegar en la IA no sea sistemáticamente el camino más rentable para el estudiante?
Lo que dice la fuente
privacy and data risks involving surveillance and security breaches
InterpretaciónBrookings clasifica la vigilancia como una categoría propia de riesgo de privacidad y datos, junto a las brechas de seguridad. La vigilancia no es un efecto colateral, sino un riesgo nombrado por los participantes del estudio.
Implicación para educaciónAntes de adoptar herramientas que monitorean comportamiento o desempeño, conviene preguntar explícitamente si habilitan vigilancia y qué la limita.
Pregunta abierta¿Qué funciones de monitoreo cruzan la línea de la vigilancia, y quién decide ese límite en nuestra institución?
Lo que dice la fuente
During the summer term of 2024, a randomized controlled trial in the UK was conducted with 259 science teachers from Year 7 and Year 8 across 68 schools over a 10-week period. Teachers in the intervention group used ChatGPT to develop lessons and resources for their classes and were provided with an online implementation guide. In contrast, teachers in the control group were instructed to prepare lessons without using any AI tools
InterpretaciónLa Education Endowment Foundation montó un ECA con grupo de intervención (ChatGPT más una guía de implementación) y grupo de control (preparación de clases sin IA), sobre 259 docentes de ciencias en 68 escuelas durante 10 semanas. Es un piloto con un diseño que aísla el efecto de la herramienta.
Implicación para educaciónUn piloto serio no solo despliega la herramienta: define un grupo de control y condiciones comparables. Sin ese contraste no se puede atribuir el resultado a la IA y no a la novedad o a quién la adopta.
Pregunta abierta¿Nuestro piloto contrasta contra un grupo equivalente que no usa la herramienta, o solo observa a quienes ya la adoptaron?
Lo que dice la fuente
they cautioned that AI’s technical capacity must be balanced against pedagogical wisdom, ethical considerations around educational equity, and the reality that prediction is not destiny
InterpretaciónLos investigadores advierten que la capacidad técnica de la IA debe equilibrarse con el criterio pedagógico, consideraciones éticas sobre equidad educativa y el reconocimiento de que la predicción no es destino.
Implicación para educaciónPredecir riesgo no autoriza a tratar al estudiante como su predicción. El sistema usa datos sobre el estudiante; el resguardo es usarlos para apoyarlo, no para etiquetarlo.
Pregunta abierta¿Cómo evitamos que una predicción de riesgo se convierta en una profecía autocumplida o en estigma?
Lo que dice la fuente
this constant surveillance raises concerns about privacy, data security, and student autonomy.
InterpretaciónLa eficiencia educativa personalizada y la vigilancia continua son dos caras de la misma moneda: optimizar el aprendizaje monitoreando todo tiene un costo en autonomía.
Implicación para educaciónLa personalización basada en datos normaliza un monitoreo permanente que erosiona la autonomía del estudiante.
Pregunta abierta¿Cuánta observación estamos dispuestos a aceptar a cambio de personalización?
Lo que dice la fuente
Surveillance represents one of the fastest growing applications of AI, with monitoring systems becoming increasingly automated and algorithmically driven
InterpretaciónLa vigilancia no es un efecto lateral marginal: es de las aplicaciones de IA que más crecen, y cada vez más automatizada.
Implicación para educaciónEl aula digital es terreno fértil para una vigilancia algorítmica que se normaliza por defecto, sin decisión explícita.
Pregunta abierta¿Quién decide qué se monitorea cuando el sistema lo hace automáticamente?
Lo que dice la fuente
human raters provided superior feedback in terms of clarity, accuracy, supportive tone, and emphasis on critical improvement areas, while AI feedback excelled in delivering criteria-based evaluations
InterpretaciónUn estudio comparativo encuentra fortalezas distintas: el humano en claridad, precisión y tono; la IA en evaluación contra criterios.
Implicación para educaciónLo óptimo no es elegir uno, sino combinarlos según la fortaleza de cada uno.
Pregunta abierta¿Qué parte del feedback conviene dejar a la IA (criterios) y cuál reservar al humano (tono, mejora crítica)?