Wayne Holmes: "La IA no es la nueva calculadora, es otra cosa"
El investigador del University College London advierte que la inteligencia artificial puede agrandar la brecha entre escuelas ricas y pobres y tiende a homogeneizar lo que se enseña. En diálogo con este medio, insistió en que la tecnología no reemplaza al docente.
Lo escuché decir, casi textualmente, que la IA no es la nueva calculadora. La frase se la dije como pregunta y me la devolvió como respuesta. La idea es tentadora: así como las calculadoras no mataron la matemática, la inteligencia artificial generativa sería simplemente otro paso. Holmes lo desmiente con un argumento simple. Con la calculadora, si apretás los botones en el orden correcto, la respuesta siempre es correcta. Con la IA, el resultado puede estar bien o mal, y el usuario no siempre puede notarlo. Esa diferencia, dice él, invalida la comparación.
La paradoja de la desigualdad
Hay un detalle que a mí, como lectora, me dejó pensando. Las escuelas de elite no se venden por sus computadoras ni por el chat del momento. Se venden por los docentes que tienen. En cambio, en zonas con escasez de maestros, la tecnología aparece como parche. ¿El resultado? Se ensancha la brecha entre ricos y pobres, y la educación pública pierde fuerza. "Si esa brecha aumenta, debilitamos la democracia para todos", resumió Holmes. Piénsenlo así: es como si en un barrio sin médicos pusieran un bot de diagnóstico y en el country contrataran a los mejores especialistas. La herramienta suena igual en los dos lados, pero no resuelve lo mismo.
Micaela, una becaria con la que suelo charlar estas cosas, me dijo algo al pasar: "Mientras discutimos si la IA enseña mejor o peor, en algunas escuelas ya la están usando para reemplazar al maestro que no tienen". Holmes coincide con esa lectura. La diferencia entre usar IA para apoyar al docente y usarla para sustituirlo es, según él, la línea que no deberíamos cruzar.
El riesgo de uniformar
Acá entra otro punto clave. La IA generativa escribe eligiendo las palabras más probables según los textos con los que fue entrenada. Eso significa que las miradas minoritarias o críticas quedan afuera o aparecen muy poco. Holmes lo probó en carne propia: le preguntó a varias herramientas qué problemas tiene el "aprendizaje personalizado". Todas le contestaron que el único problema es que es difícil de implementarlo. Ninguna puso en duda si el enfoque funciona o no.
¿Y eso para qué sirve? Para entender que la IA puede parecernos objetiva cuando en realidad refleja lo que ya se dice en mayoría. Si una escuela la usa como única fuente, los estudiantes reciben siempre la misma mirada, sin disidencias ni debates. Es como si todos los libros de la biblioteca dijeran lo mismo: nos perdemos el resto del paisaje.
