el-poder-transformador-de-la-pregunta

El poder transformador de la pregunta

Comparte esta entrada



La irrupción de la inteligencia artificial generativa (IAG) ha alterado profundamente la relación entre el esfuerzo cognitivo del estudiante y el resultado evaluable en la educación superior. Francesc Pujol (Universidad de Navarra), autor del artículo ‘El poder transformador de la pregunta‘, que forma parte del número 184 de Papeles de Economía Española, propone pasar de un modelo centrado en la respuesta —producto final, entregable, nota— a uno centrado en la pregunta como motor del aprendizaje significativo.

Durante décadas, la enseñanza universitaria ha descansado en una premisa: el producto final refleja el esfuerzo invertido. Pero la IA ha roto esa ecuación. Hoy, un estudiante puede entregar un ensayo impecable sin haber desarrollado un proceso formativo genuino. La figura 1 ilustra esta quiebra: la línea tradicional que conectaba tiempo, esfuerzo y conocimiento se ve interrumpida por la intervención de ChatGPT, que permite obtener resultados similares —o incluso superiores— con mucho menos desarrollo cognitivo.

Figura 1.

Fuente: Francesc Pujol. Papeles de Economía Española 184.

Esta disociación entre proceso y resultado no solo plantea un reto técnico para la evaluación académica; obliga a repensar el sentido del aprendizaje. Frente a esta disrupción, muchas instituciones han optado por prohibir el uso de IA, como hicieron inicialmente Sciences Po o el sistema educativo de Nueva York. Sin embargo, Pujol argumenta que tales medidas, más reactivas que reflexivas, generan efectos colaterales: injusticias entre estudiantes, pérdida de confianza y, sobre todo, la perpetuación de un modelo centrado en la respuesta, ahora cada vez menos relevante.

El texto subraya que ni el prompting técnico —la habilidad de redactar instrucciones óptimas para la IA— ni la verificación crítica de los resultados son suficientes para transformar la pedagogía. Ambas prácticas siguen midiendo el valor del aprendizaje a partir de la calidad del producto generado. Además, presentan una paradoja epistemológica: quien menos domina el tema es quien más necesita verificarlo, pero quien menos puede hacerlo con rigor. El verdadero desafío pedagógico no consiste en controlar la herramienta, sino en redefinir qué significa aprender con ella.

Ahí emerge la propuesta central del autor: recuperar la pregunta como núcleo del aprendizaje. La IA generativa solo opera a partir de preguntas humanas, por lo que el foco educativo debe desplazarse hacia la capacidad de formular preguntas pertinentes, complejas y bien estructuradas. Esa competencia, además de mejorar el uso de la IA, refleja una comprensión profunda y un pensamiento crítico: dos pilares de la autonomía intelectual.

Pujol introduce la llamada “regla de oro” del uso pedagógico de la IA: preguntar por lo que ya se sabe. Lejos de buscar respuestas rápidas a temas desconocidos, el objetivo es ampliar y profundizar los conocimientos previos. Cuando los estudiantes formulan preguntas claras sobre contenidos que comprenden, interactúan con la IA de manera más crítica y madura, lo que genera aprendizaje genuino. En cambio, las preguntas confusas —fruto de una comprensión débil— producen respuestas pobres que los propios estudiantes tienden a sobrevalorar. La claridad de la pregunta se convierte así en un espejo del conocimiento real del alumno.

Esta lógica transforma la función de la evaluación. Las preguntas ya no son un paso previo, sino una evidencia tangible del proceso formativo. Deben ser objeto de valoración, al igual que los ensayos o las presentaciones. En lugar de medir solo el resultado, el sistema debe capturar la evolución de las preguntas del estudiante: su claridad, su capacidad para generar nuevas líneas de indagación y su conexión con el conocimiento previo.

La figura 2 sintetiza esta visión renovada: la integración de la IA en el proceso formativo. En él, el foco se traslada del producto final al proceso de indagación, visibilizando etapas antes invisibles —reflexión, formulación de preguntas, diálogo con la IA, repregunta, síntesis— y convirtiendo cada una de ellas en una oportunidad evaluable. En este modelo, el docente deja de ser un mero transmisor y evaluador para convertirse en diseñador de experiencias de aprendizaje y mentor del proceso, guiando la formulación de preguntas y ayudando a los estudiantes a interpretar las respuestas con sentido crítico.

Figura 2.

Fuente: Francesc Pujol. Papeles de Economía Española 184.

Como señala Pujol, mientras las respuestas pueden ser generadas artificialmente, la capacidad de preguntar sigue siendo la frontera más nítida entre la inteligencia humana y la artificial. La IA no debe ser vista como una amenaza, sino como un catalizador que obliga a redescubrir los fundamentos del pensamiento crítico. Si el siglo XX fue el de la respuesta, el XXI será el de la pregunta.

La tecnología cambia el escenario, pero la pedagogía define el rumbo. El reto no es adaptarse a la IA, sino aprovechar su potencial para poner la pregunta —esa forma de inteligencia que sigue siendo exclusivamente humana— en el centro del aprendizaje.

Comparte esta entrada



Leer más
la-exuberancia-en-el-olimpo-tecnologico:-¿realidad-o-espejismo?

La exuberancia en el Olimpo tecnológico: ¿realidad o espejismo?

Comparte esta entrada



Vivimos un momento singular en los mercados. Las grandes empresas tecnológicas (también denominadas big tech o magnificent seven) parecen flotar por encima del resto, arrastrando consigo índices enteros y generando tanta fascinación como inquietud. El término “exuberancia bursátil” –acuñado para describir el optimismo extremo con precios que se disparan más allá de lo justificable– parece encajar con lo que ocurre desde hace unos pocos años. Sin embargo, ¿es todo burbuja o hay terreno firme debajo de los precios actuales? 

Para entender hasta dónde puede ir esta carrera alcista, conviene ver qué la empuja. En primer lugar, la apuesta visionaria por la IA. Los gigantes tecnológicos están desembolsando decenas, incluso cientos de miles de millones en infraestructura de inteligencia artificial, centros de datos y modelos de lenguaje. La narrativa dominante apunta a que estamos en los albores de una nueva revolución productiva –como lo fue el motor de combustión, la electricidad o internet– y quien lidere la IA dominará buena parte de la economía. En segundo lugar, el capital fácil y la búsqueda de crecimiento. En un entorno donde los tipos de interés han sido bajos el capital busca refugios de alto rendimiento.

Las tecnológicas resultan blanco natural por su escalabilidad, márgenes crecientes, y sus enormes redes de usuarios. Muchos inversores institucionales se vuelcan hacia esas pocas empresas gigantes con expectativas de “seguir creciendo hasta el infinito”. Una elevada concentración entre un limitado número de compañías. El peso relativo de unas pocas empresas en índices como el Nasdaq es altísimo. Oracle, Nvidia, Microsoft, Amazon, Apple, Meta, etc., tienen un protagonismo que, si bien potencia las subidas, también concentra los riesgos. Y, por último, una expectativa continua frente a resultados concretos. En muchos casos, la narrativa “esta tecnología va a cambiarlo todo” predomina sobre los resultados inmediatos. Se extienden valoraciones basadas en previsiones lejanas más que cifras actuales. Eso alimenta la volatilidad. Todo dependerá de si esas promesas realmente se traducen en adopción real, ingresos y beneficios. 

¿Qué posibilidades reales hay detrás de lo que algunos llaman espuma? Lejos de ser puro castillo de naipes, algunas grandes tecnológicas sí tienen fundamentos que podrían sostener –al menos en buena parte– el fervor inversor. Por ejemplo, su gran escala y redes de usuarios. Las compañías que ya gozan de una red global (clientes, desarrolladores, ecosistemas de aplicaciones) tienen una clara ventaja competitiva para monetizar innovaciones emergentes. Por ejemplo, Microsoft o Amazon pueden insertar módulos de IA en su nube, apalancar ya su base de clientes, y reducir el riesgo de adopción. Con ello aparecen las economías de escala y los denominados efectos palanca. Una vez que se ha invertido en infraestructura costosa (chips, data centers, modelos entrenados), los costes marginales pueden bajar y las ganancias escalar más rápido si entra mucha demanda. Esa palanca funciona bien para empresas de gran tamaño. 

Asimismo, aparecen nuevas posibilidades de integración vertical y diversificación de negocios, así como de innovaciones disruptivas. Si surgen aplicaciones de IA o computación cuántica, u otras áreas emergentes donde estas empresas están invirtiendo, quienes ya están posicionados tienen ventaja. La transformación digital no se detiene: industrias enteras (salud, finanzas, logística) podrían reconfigurarse. Y por último y no menos importante la elevada liquidez y poder de mercado de las grandes tecnológicas, que les permite captar capital con relativa facilidad y le da margen para “capear tormentas”. Es decir, aunque algunas unidades no sean rentables hoy, ese tamaño le da margen para sostener inversiones hasta que maduren. 

Aunque hay fundamentos, también hay señales que nos advierten de una posible burbuja en ciertos elementos. En primer lugar, pueden surgir valoraciones extremas desligadas de proyectos actuales. Si una acción cotiza a decenas o centenas de veces su beneficio proyectado (o incluso sin ganancias), hay espacio para futuros problemas si a los inversores les entra el vértigo. Por otro lado, aparece el riesgo de una especulación significativa en torno a promesas lejanas. En ciertos casos, la narrativa tecnológica domina tanto que se subestiman los riesgos técnicos, regulatorios o de competencia. Si la IA no produce retornos tangibles rápidos, la decepción puede provocar correcciones abruptas. 

Un excesivo apalancamiento y deuda para financiar expansión puede llevar a que una subida de tipos de interés o un ciclo económico adverso puede convertir las inversiones en insostenibles. La elevada concentración del riesgo por el que tanto peso del mercado esté en pocas compañías también puede empujar a que una corrección en una de ellas pueda llevarse todo por delante. Especialmente, si estamos en ciclos imitativos con efecto manada. Estos modelos de comportamiento muestran que las burbujas suelen emerger de retroalimentaciones de imitar al vecino más que de fundamentos reales solamente. Por último, el riesgo regulatorio puede ser importante en el actual contexto, especialmente ante las radicales diferencias en las normas entre los grandes bloques (EE.UU., China y UE) La regulación de privacidad, competencia, uso de datos o impuestos podría frenar a las grandes tecnológicas. 

En otras palabras, algunas partes del sector big tech pueden estar claramente sobrevaloradas (proyectos muy especulativos, empresas sin modelo de negocio claro) y, a la vez, otras empresas grandes, con balance sólido, diversificación y ventaja competitiva, podrían sobrevivir (y hasta prosperar) incluso aunque hubiera una brusca corrección. También podría haber correcciones parciales que solamente afecten a determinadas empresas o segmentos. Lo que sí que parece claro las expectativas de crecimiento deberán terminar materializándose para sostener las valoraciones del mercado y la actual exuberancia en el Olimpo de las grandes compañías tecnológicas. 

Una versión de este artículo se publicó originalmente en el diario Cinco Días

Comparte esta entrada



Leer más

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies