Un nuevo estudio sobre las prohibiciones de teléfonos en escuelas de Estados Unidos invita a reflexionar.

Los investigadores que examinaron el uso de fundas con cierre en escuelas del país encontraron algo previsible: disminuye el uso del teléfono. Pero las consecuencias posteriores encajan peor con el relato que justifica estas políticas. En el primer año aumentan los incidentes disciplinarios y disminuye el bienestar estudiantil. Con el tiempo, esos efectos se atenúan y llegan a invertirse. Los resultados académicos, mientras tanto, apenas cambian (Allcott et al., 2026).

Resulta tentador leer estos hallazgos como un proceso de adaptación. Se retira algo, las personas reaccionan y después se adaptan. La psicología organizacional cuenta con investigaciones de este tipo, por lo que no debería sorprendernos. Pero esa lectura puede hacernos perder de vista una pregunta de mayor alcance:

Si retirar los teléfonos provoca alteraciones, ¿qué nos dice eso sobre la estructura de dependencia que las escuelas han permitido desarrollar?

Los teléfonos absorbieron distracciones que ya existían dentro de las escuelas. Ocuparon tiempo, mediaron las relaciones sociales y compensaron la escasa implicación con el aprendizaje. Cuando desaparecen, el sistema expone las carencias que tenía, sin producir por ello mejores condiciones para aprender.

La respuesta a esas carencias resulta reveladora. Las escuelas refuerzan el control: más normas, más vigilancia del cumplimiento y más atención a la conducta. Dejan pendiente el rediseño del aprendizaje y atienden el síntoma visible mientras persiste la condición que lo produce.

Este patrón refleja un problema anterior a los teléfonos, la IA o cualquier tecnología concreta:

El problema de la educación reside en su modelo de aprendizaje.

Durante generaciones, la escolarización se ha organizado en torno a la gestión. Agrupa a los estudiantes por edad, los hace avanzar mediante horarios fijos, divide el conocimiento en unidades separadas y evalúa el desempeño con productos estandarizados. Estas estructuras tenían sentido en sistemas que necesitaban coordinar a grandes cantidades de personas. Hicieron que administradores y responsables políticos pudieran ver y gestionar la escolarización.

Pero esa visibilidad no equivale a aprendizaje.

Esta distinción importa porque las condiciones que sostenían el modelo han cambiado. El acceso a la información ha dejado de ser escaso. Las herramientas pueden apoyar, ampliar o sustituir partes de la cognición humana y modificar cómo aprendemos y «sabemos». La frontera entre el pensamiento individual y el distribuido mediante máquinas se ha vuelto difusa.

Aun así, la estructura de la escolarización conserva buena parte de su forma.

Por eso, la última década parece incoherente. Hace poco, las escuelas querían llenar las aulas de tecnología. Los dispositivos prometían acceso; las plataformas, personalización. La «tecnología educativa» pasó a representar la «innovación» porque el sistema rara vez preguntaba qué debía cambiar esa tecnología. Ahora, ese mismo sistema se refugia en el control, encierra los teléfonos y trata la IA generativa como una amenaza para la integridad académica.

Cabe interpretar este giro como un intento de recuperar el control sobre condiciones que el sistema ya no comprende. Cuando una herramienta encaja en el modelo, la adopta; cuando expone sus límites, la restringe.

La IA vuelve visible esta contradicción. Estudiantes y docentes ya usan estas herramientas, a menudo a un ritmo que las instituciones no alcanzan. La distancia entre las políticas y la práctica sigue creciendo (RAND Corporation, 2025). En cada vez más contextos, la IA forma parte de cómo se realiza el trabajo.

Sus efectos, sin embargo, varían. La evidencia sugiere que puede apoyar el aprendizaje cuando amplía el razonamiento y perjudicarlo cuando sustituye el esfuerzo cognitivo (Khalil & Er, 2025). La misma herramienta puede producir ambos resultados. La diferencia reside en cómo se diseña el aprendizaje, lo que plantea un problema para el cual el sistema actual carece de preparación.

Durante décadas, la educación ha usado productos estáticos como indicadores del aprendizaje. Ensayos, exámenes y tareas se trataban como pruebas de la cognición individual. La IA rompe los supuestos que sostenían este sistema de evaluación. Puede producir resultados que parecen demostrar aprendizaje sin revelar cuánto pensamiento hubo detrás.

Si un estudiante puede generar una respuesta de calidad con un esfuerzo mínimo, debemos examinar qué significa ahora la evaluación en la que hemos confiado. Centrar todo el problema en la deshonestidad académica deja sin atender la pérdida de sentido de ese enfoque.

Los investigadores pueden describir la relación entre IA y evaluación como un «problema perverso», porque la estructura actual impide resolverlo (Corbin et al., 2025). Los esfuerzos por preservar la integridad mediante detección y vigilancia buscan restaurar la visibilidad, mientras el cambio de fondo sigue pendiente.

El sistema responde como sabe hacerlo: aumenta el control. Lo vemos en las prohibiciones de teléfonos, los detectores de IA, los sistemas de supervisión de exámenes y las extensas declaraciones sobre usos apropiados. Estas respuestas a la ansiedad o la paranoia crean una apariencia de orden al restablecer el régimen anterior, pero dejan intacta la contradicción.

Hace décadas afrontamos una crisis similar con las calculadoras. Acabaron integrándose porque tenían una función limitada y definida. Dejaban intacta la estructura de la evaluación.

La IA sí cuestiona esa estructura, por lo que los desafíos actuales tienen otra escala. Opera en todo el proceso de pensamiento, desde generar ideas hasta afinar argumentos. Al intervenir en las tareas, cambia su forma.

Por eso, el momento actual parece inestable. El sistema intenta aplicar reglas antiguas a una nueva forma de cognición. Como se atribuye, de forma errónea, a Albert Einstein: «La locura es hacer lo mismo una y otra vez y esperar resultados diferentes».

Aquí, el resultado resulta previsible: el control sustituye al diseño, las normas sustituyen a la estrategia y la restricción sustituye a la equidad. La distancia entre la escuela y el mundo crece.

Salir de esta situación exige otro modelo de aprendizaje. Aumentar las restricciones o adoptar herramientas con más entusiasmo deja pendiente ese trabajo.

La evaluación debe pasar de los productos estáticos al proceso, el razonamiento y el juicio. Los estudiantes necesitan demostrar cómo piensan, además de lo que producen. La práctica de aula debe centrarse en diseñar actividades. La pregunta relevante es qué tipo de pensamiento exigía la tarea y cómo la herramienta lo moldeó; saber si el estudiante usó IA es solo una parte de ese examen.

El gobierno educativo debe pasar de la prohibición a normas compartidas. Estudiantes y docentes necesitan claridad sobre cuándo y cómo usar las herramientas, con un propósito que justifique su uso. La formación docente también debe cambiar. Para integrar las herramientas, los educadores necesitan marcos que reflejen cómo alteran la cognición.

Este trabajo requiere construir algo que el sistema nunca ha organizado a gran escala: una educación orientada al crecimiento personal y comunitario. Imaginar que podemos regresar a ella pasa por alto esa historia.

Ese es el trabajo que tenemos por delante.

El estudio sobre las prohibiciones muestra que retirar teléfonos provoca alteraciones y adaptación, sin abordar el aprendizaje en sí. La IA hace visible el problema que ya existía.

El sistema puede seguir oscilando entre adoptar y restringir, o puede afrontar una pregunta más exigente:

¿Cómo es el aprendizaje cuando las herramientas forman parte del pensamiento?

Los responsables políticos y quienes diseñan los sistemas escolares deben responder ahora.

Loading GEFRI data…

Referencias

Allcott, H., Baron, E. J., Dee, T., Duckworth, A. L., Gentzkow, M., & Jacob, B. (2026). The effects of school phone bans: National evidence from lockable pouches (NBER Working Paper No. 35132). National Bureau of Economic Research.

Corbin, L., Bearman, M., Boud, D., & Dawson, P. (2025). The wicked problem of AI and assessment. Assessment & Evaluation in Higher Education.

Khalil, M., & Er, E. (2025). Will AI transform education? Evidence from student use of generative AI. Studies in Higher Education.

RAND Corporation. (2025). AI use in schools is quickly increasing but guidance lags.