No. 156-157 / julio 2025-junio 2026 / ensayo
Luis Fernando Sánchez Murilo
UNIVERSIDAD DE GUADALAJARA
Resumen:Este ensayo analiza las implicaciones de la inteligencia artificial generativa (IA generativa) en la escritura académica tradicional en un contexto de transformación tecnológica atravesado por las lógicas de mercado. Sostiene que los modelos de lenguaje de gran escala (LLM), no sólo intervienen en las tareas usualmente operativas de la redacción académica, sino que reconfiguran los procesos cognitivos implicados en el aprendizaje. Parte de las percepciones de estudiantes universitarios respecto al uso de la IA generativa. Destaca los beneficios reportados en algunos estudios, entre ellos la optimización del trabajo académico, la mejora del desempeño y el incremento del compromiso estudiantil. Finalmente, plantea que la IA generativa puede operar como socio cognitivo, siempre que su integración responda a una lógica pedagógica deliberada, orientada al desarrollo de habilidades, la evaluación procesual y la reflexión ética.
Abstract: The article examines the implications of generative artificial intelligence (generative AI) for traditional academic writing, within a context of technological transformation shaped by market logics. It argues that these systems, particularly large language models (LLMs), do not merely intervene in the typically operational tasks of academic writing, but also reconfigure the cognitive processes involved in learning. The analysis begins with university students’ perceptions of the use of generative AI. It then highlights benefits reported in selected studies, including the optimization of academic work, improved performance, and increased student engagement. Finally, it proposes that generative AI can function as a cognitive partner, provided that its integration follows a deliberate pedagogical logic oriented toward skills development, process-based assessment, and ethical reflection.
Uno de los principales problemas que enfrentan los sistemas educativos está relacionado con el modelo empresarial adoptado por las instituciones estatales (Chartier, 2022). Las políticas económicas de corte neoliberal han permeado prácticamente todos los ámbitos del Estado.
La tecnología, aunque parezca una verdad de Perogrullo, también se ve influenciada por la ideología económica hegemónica y las pautas del mercado (Brailovsky, 2020). En particular, de un reducido número de agentes económicos o corporaciones que desarrollan y colocan en el mercado aplicaciones digitales de uso cotidiano, en este caso en el ámbito educativo. Esto incluye el uso de los denominados sistemas avanzados de inteligencia artificial generativa (IA generativa), en particular los modelos de lenguaje de gran escala (LLM, por sus siglas en inglés), basados en aprendizaje profundo y entrenados con grandes volúmenes de datos para comprender, generar y resumir texto similar al humano.
Tal es el caso de herramientas como ChatGPT, Claude o Gemini, capaces de producir, corregir o reorganizar contenido a partir de las instrucciones del usuario. Estas tecnologías han llegado para quedarse y forman parte de la vida académica de estudiantes y docentes. En lo que sigue, el término IA generativa se utilizará para referirse, de manera específica, a los modelos de lenguaje de gran escala (LLM), salvo que se indique lo contrario.
Es necesario reflexionar sobre los usos asociados a la IA generativa en los espacios educativos. El problema no es únicamente tecnológico, sino pedagógico. Se trata de comprender cómo transforma los procesos de escritura y aprendizaje. En este marco, el ensayo da cuenta de las percepciones de los estudiantes sobre los usos de la IA generativa en la escritura académica, los beneficios identificados en algunos estudios y sus implicaciones en el aprendizaje, en particular, como socio cognitivo, es decir, como un apoyo que interviene en el proceso de pensamiento, ayudando a organizar ideas, explorar alternativas y resolver problemas.
Escribir con inteligencia artificial: del apoyo técnico a nuevas formas de pensar
A diferencia de lo que podría creerse, sí existe una preocupación entre los estudiantes respecto al uso indiscriminado o dependiente de las herramientas de inteligencia artificial generativa. En particular, en lo que respecta a sus implicaciones en el proceso de aprendizaje, la creatividad y el debilitamiento del pensamiento crítico, esto es, en la capacidad de analizar, evaluar o reformular información de manera reflexiva, incluyendo por supuesto, el contenido generado por los sistemas de IA generativa.
Sin embargo, estas preocupaciones conviven con otras opiniones más positivas, o por lo menos, amables. En pregrado, por ejemplo, se observa una valoración favorable de su utilización en la escritura académica, especialmente en tareas como la corrección gramatical, la detección de plagio, la traducción de textos y la organización de ideas en los ensayos académicos (Malik et al., 2023). Esta valoración se extiende en el posgrado y también es compartida por buena parte de los docentes, quienes ven en estas herramientas una mayor eficacia y productividad académica (Ahmed, Siddique y Yasmin. , 2024).
Regresando al trabajo de escritura, se ha observado que estas herramientas ayudan a mejorar la gramática, prevenir el plagio, generar ideas y lograr una mayor claridad en la escritura (Anani, Nyamekye y Bafour-Koduah., 2025). Es el caso de la traducción de textos, ya que puede realizarse prácticamente sin esfuerzo por parte de los estudiantes, lo que les permite enfocarse en el contenido, mejorar la comprensión y desarrollar sus ideas.
Otras ventajas que se pueden señalar en relación con la escritura y el uso de la inteligencia artificial generativa son: 1) la recopilación rápida y masiva de recursos o materiales disponibles en la red; 2) la posibilidad de ofrecer diversas perspectivas y estructuras de escritura que contribuyen a superar el bloqueo creativo; y 3) la mejora de la gramática, la estructura y el estilo de redacción (Zhao, 2024).
Sin embargo, más allá de estos beneficios de carácter “operativo”, es posible identificar otros efectos de mayor alcance, pero vinculados con el compromiso de los estudiantes, por ejemplo: 1) a nivel conductual, una mayor participación en las actividades académicas, un mayor sentido de autoeficacia en sus tareas y el mantenimiento de un esfuerzo sostenido; 2) en el plano emocional, el desarrollo de actitudes más positivas hacia la escritura académica, con menores niveles de ansiedad, frustración y estrés durante el proceso de redacción; y 3) en el ámbito cognitivo, el esfuerzo mental se concentra en la aplicación de estrategias de aprendizaje y en el procesamiento profundo de la información (Nazari, Shabbir y Setiawan, 2021).
Todo lo anterior lleva a considerar la integración pedagógica de la IA generativa en los procesos de enseñanza y aprendizaje (Krajka y Olszak, 2024), como parte del proceso de generación de ideas, en la medida en que esta se desarrolle en diálogo con estos sistemas. ¿Es posible? Sí, pueden extender el intelecto humano al funcionar como socios cognitivos, al participar activamente en el pensamiento y contribuir a la organización de ideas, la exploración de alternativas y la resolución de problemas (Salomon, Perkins, y Globerson ., 1991).
En particular, puede hacerlo de dos formas complementarias: 1) a través de la mejora en el desempeño intelectual que se produce con el uso de la tecnología, y que sin ella no sería posible; y 2) mediante el residuo cognitivo transferible, entendido como los cambios duraderos de habilidades, estrategias y capacidades de pensamiento, internalizados en interacción con la tecnología y aplicables posteriormente en otros contextos.
¿Cómo puede traducirse lo anterior en el ámbito universitario? En el caso de la escritura, implica un tipo de conocimiento que amplía la redacción tradicional, en la medida en que se orienta hacia la formulación de instrucciones dirigidas a los sistemas de IA generativa, lo que se conoce como prompt engineering; es decir, la práctica de diseñar y ajustar indicaciones para guiar a estos modelos en la producción de respuestas precisas y pertinentes (White et al., 2023). Esto es, no se trata únicamente de una habilidad técnica, sino también una forma específica de escritura, orientada a la interacción (o comunicación) con los modelos de lenguaje de gran escala.
Implica reconocer y comprender sus especificidades en cuanto a sus aplicaciones. Lo mismo que diferenciar sus alcances y características. También significa aprender a desarrollar el pensamiento propio con la ayuda de la IA.
Por otro lado, los objetivos de aprendizaje no deben centrarse exclusivamente en la adquisición de conocimiento, sino en el desarrollo de habilidades de la escritura, tanto tradicional como ampliada (antes referidas). Esto incluye desarrollar el pensamiento crítico orientado a evaluar el contenido generado por la IA generativa, así como la creatividad y la conciencia ética (Zhao, 2024). Se trata del desarrollo de capacidades heurísticas, de resolución de problemas, juicio crítico y una ética asociada al uso de estas herramientas tecnológicas.
Finalmente, una buena parte de la generación de conocimiento y el aprendizaje se articulan a través de la escritura en la universidad. Esto significa un desafío en el proceso de evaluación por parte de los docentes. Como ya se señaló antes, es preciso cambiar los objetivos de aprendizaje, orientarse al desarrollo de las habilidades, y no tanto a la adquisición de conocimientos; abandonar enfoques centrados en productos finales y adoptar evaluaciones basadas en procesos; incorporar la reflexión ética sobre el uso de la inteligencia artificial generativa como parte del propio proceso de aprendizaje; promover su empleo transparente. No se trata ni de vetarlas ni de hacerlas pasar inadvertidas, sino de reconocerlas y gestionarlas con responsabilidad.
La escritura académica y pensamiento en la era de la inteligencia artificial
En la película Adaptation (El ladrón de orquídeas, 2002), el personaje Charlie Kaufman, interpretado por Nicolas Cage, experimenta un “bloqueo de escritor” que se prolonga durante semanas: no logra avanzar más allá de la hoja en blanco en su máquina de escribir. Recorre una y otra vez su apartamento, pero no encuentra salida. Dialoga consigo mismo en repetidas ocasiones, sin éxito; finalmente, desesperado, acude a un seminario del gurú Robert McKee, que lo lleva a reorientar su guion. A ello se suma la intervención de su hermano gemelo. Sin embargo, es el diálogo que entabla con cada uno de ellos, lo que destraba su bloqueo. Se trata de una idea que no surge exclusivamente de Charlie, sino que emerge a partir de su interacción con ellos, de manera intersubjetiva, aunque ciertamente él, finalmente, la concreta.
¿Qué habría ocurrido si Charlie hubiera contado con alguno de estos sistemas de IA generativa? ¿Habría sido su bloqueo menos prolongado? ¿Habría contado con múltiples versiones de su texto? ¿O, por el contrario, su frustración habría sido mayor ante los sesgos culturales de estos sistemas? Sin duda, le habría facilitado la parte operativa, como la corrección gramatical y ortográfica. Posiblemente, mediante su interacción con estos sistemas, habría podido explorar algunas alternativas, reorganizar sus ideas y profundizar en ellas.
Lo relevante, sin embargo, no es la sustitución del individuo en el acto de escribir, sino la transformación de las condiciones en que el pensamiento se produce. En este sentido, la IA generativa constituye una mediación adicional en la construcción de ideas, lo que obliga a repensar no solo la escritura, sino las formas en que se construye el conocimiento en la interacción del sujeto y la tecnología, en cómo percibimos y comprendemos el mundo.
Fuentes
- Ahmed, M., Siddique, M., & Yasmin, T. (2024). Impact of Artificial Intelligence-based Writing Assistant on the Academic Writing Skills of University Faculty in Pakistan. International Journal of Human and Society (IJHS), 4(1), 539-545.
- Anani, G. E., Nyamekye, E., & Bafour-Koduah, D. (2025). Using artificial intelligence for academic writing in higher education: the perspectives of university students in Ghana. Discover Education, 4(46). https://doi.org/10.1007/s44217-025-00434-5.
- Brailovsky, D. (2020). Escuelas y tecnologías ¿Quién usa a quién? Educar en Córdoba, 19(37), 15-18.
- Chartier, A. M. (2022). ¿Bajo qué condiciones las innovaciones pedagógicas podrían mejorar el desempeño de los alumnos? Cuadernos de Educación, 19(20), 15-25.
- Krajka, J., & Olszak, I. (2024). Artificial intelligence tools in academic writing instruction: Exploring the potential of on-demand AI assistance in the writing process. Roczniki Humanistyczne, 72(6), 123-140. https://doi.org/10.18290/rh247206.8.
- Malik, A. R., Pratiwi, Y., Andajani, K., Numertayasa, I. W., Suharti, S., Darwis, A., & Marzuki. (2023). Exploring Artificial Intelligence in Academic Essay: Higher Education Student’s Perspective. International Journal of Educational Research Open, 5, 100296. https://doi.org/10.1016/j.ijedro.2023.100296.
- Nazari, N., Shabbir, M. S., & Setiawan, R. (2021). Application of Artificial Intelligence powered digital writing assistant in higher education: randomized controlled trial. Heliyon, 7(6), e07014. https://doi.org/10.1016/j.heliyon.2021.e07014.
- Salomon, G., Perkins, D. N., & Globerson, T. (1991). Partners in Cognition: Extending Human Intelligence with Intelligent Technologies. Educational Researcher, 20(3), 2-9.
- White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., Elnashar, A., Spencer-Smith, J., & Schmidt, D. C. (2023). A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. ArXiv, abs/2302.11382.
- Zhao, J. (2024). An exploration of the teaching path of artificial intelligence technology incorporated into university writing classes. Curriculum and Teaching Methodology, 7(6), 141-146. https://doi.org/10.23977/curtm.2024.070622.