ChatGPT ayudó a rendir mejor, pero no mostró una mejora general del aprendizaje

Entregas un trabajo que antes no sabías hacer y la satisfacción parece una prueba de que has aprendido. Pero si ChatGPT te ayudó a escribir el código, interpretar una tabla o preparar una predicción, queda una pregunta distinta: ¿qué puedes explicar cuando cierras la herramienta? Un ensayo con consultores encontró esa separación entre producir un mejor resultado con ayuda y demostrar conocimientos después. La diferencia importa tanto para quien estudia como para quien intenta incorporar una habilidad nueva en su empleo.

Qué hicieron

El estudio, publicado el 26 de octubre de 2026 en Nature Human Behaviour, reunió a trabajadores de Boston Consulting Group (BCG), una consultora internacional. Eran profesionales calificados, pero las tareas de ciencia de datos quedaban fuera de sus habilidades habituales. La invitación se dirigió a empleados de sus oficinas y la participación fue voluntaria. Los datos se recogieron en marzo y abril de 2024: la publicación científica es nueva, aunque el experimento se hizo antes.

Los investigadores asignaron al azar a 986 consultores a un grupo con capacitación y acceso a ChatGPT o a un grupo de comparación sin esa ayuda. Este último también recibió formación, orientada a buscar y utilizar recursos de consulta en internet. Por eso, la comparación evalúa una combinación de preparación y uso de la herramienta, no simplemente la diferencia entre tener una cuenta y no tenerla.

Cada participante recibió dos de tres tareas posibles, con un máximo de 90 minutos por tarea. Había que escribir código para ordenar y combinar datos, resolver problemas de estadística o construir una predicción. Por ejemplo, la parte de programación exigía trabajar con registros de clientes y productos. Se trataba de producir respuestas evaluables, no de decir cuánto confiaba cada persona en su propia capacidad.

El análisis principal quedó en 487 participantes que completaron ambas tareas. Completar significaba entregar material para evaluar, no necesariamente resolver todo correctamente. Los investigadores compararon el desempeño con el de científicos de datos expertos y, al terminar, plantearon preguntas técnicas sin permitir el uso de IA. Esa evaluación buscaba distinguir lo que los consultores podían hacer acompañados de la herramienta de los conocimientos que podían demostrar por su cuenta.

Qué encontraron

El grupo con ChatGPT obtuvo mejores resultados en los tres tipos de tareas: programación, estadística y predicción. La ayuda permitió abordar trabajos que excedían sus habilidades habituales. Aun así, sus resultados no alcanzaron los de los especialistas. Además, según el artículo, eran tareas que ChatGPT no podía resolver de manera independiente. El resultado dependía de la interacción entre la persona y el sistema.

La diferencia más relevante apareció al separar las entregas de la evaluación posterior. Quienes habían trabajado con ChatGPT no mostraron una ventaja general al responder preguntas técnicas sin la herramienta. En el suplemento hay resultados distintos según la pregunta, incluidos algunos favorables y otros desfavorables. No sería correcto convertir ese panorama en la frase «nadie aprendió». La conclusión es más precisa: el mejor desempeño asistido no vino acompañado de evidencia de una mejora general de conocimientos.

Una entrega bien resuelta y una habilidad adquirida responden a preguntas diferentes. La entrega muestra lo que alguien logró hacer en esas condiciones; una evaluación sin asistencia explora cuánto puede resolver o explicar con sus propios conocimientos. En este ensayo, observar la primera no bastó para dar por demostrada la segunda. Eso tampoco borra el beneficio práctico que tuvieron los participantes mientras contaban con la ayuda.

Lo que el estudio no dice

El estudio no demuestra que ChatGPT vuelva menos inteligente a quien lo usa, dañe el cerebro o impida aprender. No midió esos resultados. Tampoco permite saber qué ocurriría después de un periodo prolongado de práctica, con una enseñanza diseñada para comprender cada paso o con otras tareas. La evaluación se hizo al concluir el experimento, no como seguimiento del aprendizaje a largo plazo.

La pérdida de participantes también importa: de los 986 asignados al inicio, solo 487 entraron en el análisis principal. Quienes llegaron al final podrían diferir de quienes no lo hicieron. La asignación aleatoria fortalece la comparación inicial, pero esa reducción obliga a ser prudentes al interpretar el alcance de los resultados. Además, eran profesionales de una empresa que se ofrecieron voluntariamente, no una muestra representativa de estudiantes o trabajadores de Perú y América Latina.

Hay vínculos empresariales que el artículo declara y que deben quedar visibles. Varios autores son o fueron empleados de BCG, Pamela Mishkin trabaja en OpenAI y Emma Wiles recibió honorarios de consultoría de BCG a través del Henderson Institute. BCG aportó tiempo de empleados y recursos internos; los autores vinculados a la empresa participaron en el diseño, el análisis y la interpretación. Estos vínculos forman parte del contexto necesario para valorar la investigación.

Para quien usa estas herramientas hoy, el hallazgo ayuda a poner nombre a una diferencia cotidiana: terminar algo con asistencia no certifica por sí solo que ya se domina. Si una institución educativa o una empresa busca desarrollar habilidades, el producto entregado deja abierta la pregunta por lo aprendido. Este ensayo muestra por qué conviene evaluar ambas cosas por separado antes de anunciar que una herramienta convirtió a principiantes en especialistas.