Del promptismo generalizado a la pedagogía del contraprompt: desafíos para la autonomía intelectual en la era de la IA

El promptismo generalizado representa una transformación sociotecnológica que modifica las relaciones entre pensamiento, lenguaje, creatividad y producción del conocimiento. Éric Sadin (2023) utiliza esta expresión para cuestionar una cultura en la cual numerosas actividades intelectuales comienzan a resolverse mediante instrucciones dirigidas a sistemas de inteligencia artificial generativa, desplazando procesos que tradicionalmente exigían elaboración personal. En Le Désert de nous-mêmes, Sadin (2025) profundiza esta crítica al examinar las consecuencias de delegar facultades expresivas y creativas en sistemas algorítmicos. Su planteamiento adquiere relevancia educativa porque formular instrucciones no equivale necesariamente a comprender los conocimientos que permiten producir. Sin embargo, esta posición filosófica no debe interpretarse como evidencia empírica de un deterioro cognitivo generalizado. Fawns (2022) sostiene que tecnologías, pedagogías, contextos y valores se configuran mutuamente, cuestionando cualquier relación determinista entre innovación digital y aprendizaje. Por ejemplo, solicitar un ensayo íntegramente elaborado por IA implica operaciones cognitivas distintas de utilizarla para confrontar argumentos previamente construidos. Esta diferencia permite comprender que el problema no reside exclusivamente en la herramienta, sino en las condiciones bajo las cuales las personas delegan, supervisan o reconstruyen sus procesos intelectuales. El desafío emergente consiste en evitar que la capacidad de obtener respuestas inmediatas sustituya las experiencias necesarias para desarrollar comprensión, autonomía y pensamiento crítico.

Desde una perspectiva epistemológica, el promptismo plantea interrogantes sobre la relación entre generación lingüística, originalidad científica y construcción de significados, particularmente cuando los sistemas automatizados producen discursos coherentes sin garantizar su correspondencia con evidencias verificables. Messeri y Crockett (2024) advierten que la inteligencia artificial puede favorecer ilusiones de comprensión y monoculturas científicas, especialmente cuando aumenta la productividad documental sin una ampliación equivalente de la capacidad para interpretar los fenómenos investigados. Esta preocupación adquiere importancia en la elaboración de tesis, revisiones bibliográficas y formulaciones de problemas científicos, donde las respuestas generadas podrían reproducir interpretaciones dominantes, omitir perspectivas relevantes o incorporar referencias inexistentes. Un investigador que acepta automáticamente un vacío científico sugerido por IA corre el riesgo de construir una problemática formalmente convincente, pero insuficientemente sustentada. La originalidad académica requiere identificar controversias, examinar antecedentes auténticos y justificar la pertinencia de nuevas preguntas. Bajo este fundamento, la inteligencia artificial puede funcionar como interlocutora para explorar hipótesis y confrontar argumentos, siempre que sus resultados permanezcan sujetos a verificación independiente. La calidad discursiva tampoco debe confundirse con dominio conceptual, pues comprender exige establecer relaciones, reconocer limitaciones y defender interpretaciones fundamentadas. La investigación científica necesita preservar la distinción entre producir información mediante algoritmos y construir conocimiento mediante procedimientos de validación epistemológica.

La dimensión cognitiva y pedagógica de esta transformación exige analizar cómo la asistencia tecnológica modifica el esfuerzo intelectual y las oportunidades de aprendizaje. Risko y Gilbert (2016) explican que la descarga cognitiva permite utilizar recursos externos para disminuir determinadas exigencias mentales, una práctica que puede resultar beneficiosa cuando libera capacidades para resolver problemas complejos. No obstante, la delegación se vuelve pedagógicamente problemática cuando sustituye actividades necesarias para desarrollar habilidades fundamentales. Lee et al. (2025), mediante una investigación con 319 trabajadores del conocimiento, identificaron asociaciones entre la confianza depositada en sistemas generativos y el esfuerzo de pensamiento crítico declarado por los participantes, sin demostrar una relación causal de deterioro cognitivo. Complementariamente, Bastani et al. (2025) encontraron que determinadas modalidades de asistencia con IA mejoraban el desempeño inmediato de estudiantes de matemáticas, aunque podían perjudicar el rendimiento posterior cuando no incorporaban salvaguardas pedagógicas adecuadas. Estos hallazgos evidencian la necesidad de diferenciar entre completar exitosamente una actividad y demostrar aprendizaje autónomo. Una estrategia educativa pertinente consistiría en solicitar una solución inicial individual, confrontarla posteriormente con IA y evaluar la capacidad de resolver un problema equivalente sin asistencia. El propósito formativo no debería ser eliminar el esfuerzo intelectual mediante respuestas automatizadas, sino utilizar la tecnología para fortalecer la comprensión, la autorregulación y la transferencia del conocimiento.

En el ámbito ético, la normalización del promptismo puede profundizar desigualdades relacionadas con la alfabetización tecnológica, la autonomía intelectual y las condiciones institucionales de producción académica. No todas las personas poseen competencias equivalentes para identificar errores, contrastar afirmaciones o reconocer los límites de los sistemas generativos. Miao y Holmes (2023), desde la UNESCO, proponen una aproximación centrada en las personas que considere inclusión, equidad, protección de datos y responsabilidad humana durante la incorporación de inteligencia artificial en educación e investigación. Estas orientaciones resultan especialmente relevantes cuando las universidades privilegian la rapidez de producción sobre la calidad argumentativa y convierten el dominio instrumental de instrucciones en un indicador de competencia académica. Un estudiante puede generar documentos técnicamente estructurados sin comprender sus fundamentos, mientras un investigador podría incrementar su productividad editorial sin fortalecer necesariamente la originalidad de sus contribuciones. La evaluación institucional debe reconocer estas diferencias mediante procedimientos que examinen razonamientos, evidencias y decisiones, en lugar de concentrarse exclusivamente en resultados terminados. De igual manera, las políticas educativas necesitan garantizar oportunidades de formación crítica para evitar que las desigualdades tecnológicas se traduzcan en nuevas formas de dependencia intelectual. La transparencia sobre el uso de IA representa una condición importante, aunque insuficiente, si no se acompaña de mecanismos efectivos de verificación. La responsabilidad educativa consiste en garantizar que la automatización amplíe las capacidades humanas sin convertir la eficiencia algorítmica en sustituto de la reflexión científica y la autonomía personal.

Como respuesta a estas tensiones, se propone la pedagogía del contraprompt, concebida como una estrategia formativa orientada a recuperar la iniciativa intelectual mediante la interrogación crítica de los contenidos generados por inteligencia artificial. Su estructura comprende cuatro momentos: problematización autónoma, confrontación algorítmica, reconstrucción argumentativa y defensa epistemológica. La primera fase exige formular una interpretación propia antes de consultar sistemas generativos; la segunda introduce explicaciones alternativas, objeciones y contradicciones que permitan ampliar el análisis. Posteriormente, el estudiante reconstruye sus argumentos mediante evidencias verificables y culmina defendiendo las decisiones adoptadas sin reproducir mecánicamente las respuestas obtenidas. Por ejemplo, en un seminario doctoral, los participantes podrían elaborar una postura teórica inicial, someterla a cuestionamientos generados por IA y justificar posteriormente qué elementos fueron incorporados, modificados o rechazados. Esta propuesta mantiene afinidad conceptual con la pedagogía entrelazada de Fawns (2022), aunque constituye una formulación diferenciada que requiere evaluación empírica antes de atribuirle resultados educativos comprobados. Su aplicación podría examinarse mediante indicadores de autonomía, calidad argumentativa, verificación de fuentes y transferencia hacia situaciones nuevas. Frente al promptismo generalizado, la finalidad no consiste en rechazar la inteligencia artificial, sino en transformar su utilización en una experiencia de deliberación y construcción consciente del conocimiento. En síntesis, la verdadera innovación educativa no radica en enseñar a formular instrucciones cada vez más sofisticadas, sino en desarrollar personas capaces de cuestionar las respuestas, justificar sus decisiones y conservar la responsabilidad de pensar por sí mismas.

Tabla 1
Del promptismo instrumental a la pedagogía del contraprompt

Nota. Elaboración conceptual propia. La pedagogía del contraprompt constituye una propuesta formativa para su discusión y evaluación, no una teoría empíricamente validada ni un modelo formulado por Éric Sadin.

Referencias

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122

Fawns, T. (2022). An entangled pedagogy: Looking beyond the pedagogy–technology dichotomy. Postdigital Science and Education, 4, 711–728. https://doi.org/10.1007/s42438-022-00302-7

Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. En Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Artículo 1121, pp. 1–22). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713778

Messeri, L., & Crockett, M. J. (2024). Artificial intelligence and illusions of understanding in scientific research. Nature, 627, 49–58. https://doi.org/10.1038/s41586-024-07146-0

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

Sadin, É. (2023, 15 de noviembre). ChatGPT, escríbeme una carta de amor. Filosofía&Co. https://filco.es/chatgpt-carta-de-amor-eric-sadin/

Sadin, É. (2025). Le désert de nous-mêmes: Le tournant intellectuel et créatif de l’intelligence artificielle. L’Échappée. https://www.lechappee.org/collections/pour-en-finir-avec/le-desert-de-nous-memes