Este texto toma como punto de partida las ideas centrales del estudio The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning, de Mario Brcic y Stjepan Frljic. A partir de sus aportaciones, he intentado trasladar el debate al contexto específico de la Formación Profesional, poniendo el foco en las implicaciones para el profesorado, los equipos directivos, el diseño de tareas, la evaluación competencial y la gobernanza pedagógica de la IA en los centros.

En muchos centros educativos, también en Formación Profesional, la conversación sobre inteligencia artificial suele formularse en términos demasiado simples: ¿permitimos o prohibimos su uso?

La pregunta es comprensible, pero insuficiente.

El verdadero debate no debería centrarse en si el alumnado puede usar IA, sino en dónde, cuándo y para qué puede usarla dentro del proceso de aprendizaje. Porque la misma herramienta puede ayudar a construir una competencia profesional o, por el contrario, sustituir justo el esfuerzo cognitivo que permite desarrollarla.

En FP esta cuestión es especialmente relevante. No hablamos solo de producir respuestas correctas, entregar tareas bien redactadas o resolver ejercicios con rapidez. Hablamos de formar personas capaces de diagnosticar, decidir, justificar, reparar, diseñar, programar, atender, documentar, argumentar y actuar en contextos profesionales reales.

Y ahí aparece el riesgo central: que la IA permita al alumnado obtener un buen producto sin haber construido la competencia necesaria para producirlo por sí mismo.

La IA no mejora o empeora el aprendizaje por estar presente. Lo decisivo es su colocación pedagógica: si acompaña el esfuerzo que construye competencia, ayuda; si lo reemplaza, vacía el aprendizaje.

Rendimiento asistido no es aprendizaje real

El estudio The Effortless Trap plantea una advertencia de fondo: una tarea realizada con IA puede sentirse fluida, rápida y productiva, pero esa fluidez no garantiza aprendizaje.

De hecho, puede ocultar lo contrario.

El alumnado puede entregar una respuesta correcta, un informe aparentemente sólido, un código funcional, una presentación convincente o una resolución bien estructurada y, sin embargo, no haber interiorizado los criterios, los procedimientos o los razonamientos que explican ese resultado.

Esta es la diferencia clave entre rendimiento asistido y aprendizaje real.

El rendimiento asistido mejora mientras la herramienta está presente. El aprendizaje real se demuestra cuando el estudiante puede actuar, explicar y decidir sin depender de ella.

Por eso los autores hablan de una “trampa de lo fácil”: cuando la IA suaviza demasiado la tarea, puede generar una ilusión de dominio. El estudiante siente que sabe porque el proceso ha sido cómodo, pero esa sensación se derrumba cuando debe enfrentarse a una situación equivalente sin ayuda.

El aprendizaje necesita fricción productiva

Aprender no consiste en sufrir innecesariamente. Tampoco se trata de defender el esfuerzo por el esfuerzo.

La clave está en preservar una forma concreta de dificultad: la fricción productiva. Es decir, ese momento en el que el alumnado busca, prueba, se equivoca, compara, reformula, conecta ideas previas y empieza a construir significado.

Ese momento incómodo no es una pérdida de tiempo. Es parte del aprendizaje.

En FP lo vemos con claridad: no basta con que el alumnado obtenga el diagnóstico correcto de una avería, el diseño adecuado de una instalación, la solución de un caso empresarial o el procedimiento correcto en una atención sociosanitaria. Necesita comprender por qué esa solución es adecuada, qué alternativas ha descartado, qué criterios ha aplicado y qué haría si el contexto cambiara.

Cuando la IA elimina esa fricción, puede mejorar el resultado inmediato, pero debilitar la construcción interna de la competencia.

Si introducir IA hace que la tarea se vuelva demasiado fácil, probablemente la IA está en el lugar equivocado.

Esta idea debe leerse con precisión. La IA sí debe eliminar carga irrelevante: formato, tareas administrativas, búsqueda rutinaria, reformulaciones de bajo valor o trabajo mecánico que no forma parte de la competencia que se quiere desarrollar.

Pero no debe sustituir el núcleo del aprendizaje: el razonamiento, la toma de decisiones, la transferencia, la argumentación, la resolución de problemas y la comprobación autónoma.

Seis movimientos para decidir dónde colocar la IA

El artículo propone un modelo sencillo y útil para el diseño didáctico. Aprender una idea nueva implica seis movimientos: activar, intentar, orientar, conectar, consolidar y comprobar.

Adaptado a FP, puede formularse así.

1. Activar: despertar interés y conocimiento previo

Antes de entrar en la dificultad, el docente activa conocimientos previos, plantea una situación profesional significativa y genera una razón para implicarse.

Aquí la IA puede ser útil: puede ayudar a crear analogías, preguntas iniciales, pequeños cuestionarios de recuerdo, casos breves o situaciones de contexto profesional. El riesgo es bajo porque todavía no está sustituyendo la competencia central.

2. Intentar: primer esfuerzo sin ayuda

Este es uno de los momentos protegidos.

El alumnado debe enfrentarse a un problema antes de recibir la explicación completa. Puede equivocarse, pero ese error inicial prepara el terreno para que la explicación posterior tenga sentido.

En esta fase, la IA debe estar fuera o, como mucho, bloqueada hasta que exista un intento propio. Si la herramienta entrega la solución demasiado pronto, cancela precisamente el proceso que debería activar el aprendizaje.

3. Orientar: guiar con preguntas, no con respuestas

Después del primer intento, el papel docente es orientar. No se trata de entregar la solución, sino de ayudar al alumnado a revisar hipótesis, detectar errores, afinar criterios y dirigir la atención hacia lo relevante.

Aquí la IA puede tener un papel valioso si funciona como un tutor guiado: ofrece pistas, formula preguntas, detecta inconsistencias y acompaña el razonamiento, pero no resuelve la tarea.

La diferencia es decisiva: una IA que pregunta puede fortalecer el aprendizaje; una IA que responde demasiado pronto puede debilitarlo.

4. Conectar: ofrecer explicación, modelo o ejemplo trabajado

Solo después del intento inicial llega el momento de mostrar una explicación clara, un ejemplo trabajado, una demostración experta o una solución modelo.

En esta fase, la IA puede generar explicaciones alternativas, ejemplos adaptados, representaciones visuales, comparaciones entre procedimientos o reformulaciones para distintos niveles de comprensión.

Es un uso relativamente seguro porque el alumnado ya ha intentado construir la idea.

5. Consolidar: practicar, variar y transferir

Una comprensión inicial todavía es frágil. Necesita práctica variada, retroalimentación rápida, revisión espaciada y aplicación en casos distintos.

Esta es una de las zonas donde la IA puede aportar más valor: generar ejercicios graduados, proponer casos similares con variaciones, ofrecer retroalimentación inmediata, simular clientes o situaciones profesionales, y aumentar una densidad de práctica que el profesorado difícilmente podría producir manualmente para todo el grupo.

La condición es clara: la IA puede multiplicar la práctica, pero el trabajo cognitivo debe seguir siendo del estudiante.

6. Comprobar: evidencia final sin ayuda

Este es el segundo momento protegido.

La evaluación final debe mostrar si el alumnado puede pensar, decidir y actuar sin la herramienta. La IA puede ayudar al docente a diseñar preguntas, crear rúbricas, generar bancos de casos o revisar evidencias de proceso, pero no debería estar presente en la prueba que acredita la competencia.

La razón es sencilla: si la evaluación no distingue entre lo que sabe hacer el estudiante y lo que ha hecho la IA, la calificación pierde valor.

Y en FP, perder valor evaluativo significa también debilitar la credibilidad de la competencia profesional acreditada.

Una regla sencilla para el aula y para el centro

La propuesta puede resumirse en una arquitectura pedagógica muy clara:

Primero, un intento propio.
Después, apoyo guiado con IA.
Finalmente, una comprobación sin IA.

Esta regla no implica prohibir la IA. Implica gobernarla pedagógicamente.

La IA tiene sentido cuando aumenta la práctica, mejora la retroalimentación, ofrece ejemplos, adapta apoyos y acerca el aprendizaje a contextos profesionales reales. Pero debe retirarse cuando sustituye el esfuerzo específico que construye la habilidad o cuando impide comprobar la competencia de forma autónoma.

Dicho de otro modo: la IA debe entrar donde amplifica la enseñanza, no donde borra la evidencia del aprendizaje.

Qué implica esto para las direcciones de centros de FP

La reflexión no afecta solo al aula. Tiene una dimensión clara de centro.

Una política de IA en FP no debería limitarse a una lista de herramientas permitidas o prohibidas. Tampoco basta con decir que el alumnado puede usar IA “con responsabilidad”. Eso es demasiado genérico para orientar decisiones didácticas y evaluativas reales.

Los centros necesitan criterios compartidos para responder, al menos, a cuatro preguntas:

• ¿Qué competencia profesional está en juego?
  No es lo mismo usar IA para mejorar la redacción de una memoria que usarla para diagnosticar una avería, resolver un caso clínico, programar una función, interpretar datos financieros o diseñar una intervención educativa.
• ¿Qué parte de la tarea debe realizar necesariamente el alumnado?
  Hay partes auxiliares que la IA puede apoyar. Pero hay decisiones, razonamientos y procedimientos que deben quedar visibles porque son el núcleo de la competencia.
• ¿En qué momento del proceso entra la IA?
  No tiene el mismo efecto antes del primer intento, durante la orientación, en la práctica guiada o en la evaluación final.
• ¿Qué evidencia sin ayuda acredita el aprendizaje?
  Todo diseño con IA debería conservar algún momento en el que el estudiante demuestre que puede sostener la competencia sin la herramienta.

Estas preguntas permiten pasar de una gobernanza basada en el control a una gobernanza basada en el diseño pedagógico.

La oportunidad: más práctica, más apoyo, mejor acompañamiento

Sería un error leer esta reflexión como una invitación a restringir la IA. Bien colocada, la IA puede ser una oportunidad extraordinaria para la FP.

Puede ofrecer más práctica al alumnado que necesita consolidar. Puede generar casos profesionales variados. Puede proporcionar retroalimentación inmediata. Puede ayudar al profesorado a diseñar actividades, ejemplos, rúbricas y secuencias de aprendizaje. Puede facilitar apoyos personalizados en grupos heterogéneos. Puede acercar el aula a situaciones más próximas al desempeño profesional real.

Pero esa promesa solo se cumple si el diseño mantiene visible el pensamiento del estudiante.

Mal colocada, la IA no democratiza el aprendizaje. Democratiza la apariencia de haber aprendido.

Cierre

La gran aportación del estudio es desplazar el debate. No necesitamos una pedagogía de la prohibición ni una pedagogía de la fascinación tecnológica. Necesitamos una pedagogía de la colocación inteligente de la IA.

En FP, esto significa diseñar tareas donde la IA ayude a practicar más, recibir mejor orientación, explorar ejemplos y trabajar con mayor realismo profesional. Pero también significa proteger los momentos en los que el alumnado debe enfrentarse a la dificultad, construir criterio propio y demostrar competencia sin ayuda.

Porque aprender no es producir una buena respuesta con una herramienta.

Aprender es poder pensar, decidir, explicar y actuar cuando la herramienta ya no está.

Referencia

Brcic, M. y Frljic, S. (2026). The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning. Preprint, arXiv:2606.26181v1, 24 de junio de 2026.