¿Deberías usar IA para una tarea? Una prueba simple de un profesor de Harvard

Puntos clave

• Bruce Schneier enseña política pública en la Escuela Kennedy de Harvard y en la Munk School de la Universidad de Toronto.
• Sus estudiantes utilizan regularmente IA para completar trabajos de escritura, lo que él argumenta desperdicia su inversión en matrícula.
• El marco "trabajo versus gimnasio" del investigador de IA Daniel Meissler ofrece una forma clara de decidir cuándo la ayuda de IA te perjudica.
• La pregunta clave no es si la IA puede hacer la tarea, sino si hacerla tú mismo es el punto.

Bruce Schneier tiene un problema que comparten los profesores en todas partes. Sus estudiantes, inscritos en algunos de los programas de política pública más competitivos del mundo, entregan ensayos escritos por IA.

Enseña en la Escuela Kennedy de Harvard y en la Munk School of Global Affairs and Public Policy de la Universidad de Toronto. Sus estudiantes pagan aranceles considerables para aprender. Y luego, silenciosamente, le ceden el pensamiento a un chatbot.

¿Por qué importa eso si la IA es su futuro?

Importa porque la escritura nunca fue realmente el producto. El pensamiento lo fue.

Schneier, escribiendo en The Guardian, toma prestado un marco del investigador de IA Daniel Meissler para explicar la trampa. Meissler la llama la diferencia entre trabajo y el gimnasio.

En el trabajo, lo que cuenta es el resultado. Si un software puede procesar tus facturas más rápido, úsalo. La factura no se importa cómo se archivó.

El gimnasio es diferente. No contratas a alguien para levantar pesas en tu nombre y esperas fortalecerte. El esfuerzo es el mecanismo. Sáltalo y te saltas el beneficio.

La escritura, argumentan Meissler y Schneier, es a menudo una actividad de gimnasio disfrazada de trabajo.

¿Entonces cuándo deberías usar realmente IA?

Hazle una pregunta antes de empezar: ¿es el producto terminado el punto, o es producirlo el punto?

Si estás redactando una cláusula de contrato estándar, formateando un informe o resumiendo una reunión a la que ya asististe, lo que importa es el resultado. La IA es una herramienta razonable.

Si estás tratando de aprender a argumentar claramente, reflexionar sobre un problema de política o desarrollar el tipo de criterio que te promueve en diez años, el proceso es el punto. Entregarle ese proceso a un modelo de lenguaje grande, la tecnología detrás de chatbots como ChatGPT, significa que entregas el beneficio por el que viniste.

La misma lógica se aplica fuera del aula. Una enfermera escribiendo reportes de incidentes por cumplimiento está trabajando. Una enfermera usando IA para evitar aprender a documentar observaciones clínicas se está saltando el gimnasio.

¿Qué deberían hacer realmente los estudiantes y profesionales?

Schneier no dice nunca usar IA. Dice sé honesto sobre lo que estás renunciando cuando lo haces.

Para los estudiantes, eso significa tratar la IA como una herramienta de verificación o un mensaje inicial, no como un redactor fantasma. Redacta el argumento tú mismo. Luego pregúntale a la IA dónde es débil. Ese orden importa.

Para cualquiera que construya una habilidad, aplica la misma disciplina. La fluidez viene de la repetición. No hay atajo que deje la fluidez atrás.

El marco es casi insultantemente simple una vez que lo escuchas. Trabajo versus gimnasio. Resultado versus proceso. No detendrá a los estudiantes de enviar ensayos de IA, pero le da a cualquiera dispuesto a pensar honestamente un lugar claro para comenzar.

Preguntas comunes

¿Significa esto que las herramientas de IA son malas para el aprendizaje?

No automáticamente. La IA puede ser una herramienta útil de verificación o retroalimentación cuando haces el pensamiento subyacente primero. El problema es usarla para saltarte el pensamiento completamente.

¿Cómo sé si una tarea es "trabajo" o "gimnasio"?

Pregúntate si completar la tarea tú mismo te haría mejor en algo que te importa. Si sí, hazlo tú mismo. Si lo único que importa es el resultado final, la asistencia de IA es razonable.