La inteligencia artificial puede ayudar a aprender, pero también puede facilitar que el estudiante deje de planificar, comprobar y decidir por sí mismo. Tres líneas de investigación recientes convergen en una misma preocupación educativa: fomentar la metacognición, preservar la agencia del estudiante y reducir el riesgo de una delegación cognitiva excesiva.
Hay una escena que empieza a resultarnos familiar: un estudiante abre una herramienta de inteligencia artificial, copia la consigna, recibe una respuesta bien escrita y respira aliviado. El trabajo avanza. La pantalla devuelve orden, vocabulario y seguridad.
La pregunta real es: ¿qué ha aprendido mientras tanto?
No se trata de caer en el alarmismo ni en la nostalgia de la libreta como único refugio pedagógico. Las herramientas digitales pueden apoyar la comprensión, ofrecer retroalimentación, ampliar ejemplos y hacer visibles procesos que antes quedaban escondidos. Pero tampoco conviene confundir fluidez con aprendizaje. Que una respuesta parezca buena no significa que el estudiante haya comprendido, regulado su proceso o tomado decisiones intelectuales propias.
Ahí entran tres conceptos que están ganando fuerza en la investigación educativa y neuroeducativa actual: metacognición, agencia del estudiante y delegación cognitiva. Suenan técnicos, pero apuntan a una preocupación muy cotidiana: ayudar al alumnado a pensar con herramientas sin perder el timón de su propio pensamiento.
Metacognición: saber qué estoy haciendo con mi mente
La metacognición suele definirse, de forma sencilla, como la capacidad de observar y regular los propios procesos cognitivos. No es solo «pensar sobre pensar», aunque esa frase sea útil para empezar. Incluye saber qué entiendo, qué no entiendo, qué estrategia estoy usando, cuándo necesito cambiarla y cómo puedo comprobar si voy bien.
En el aula aparece de formas muy concretas. Un estudiante metacognitivo puede decir: «creo que entiendo este texto, pero no sabría explicarlo con mis palabras»; «he memorizado el procedimiento, aunque no sé cuándo aplicarlo»; o «la IA me ha dado una respuesta convincente, pero necesito comprobar si responde exactamente a la pregunta».
Esta diferencia importa. Una revisión reciente publicada en Educational Psychology Review señala que funciones ejecutivas, metacognición, autorregulación y aprendizaje autorregulado se han estudiado durante años por separado, con tradiciones y métodos distintos, y propone un modelo integrador (EMERGE) que los sitúa en un continuo: desde procesos más ligados a mecanismos biológicos hasta otros más moldeados por la cultura y la instrucción. Un trabajo paralelo defiende una idea complementaria para la etapa K-12: la competencia de autorregulación, entendida de forma amplia, predice resultados cognitivos, sociales y emocionales, y es susceptible de apoyo educativo.
Traducido al aula: planificar, monitorizar, inhibir respuestas impulsivas, revisar estrategias y evaluar el resultado forman parte de una arquitectura compleja. No basta con decir al alumnado «sé autónomo»; hay que enseñar qué significa regularse en una tarea concreta.
Con IA, esta necesidad se vuelve más visible. Si una herramienta produce una explicación, un resumen o un borrador en segundos, el estudiante necesita criterios para preguntarse: ¿esto me ayuda a comprender o solo me permite entregar algo?, ¿qué parte he pensado yo?, ¿qué parte estoy aceptando sin revisar?, ¿qué tendría que poder defender si alguien me pide que lo explique?
Agencia del estudiante: no solo elegir, sino hacerse cargo
La agencia del estudiante no significa que cada alumno haga siempre lo que quiera. Tampoco equivale a dejarle solo ante la tarea. En educación, hablar de agencia implica reconocer su papel activo en el aprendizaje: establecer metas, tomar decisiones, revisar el proceso, pedir ayuda de forma estratégica y asumir cierta responsabilidad sobre el resultado.
Una clase puede estar muy llena de actividad y, aun así, dejar poca agencia. Si el estudiante solo sigue instrucciones, completa huecos o acepta respuestas generadas por una herramienta, quizá esté ocupado, pero no necesariamente está decidiendo. La actividad externa no siempre revela actividad cognitiva profunda.
Con la IA generativa, la agencia se vuelve más delicada porque la herramienta puede ocupar zonas muy centrales del trabajo intelectual: proponer ideas, organizar argumentos, redactar, justificar, resumir, comparar o evaluar. Eso no es malo por sí mismo. Puede ser una ayuda potente si el estudiante conserva un papel activo: pregunta mejor, contrasta, selecciona, corrige, adapta, explica y decide.
El riesgo aparece cuando la herramienta empieza a desplazar esos procesos. Entonces el estudiante no usa la IA para pensar mejor, sino para pensar menos. Y lo complicado es que, desde fuera, ambos usos pueden parecer muy parecidos: en los dos casos hay un texto final, una respuesta correcta o una presentación bien ordenada.
Por eso conviene observar el proceso, no solo el producto.
Delegación cognitiva: cuándo la ayuda se convierte en sustitución
Delegar parte de nuestro pensamiento en herramientas no es nuevo. Usamos calculadoras, mapas, agendas, correctores, buscadores y apuntes. La mente humana siempre ha aprendido apoyándose en el entorno. El problema no es descargar carga cognitiva; a veces es justo lo que permite liberar recursos para tareas más complejas.
El matiz importante está en qué se delega y con qué conciencia.
No es lo mismo usar una IA para recibir ejemplos adicionales de un concepto que pedirle que resuelva toda la tarea sin haberla comprendido. No es lo mismo solicitar contraargumentos para revisar una opinión propia que pedir una opinión ya empaquetada. No es lo mismo mejorar un borrador que no poder explicar las ideas que supuestamente contiene.
Un estudio publicado en Frontiers in Psychology ha puesto nombre a esta distinción. Con una muestra de 589 estudiantes universitarios y profesionales jóvenes, y un diseño de tres oleadas separadas por dos semanas, los autores diferencian entre descarga dependiente —delegar en la IA las operaciones centrales: razonar, evaluar, decidir— y descarga autónoma —usar la IA como andamio conservando la agencia cognitiva—. Ambas se asociaron a beneficios inmediatos muy parecidos, pero a percepciones distintas más adelante: la dependiente, con mayor «transferencia de autoridad cognitiva» y menor motivación intrínseca; la autónoma, con mayor motivación y mejores valoraciones de la propia capacidad, creatividad, procesamiento profundo y juicio independiente.
Un dato interesante para el aula: la monitorización metacognitiva atenuó, pero no eliminó, la relación entre descarga dependiente y cesión de autoridad cognitiva; y no amortiguó en absoluto la caída de la motivación. Es decir, darse cuenta ayuda, pero no lo arregla todo.
Conviene leer estos resultados con prudencia. Son correlacionales, están basados en autoinformes —no en rendimiento medido— y la muestra es mayoritariamente china y joven. Los propios autores lo señalan con claridad y evitan hablar de causalidad.
Aun así, la distinción es útil para el aula porque desactiva dos respuestas simplistas. La primera: «usar IA siempre empobrece el aprendizaje». La segunda: «usar IA siempre desarrolla pensamiento crítico porque el alumnado interactúa con tecnología avanzada». Ninguna de las dos se sostiene.
La pregunta pedagógica más interesante sería: ¿qué operaciones mentales queremos que sigan estando en manos del estudiante?
Un ejemplo de aula: antes, durante y después de usar IA
Imaginemos una tarea de ciencias: explicar por qué el sueño influye en el aprendizaje.
Un uso pobre de la IA sería: «Explícame por qué dormir ayuda a aprender» y copiar la respuesta. El resultado puede ser correcto, incluso elegante. Pero el proceso ha dejado poco espacio para activar conocimientos previos, formular hipótesis, detectar dudas o evaluar fuentes.
Un uso más educativo podría organizarse en tres momentos.
Antes, el estudiante responde: «¿qué creo saber?, ¿qué no tengo claro?, ¿qué explicación inicial puedo construir sin ayuda?». Este paso protege la activación cognitiva y hace visible el punto de partida.
Durante, formula preguntas más específicas: «dame tres mecanismos posibles», «separa evidencia consolidada de hipótesis», «explícalo para alumnado de secundaria», «qué errores frecuentes hay al hablar de sueño y memoria». Aquí la IA amplía, contrasta o estructura, pero no reemplaza todo el razonamiento.
Después, revisa: «¿qué parte he comprendido mejor?, ¿qué afirmación necesito verificar?, ¿qué frase puedo explicar con mis propias palabras?, ¿qué cambiaría de mi respuesta inicial?». Este cierre devuelve el foco a la metacognición.
La herramienta no desaparece. Simplemente deja de ocupar el lugar del estudiante.
Aplicaciones educativas realistas
Una primera estrategia consiste en pedir siempre una respuesta inicial sin IA. No tiene que ser perfecta ni larga. Basta con un borrador, una hipótesis, un esquema o tres dudas. La idea es evitar que el primer contacto con el contenido sea ya una respuesta externa.
Otra posibilidad es evaluar el proceso. Podemos pedir al alumnado que entregue, junto al producto final, una breve nota metacognitiva: qué pidió a la IA, qué aceptó, qué modificó, qué descartó y por qué. Esto no convierte cada tarea en una auditoría interminable; introduce responsabilidad intelectual.
También ayuda diseñar consignas donde la IA no pueda sustituir toda la tarea: «compara la respuesta de la IA con tus apuntes», «identifica dos afirmaciones que necesitarían fuente», «explica qué parte te resultó más difícil», «añade un ejemplo de clase que no aparezca en la respuesta generada».
Y quizá lo más importante: enseñar a pedir ayuda. La agencia no consiste en no necesitar apoyo, sino en saber utilizarlo sin desaparecer dentro de él. Un buen estudiante no es quien nunca consulta nada, sino quien aprende a distinguir cuándo una ayuda le permite avanzar y cuándo le está resolviendo el aprendizaje desde fuera.
Lo que sabemos y lo que todavía no
Parece bastante asentado que metacognición, autorregulación y funciones ejecutivas están relacionadas sin ser lo mismo, y que la autorregulación es enseñable y relevante para el rendimiento escolar.
La evidencia disponible sugiere que la manera de usar la IA —no solo la frecuencia— guarda relación con lo que el estudiante percibe sobre su propia capacidad de pensar. Una revisión sistemática de 2025 sobre prácticas docentes con tecnología digital apunta en la misma dirección: la tecnología puede apoyar la autorregulación y la metacognición, sobre todo combinada con instrucción explícita, andamiaje y retroalimentación. Y una revisión de alcance de 2026 sobre IA generativa y agencia del estudiante en educación superior, con 123 estudios incluidos, concluye que el valor educativo depende menos de la tecnología que de cómo se integra pedagógicamente.
Todavía no está claro qué diseños concretos funcionan mejor, con qué edades, en qué materias y bajo qué condiciones. Falta investigación longitudinal, contextualizada y con medidas de rendimiento real, no solo de percepción. Buena parte de la literatura sobre IA en educación es todavía correlacional y se concentra en educación superior.
Matices necesarios
No todo el alumnado parte del mismo lugar. La edad, el dominio del contenido, las funciones ejecutivas, la motivación, la experiencia digital, las necesidades específicas de apoyo educativo y el contexto de la tarea importan. Una misma herramienta puede servir como andamio para un estudiante y como atajo empobrecedor para otro.
Tampoco debemos romantizar la dificultad. Mantener cierta «fricción cognitiva» no significa hacer las tareas artificialmente pesadas ni impedir apoyos razonables. Significa conservar aquellos momentos en los que el estudiante tiene que anticipar, elegir, justificar, comprobar y revisar.
Y una advertencia final sobre el propio marco: la mayor parte de la evidencia disponible sobre IA generativa procede de estudiantes universitarios. Extrapolar a primaria o secundaria requiere cautela.
Conclusión
La IA no elimina la necesidad de enseñar a pensar. La hace más urgente.
Si el alumnado va a convivir con herramientas capaces de escribir, resumir, argumentar y sugerir decisiones, la escuela no puede limitarse a prohibirlas o celebrarlas. Necesita enseñar una competencia más fina: usar apoyos externos sin perder la capacidad interna de planificar, monitorizar, evaluar y decidir.
La metacognición ayuda al estudiante a preguntarse qué está pasando en su mente. La agencia le recuerda que sigue siendo protagonista del aprendizaje. Y la prevención de una delegación cognitiva excesiva nos obliga a mirar más allá del producto final.
Quizá la pregunta clave para cualquier tarea con IA no sea «¿la ha usado?», sino esta otra: después de usarla, ¿piensa mejor, comprende más y puede hacerse cargo de lo que entrega?
¿Y en tu aula? ¿Qué operaciones mentales has decidido que sigan estando, sí o sí, en manos de tu alumnado? Me interesa mucho leer ejemplos concretos.
Bibliografía
- Fahrni, D. D. D., Iten, G., Prasse, D., & Hascher, T. (2025). Teachers’ practices in the use of digital technology to promote students’ self-regulated learning and metacognition: A systematic review. Teaching and Teacher Education, 165, 105150. https://doi.org/10.1016/j.tate.2025.105150
- Theobald, M., et al. (2026). Executive functions, metacognition, self-regulation, and self-regulated learning – What are we talking about? A review and introduction of the EMERGE model. Educational Psychology Review. https://doi.org/10.1007/s10648-026-10157-0
- Trautwein, U., Eberhart, J., Dignath, C., Bonner, C. V., & Roberts, B. W. (2026). Self-regulation competence as a superpower: An integrated framework for K-12. Educational Psychology Review. https://doi.org/10.1007/s10648-026-10190-z
- Wang, G., Wang, W., Yang, D., & Ren, J. (2026). Generative AI, cognitive offloading, and learner agency in higher education: A scoping review. Behavioral Sciences, 16(7), 1150. https://doi.org/10.3390/bs16071150
- Zhu, Q., Li, X., Dong, Y., Chang, P., & Fan, M. (2026). Not all cognitive offloading is equal: Distinguishing dependent and autonomous offloading to generative AI. Frontiers in Psychology, 17, 1878629. https://doi.org/10.3389/fpsyg.2026.1878629
Cómo citar este artículo
APA (7.ª edición)
González, M. (2026, 18 de julio). Metacognición, agencia y delegación cognitiva: tres claves neuroeducativas para usar la IA con criterio. Neurodidáctica. https://neurodidactic.es/metacognicion-agencia-delegacion-cognitiva-ia
Cita en el texto: (González, 2026)
NEURODIDACTIC 
Deja un comentario