Hay una diferencia entre saber la respuesta a algo y entender ese algo. Con la IA, la distancia entre las dos nunca había sido tan corta, ni el riesgo de confundirlas tan alto.

Puedo pedirle a un modelo que me explique cómo funciona la valoración por descuento de flujos de caja y tener en treinta segundos una respuesta clara, bien estructurada y aparentemente completa. El problema es que esa respuesta puede darme la ilusión de que ahora entiendo la valoración por DCF cuando en realidad solo he leído sobre ella.

Usar la IA bien para aprender no consiste en obtener respuestas más rápido. Consiste en usarla para construir comprensión más profunda.

El problema del aprendizaje superficial

El aprendizaje superficial tiene un síntoma muy concreto: puedes repetir lo que has leído pero no puedes aplicarlo ni adaptarlo. Reconoces los conceptos cuando los ves, pero no podrías explicarlos con tus propias palabras ni usarlos en un contexto nuevo.

Con la IA esto se amplifica. La velocidad a la que puedes consumir explicaciones supera con creces la velocidad a la que puedes integrarlas. El resultado es una acumulación de conocimiento nominal: sabes que sabes cosas, pero no sabes si realmente las sabes.

La IA puede darte la respuesta en segundos. La comprensión sigue tardando lo que tarda.

La solución no es usar la IA menos. Es cambiar cómo la usas.

El método de los tres niveles

Cuando quiero aprender algo nuevo de verdad, paso por tres niveles de interacción con la IA, en orden.

Nivel 1: la explicación simple. Le pido que explique el concepto como si no supiera nada del tema. Sin jerga, sin asumir conocimientos previos. El objetivo es tener el esqueleto del concepto claro antes de añadir complejidad.

Nivel 2: los casos límite. Una vez que tengo la explicación base, pregunto: “¿Cuándo falla esto? ¿Cuáles son las excepciones? ¿En qué contextos no aplica?” La mayoría de explicaciones te dicen cómo funciona algo en condiciones ideales. Los casos límite te dicen cómo funciona en el mundo real.

Nivel 3: la técnica Feynman invertida. Este es el más importante. Le explico yo a la IA lo que acabo de aprender, con mis palabras, y le pido que identifique dónde estoy equivocado, dónde soy vago o dónde hay huecos en mi comprensión.

“Voy a explicarte cómo creo que funciona X. Dime qué estoy entendiendo mal o qué me estoy dejando.”

Si no puedo explicarlo, no lo entiendo. Y la IA es un evaluador infinitamente paciente.

Cómo usar la IA para detectar lagunas

Antes de aprender algo, es útil saber qué no sabes. La IA puede ayudarte a mapear el terreno.

“Quiero entender [tema]. ¿Qué conceptos previos necesito dominar para que tenga sentido?” Esta pregunta me da el orden de aprendizaje antes de empezar, y evita que me pierda en un tema para el que aún no tengo los fundamentos.

“¿Qué preguntas debería ser capaz de responder si entiendo bien [concepto]?” Esta es todavía más útil. Me da los criterios de evaluación antes del examen. Sé exactamente qué tengo que ser capaz de hacer cuando termine.

Después de estudiar algo, vuelvo a esa lista y me respondo a mí mismo. Si no puedo responder alguna, sé exactamente dónde tengo que volver.

También uso este prompt cuando noto que algo no me cuadra del todo:

“Creo que entiendo X pero cuando pienso en [situación concreta], me confundo. ¿Puedes ayudarme a ver qué estoy mezclando?”

Nombrar la confusión concreta es más eficaz que preguntar en abstracto.

Lo que la IA no puede enseñarte

Hay una parte del aprendizaje que no es transferible a través de una conversación: el juicio que viene de haber aplicado el conocimiento en condiciones reales.

Un modelo puede explicarme los principios de la negociación. No puede darme el criterio para leer el lenguaje corporal de alguien en una sala, decidir cuándo ceder y cuándo no, o reconocer el momento en que la dinámica ha cambiado. Ese conocimiento solo se construye haciendo.

Del mismo modo, la IA puede describirme los síntomas de un sistema mal diseñado. Pero reconocerlos en un proyecto real, mientras estás dentro, con presión de tiempo y stakeholders con opiniones distintas, es una habilidad diferente.

La IA acelera la fase declarativa del aprendizaje: saber sobre algo. No puede accelerar la fase procedimental: saber hacer algo. Para eso sigue siendo necesaria la práctica deliberada, el error, la corrección y el tiempo.

Lo que sí puede hacer es comprimir la primera fase lo suficiente como para llegar antes a la segunda. Y eso, bien usado, es una ventaja real.