Cuando Khan Academy anunció en 2023 que usaría GPT-4 para impulsar Khanmigo, su asistente de IA para estudiantes y profesores, la promesa sonaba prometedora pero difícil de verificar: un tutor capaz de hacer preguntas individualizadas a cada alumno, con un enfoque socrático que evita dar la respuesta directa. Un año después, un estudio liderado por investigadores de Harvard y publicado en Scientific Reports le puso números a esa promesa: los estudiantes que usaron tutores de IA obtuvieron ganancias de aprendizaje de entre 0,73 y 1,3 desviaciones estándar frente a los métodos tradicionales de aprendizaje activo — un efecto de magnitud comparable a reducir el tamaño de una clase a la mitad, aprendiendo además en menos tiempo.
Este es el tipo de dato concreto que el artículo original necesitaba para su sección sobre educación, y que conviene destacar porque la mayoría de las afirmaciones sobre «IA generativa más allá del texto» suelen quedarse en descripciones de capacidades sin verificar su impacto real.
Lo que Khan Academy ha aprendido sobre la diferencia entre eficacia y adopción
El caso de Khanmigo también ilustra un matiz que rara vez aparece en los artículos entusiastas sobre IA educativa: que una herramienta funcione no garantiza que se use. Khan Academy pasó de aproximadamente 40.000 a 700.000 estudiantes de educación básica usando Khanmigo en su primer gran periodo de expansión, una señal clara de adopción acelerada. Pero, como reconoce un educador citado por Esade sobre el propio Khanmigo, «la IA es todo cerebro, sin corazón» — la atención personalizada de un tutor humano hacia quien se ha quedado rezagado o quien podría avanzar más rápido sigue siendo algo que estas herramientas todavía no replican del todo.
Lo que ya se puede verificar en negocios, sin repetir lo que ya hemos cubierto
El artículo original hablaba de marketing, diseño de producto y finanzas de forma genérica. Sobre marketing y creatividad de marca, y sobre el debate de autoría que plantean estas herramientas, ya hemos entrado en detalle —con el caso judicial de las discográficas contra Suno y Udio, y el premio de Jason Allen en un concurso de arte digital— en nuestro artículo sobre IA en el arte y la música. Sobre análisis financiero y modelos predictivos, el caso real de Morgan Stanley construyendo un asistente sobre GPT-4 para sus asesores está desarrollado en nuestro artículo sobre IA en las finanzas del futuro.
Medicina y biotecnología: el matiz que ya documentamos con datos de la FDA
El artículo original mencionaba imágenes médicas sintéticas y modelos personalizados de pacientes como aplicaciones prometedoras. Ya hemos revisado esto con cifras concretas de la FDA —más de 1.200 dispositivos médicos con IA autorizados, con la salvedad honesta de que el 43% carece de validación clínica publicada— en nuestro artículo sobre IA en medicina. Esa cifra confirma la afirmación del artículo original de que la salud «podría tener un impacto más significativo durante los próximos años», pero con el matiz de que el ritmo de autorización regulatoria no siempre coincide con el ritmo de evidencia científica sólida.
Educación personalizada: el caso que sí desarrollamos aquí, en profundidad
Volviendo al terreno educativo, que es donde este artículo aporta algo que los demás no cubren: el estudio de Harvard no se limitó a medir resultados agregados, también identificó el mecanismo detrás de la mejora. Los tutores de IA, al tener acceso al historial de aprendizaje de cada estudiante —sus fortalezas y debilidades concretas—, pueden generar explicaciones y ejercicios ajustados a esas carencias específicas de una forma que ni un libro de texto estándar ni, en la práctica, un profesor con treinta alumnos simultáneos puede replicar con la misma consistencia.
Esto no sustituye al profesor —el propio estudio se centró en tutores como complemento del aprendizaje activo en el aula, no como reemplazo—, pero sí confirma con datos verificables la afirmación del artículo original sobre «material adaptado a cada estudiante» y «asistentes educativos capaces de ofrecer orientación personalizada».
El límite que ningún estudio ha resuelto todavía
El propio caso de Khanmigo señala el problema que ningún avance técnico ha resuelto por completo: la brecha entre lo que una herramienta puede lograr en condiciones ideales y lo que logra cuando se despliega a gran escala entre millones de estudiantes con niveles de motivación muy distintos. Un tutor de IA disponible las 24 horas no ayuda a quien nunca decide abrirlo. Esto conecta directamente con la preocupación del artículo original sobre «uso responsable»: la responsabilidad no recae solo en cómo se diseña la tecnología, sino en cómo las instituciones educativas consiguen integrarla dentro de una rutina de aprendizaje real, no solo ponerla a disposición y esperar que funcione por sí sola.
Lo que estos casos, juntos, confirman sobre la IA generativa «más allá del texto»
A mi juicio, lo más revelador de revisar el caso de Khan Academy junto con los de medicina, finanzas y arte que ya hemos cubierto en otros artículos es que todos comparten el mismo patrón: la capacidad técnica de estas herramientas suele ir por delante de la evidencia sólida sobre su impacto real, pero cuando esa evidencia llega —como en el estudio de Harvard, o en los datos de la FDA— confirma que el entusiasmo inicial no era del todo infundado, solo estaba pendiente de medirse con rigor. Eso es distinto tanto del escepticismo de quienes descartan estas herramientas como una moda, como del optimismo de quienes las presentan como una solución automática sin matices.
La lección que se repite en cada caso concreto
La inteligencia artificial generativa dejó de limitarse al texto hace tiempo, pero lo más importante en 2025 no es la lista de formatos que ya puede generar —imágenes, vídeo, música, simulaciones—, sino la cantidad creciente de estudios y datos concretos que permiten evaluar si esas capacidades se traducen en resultados reales. El caso de Khan Academy y el estudio de Harvard son, hasta ahora, de los ejemplos mejor documentados de que sí pueden hacerlo — con la condición, nada trivial, de que la propia adopción de la herramienta acompañe a su eficacia técnica.
Este artículo tiene fines informativos y educativos.
Fuentes: OpenAI (comunicado Khan Academy), Esade, Mobiik, artículos internos de FinovaTechlm citados arriba.