El 7 de noviembre de 2025, la Comunidad IA recibió a Nicolás Núñez (CENTRUM PUCP), quien presentó resultados de un cuasi-experimento sobre el uso de IA generativa en cursos de innovación y diseño de modelos de negocio. La sesión planteó una hipótesis provocadora: aunque los modelos de lenguaje aumentan la productividad y facilitan la personalización, su uso grupal podría conducir a soluciones más homogéneas y menos originales. 

El marco conceptual fue el “groupthink”, fenómeno de toma de decisiones que privilegia consensos rápidos y minimiza la disidencia. Núñez lo conectó con la “convergencia algorítmica” propia de los LLM: respuestas similares ante preguntas similares, lo que puede estandarizar ideas y reducir la fricción creativa necesaria para la innovación. 

La investigación comparó dos configuraciones. En el Grupo A, cuatro estudiantes interactuaron de forma conjunta —una sola computadora— con la IA para diseñar un producto digital. En el Grupo B, cada integrante trabajó primero en solitario con IA y luego, en equipo, debatieron y consolidaron la propuesta. Así se observaron diferencias tanto en tiempos como en la diversidad de resultados. 

Los hallazgos son claros. La co-creación simultánea con IA fue más veloz, especialmente en el desarrollo de prototipos. No obstante, la ruta individual-primero generó más debate, más iteraciones con el modelo y mayor disposición a defender ideas propias informadas por la IA. Además, quienes se autopercibían “menos creativos” reportaron un incremento en su autoeficacia creativa al trabajar inicialmente de manera individual. 

Las implicancias para la docencia y el diseño instruccional son matizadas. Cuando el objetivo es cumplir plazos ajustados (por ejemplo, hackatones), la co-creación puede ser conveniente. Si se busca calidad creativa y diversidad de soluciones, es preferible exigir ideación individual previa y posponer la convergencia grupal. Complementariamente, conviene nivelar competencias de prompting, exigir trazabilidad (borradores y prompts) y equilibrar la responsabilidad individual con la discusión crítica del equipo. 

En suma, el estudio sugiere que combinar fases individuales y colectivas con IA mitiga la homogeneidad y favorece resultados más robustos. La agenda futura apunta a explorar sesgos en las interacciones humano-máquina y estrategias para evitar la “aversión al algoritmo”, manteniendo la creatividad como eje del aprendizaje. 

¿Te gustaría participar activamente en la Comunidad IA en Educación?    

Si quieres ser parte de nuestras sesiones virtuales y contribuir a este espacio de aprendizaje e intercambio, completa el siguiente formulario. Así podremos conocerte mejor y enviarte el enlace para unirte a las reuniones en vivo: https://forms.office.com/r/6nCJ4wtVaS 

Mira el video completo de la sesión: