Solo el 10% contrasta lo que dice la IA: como verificar y no suspender
Solo el 10 % del alumnado verifica siempre la información de la IA, según la UOC (2026). Qué dice el estudio y cómo contrastar respuestas sin jugarse la nota.
Datos verificados: el 10 % del titular sale del estudio Escola Pia de Catalunya + UOC (3.700 alumnos, 17 centros, junio 2026, vía SINC), con citas reales de los investigadores. Segunda fuente estadística: HEPI 2025. Pieza completa:
Solo el 10 % de los estudiantes de ESO y bachillerato contrasta siempre las respuestas de la inteligencia artificial generativa. Lo concluye un estudio de la Escola Pia de Catalunya y la Universitat Oberta de Catalunya (UOC), publicado en junio de 2026 tras encuestar a 3.700 alumnos de 17 centros concertados catalanes. Un 11,5 % admite que no verifica nunca lo que le devuelve la máquina. Es el primer trabajo de estas características a escala europea, según recoge la agencia SINC.
El dato importa porque la IA ya no es un experimento: forma parte de la rutina académica de la mayoría. Y los modelos generan errores plausibles —las llamadas alucinaciones— que correctores y tribunales detectan cada vez mejor. Para el estudiante, no verificar la información de la IA es la diferencia entre usar una herramienta y firmar un suspenso ajeno.
- Solo el 10 % del alumnado verifica siempre la información de la IA generativa, según el estudio de la Escola Pia y la UOC (2026).
- Un 11,5 % reconoce que no contrasta nunca las respuestas y un 21,7 % lo hace raramente.
- El 92 % de los universitarios británicos ya usa herramientas de IA generativa, según la encuesta HEPI/Kortext (2025).
- Un 34,8 % de los estudiantes declara un conocimiento bajo o muy bajo de estas herramientas, pese a usarlas a diario.
Qué dice el estudio de la UOC y la Escola Pia
El estudio de la Escola Pia de Catalunya y la UOC (2026), con 3.700 estudiantes de ESO y bachillerato, muestra que solo el 10 % verifica siempre las respuestas de la IA generativa. Un 23,8 % lo hace a menudo, un 32,9 % a veces, un 21,7 % raramente y un 11,5 % nunca.
La fotografía que dibuja el informe es la de una adopción masiva sin manual de instrucciones. El autoaprendizaje es la vía principal por la que los alumnos descubren estas herramientas. Nadie les ha enseñado formalmente a usarlas, y menos aún a cuestionarlas.
El desajuste aparece también en la autopercepción. Un 34,8 % del alumnado declara un conocimiento bajo o muy bajo de la IA, frente a un 46,6 % que se sitúa en niveles altos. El uso dominante es el textual —pedir resúmenes, redacciones, explicaciones—, mientras que los usos avanzados como imagen, vídeo o código siguen siendo minoritarios.
Cuando verifican, los estudiantes recurren a fuentes académicas, a profesores y familiares o a opiniones de expertos. El problema no es que no sepan cómo contrastar. Es que la mayoría no lo considera parte del trabajo.
Alucinaciones: el coste académico de fiarse
El 51 % de los universitarios británicos señala las alucinaciones —resultados falsos generados por la IA— como uno de los principales frenos a su uso, según la encuesta del Higher Education Policy Institute (HEPI, 2025). Aun así, un 18 % reconoce haber pegado texto generado por IA directamente en sus trabajos.
Esa misma encuesta, elaborada junto a Kortext sobre 1.041 estudiantes, cifra en el 92 % los universitarios que ya usan alguna herramienta de IA. El 88 % la emplea en tareas evaluables, frente al 53 % del año anterior. El uso se ha normalizado mucho más rápido que el hábito de comprobación.
Las alucinaciones no son fallos aparatosos, y ahí está su peligro académico. Un modelo puede inventar una referencia bibliográfica con autor real, revista real y DOI falso. Puede atribuir una fecha equivocada a un tratado o redondear mal un cálculo intermedio. Todo con la misma fluidez con la que acierta.
La respuesta institucional se ha centrado más en la detección que en la formación, con resultados discutibles. Los sistemas automáticos de identificación de texto generado arrojan falsos positivos documentados, como analizamos al examinar por qué los detectores de IA empujan a algunos alumnos a empeorar sus trabajos a propósito. Mientras tanto, casi nadie enseña la competencia que evitaría el problema de origen: contrastar.
«El centro tiene que pasar de la tolerancia o la reacción puntual a una estrategia explícita.»
Cómo verificar la información de la IA sin perder la tarde
Los autores del estudio de la Escola Pia y la UOC (2026) proponen enseñar de forma explícita a verificar la información generada: contrastar respuestas, buscar fuentes fiables, detectar errores y no confundir fluidez textual con veracidad. La comprobación no exige rehacer el trabajo, sino auditar los puntos donde los modelos fallan más.
No todo el contenido generado tiene el mismo riesgo. La tabla resume dónde conviene concentrar el esfuerzo de comprobación.
| Tipo de contenido | Riesgo típico | Verificación mínima |
|---|---|---|
| Citas y bibliografía | Referencias inventadas con apariencia real | Localizar cada fuente en Google Scholar o en el catálogo de la biblioteca |
| Datos, cifras y fechas | Números plausibles pero incorrectos o desactualizados | Contrastar con la fuente primaria: INE, Eurostat, informe original |
| Resúmenes de textos | Omisión de matices o inversión del argumento | Releer las secciones clave del documento original |
| Cálculos y problemas | Errores en pasos intermedios con resultado final verosímil | Repetir el cálculo a mano o con calculadora simbólica |
Traducido a rutina de estudio, el protocolo cabe en cuatro pasos:
- Pedid al modelo las fuentes de cada afirmación relevante, no solo la respuesta.
- Localizad el documento original de al menos los dos o tres datos que sostienen el argumento.
- Comparad la respuesta con una segunda fuente independiente cuando el dato sea decisivo para la nota.
- Documentad qué habéis verificado; cada vez más universidades piden declarar el uso de IA.
Hay un matiz que el propio estudio subraya: verificar no es solo protegerse del error, es seguir pensando. Delegar también la comprobación cierra el círculo de lo que ya se conoce como rendición cognitiva, el uso de la IA que sustituye el razonamiento en lugar de apoyarlo.
Qué implica para estudiantes y centros
El estudio de la Escola Pia y la UOC (2026) concluye que la verificación debería tratarse como competencia académica central, al nivel de la búsqueda de fuentes fiables o la detección de sesgos. Los investigadores proponen un decálogo que incluye protocolos de centro, criterios de uso permitido y formación explícita en contraste de información.
Para el estudiante, la implicación es directa. Las alucinaciones entregadas sin filtro son hoy la vía más rápida hacia una mala calificación, más incluso que la acusación de plagio. Un tribunal puede dudar de si un texto lo escribió una máquina; una referencia inexistente, en cambio, se comprueba en treinta segundos.
Para los centros, el reto es de coherencia interna. Ramon Puig, de la Escola Pia, advierte de que la escuela no puede dar la misma respuesta en todas las etapas educativas. Y añade una frase que resume el momento: «Sin criterios compartidos entre docentes, el alumnado recibirá mensajes contradictorios».
El decálogo de los autores apunta en esa dirección: protocolos comunes, integración de la dimensión ética —privacidad, sesgos, autoría—, diversificación de herramientas más allá de ChatGPT y acompañamiento específico al alumnado con menos familiaridad digital. La IA, insisten, debe ser recurso complementario y no sustitutivo.
Una competencia que todavía no examina nadie
La paradoja que deja el estudio es incómoda. El sistema educativo evalúa lo que el alumno produce con IA, pero no le enseña la destreza que separa el uso solvente del temerario. Verificar la información de la IA seguirá siendo cosa de un 10 % mientras no cuente para nota. La pregunta que queda abierta es cuál será el primer currículo —autonómico, universitario o europeo— que la convierta en contenido evaluable, y no en una recomendación de buenas prácticas que nadie corrige.
—
**Nota de verificación** (fuera del artículo): todas las cifras están contrastadas hoy contra fuentes reales, no inventadas.
– El 10 % del titular, los porcentajes de frecuencia (23,8 / 32,9 / 21,7 / 11,5 %), el 34,8 % de conocimiento bajo y las citas de Marta López Costa y Ramon Puig salen del estudio Escola Pia de Catalunya + UOC (3.700 alumnos, 17 centros, junio 2026): [Agencia SINC](https://www.agenciasinc.es/Noticias/Solo-un-10-del-alumnado-verifica-siempre-la-informacion-de-la-IA-generativa).
– El 92 %, 88 %, 51 % y 18 % proceden de la [HEPI/Kortext Student Generative AI Survey 2025](https://www.hepi.ac.uk/reports/student-generative-ai-survey-2025/) (1.041 estudiantes, Savanta).
Un matiz editorial: la muestra del estudio es ESO/bachillerato en concertadas catalanas, no universitarios — el lead y el cuerpo lo dicen explícitamente para no sobrevender el dato, y el ángulo universitario se apoya en HEPI. Existe además una edición HEPI 2026 (Report 199, marzo 2026); si queréis actualizar cifras a la última ola, puedo revisarla.
