Base de conocimiento AIEdAIEd KB
En esta página

Esta página está traducida al español. Las páginas de artículo siguen escritas en inglés. Leer esta página en inglés

Conceptos

Creatividad

Creada 2026-09-28 · Actualizada 2026-09-28

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

Creatividad: la capacidad de generar ideas, soluciones o artefactos novedosos y valiosos. En la era de la IA, la creatividad es una apuesta educativa central: la IA generativa puede tanto amplificar el trabajo creativo (como compañera de pensamiento divergente) como socavarlo (al homogeneizar la producción y sustituir el proceso generativo).

Preguntas para reflexionar

  • La creatividad se describe a menudo como pensamiento divergente —generar muchas posibilidades— frente al pensamiento convergente, que se estrecha hacia una única respuesta correcta. ¿Dónde se sitúa su propio trabajo o estudio en ese espectro, y con cuál de los dos ayuda más fácilmente la IA?
  • La IA generativa es un motor estadístico: puede proponer muchas opciones, pero tiende a la media. Si mucho estudiantado depende del mismo modelo, ¿qué ocurre con la diversidad de ideas en el conjunto de la clase?
  • Un estudio de «piensa primero, ChatGPT después» encontró que el estudiantado que generaba sus propias ideas antes de la IA no mostraba una mejora inmediata, y sin embargo superaba a todos los demás en una tarea de creatividad posterior sin ayuda. ¿Por qué proteger la fase de pensamiento independiente podría producir un aprendizaje que el uso libre de la IA no produce?
  • Si la IA puede producir un artefacto pulido al instante, ¿cuánto vale realmente el trabajo creativo de quien aprende, y cómo diseñaría una tarea para que el proceso generativo permanezca en el estudiantado?
  • ¿Es «suya» una idea generada con ayuda de la IA? La respuesta que dé puede cambiar si trata la IA como compañera de pensamiento divergente o como algo que sustituye su proceso creativo.

Introducción

La creatividad abarca el extremo del pensamiento divergente del espectro cognitivo —generar múltiples posibilidades—, en contraste con el pensamiento convergente, que llega a una única solución correcta. Los sistemas de IA son especialmente relevantes para la creatividad porque son generadores estadísticos: pueden proponer muchas opciones (apoyando la ideación), pero también tienden a la media, lo que produce la homogeneización a nivel de ideas que se documenta cuando mucho estudiantado depende del mismo modelo.

La creatividad y la IA generativa

  • Amplificación: la IA puede actuar como compañera de pensamiento divergente —generar alternativas en una lluvia de ideas, producir contraargumentos y ofrecer perspectivas que quien aprende quizá no considere. Las configuraciones multiagente con roles especializados pueden restaurar la diversidad de ideas.

  • Riesgo de homogeneización: la asistencia de un solo modelo puede reducir la diversidad de ideas entre el estudiantado, de modo que el mismo modelo produce resultados convergentes. Es una amenaza directa para la creatividad en la educación en escritura y la educación en diseño.

  • Proteger la agencia creativa: mantener el proceso generativo de quien aprende dentro del bucle —rutinas de borrador primero, exigir síntesis original y usar la IA para desafiar en lugar de sustituir— preserva el trabajo creativo que produce aprendizaje duradero.

  • Un mapa del campo en K-12: la IA generativa sobre todo potencia la creatividad y rara vez la mide. Una revisión de alcance guiada por PRISMA de 45 estudios (2017–2025) ordena la literatura de K-12 en cuatro usos —evaluación de la creatividad (4 estudios), cocreatividad entre personas y IA (3), percepciones de los actores implicados (14) y potenciación de la creatividad (34)— y muestra lo estrecho que sigue siendo el campo: la narración y la escritura basadas en el lenguaje desplazan a casi todo lo demás, con la música, el trabajo corporeizado y espacial y los estudios centrados en la equidad casi ausentes. Los andamiajes diseñados a propósito que conservaban la autoría (entrada de voz, guiones gráficos, prompts divergentes de «muchas opciones») superaron a las plataformas comerciales, y los modelos LLM puntuaron el pensamiento divergente cerca de los evaluadores humanos; aun así, la preocupación de los propios autores es la misma homogeneización que sigue esta página —la reducción de la diversidad lingüística, la convergencia de estilos, los datos de entrenamiento contaminados por IA y la pereza metacognitiva en la escritura conjunta—, que resumen con el término de Runco «creatividad artificial»: una producción que parece creativa sin la experiencia humana que hay detrás. La dependencia excesiva reapareció como riesgo tanto en los estudios de percepción como en los de cocreatividad y currículo (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

  • La cocreatividad es un efecto de red, no un rasgo individual: Ruhland (2026) se apoya en la teoría del actor-red para modelar la creatividad como propiedad emergente de las redes sociotécnicas —un juego triádico de estabilización, desestabilización y reestabilización entre actores humanos y no humanos—, con los agentes de IA generativa tratados como participantes de la red iguales y constitutivos. En un estudio en el que se codiseñaron avatares pedagógicos en una red creativa, los diseños de los avatares no fueron actos creativos individuales, sino que emergieron de procesos de traducción entre el estudiantado, los investigadores y las herramientas de diseño. TriKoNet enmarca el riesgo de que los avatares de IA ya hechos desplacen la agencia creativa hacia la comodidad inducida por la máquina (la «trampa de la comodidad») y sostiene que coconstituir la estructura de acción de la IA con quienes aprenden preserva la cocreatividad.

  • La colaboración de «pensar primero» sostiene la creatividad independiente: Wong y Qiu (2026) encontraron que el estudiantado que generaba sus propias ideas antes de usar ChatGPT (un protocolo de «piensa primero, ChatGPT después») no mostraba una mejora inmediata en la tarea asistida, pero superaba tanto a un grupo con IA libre como a un grupo solo humano en una tarea de creatividad posterior sin ayuda. Usar ChatGPT libremente producía un rendimiento solo transitorio que se derrumbaba al retirar la asistencia —una forma de dependencia excesiva más que de aprendizaje—, mientras que la cocreación colaborativa orientada a mejorar las ideas propias producía ganancias duraderas en creatividad independiente. Esto ofrece evidencia experimental directa de que proteger la agencia creativa no es solo deseable, sino que es lo que convierte el trabajo asistido por IA en aprendizaje.

  • Reafirmar la creatividad humana en la era de la IA. El auge de la IA generativa desafía a los campos educativos a reafirmar el valor de la creatividad humana. Un marco de narrativa digital basada en proyectos para la educación artística y de diseño se diseñó explícitamente para cultivar capacidades emocionales, culturales y narrativas de las que carece la IA, con el estudiantado produciendo narrativas multimodales a partir del patrimonio cultural local, lo que sitúa la creatividad como la contribución específicamente humana en el aprendizaje integrado con IA.

La creatividad en distintos dominios

La creatividad no es una facultad monolítica única: se realiza de forma distinta en la escritura, el arte visual, la matemática y la computación, y la IA generativa interactúa con el proceso creativo de cada dominio de maneras distintas. Entender esas diferencias importa para diseñar aprendizaje asistido por IA que proteja, en lugar de saltarse, el acto creativo central de cada dominio.

  • Arte visual y diseño: la paradoja de la competencia. Las herramientas de texto a imagen (T2I) comprimen la distancia entre la idea y el artefacto, pero la facilidad no libera sin más la creatividad. En un estudio con estudiantado de arte y diseño (417 encuestados), la competencia creativa predecía con fuerza la intención de usar herramientas T2I —pero también predecía un uso real más contenido y selectivo, ya que el estudiantado negociaba autoría, originalidad y preservación de habilidades frente a la eficiencia (The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students). La facilidad y la disponibilidad inmediata permiten generar resultados rápidos en lugar de una implicación sostenida, así que la herramienta puede convertirse silenciosamente en un atajo que erosiona el flujo de trabajo iterativo del taller que debía acelerar.
  • Matemática: creatividad sin transferencia. Una intervención de aprendizaje basado en la indagación apoyada por IA en matemática de secundaria (estudiantes con una media de 12,79 años) elevó significativamente el rendimiento matemático creativo y las actitudes hacia la matemática, pero no mejoró significativamente la resolución de problemas crítica (Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics). La creatividad y la resolución convergente de problemas son resultados separables; la indagación asistida por IA puede aumentar la producción creativa mientras las habilidades analíticas transferibles se quedan atrás, lo que refuerza la brecha entre rendimiento y aprendizaje más amplia.
  • Matemática: la creatividad docente se mueve con el conocimiento disciplinar y pedagógico. En un estudio de caso integrado con ocho docentes en ejercicio de distritos rurales y con pocos recursos, un programa guiado por IA generativa de diez módulos interactivos construido sobre el marco 4P de Rhodes implicó al profesorado con la creatividad matemática (CM), el conocimiento del contenido (CC) y el conocimiento pedagógico del contenido (CPC) como formas de razonamiento interconectadas y no como dominios separados (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge). La aportación que necesita la discusión sobre medición de esta página es la afirmación de los autores de que la CM no se desarrolla con independencia del conocimiento matemático del profesorado y de su conocimiento sobre cómo hacer accesibles las ideas, y que fue el tono no enjuiciador ni evaluativo de la IA lo que hizo que el esfuerzo productivo se sintiera lo bastante seguro como para intentarlo.
  • Computación creativa: la fricción que protege la iteración. Quienes programan de forma creativa como principiantes aprenden entendiendo y ampliando «ejemplos encontrados», que la IA puede andamiar de forma útil o permitir saltarse de forma tentadora. Flowcode, un entorno de computación creativa impulsado por IA, combina un diagrama de flujo de la estructura del código con un chat orientado al aprendizaje y una fricción diseñada deliberadamente —mostrada en dos estudios que orienta el uso de la IA hacia entender y ampliar el código en lugar de hacer vibe coding alrededor de él (Flowcode: An AI-Powered Programming Environment for Scaffolding Iteration in Creative Computing Education). La dificultad productiva es aquí una característica que preserva el bucle generativo de quien aprende.
  • Creación literaria: la unidad entre el tema y el texto. Incipit sostiene que una obra se organiza por premisas declaradas y no por temas, y construye un nivel intermedio —1.455 registros de axiomas que abarcan 149 obras, unidos por 472 relaciones tipadas— en el que quien escribe y revisa una configuración puede cambiar un compromiso organizador, quien lee puede justificar una reconstrucción y quien critica puede comparar dos obras. Su propia auditoría afina el punto de medición anterior: el artefacto registra una única curación, 1.448 de los 1.455 axiomas se asignan a exactamente una obra, y la validación propuesta (cinco evaluadores sobre una muestra de 35 registros) no se ha ejecutado, así que el marco es un programa de investigación y no evidencia sobre el aprendizaje creativo.

Poner la creatividad en práctica

El principio de diseño recurrente en todos estos hallazgos es mantener el propio acto generativo de quien aprende dentro del bucle —ya sea producir una idea, iterar un artefacto o ampliar un ejemplo encontrado— y usar la IA como compañera de pensamiento divergente que desafía y expande en lugar de sustituir.

  • Para el profesorado: secuenciar las tareas para que el estudiantado genere sus propias ideas iniciales antes de consultar la IA (un protocolo de «piensa primero, ChatGPT después») y después usar la IA para interrogar, ampliar o hacer de abogado del diablo contra esas ideas. Calificar el proceso y la síntesis original junto con el acabado, para que los atajos que evitan el esfuerzo (resultado T2I de un clic, soluciones de vibe coding) no aporten nada. En arte y diseño, hacer de la autoría y del desarrollo de habilidades el objeto evaluado, y no solo el artefacto.
  • Para desarrolladores y diseñadores: construir herramientas que revelen y recompensen el bucle de iteración —mostrar la estructura (como hace el diagrama de flujo de Flowcode), añadir fricción productiva en el momento de «entregar el primer resultado» y ofrecer alternativas y críticas en lugar de una única respuesta pulida. Cuando la herramienta hace que la siguiente mejor versión no cueste nada, las decisiones creativas de quien aprende deberían seguir siendo las que importan.
  • Para investigadores: tratar la creatividad como específica del dominio y del resultado —medir si las ganancias se transfieren a tareas convergentes o sin ayuda, y no solo si el resultado asistido parece más creativo. La brecha de medición es el problema más agudo del campo: dentro del corpus de 45 estudios de K-12, solo los cuatro estudios de evaluación usaron una medida formal de creatividad, la mayoría de los estudios nunca definió el constructo y el proceso creativo —preparación, incubación, iluminación, verificación— quedó prácticamente sin medir. De ahí que la prescripción de la revisión sea la medición primero: puntuar la creatividad de forma no intrusiva dentro de tareas abiertas mediante diseño centrado en la evidencia y evaluación encubierta, y tratar la autoeficacia creativa como parte del resultado y no como un efecto secundario implícito (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

Conexiones

La creatividad se conecta con el pensamiento crítico y con el aprendizaje constructivista. La protegen los mismos andamiajes de reducción del mal uso de la IA que preservan el aprendizaje, y los diseños de evaluación auténtica que recompensan el razonamiento original por encima de los productos pulidos.

Conceptos conectados

Artículos conectados

Metadatos

DisciplinaCs Education, Math Education, Writing Education
Público destinatarioLearners
Aprendizaje y enseñanzaConstructivismo, Resolución de problemas
Tecnologías y técnicasIA generativa
Fundamentos de la IA en la educaciónPensamiento crítico, Pensamiento de diseño
SourceHistoryEditChat

Incrustar esta página

Copy the code below to embed a chromeless version of this page in a learning management system or other website. The embedded view hides the site header, navigation, and footer.