Fasiang, Kristin, y Jill Barshay. 2026. “Is Everyone Using AI? How False Perceptions Can Become Self-Fulfilling.” MindShift (KQED) / The Hechinger Report, 8 de junio de 2026. https://www.kqed.org/mindshift/66379/is-everyone-using-ai-how-false-perceptions-can-become-self-fulfilling

El artículo aborda una cuestión clave en el contexto actual de la educación superior: no se sabe con precisión cuántos estudiantes utilizan realmente herramientas de inteligencia artificial como ChatGPT, y esa incertidumbre está influyendo tanto en la percepción social como en las políticas universitarias.

El punto de partida es un estudio realizado en la Universidad de Chicago con 338 estudiantes de grado. Los resultados muestran una discrepancia significativa: el 60 % afirma utilizar herramientas de IA, mientras que el 90 % cree que la mayoría de sus compañeros también las usa. Esta diferencia de 30 puntos plantea varias posibilidades: que los estudiantes subestimen su propio uso, que sobreestimen el de los demás o ambas cosas simultáneamente. En cualquier caso, el resultado es una visión distorsionada del fenómeno.

Los investigadores señalan que esta distorsión puede estar provocada por la llamada “sesgo de deseabilidad social”. Es decir, los estudiantes pueden no declarar con sinceridad su uso de IA porque consideran que admitirlo podría asociarse con pereza, falta de esfuerzo o incluso deshonestidad académica. En entrevistas complementarias, algunos estudiantes equiparan el uso de IA con no ser capaz de realizar el trabajo por sí mismos, lo que refuerza el estigma y favorece el ocultamiento.

Sin embargo, el artículo también plantea una explicación alternativa: la sobreestimación del uso de IA entre compañeros. Dado que estas herramientas son muy visibles en la vida cotidiana universitaria —pantallas abiertas con ChatGPT, conversaciones sobre su uso, referencias constantes en clase— los estudiantes pueden asumir que su uso es mucho más generalizado de lo que realmente es. Esta combinación de invisibilidad del uso real y visibilidad del discurso genera un efecto de “normalización percibida”.

El texto conecta este fenómeno con un concepto bien conocido en ciencias sociales: la “ignorancia pluralista”. Este ocurre cuando las personas creen erróneamente que los demás se comportan de manera distinta (generalmente más extrema o más frecuente) que la realidad. Un paralelismo clásico se observa en el consumo de alcohol o drogas en campus universitarios, donde los estudiantes suelen sobrestimar cuánto beben o consumen sus compañeros.

Estas percepciones erróneas no son inocuas. El artículo recuerda que en estudios sobre salud pública se ha demostrado que cuando los estudiantes creen que “todo el mundo bebe”, tienden a beber más ellos mismos. Es decir, la percepción social puede convertirse en una profecía autocumplida. Si los estudiantes creen que el uso de IA es casi universal, pueden sentirse presionados a adoptarlo para no quedarse atrás, aunque en realidad no sea tan extendido.

En este sentido, los investigadores advierten de un riesgo importante para las universidades: diseñar políticas sobre inteligencia artificial basadas en suposiciones y no en datos fiables. Si las instituciones asumen que la IA es omnipresente sin evidencias sólidas, podrían establecer normas excesivamente restrictivas o, por el contrario, demasiado permisivas.

El artículo también sugiere que las universidades podrían aprender de estrategias aplicadas en salud pública. En el caso del alcohol, algunas campañas dejaron de enfatizar el problema del consumo excesivo y empezaron a comunicar datos reales que mostraban que la mayoría de estudiantes bebía con moderación. Esta corrección de percepciones contribuyó a reducir comportamientos de riesgo.

Finalmente, el texto concluye que la gestión del uso de la IA en educación no solo depende de normas tecnológicas o académicas, sino también de cómo se construyen las percepciones sociales. Si los estudiantes creen que el uso de IA es la norma absoluta, esa creencia puede moldear su comportamiento, independientemente de la realidad estadística. Por ello, los autores subrayan la necesidad de investigar mejor estos patrones y comunicar datos más precisos para evitar dinámicas de presión social y uso inducido.