Entre la mayéutica y el algoritmo: hacia una crítica  
epistemológica de los tutores socráticos basados en  
inteligencia artificial  
Between maieutics and algorithm: epistemological tensions of Socratic  
tutors based on artificial intelligence in university education  
Marco Gutiérrez Montenegro  
Tecnológico de Costa Rica  
Cartago Costa Rica  
Melvin Ramírez Bogantes  
Tecnológico de Costa Rica  
Cartago Costa Rica  
Artículo recibido: 19 de febrero de 2026. Aceptado para publicación: 03 de julio de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
Este ensayo examina críticamente la denominación «socrático» aplicada a los sistemas de tutoría  
basados en inteligencia artificial generativa. Se argumenta que la mayéutica no constituye una técnica  
interrogativa replicable algorítmicamente, sino una estructura epistémica que requiere condiciones  
constitutivas ausentes en los sistemas computacionales: ignorancia auténtica, vulnerabilidad  
epistémica y alteridad genuina. Se propone el concepto de pseudo-mayéutica algorítmica para  
designar la replicación formal del diálogo socrático en ausencia de sus condiciones epistémicas  
fundamentales. El análisis articula filosofía platónica con investigaciones empíricas recientes sobre  
sistemas de tutoría inteligente, incorporando una perspectiva sociológica sobre la reconfiguración de  
la autoridad epistémica y las relaciones de poder en contextos universitarios mediados  
algorítmicamente. Se concluye que estos sistemas producen un tipo diferente de acontecimiento  
epistémico cuya confusión con la comprensión auténtica puede generar clausura epistémica bajo  
apariencia de apertura dialógica.  
Palabras clave: mayéutica socrática, pseudo-mayéutica algorítmica, agencia epistémica,  
sistemas de tutoría inteligente, autoridad epistémica  
Abstract  
This essay critically examines the designation «Socratic» applied to tutoring systems based on  
generative artificial intelligence. It is argued that maieutics does not constitute an algorithmically  
replicable interrogative technique, but rather an epistemic structure requiring constitutive conditions  
absent in computational systems: authentic ignorance, epistemic vulnerability, and genuine alterity.  
The concept of algorithmic pseudo-maieutics is proposed to designate the formal replication of  
Socratic dialogue in the absence of its fundamental epistemic conditions. The analysis articulates  
Platonic philosophy with recent empirical research on intelligent tutoring systems, incorporating a  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2697.  
sociological perspective on the reconfiguration of epistemic authority and power relations in  
algorithmically mediated university contexts. It is concluded that these systems produce a different  
type of epistemic event whose confusion with authentic understanding can generate epistemic closure  
under the appearance of dialogic openness.  
Keywords: socratic maieutics, algorithmic pseudo-maieutics, epistemic agency, intelligent  
tutoring systems, epistemic authority  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Gutiérrez Montenegro, M., & Ramírez Bogantes, M. (2026). Entre la mayéutica y el  
algoritmo: hacia una crítica epistemológica de los tutores socráticos basados en inteligencia  
artificial. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 7 (3), 2697 2710.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2698.  
INTRODUCCIÓN  
La proliferación de sistemas de tutoría basados en inteligencia artificial generativa ha introducido en  
el discurso educativo contemporáneo una categoría que merece escrutinio epistemológico riguroso: la  
del tutor socrático algorítmico. Esta denominación no es inocente. Invoca una de las tradiciones más  
densas del pensamiento occidental sobre el conocimiento y la transfiere a sistemas cuya operación se  
fundamenta en principios radicalmente distintos. Nombrar «socrático» a un sistema de procesamiento  
de lenguaje natural constituye un acto con consecuencias epistémicas que exceden la analogía  
pedagógica: implica una teoría del conocimiento, una concepción del sujeto que aprende y una  
ontología de lo que acontece en el intercambio entre quien interroga y quien responde.  
La urgencia de esta interrogación se ha intensificado conforme investigaciones empíricas documentan  
mejoras en indicadores de rendimiento académico. Kestin et al. (2025, p. 3) reportaron que estudiantes  
universitarios que interactuaron con un tutor basado en GPT-4 «aprendieron más del doble en menos  
tiempo» comparados con aquellos en sesiones de aprendizaje activo presencial. Una revisión  
sistemática reciente sobre sistemas de tutoría inteligente en educación K-12 encontró que «los efectos  
sobre el aprendizaje son generalmente positivos» aunque «se atenúan cuando se comparan con  
sistemas de tutoría no inteligentes» (Létourneau et al., 2025, p. 8). Estos hallazgos, relevantes en su  
propio registro metodológico, operan en un plano diferente al que aquí interesa: el de los efectos  
medibles contrasta con el de las condiciones epistémicas que hacen posible que algo sea  
genuinamente conocido.  
El presente ensayo se organiza en torno a una tesis central: los tutores denominados socráticos  
basados en inteligencia artificial constituyen instancias de lo que aquí se propone denominar pseudo-  
mayéutica algorítmica, esto es, la replicación formal del diálogo socrático en ausencia de sus  
condiciones epistémicas constitutivas. Esta noción no aspira a ser un juicio de valor sobre la utilidad  
instrumental de estos sistemas, sino un instrumento conceptual que permita precisar qué tipo de  
acontecimiento epistémico ocurre cuando un estudiante universitario interactúa con ellos. La  
distinción entre efectividad funcional y condición epistémica constituye el nervio del problema.  
Conviene explicitar desde el inicio el alcance de este análisis: no busca negar la utilidad instrumental  
ni los efectos positivos documentados de los sistemas de tutoría basados en inteligencia artificial, sino  
distinguir entre eficacia funcional y transformación epistémica. La distinción no implica jerarquizar a  
priori uno sobre otro, sino precisar que operan en planos diferentes que no deben confundirse  
analíticamente. Esta clarificación metodológica es necesaria para evitar que el argumento sea leído  
como tecnofobia o como rechazo indiscriminado de innovaciones pedagógicas.  
La relevancia para las ciencias sociales de este problema excede el ámbito pedagógico. Los sistemas  
de tutoría algorítmica reconfiguran la autoridad epistémica en contextos universitarios, transforman el  
rol del docente y modifican las dinámicas de legitimación del conocimiento. Como han señalado Buele  
y Llerena-Aguirre (2025, p. 2), «se observa un cambio en el rol docente, con mayor énfasis en mediación,  
supervisión y análisis crítico del output generado por aplicaciones de inteligencia artificial». Esta  
transformación no es meramente técnica; implica una reestructuración de las relaciones sociales de  
producción del conocimiento que requiere análisis desde la epistemología social y la sociología del  
conocimiento.  
Medeiros et al. (2025, p. 12) identifican «una tensión entre dos enfoques: uno que promueve la IA como  
herramienta de automatización, y otro que aboga por su mediación crítica y ética, valorando el rol del  
docente como autor y educador». Esta tensión atraviesa el campo y constituye el nervio sociológico  
del problema. No se trata solo de determinar si estos sistemas funcionan, sino de comprender qué tipo  
de sujetos epistémicos producen y qué relaciones de poder instituyen en el proceso de su  
funcionamiento.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2699.  
Para desarrollar este argumento, el ensayo examina, en primer lugar, la mayéutica como estructura  
epistémica; en segundo lugar, la lógica propia de la racionalidad algorítmica; en tercer lugar, el estado  
del arte sobre tutores socráticos algorítmicos y sus inconsistencias; en cuarto lugar, el concepto de  
pseudo-mayéutica algorítmica y su delimitación frente a nociones próximas; en quinto lugar, las  
implicaciones para la agencia epistémica y la reconfiguración de la autoridad del conocimiento en  
contextos universitarios; y finalmente, una discusión crítica que confronta el argumento con la objeción  
funcionalista y otras objeciones sustantivas.  
LA MAYÉUTICA COMO ESTRUCTURA EPISTÉMICA DEL NO-SABER  
Comprender la mayéutica como epistemología requiere despojarla de su reducción pedagógica  
habitual. En la lectura más extendida, la mayéutica es el arte de hacer preguntas para que el interlocutor  
descubra verdades que ya poseía latentemente. Esta descripción no es incorrecta, pero resulta  
insuficiente porque oscurece su condición más radical: la ignorancia de Sócrates no es performativa  
ni didáctica, sino constitutiva de su postura epistémica. En la Apología, Sócrates afirma que su única  
ventaja sobre quienes creen saber es que él sabe que no sabe (Platón, 1992, 21d). Esta afirmación no  
es modestia retórica; es la condición que hace posible el movimiento real del conocimiento, porque  
solo quien genuinamente ignora puede estar abierto a ser sorprendido por lo que emerja del  
intercambio dialógico.  
El diálogo del Menón articula con precisión la paradoja que subyace a esta epistemología: si ya se sabe  
lo que se busca, la búsqueda resulta innecesaria; si no se sabe, tampoco es posible reconocer lo  
buscado cuando se lo encuentra (Platón, 1983, 80e). La salida que Sócrates propone no interesa aquí  
en su dimensión metafísica sino en lo que revela sobre la estructura del diálogo: el conocimiento no se  
transmite unidireccionalmente, se construye en el espacio entre dos ignorancias que se interpelan  
mutuamente. En este sentido, es fundamental precisar que la mayéutica no constituye una simple  
técnica de andamiaje, sino un auténtico parto epistémico donde la ignorancia del maestro es la  
condición de posibilidad para la verdad del alumno. El Teeteto profundiza esta estructura al someter a  
examen sistemático las posibles definiciones del conocimiento; lo epistemológicamente significativo  
no es la definición que se alcanza, sino el proceso de justificación que transcurre en el intercambio  
genuinamente aporético (Platón, 1988, 210ab). La aporía no es un fracaso del método: es su  
momento más fecundo.  
Esta estructura epistémica implica una condición que puede formularse con precisión: en la mayéutica,  
el conocimiento emerge en la brecha entre dos no-saberes que se reconocen mutuamente. No es la  
transferencia de información desde quien sabe hacia quien no sabe, ni la mera activación de lo latente.  
Es la producción de algo que ninguno de los dos poseía antes del intercambio. Esta condición tiene  
consecuencias directas para la pregunta por los tutores algorítmicos: implica que el interlocutor que  
interroga no puede ser un sistema que opera desde lo que ya sabe (o desde lo que estadísticamente  
predice), sino uno que es genuinamente vulnerable a la respuesta del otro. La vulnerabilidad epistémica,  
entendida como la posibilidad real de ser transformado por lo que el interlocutor dice, es constitutiva  
de la postura socrática.  
La condición de vulnerabilidad epistémica tiene implicaciones que conviene explicitar. El interlocutor  
socrático no solo acepta la posibilidad abstracta de estar equivocado; se expone activamente a que  
sus certezas sean desestabilizadas. Esta exposición no es táctica ni calculada: es la condición misma  
de la apertura al conocimiento. En el diálogo genuino, ambos interlocutores arriesgan algo; la asimetría  
pedagógica tradicional (donde uno sabe y otro no) se suspende en favor de una asimetría diferente: la  
del que pregunta sin saber hacia dónde conduce la pregunta.  
Paulo Freire, desde una tradición diferente pero convergente, articuló con rigor el problema de fondo.  
La educación bancaria que él diagnostica consiste exactamente en la transmisión de contenidos desde  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2700.  
quien sabe hacia quien no sabe, vaciando al educando de su capacidad de nombramiento crítico del  
mundo (Freire, 2005, pp. 7595). Lo que Freire propone como alternativa: la pedagogía dialogal exige  
que el educador también sea educado en el encuentro, que su saber sea interrogado y transformado  
por la palabra del otro. El diálogo auténtico presupone, en su concepción, la humildad epistémica de  
ambas partes: que ambas reconozcan que el mundo tiene todavía algo que decirles que no han podido  
decirse a sí mismas (Freire, 2005, p. 107). Sin apertura genuina a ser transformado, no hay diálogo sino  
monólogo encubierto bajo forma dialógica.  
LA RACIONALIDAD ALGORÍTMICA Y SU ESTRUCTURA EPISTÉMICA  
Los modelos de lenguaje de gran escala que sostienen los tutores basados en inteligencia artificial  
operan mediante una lógica epistémica que difiere estructuralmente de la socrática. Un modelo de  
lenguaje no interroga desde la ignorancia: interroga desde la maximización de probabilidades sobre  
distribuciones de tokens en espacios vectoriales de alta dimensionalidad. Sus preguntas no son  
expresión de perplejidad ante el mundo, sino el resultado de calcular qué secuencia de símbolos tiene  
mayor probabilidad de ser pertinente. Cuando el tutor algorítmico pregunta «¿por qué crees que esa  
función es continua?», esa pregunta no emerge de una genuina duda. El sistema conoce (en el sentido  
estadístico del término) la respuesta probable. La pregunta es un dispositivo retórico calculado, no una  
interrogación auténtica.  
Lin, Huang y Lu (2023, p. 12) han caracterizado los sistemas de tutoría inteligente como tecnologías  
que «proporcionan a los estudiantes experiencias de aprendizaje personalizadas que atienden a sus  
estilos y preferencias de aprendizaje únicos» mediante «insights basados en datos sobre el  
rendimiento, emociones y niveles de compromiso de los estudiantes». Esta descripción técnicamente  
precisa revela inadvertidamente el problema epistemológico: el sistema no comprende el estado  
epistémico del estudiante en el sentido en que lo comprendería un interlocutor humano; procesa  
señales que representan ese estado y genera respuestas estadísticamente apropiadas. La diferencia  
entre comprender y procesar no es meramente semántica; es la diferencia entre ser un interlocutor  
epistémico genuino y ser una infraestructura de mediación que simula serlo.  
La racionalidad algorítmica se organiza en torno a tres principios que la hacen inconmensurable con la  
condición socrática: la optimización, la predicción y la clausura parametral. Un sistema de IA optimiza  
una función objetivo definida externamente; no busca la verdad en sentido filosófico sino la  
minimización de una función de pérdida. Predice la secuencia más probable dado un contexto, lo que  
implica que opera desde lo ya conocido hacia su extrapolación estadística. Y está clausurado: sus  
respuestas están determinadas por parámetros fijados en el entrenamiento, de modo que no puede  
ser genuinamente sorprendido por el diálogo que sostiene. Como ha señalado (Searle, 1980, p. 417), el  
sistema que manipula símbolos según reglas formales puede producir respuestas funcionalmente  
indistinguibles de las de un hablante que comprende, sin que por ello comprenda en el sentido en que  
comprende un sujeto con estados intencionales genuinos.  
La capacidad de ser sorprendido (de verse obligado a revisar las propias certezas como consecuencia  
de lo que el interlocutor dice) es constitutiva de la postura epistémica socrática y está ausente por  
diseño arquitectónico en los sistemas algorítmicos. El modelo puede actualizar sus respuestas en  
función del contexto conversacional inmediato, pero sus parámetros no cambian como consecuencia  
del diálogo: su perspectiva epistémica no se modifica, no aprende en el sentido en que aprendería un  
interlocutor que resulta genuinamente sorprendido y transformado. Esta distinción no es trivial: implica  
que lo que el estudiante experimenta como diálogo es, desde la perspectiva del sistema, una secuencia  
de cálculos predictivos.  
Conviene precisar que esta caracterización no presupone una posición fuerte sobre la naturaleza de la  
inteligencia artificial ni sobre la posibilidad futura de sistemas con comprensión genuina. El argumento  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2701.  
opera en el registro de lo que los sistemas actuales son y hacen, no en el de lo que podrían llegar a ser.  
Los sistemas de tutoría basados en modelos de lenguaje actuales carecen de las condiciones  
epistémicas que definen la mayéutica no por limitación técnica contingente sino por arquitectura:  
fueron diseñados para predecir secuencias probables, no para comprender ni para ser transformados  
por el diálogo.  
La distinción entre procesamiento y comprensión tiene implicaciones metodológicas que el campo de  
la IA en educación ha tendido a eludir. Cuando un sistema de tutoría «adapta» sus preguntas al nivel  
del estudiante, esa adaptación opera mediante la clasificación del input en categorías predefinidas y  
la selección de outputs correspondientes. No hay en este proceso nada que se asemeje a la  
comprensión del estado epistémico del otro en el sentido fenomenológico del término: no hay  
aprehensión de significado, no hay captación de la perspectiva del interlocutor como perspectiva. Hay,  
en cambio, procesamiento de patrones y generación de secuencias estadísticamente apropiadas. Esta  
distinción no es meramente filosófica; tiene consecuencias para cómo conceptualizamos lo que ocurre  
cuando un estudiante «dialoga» con estos sistemas.  
EL TUTOR SOCRÁTICO ALGORÍTMICO: ESTADO DEL ARTE Y TENSIONES CONCEPTUALES  
La revisión de la literatura reciente sobre sistemas de tutoría algorítmica revela una proliferación del  
calificativo «socrático» aplicado a sistemas cuyo diseño difiere sustancialmente de las condiciones  
epistémicas que definen la mayéutica. Esta sección analiza cómo el campo ha construido el concepto  
y las tensiones que emergen de dicha construcción, mostrando que el problema no surge únicamente  
de la filosofía sino de las propias inconsistencias internas del campo.  
Lin, Huang y Lu (2023, p. 8) identifican en su revisión sistemática que los sistemas de tutoría inteligente  
«tienen el potencial de abordar estos desafíos y mejorar la educación sostenible mejorando el acceso  
a educación de calidad, creando experiencias de aprendizaje personalizadas y apoyando la toma de  
decisiones basada en datos». Los autores señalan, sin embargo, que «el uso de sistemas de IA e IT en  
educación sostenible también presenta desafíos, incluyendo cuestiones relacionadas con privacidad y  
seguridad de datos, así como potenciales sesgos en algoritmos y modelos de aprendizaje automático».  
Esta caracterización técnicamente rigurosa omite, sin embargo, la pregunta por la naturaleza  
epistémica del intercambio que estos sistemas facilitan. La omisión no es accidental: el campo opera  
con una epistemología implícita que asume que los efectos de aprendizaje son independientes de las  
condiciones que los producen.  
El caso documentado por Paz (2025) en la Universidad Tecnológica Nacional de  
Argentina resulta epistemológicamente revelador. En su primera intervención, un  
tutor IA en el curso de Hidrología produjo «un fracaso generalizado (0% de  
aprobación) debido al uso superficial y serios problemas de integridad académica  
(65% de similitud, copias >80%)» (Paz, 2025, p. 1). Este fracaso forzó un rediseño  
metodológico que incorporó «controles estrictos de evidencia (Anexo A obligatorio  
con chat exportado, tiempo mínimo ≥120 minutos, ejercicio numérico verificable)»  
(Paz, 2025, p. 2). Los resultados de la segunda intervención fueron  
significativamente mejores: mediana de 88/100 con «cumplimiento verificable de  
procesos de interacción genuina».  
Lo que este caso revela es que, sin controles externos explícitos, los estudiantes tienden a usar el  
sistema de manera que evita el trabajo epistémico genuino. El sistema por sí solo no garantiza (ni  
siquiera promueve necesariamente) la comprensión auténtica; requiere andamiaje institucional para  
funcionar epistemológicamente. Esta dependencia del andamiaje externo es significativa: sugiere que  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2702.  
lo que produce resultados de aprendizaje no es el sistema en sí sino la estructura de control en la que  
se inserta. El sistema actúa como infraestructura sobre la cual se pueden montar prácticas  
epistémicas diversas, algunas genuinas y otras no.  
Salas-Pilco y Yang (2022, p. 15), en su análisis de aplicaciones de IA en educación superior  
latinoamericana, identifican que «las principales aplicaciones de IA en educación son: modelado  
predictivo, analíticas inteligentes, tecnología asistiva, análisis automático de contenido y analíticas de  
imagen». Esta taxonomía, centrada en las capacidades técnicas, ilustra cómo el campo conceptualiza  
estos sistemas: como herramientas de procesamiento de información más que como interlocutores  
epistémicos. La tensión entre la retórica socrática con que se comercializan algunos de estos sistemas  
y su naturaleza operacional como procesadores de datos constituye el problema central que el  
concepto de pseudo-mayéutica algorítmica busca nombrar.  
Hernández León y Rodríguez-Conde (2024, p. 8) documentan en su revisión sistemática que los  
avances principales incluyen «la introducción de sistemas de tutorización inteligentes, sistemas de  
reconocimiento para identificar al discente en formación online, y la personalización de la educación»,  
destacando también «la importancia que se le concede a las cuestiones éticas relacionadas con el uso  
de la IA en la evaluación del estudiante universitario». La personalización que estos sistemas ofrecen  
es de naturaleza diferente a la adaptación dialógica socrática: es una personalización algorítmica  
basada en patrones de comportamiento previo, no una respuesta genuina a la singularidad epistémica  
del interlocutor.  
Cordón García (2023, p. 165) advierte que «la implementación efectiva en el Sistema Universitario  
requiere atender retos y riesgos a nivel tecnológico, pedagógico, organizativo, legislativo y ético». Entre  
estos riesgos, la naturalización de una concepción instrumental del conocimiento merece atención  
epistemológica específica. Cuando el campo habla de «personalización» y «adaptación», emplea  
términos que en el contexto socrático tendrían un significado radicalmente diferente: la adaptación  
socrática es una respuesta al otro como singularidad irreductible, no una optimización algorítmica  
basada en patrones agregados.  
Cordón García (2023, p. 168) advierte en su análisis del contexto universitario español que «la  
inteligencia artificial puede aportar beneficios significativos, pero también conlleva riesgos que deben  
abordarse», insistiendo en que «su implementación efectiva requiere marcos regulatorios claros y  
formación específica». Esta advertencia sobre marcos regulatorios es epistemológicamente  
significativa: revela que el campo mismo reconoce, aunque no siempre teorice, que los sistemas  
algorítmicos no producen resultados epistémicos de manera automática sino dependiente del marco  
institucional y normativo en el que se insertan.  
La tensión entre la retórica socrática y la realidad algorítmica se manifiesta también en la literatura  
sobre sistemas concretos. Los sistemas denominados «socráticos» típicamente operan mediante la  
generación de preguntas guía basadas en patrones de error detectados en las respuestas del  
estudiante. Esta operación es estructuralmente diferente de la interrogación socrática: mientras  
Sócrates pregunta sin saber hacia dónde conducirá la pregunta, el sistema algorítmico pregunta  
precisamente porque ha clasificado el estado del estudiante y ha determinado la intervención óptima  
según sus parámetros de entrenamiento. La pregunta algorítmica es un output calculado, no una  
expresión de perplejidad genuina.  
LA PSEUDO-MAYÉUTICA ALGORÍTMICA: DELIMITACIÓN CONCEPTUAL  
El análisis precedente permite articular con precisión el concepto central de este ensayo. La pseudo-  
mayéutica algorítmica designa la replicación estructural de la forma dialógica socrática (sus preguntas  
orientadoras, pausas reflexivas y guía hacia la autocomprensión aparente) en ausencia total de las  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2703.  
condiciones epistémicas que en la mayéutica auténtica hacen posible la emergencia de conocimiento  
genuino: ignorancia real, intencionalidad, vulnerabilidad epistémica y alteridad en el interlocutor que  
interroga.  
El prefijo pseudo requiere precisión semántica. No connota falsedad moral ni invalida la utilidad  
instrumental de estos sistemas. No es una crítica ética ni una denuncia de engaño intencional. Señala  
diferencia ontológica en el sentido epistemológico: la pseudo-mayéutica no es una mayéutica fallida o  
deficiente sino una práctica de naturaleza diferente que adopta la morfología socrática sin participar  
de su estructura constitutiva. El concepto funciona como instrumento analítico, no como juicio  
valorativo. Esta distinción importa porque nombrar inadecuadamente un fenómeno produce  
consecuencias en cómo se diseñan, evalúan y despliegan los sistemas que reciben ese nombre.  
Es necesario delimitar este concepto frente a nociones próximas con las que podría confundirse. La  
pseudo-mayéutica algorítmica no es equivalente al andamiaje vygotskiano, aunque comparta con él la  
estructura de apoyo al aprendiz. El andamiaje, en la zona de desarrollo próximo, presupone un sujeto  
más capaz que comprende dónde está el aprendiz y hacia dónde puede ir; la pseudo-mayéutica opera  
sin comprensión genuina del estado epistémico del estudiante, únicamente con procesamiento de  
señales que representan ese estado.  
Tampoco es equivalente a la simulación pedagógica en el sentido de ejercicios de role-playing  
educativo, donde ambas partes saben que se trata de una simulación. En la pseudo-mayéutica, la  
interfaz está diseñada para que el estudiante experimente el intercambio como si fuera diálogo genuino  
con un interlocutor que piensa. Finalmente, no es equivalente al diálogo funcional (intercambio  
comunicativo que cumple propósitos prácticos sin pretensión epistémica) porque la pseudo-mayéutica  
sí reclama pretensión epistémica: se presenta como generadora de comprensión genuina.  
La pseudo-mayéutica algorítmica se caracteriza por tres rasgos estructurales. El primero es la  
asimetría epistémica enmascarada: el sistema que interroga no está en condición de ignorancia sino  
en condición de maximización probabilística, pero esta asimetría resulta invisible para el estudiante  
que experimenta el intercambio como diálogo con un interlocutor genuino. La interfaz produce la  
ilusión de simetría dialógica donde hay, en realidad, una relación asimétrica entre un sujeto epistémico  
y una infraestructura de procesamiento.  
El segundo rasgo es la determinación de los caminos de comprensión: los recorridos que el diálogo  
puede tomar están delimitados por los patrones aprendidos durante el entrenamiento. El estudiante  
cree explorar libremente, pero navega por un espacio de posibilidades preconfigurado. El tercer rasgo  
es la ausencia de alteridad genuina: el interlocutor algorítmico no es un otro en el sentido filosófico del  
término, un ser con perspectiva propia y la posibilidad de ser afectado por lo que el estudiante dice. No  
hay en él nadie que pueda ser movido epistemológicamente. Hay, en la pseudo-mayéutica algorítmica,  
un monólogo encubierto bajo la forma del diálogo.  
AGENCIA EPISTÉMICA Y RECONFIGURACIÓN DE LA AUTORIDAD DEL CONOCIMIENTO  
Las implicaciones de la pseudo-mayéutica algorítmica exceden el plano epistemológico individual y  
alcanzan la dimensión sociológica de la producción del conocimiento en contextos universitarios. La  
noción de agencia epistémica permite precisar estas implicaciones. La agencia epistémica puede  
definirse como la capacidad de los sujetos de contribuir activamente al conocimiento dentro de sus  
comunidades de aprendizaje, formando creencias activamente en lugar de aceptarlas pasivamente,  
incluyendo la asunción de responsabilidad por la formación de creencias.  
El estudiante que interactúa con un tutor algorítmico se encuentra en una situación paradójica respecto  
a su agencia epistémica: se le invita a pensar por sí mismo, a cuestionar sus certezas, a construir su  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2704.  
comprensión mediante el intercambio dialógico, pero el espacio en el que ese pensamiento puede  
desplegarse está epistemológicamente preconfigurado. (Villarroel-Molina et al., 2025, p. 8) señalan en  
su revisión sistemática que «los hallazgos revelan un uso creciente de plataformas adaptativas,  
sistemas de tutoría inteligente y analíticas predictivas, así como preocupaciones relacionadas con  
privacidad, sesgo algorítmico y la redefinición del rol docente». Esta redefinición del rol docente tiene  
implicaciones directas para la estructura de autoridad epistémica en el aula universitaria.  
La pseudo-mayéutica algorítmica reconfigura las relaciones de autoridad epistémica de manera  
específica. Tradicionalmente, el docente universitario ocupaba una posición de autoridad basada en  
su dominio del conocimiento disciplinar y su capacidad de juicio experto. El tutor algorítmico introduce  
un nuevo actor que reclama (implícitamente, a través de su diseño y comercialización) una forma de  
autoridad epistémica. Pero esta autoridad es de naturaleza diferente: no se funda en la comprensión  
genuina del campo disciplinar sino en la capacidad de procesar patrones estadísticos. La diferencia  
tiene consecuencias para cómo los estudiantes conceptualizan el conocimiento mismo.  
La distinción entre conocimiento explícito y tácito, que (Polanyi, 1966, p. 4) articuló en su análisis de la  
dimensión implícita del saber, introduce una complicación adicional. Gran parte de lo que constituye la  
comprensión genuina de un dominio no es reducible a proposiciones articulables; reside en la  
capacidad de percibir la estructura de un problema, de reconocer cuándo una estrategia es apropiada,  
de sentir cuándo una solución «encaja». Esta dimensión tácita se desarrolla en la práctica reflexiva con  
problemas auténticos, con pares epistémicos y con la experiencia de estar genuinamente perdido ante  
algo que importa. La pseudo-mayéutica algorítmica opera fundamentalmente en el registro del  
conocimiento explícito y proposicional, y tiene acceso muy limitado a las condiciones que permiten el  
desarrollo del conocimiento tácito.  
Ruiz Muñoz (2025, p. 22) documenta en su estudio sobre tutores virtuales basados en IA en la  
Universidad de Guayaquil que «más del 60% de los estudiantes declararon que el uso de tutores  
virtuales les permitió comprender mejores temas complejos y organizar su autoestudio más  
eficientemente», pero también que «los docentes señalaron limitaciones relacionadas con la  
infraestructura tecnológica y la formación docente en el uso de estas herramientas». Esta discrepancia  
entre la percepción estudiantil de mejora y las reservas docentes sugiere que lo que los estudiantes  
experimentan como comprensión mejorada puede no corresponder a lo que los expertos disciplinares  
reconocerían como dominio genuino del conocimiento. La discrepancia no invalida la experiencia  
estudiantil, pero sí exige interrogarla epistemológicamente.  
Desde la sociología del conocimiento, esta reconfiguración puede leerse como una transformación de  
las relaciones sociales de producción del saber universitario. El docente, tradicionalmente legitimado  
por su trayectoria disciplinar y su capacidad de juicio experto, ve erosionada su autoridad epistémica  
por un sistema que no posee trayectoria ni juicio pero que simula las formas del diálogo pedagógico  
con eficiencia superior en ciertas métricas. (Poémape-Bustamante & Siguas-Flores, 2025, p. 6)  
documentan que «uno de los desafíos para los docentes universitarios será promover la integridad  
académica entre los estudiantes» en contextos mediados por IA. El desafío no es solo de integridad  
académica; es de legitimidad epistémica: ¿qué autoriza al docente a evaluar el conocimiento si el  
sistema que produjo ese conocimiento aparente opera con criterios diferentes a los de la tradición  
disciplinar?  
La reconfiguración de la autoridad epistémica tiene dimensiones que exceden el aula individual y  
alcanzan la estructura institucional de la universidad. Buele y Llerena-Aguirre (2025, p. 8) documentan  
en su revisión que «los miembros del profesorado reconocen la utilidad de tales tecnologías, pero  
también expresan preocupaciones éticas, inseguridad técnica y temor al desplazamiento profesional».  
Esta ambivalencia docente es sintomática de una crisis más profunda: la universidad como institución  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2705.  
de producción y validación del conocimiento se encuentra interpelada por sistemas que reclaman  
participar en esa producción sin someterse a los criterios tradicionales de legitimación.  
Desde la perspectiva de los estudios sociales de la tecnología, los sistemas de tutoría algorítmica no  
son artefactos neutrales que se insertan en prácticas educativas preexistentes; son agentes de  
transformación que reconfiguran esas prácticas en el proceso mismo de su inserción. Medeiros et al.  
(2025, p. 15) señalan que «la presencia de la IA en la formación docente demanda no solo  
competencias técnicas sino también discernimiento ético, reflexión crítica y compromiso con prácticas  
educativas emancipatorias». Esta condicionalidad (la IA puede ser beneficiosa si se usa de cierta  
manera) revela que el sistema por sí solo no garantiza ningún resultado epistémico particular; los  
resultados dependen de las prácticas sociales en las que se inserta.  
DISCUSIÓN  
Discusión crítica: la objeción funcionalista y sus límites  
El argumento desarrollado debe confrontarse con una objeción sustantiva que puede formularse así:  
¿y si el conocimiento no depende de condiciones socráticas (ignorancia auténtica, vulnerabilidad  
epistémica, alteridad genuina), sino únicamente de efectos cognitivos mensurables? Esta objeción, que  
denominaremos funcionalista, sostiene que lo epistemológicamente relevante no es la naturaleza del  
proceso sino sus resultados: si el estudiante puede resolver problemas, aplicar conceptos y transferir  
conocimiento, entonces hay conocimiento, independientemente de cómo se haya producido. Esta  
objeción merece desarrollo serio porque articula una posición defendible y ampliamente sostenida en  
el campo.  
La objeción funcionalista tiene respaldo empírico considerable. Kestin et al. (2025, p. 7) documentan  
que los estudiantes que usaron el tutor IA no solo obtuvieron mejores puntuaciones, sino que también  
«se sintieron más comprometidos y motivados». Létourneau et al. (2025, p. 12) reportan que «los  
efectos de los ITS sobre el aprendizaje y el rendimiento en educación K-12 son generalmente  
positivos». Hemachandran et al. (2022, p. 8) argumentan que «la inteligencia artificial puede mejorar la  
tutoría en educación superior» al «cerrar la brecha entre profesores humanos y máquinas».  
Desde la perspectiva funcionalista, la pregunta por las condiciones epistémicas del proceso sería  
filosóficamente interesante pero prácticamente irrelevante. Si los estudiantes aprenden más, mejor y  
más rápido, ¿qué importa si el proceso que produce ese aprendizaje satisface o no condiciones  
derivadas de diálogos platónicos escritos hace veinticuatro siglos? Esta formulación de la objeción  
tiene fuerza retórica considerable y no puede ser descartada sin examen cuidadoso.  
Sin embargo, la objeción funcionalista enfrenta problemas serios cuando se examina qué miden  
exactamente los indicadores de efectividad. Los estudios empíricos típicamente miden rendimiento en  
pruebas estandarizadas, capacidad de resolver problemas similares a los practicados, y percepciones  
subjetivas de aprendizaje. Lo que generalmente no miden (porque es metodológicamente difícil de  
medir) es la capacidad de transferencia a contextos genuinamente nuevos, la profundidad de la  
comprensión conceptual, la capacidad de reconocer los límites del propio conocimiento, o el desarrollo  
de disposiciones epistémicas como la curiosidad genuina y la tolerancia a la incertidumbre.  
Ruiz Muñoz (2025, p. 3) documenta en su revisión que la integración de IA «mejora el rendimiento en  
disciplinas STEM y de lenguaje, aunque con efectos limitados en pensamiento crítico y creatividad».  
Esta limitación es epistemológicamente significativa: sugiere que los efectos positivos se concentran  
en dimensiones del conocimiento que son más fácilmente algoritmizables (conocimiento  
proposicional), procedimientos estandarizados, aplicación de reglas (mientras que las dimensiones  
menos algoritmizables, pensamiento crítico, creatividad, juicio experto) muestran efectos limitados o  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2706.  
nulos. La distinción no es menor: si los sistemas de tutoría algorítmica producen mejoras selectivas  
en las dimensiones más superficiales del conocimiento mientras dejan intactas o erosionan las más  
profundas, entonces la efectividad medida puede estar ocultando un problema epistemológico más  
que resolviéndolo.  
Una segunda objeción sostendría que la mayéutica socrática como aquí se describe es un ideal  
regulativo que nunca ha existido en forma pura. Los diálogos platónicos son textos literarios, no  
transcripciones de intercambios pedagógicos reales. Y los docentes humanos que emplean métodos  
socráticos frecuentemente operan con agendas pedagógicas predeterminadas. Esta objeción ilumina  
un punto importante: la mayéutica funciona como tipo ideal en el sentido weberiano. Sin embargo, la  
distinción sigue siendo significativa. Un docente humano que guía hacia conclusiones  
predeterminadas puede ser sorprendido por una respuesta inesperada y modificar su comprensión;  
tiene la capacidad estructural de hacerlo aunque no siempre la ejerza. El sistema algorítmico carece  
de esta capacidad por diseño. La diferencia no es de grado sino de tipo: es la diferencia entre la  
posibilidad estructural de la sorpresa epistémica y su imposibilidad arquitectónica.  
Habermas (1984, p. 286) ofrece una perspectiva complementaria desde la teoría de la acción  
comunicativa. El diálogo auténtico presupone condiciones simétricas de participación y la posibilidad  
de cuestionar las pretensiones de validez del interlocutor. En el intercambio con un tutor algorítmico,  
el estudiante puede cuestionar las respuestas del sistema, pero ese cuestionamiento no modifica las  
pretensiones de validez del sistema de la manera en que lo haría en un diálogo genuino, porque el  
sistema no tiene pretensiones de validez en el sentido habermasiano: tiene parámetros optimizados.  
El estudiante puede experimentar que discute con alguien; en realidad, solicita outputs de un sistema  
que no puede ser convencido porque no cree nada. Esta asimetría comunicativa es estructural, no  
contingente.  
Una tercera objeción, más pragmática, señalaría que las instituciones universitarias enfrentan  
restricciones reales de recursos, ratios docente-estudiante desfavorables, y demandas crecientes de  
personalización que los sistemas algorítmicos pueden atender con eficiencia superior. Esta objeción  
es legítima pero no epistemológica: reconoce que los sistemas algorítmicos pueden ser útiles dadas  
ciertas restricciones, no que sean equivalentes epistémicamente a la tutoría humana. Villarroel-Molina  
et al. (2025, p. 12) señalan en su revisión que «se necesitan marcos regulatorios y enfoques  
pedagógicos centrados en el ser humano que promuevan una integración crítica, inclusiva y ética de la  
IA en entornos educativos». La utilidad pragmática y la equivalencia epistémica son cuestiones  
diferentes que requieren respuestas diferentes.  
Conviene, sin embargo, tomar en serio la objeción funcionalista en su versión más fuerte. Esta versión  
sostendría que la distinción entre condiciones epistémicas y efectos cognitivos es un residuo  
metafísico que carece de consecuencias observables. Si no hay diferencia detectable entre el  
estudiante que «comprende genuinamente» y el que «rinde adecuadamente sin comprensión genuina»,  
entonces la distinción carece de contenido empírico y puede abandonarse sin pérdida. Esta  
formulación de la objeción tiene la virtud de explicitar los compromisos filosóficos del funcionalismo:  
un verificacionismo implícito que identifica significado con consecuencias observables.  
La respuesta a esta versión fuerte de la objeción funcionalista requiere mostrar que la distinción entre  
comprensión y rendimiento sí tiene consecuencias observables, aunque no necesariamente en los  
instrumentos de medición que el campo típicamente emplea. Las consecuencias se manifiestan en  
dominios que los estudios de efectividad raramente exploran: la capacidad de transferencia a  
contextos genuinamente nuevos, la disposición a reconocer los límites del propio conocimiento, la  
apertura a la incertidumbre productiva, la capacidad de formular preguntas genuinas. Estas  
capacidades son difíciles de operacionalizar en instrumentos estandarizados, pero su dificultad de  
medición no implica su inexistencia.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2707.  
Selwyn (2024, p. 12) advierte que la integración de la IA en educación implica transformaciones  
profundas que exceden la mera innovación pedagógica: «las tecnologías de IA están reconfigurando  
las relaciones entre educadores, estudiantes y conocimiento de maneras que requieren escrutinio  
crítico sostenido». Esta advertencia desde los estudios críticos de tecnología educativa refuerza el  
argumento central de este ensayo: lo que está en juego no es solo la eficacia de un instrumento, sino  
la naturaleza misma del conocimiento que se produce y del sujeto que se forma en el proceso de  
producirlo.  
CONCLUSIÓN  
El análisis desarrollado permite sostener una distinción que el campo de la inteligencia artificial en  
educación ha tendido a diluir: los sistemas denominados socráticos no participan de la estructura  
epistémica que define la mayéutica, aun cuando reproduzcan su forma discursiva. Esta diferencia no  
es meramente terminológica, sino ontológica en sentido epistemológico. La pseudo-mayéutica  
algorítmica no constituye una versión degradada de la mayéutica, sino una configuración distinta de  
producción de conocimiento que opera bajo lógicas de predicción, optimización y clausura parametral.  
Desde esta perspectiva, el problema no radica en la eficacia funcional de estos sistemas  
(empíricamente documentada en múltiples estudios), sino en la confusión entre dicha eficacia y la  
transformación epistémica del sujeto que conoce. La mejora en indicadores de rendimiento puede  
coexistir con una reducción de las condiciones que hacen posible la comprensión profunda,  
particularmente aquellas asociadas a la experiencia de la incertidumbre, la vulnerabilidad epistémica y  
la construcción dialógica del conocimiento.  
En este sentido, la pseudo-mayéutica algorítmica no elimina la producción de conocimiento, sino que  
la desplaza hacia formas epistemológicas distintas que aún carecen de categorías analíticas  
suficientemente desarrolladas. El desafío no consiste en rechazar estos sistemas ni en adoptarlos  
acríticamente, sino en construir un vocabulario conceptual capaz de distinguir entre diferentes modos  
de conocer en contextos mediados por inteligencia artificial. Como ha señalado Selwyn (2024, p. 45),  
la integración crítica de tecnologías digitales en educación exige «resistir la tentación de aceptar las  
promesas tecnológicas sin interrogar sus presupuestos epistemológicos y sus efectos sobre las  
relaciones pedagógicas».  
La cuestión que se abre para las ciencias sociales no es, por tanto, si estos sistemas funcionan, sino  
qué tipo de sujeto epistémico contribuyen a formar y en qué condiciones ese sujeto puede o no  
sostener una relación reflexiva, crítica y autónoma con el conocimiento. Selwyn (2024, p. 12) advierte  
que la integración de la IA en educación constituye una reconfiguración de las relaciones de poder  
cuyas implicaciones para la agencia epistémica estudiantil requieren un escrutinio sostenido. Nombrar  
con precisión este fenómeno no es un ejercicio terminológico, sino una condición para evitar que la  
apariencia de diálogo sustituya silenciosamente a sus condiciones de posibilidad.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2708.  
REFERENCIAS  
Buele, J., & Llerena-Aguirre, L. (2025). Transformations in academic work and faculty perceptions of  
artificial intelligence in higher education. Frontiers in Education, 10, Article 1603763.  
Cordón García, O. (2023). Inteligencia artificial en educación superior: Oportunidades y riesgos. Revista  
Interuniversitaria  
de  
Investigación  
en  
Tecnología  
Educativa,  
15,  
156178.  
Freire, P. (2005). Pedagogía del oprimido. Siglo XXI Editores.  
Habermas, J. (1984). The theory of communicative action, Vol. 1: Reason and the rationalization of  
society. Beacon Press.  
Hemachandran, K., Verma, P., Pareek, P., Arora, N., Rajesh Kumar, K. V., Ahanger, T., Pise, A., & Ratna,  
R. (2022). Artificial intelligence: A universal virtual tool to augment tutoring in higher education.  
Computational  
Intelligence  
and  
Neuroscience,  
2022,  
Article  
1410448.  
Hernández León, N., & Rodríguez-Conde, M. (2024). Inteligencia artificial aplicada a la educación y la  
evaluación educativa en la universidad. Revista de Educación a Distancia, 24(78), 125.  
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active  
learning: An RCT introducing a novel research-based design in an authentic educational setting.  
Létourneau, A., Deslandes Martineau, M., Charland, P., Karran, J. A., Boasen, J., & Léger, P. M. (2025). A  
systematic review of AI-driven intelligent tutoring systems in K12 education. npj Science of Learning,  
Lin, C. C., Huang, A. Y. Q., & Lu, O. H. T. (2023). Artificial intelligence in intelligent tutoring systems  
toward sustainable education: A systematic review. Smart Learning Environments, 10, Article 41.  
Medeiros, R. O., Mascarin, A. M. N., Santos, J. P., et al. (2025). Between algorithms and knowledge:  
Artificial intelligence in teacher education in higher education. Interference: A Journal of Audio Culture,  
Paz, H. R. (2025). The AI tutor in engineering education: Design, results, and redesign of an experience  
Platón. (1983). Menón. En Diálogos II (F. J. Olivieri, Trad.). Gredos.  
Platón. (1988). Teeteto. En Diálogos V (A. Vallejo Campos, Trad.). Gredos.  
Platón. (1992). Apología de Sócrates. En Diálogos I (J. Calonge Ruiz, Trad.). Gredos.  
Poémape-Bustamante, K., & Siguas-Flores, C. (2025). Actitudes éticas de estudiantes de educación  
superior  
ante  
la  
inteligencia  
artificial:  
Revisión  
narrativa.  
HOMERO,  
6(1),  
115.  
Polanyi, M. (1966). The tacit dimension. Doubleday.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2709.  
Ruiz Muñoz, G. (2025). El impacto de la inteligencia artificial y las herramientas digitales en las  
asignaturas básicas de la educación superior. Revista de Investigación en Tecnologías de la  
Salas-Pilco, S. Z., & Yang, Y. (2022). Artificial intelligence applications in Latin American higher  
education: A systematic review. International Journal of Educational Technology in Higher Education,  
Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417424.  
Selwyn, N. (2024). Education and AI: Critical perspectives on digital technologies in education.  
Routledge.  
Villarroel-Molina, R., Zapata-Velasco, M., Villarroel-Molina, L. M., Molina-Endara, C. M., & Peralta-Arana,  
M. J. (2025). Inteligencia artificial en la educación: Avances, retos éticos y perspectivas pedagógicas.  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este  
sitio está disponibles bajo Licencia Creative Commons  
..  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, julio, 2026, Volumen VII, Número 3 p 2710.