«Dieta cognitiva» para nutrir la mente en el uso de IA

 Por Regina Freyman de Edubits del Tec de Monterrey

StoryQ-IA propone una etiqueta cognitiva para hacer visible el esfuerzo intelectual que implica el uso de inteligencia artificial generativa en actividades educativas. El modelo busca fortalecer la soberanía cognitiva del estudiante mediante el análisis crítico, la creatividad, la inmunidad intelectual y la anticipación prospectiva.

Los avances tecnológicos a lo largo de la historia nos han permitido disfrutar de los beneficios de la vida moderna, como el transporte, las tecnologías digitales, la ingeniería de alimentos, entre otros. Sin embargo, este florecimiento también propició en diferentes sentidos una pandemia de obesidad que cambió el estado de nuestra salud física y que a la fecha se realizan esfuerzos por contenerla. Esta es la contraparte o el lado adverso del progreso. Con el tiempo, hemos aprendido que cuidar nuestra alimentación, hacer ejercicio, dormir bien y llevar una vida sana son fundamentales para nuestro bienestar físico.

De manera similar, el avance en el desarrollo de la inteligencia artificial generativa (IA Gen) introduce una nueva forma de delegación cognitiva que puede desplazar procesos intelectuales que antes formaban parte del aprendizaje. De aquí surge esta analogía: si el cerebro puede nutrirse como lo hace el cuerpo, ¿por qué no crear una “dieta cognitiva” que traduzca la descarga intelectual que supone el uso de la IA y traslade esa energía a procesos que nos exijan potenciar nuestra inteligencia humana? En este artículo comparto una propuesta de etiqueta cognitiva, similar a las etiquetas nutricionales de los alimentos para señalar el gasto cognitivo que suponen las actividades de una materia escolar en cualquier nivel educativo.

Etiqueta cognitiva nutricional para la mente

Esta etiqueta cognitiva surge como una herramienta pedagógica inspirada en las etiquetas nutricionales de los alimentos. Así como estas inscripciones permiten comprender qué nutrientes contiene un producto y si contribuye o no a una dieta equilibrada, la etiqueta cognitiva permite observar qué tipo de pensamiento exige una actividad educativa y qué valor intelectual aporta al estudiante. La etiqueta cognitiva señala el esfuerzo mental que supone una actividad en el aula usando IA. Nos ayudará a 1) hacer evidente el valor de lo que aprenderán los estudiantes, 2) crear conciencia sobre la forma en que “alimentamos” nuestro cerebro con el uso de IA y 3) a decidir mejor sobre aspectos pedagógicos en clase usando las nuevas tecnologías de inteligencia artificial.

Mi propuesta busca impulsar el uso de las nuevas tecnologías de IA para la educación de manera sana, preservando nuestra agencia y el desarrollo de las capacidades humanas como el análisis crítico, la interpretación, la creatividad y la anticipación. Esto nos ayudará a lograr mayores propósitos como seres humanos.

La etiqueta cognitiva que diseñé, llamada StoryQ-IA, permite analizar qué papel cumple la tecnología en el proceso de aprendizaje evaluando cuatro aspectos fundamentales:

1. Nivel de intervención de la inteligencia artificial
   Indica qué parte del proceso fue realizada por la máquina y cuál por el estudiante. Este elemento permite distinguir entre delegación mecánica y participación intelectual.

2. Tipo de descarga cognitiva
   Toda tecnología produce cierto grado de descarga cognitiva, es decir, libera al cerebro de tareas repetitivas o mecánicas. La etiqueta permite identificar si esa descarga empobrece el aprendizaje o si, por el contrario, libera recursos mentales para operaciones de mayor complejidad.

3. Valor cognitivo de la actividad
   Este indicador muestra si la actividad promueve el análisis, síntesis, interpretación, creatividad o pensamiento prospectivo. De este modo, el foco se desplaza del resultado final hacia el proceso intelectual que el estudiante desarrolla.

4. Estrategia del estudiante frente a la IA
   La etiqueta también permite reconocer el tipo de relación que el estudiante establece con la tecnología. Por ejemplo, pueden usarla solo como herramienta de eficiencia, como apoyo para profundizar en el análisis o incluso como un interlocutor crítico que desafía sus propias ideas.

Imagen 1. Etiqueta del valor cognitivo para docentes (izquierda) y para estudiantes (derecha). Regina Freyman (2026). Diseño creado por Regina y gráfico creado con ChatGPT.

En la imagen 1 se presenta la estructura de la etiqueta cognitiva para docentes (izquierda), quienes desarrollan materiales educativos, y una etiqueta cognitiva (derecha) para las actividades que realizan los estudiantes. Fue diseñada para hacer visible la distribución de la carga mental en actividades mediadas por inteligencia artificial. El instrumento articula cinco dimensiones: 1) intervención de la herramienta, 2) descarga cognitiva, 3) valor cognitivo, 4) función de la IA y 5) estrategia del estudiante. Su propósito no es medir el desempeño en términos tradicionales, sino identificar el tipo de relación establecida entre el sujeto y el sistema, así como las operaciones cognitivas activadas durante el proceso.

Estrategia del estudiante frente al uso de la IA

Uno de los aportes de la etiqueta cognitiva StoryQ-IA es que opera como un instrumento de persuasión pedagógica más que de control. Busca hacer visible el trayecto elegido por el estudiante y el valor cognitivo resultante. En este sentido, se proponen tres categorías de estrategia entendidas como tipologías heurísticas de uso y no como una jerarquía psicométrica:

• Inteligente (uso eficiente). El estudiante emplea la inteligencia artificial para optimizar tareas y acelerar procesos sin perder la comprensión ni la conservación de sentido.

• Sabio (uso analítico). Describe un uso reflexivo en el que la herramienta sirve para contrastar ideas, ampliar perspectivas y sostener un diálogo crítico con la información generada.

• Genio (uso creativo). La IA se convierte en material de fricción o de interlocución para producir ideas originales, relecturas inesperadas o proyecciones prospectivas.

Estas categorías funcionan como modos electivos de ejecución. La premisa de la propuesta es que el pensamiento del estudiante debe ser más complejo que la delegación realizada, es decir, opera como un criterio orientador de la soberanía cognitiva.

Propuesta pedagógica StoryQ-IA

StoryQ-IA es una propuesta pedagógica cuyo propósito es fortalecer la soberanía cognitiva del estudiante. La soberanía cognitiva se entiende como la capacidad de sostener juicio propio, comprender el tipo de pensamiento que una herramienta propicia o sustituye y elegir conscientemente formas de interacción con la inteligencia artificial que favorezcan la elaboración de sentido.

Desde esta perspectiva, la IA aparece como un entorno de prueba que obliga a hacer visibles las decisiones pedagógicas. Por ejemplo, qué tareas conviene delegar, cuáles requieren intervención humana sustantiva y qué tipo de mediación docente permite transformar la eficiencia técnica en oportunidad formativa.

El desplazamiento central de esta propuesta consiste en mover la atención desde el producto hacia el proceso. Se vuelve necesario interrogar el trayecto cognitivo: qué analizó el estudiante, qué comprendió, qué verificó, qué imaginó y cómo usó la herramienta en relación con su propio pensamiento. Este desplazamiento exige repensar la unidad de análisis de la escritura como un trayecto dialógico: una secuencia de iteraciones que articula intención, formulación, respuesta del sistema, lectura crítica, fricción, reformulación y síntesis.

Taxonomía StoryQ-IA del pensamiento humano

El punto de partida de esta propuesta se encuentra en la ecuación SQ = IQ + EQ propuesta por Richard  Stone y Scott Livengoode en el libro Story Intelligence: Master Story, Master Life. Donde se entiende el storytelling como una articulación entre la inteligencia cognitiva y la inteligencia emocional, confiriendo a la capacidad de narrar la experiencia humana como la base sólida para una existencia en bienestar. Si lo pensamos a detalle, la manera en que te cuentas la vida y haces de ella un camino con sentido o un abismo sin salida depende de la razón y la emoción que empeñas en contarte tu propia historia y también las demás.

Esta formulación reconoce que la capacidad de contar, comprender y conectar historias no depende solamente del razonamiento lógico, sino también de la emoción, la empatía y la construcción de sentido. Narrar implica, en este marco, ordenar la experiencia, vincular memoria y afecto, y transformar información dispersa en una secuencia significativa. Mi propuesta propone una expansión de la ecuación original en los siguientes términos:

StoryQ = N (IQ + EQ + II + AP)

La ecuación expandida se traduce en la siguiente taxonomía funcional para observar las operaciones cognitivas en la práctica:

• StoryQ – Es la capacidad de contarse la propia vida de formas resilientes para sobrevivir a la adversidad. De recomponer y adaptar la historia personal, laboral, profesional o social de manera que seamos susceptibles de adaptarnos a la realidad cambiante.

• N – Representa la inteligencia narrativa, es decir, la capacidad de organizar la experiencia humana en relatos que dan sentido, conectar información dispersa y proyectar futuros.Dentro de esa arquitectura narrativa operan cuatro dimensiones de la inteligencia humana:

• IQ – Inteligencia analítica.
Permite comprender información, establecer relaciones lógicas y resolver problemas.

• EQ – Inteligencia emocional y relacional.
Hace posible comprender a los otros, cooperar y construir sentido compartido.

• II – Inmunidad intelectual.
Es la capacidad de detectar sesgos, cuestionar respuestas automáticas y mantener pensamiento crítico frente a sistemas algorítmicos.
• AP – Anticipación prospectiva. Capacidad de imaginar escenarios futuros, evaluar consecuencias e integrar el pensamiento crítico con la imaginación orientada a la acción.

La ecuación expandida no sustituye la formulación previa, sino que la prolonga críticamente. Su aporte consiste en incorporar dos dimensiones que hoy resultan indispensables. La primera es la inmunidad intelectual, entendida como la capacidad de cuestionar respuestas automáticas, contrastar perspectivas, verificar la información y resistir marcos narrativos impuestos por sistemas algorítmicos. Y la segunda es la anticipación prospectiva, que es la capacidad de imaginar escenarios futuros, evaluar consecuencias e integrar el pensamiento crítico con la imaginación orientada a la acción.

Reflexión

Al surgir herramientas capaces de simular la producción humana en textos, imágenes o música, la tentación de evitar la «fricción» del pensamiento y delegar nuestra cognición es inmensa. Sin embargo, responder con una auditoría docente sólo quebranta la confianza.

El verdadero camino reside en la conciencia: una etiqueta cognitiva que transparente el esfuerzo y devuelva al estudiante la responsabilidad de su propio proceso intelectual.

StoryQ-IA es la evolución del storytelling como dispositivo pedagógico. Al integrar la inmunidad intelectual y la anticipación prospectiva, este modelo ofrece una gramática para sostener el juicio propio y la autoría frente a los sistemas generativos.

El aporte central de esta propuesta es desplazar la pregunta educativa: ya no se trata de qué puede hacer la máquina, sino de qué debe seguir haciendo el pensamiento humano para construir un futuro en el que nuestra inteligencia y bienestar no sean sustituibles. En este nuevo escenario, la narrativa recupera su función más sagrada: organizar la experiencia, preservar el sentido y proyectar, con plena soberanía, los futuros posibles.

Acerca de la autora

Regina Freyman (regina.freyman@tec.mx) es una docente que camina entre libros y algoritmos, convencida de que el futuro de la educación habita en la intersección entre las humanidades y la tecnología. Su formación híbrida —Licenciada en Lengua y Literatura Hispánicas por la UNAM, publicista por el CECC, y Maestra en Crítica Literaria por la Ibero— refleja desde el inicio su interés por formar una nueva mente.

Tomado de EDUBITS 

El uso de la IA en la comunicación científica: transparencia, detectores y nuevos sesgos

 Tomado de Universo Abierto

David Crotty, “AI Use in The Scholarly Kitchen”, The Scholarly Kitchen, 27 de agosto de 2026. Publicado por la Society for Scholarly Publishing (SSP). Artículo original en The Scholarly Kitchen

El artículo parte de una experiencia concreta de The Scholarly Kitchen para analizar uno de los debates más controvertidos de la comunicación científica actual: cómo utilizar la inteligencia artificial en la escritura y edición sin convertir su uso en un problema de confianza, autoría o integridad editorial. El autor explica que el blog ha recibido un número creciente de mensajes de lectores que sospechan que determinados textos han sido escritos por IA, muchas veces basándose exclusivamente en la apariencia del estilo o en el resultado de herramientas automáticas de detección.

Una de las cuestiones centrales del artículo es la limitación de los detectores de IA. Crotty señala que herramientas como Pangram o GPTZero han mejorado su precisión, pero todavía presentan importantes limitaciones. Sobre todo, no distinguen adecuadamente entre un texto completamente generado por IA y un texto escrito por una persona que posteriormente ha sido traducido, corregido, revisado o mejorado mediante IA. Desde el punto de vista editorial, son situaciones muy diferentes, pero un detector puede clasificarlas de manera similar. Por ello, la detección de participación de IA no permite determinar automáticamente cómo se utilizó la herramienta ni si ese uso fue éticamente aceptable.

El problema se agrava con los falsos positivos. El autor relata que algunos textos de The Scholarly Kitchen acusados de haber sido generados íntegramente por IA habían sido realmente escritos, editados y ampliados por miembros del equipo editorial. Incluso menciona el caso de un informe humano que, al pasar por Pangram, fue clasificado como un 9 % generado por IA, pero el sistema identificó incorrectamente qué fragmentos procedían de la IA y cuáles habían sido escritos por una persona. Esto muestra que un porcentaje obtenido mediante un detector no debería interpretarse como una prueba concluyente de autoría artificial.

La política de The Scholarly Kitchen

La IA no puede aparecer como autora de un artículo, y las imágenes generadas por IA no se admiten salvo que exista una razón específica relacionada con el contenido del artículo. Sin embargo, sí se permite utilizar herramientas de IA para redacción y edición, tanto por parte de los autores como de editores y revisores, siempre que exista transparencia y se documente su utilización. Crotty señala que inicialmente la publicación confiaba en la responsabilidad individual de los autores, pero recientemente ha decidido adoptar una posición más activa para exigir la declaración del uso de IA.

Esta postura plantea una cuestión interesante para las publicaciones académicas: prohibir completamente la IA puede ser menos eficaz que establecer reglas claras de utilización y declaración. Crotty considera que, en un espacio editorial de opinión y análisis como The Scholarly Kitchen, existe margen para experimentar y aprender. Su planteamiento es que la transparencia puede resultar más útil que una prohibición absoluta, especialmente mientras las comunidades académicas y editoriales siguen intentando determinar qué usos son aceptables en diferentes contextos.

El riesgo de crear un nuevo sesgo

Uno de los argumentos más interesantes del artículo es que la reacción contra la IA puede generar un nuevo tipo de sesgo editorial y académico. Crotty observa que algunos lectores utilizan la sospecha de utilización de IA como una forma de descalificar contenidos con los que no están de acuerdo. En lugar de analizar los argumentos, las evidencias o la calidad de la investigación, basta con afirmar que el texto «parece escrito por IA» para cuestionarlo.

Esto tiene especial importancia en la comunicación científica. Tradicionalmente, los textos de investigadores que escriben en una lengua que no es la suya pueden recibir una valoración negativa debido a errores gramaticales o estilísticos, incluso cuando la investigación que contienen es sólida. Una de las posibles aportaciones de la IA es precisamente ayudar a superar esta barrera lingüística. Sin embargo, si la comunidad empieza a penalizar automáticamente cualquier texto que parezca haber sido mejorado mediante IA, podría sustituirse un sesgo lingüístico por un nuevo sesgo tecnológico.

“Escribir es pensar”

La parte más personal del artículo aparece cuando Crotty explica su propia relación con estas herramientas. Afirma que para él escribir constituye una forma de pensar: redactar le obliga a organizar las ideas, construir argumentos y comprender mejor aquello sobre lo que quiere escribir. Desde esta perspectiva, delegar la elaboración del texto en una IA supone también, en cierta medida, delegar una parte del proceso intelectual.

Crotty expresa además preocupación por la posibilidad de que los modelos de lenguaje conduzcan hacia una homogeneización de la escritura. Los modelos tienden a producir respuestas estadísticamente plausibles y, según su argumento, esto puede llevar a que los textos se parezcan cada vez más entre sí. La IA puede ayudar a una persona con dificultades de escritura a mejorar su expresión, pero también podría hacer que un escritor experimentado pierda parte de su estilo, originalidad o capacidad para producir ideas alejadas de los patrones habituales.

Una cuestión especialmente relevante para la ciencia

El artículo resulta particularmente interesante porque desplaza el debate desde la pregunta “¿ha utilizado IA este texto?” hacia otra mucho más útil: “¿para qué se utilizó la IA y qué responsabilidad conserva el autor?”. Esta distinción es fundamental en el ámbito académico. Utilizar IA para corregir gramática, traducir un párrafo, generar alternativas de redacción, resumir información o desarrollar una primera estructura no equivale necesariamente a delegar en ella la producción intelectual de una investigación.

Por ello, el texto apunta hacia un modelo basado en transparencia, responsabilidad humana y evaluación del contenido, en lugar de confiar exclusivamente en detectores automáticos. Un detector puede constituir una señal para investigar, pero no debería convertirse por sí mismo en una prueba de mala conducta académica. El propio artículo insiste en que incluso los mejores sistemas de detección no pueden determinar por sí solos qué uso de IA se produjo ni si ese uso resulta éticamente aceptable.

Relevancia para bibliotecas y alfabetización en IA

Para las bibliotecas universitarias y los servicios de apoyo a la investigación, el artículo ofrece una idea especialmente importante: la alfabetización en IA no debería reducirse a enseñar a detectar textos generados artificialmente. También debe enseñar a comprender los diferentes usos de estas herramientas, evaluar críticamente sus resultados, documentar cuándo y cómo se han utilizado y mantener la responsabilidad intelectual sobre el producto final.

En este sentido, el artículo puede relacionarse directamente con la integridad científica, la alfabetización informacional y la formación de investigadores. El objetivo no debería ser identificar mecánicamente si «hay IA» en un documento, sino ayudar a estudiantes, investigadores, autores, revisores y editores a establecer criterios razonables sobre autoría, contribución intelectual, transparencia, verificación de información y responsabilidad.

Tomado de Universo Abierto

IA360: Plan integral español para el uso de la IA

 Por Ramón Besonías.

El 21 de septiembre de este año 2026, el gobierno comunicó su intención de poner en marcha un plan integral para el despliegue responsable de la IA. Lo ha llamado IA360, suponemos que 360 porque supone implementar medidas en todos los aspectos: social, educativa, laboral, institucional. España se une a el resto de países europeos, con un marco común ya delimitado en el Reglamento Europeo de IA (AI Act). La idea es que ahora cada país articule medidas que caminen en una integración efectiva y segura de la IA el la gestión administrativa, la seguridad, el sistema educativo, el desarrollo empresarial y la innovación. 

El paso no es pequeño. Pasamos de observar el asunto con cierta cautela y recelo a reconocer que la IA está para que darse y que si no espabilamos, perderemos un tren de progreso esencial para el avance de cualquier país. La idea de que la IA es una herramienta sin más deja de ser válida. Se convertirá en un modelo sistémico, que vertebrará cualquier ámbito de nuestras vidas, desde la vida privada hasta el aprendizaje y el trabajo. Los servicios públicos, la administración, la seguridad nacional, la usarán como sistema interno de su arquitectura y procesos. 

Tarde o temprano afectará de forma directa a nuestras vidas. Ya lo está haciendo, aunque de forma embrionaria. El debate de la IA aún se sitúa en un plano inicial, de asimilación, con actitudes ambivalentes de rechazo y curiosidad. Sabemos de su importancia, pero no vemos aún su incidencia radical en el aprendizaje y el empleo. Los procesos productivos aún no incluyen sistemas de IA que requieran una formación auxiliar. Los currículos no integran la IA como pilar esencial desde el que integrar los conocimientos y competencias. La fase de prompteo persiste. La IA se percibe aún como herramienta más o menos resultona, pero conflictiva. La actitud defensiva crece frente a la proactiva. Se subraya la seguridad frente a la creatividad y la innovación. 

Por eso, este paso, tardío pero necesario, supone un reconocimiento explícito de que hay que empezar a tomarse en serio la IA como sociedad, y empezar a dar pasos hacia una asimilación de su inclusión inevitable en nuestra forma de aprender y trabajar. Supone además un reto nacional de innovación que debemos asumir si queremos ser competitivos en un nuevo ecosistema mundial en profunda transformación. Podemos negarlo, pero tarde o temprano nos afectará.

¿Qué es IA360? Un plan ambicioso, a largo plazo, que pretende poner las bases y los primeros pasos de lo que debiera ser una integración global y sistémica de la IA en todos los ámbitos de nuestra actividad diaria. Esto incluye el sistema educativo y su posterior aplicación a la capacitación profesional, la integración en los modelos de trabajo y la administración y gestión pública y privada. Esto es lo que desea ser. Otra cosa es cómo se llevará a cabo y qué impacto real tendrá en esos ámbitos de adopción. Generar normativas, dotar de recursos y facilitar no siempre es suficiente, y requiere de voluntad y tiempo, aclimatación, engranajes que solo con décadas acaban dando sus frutos, transformando hábitos y estructuras. En su contra, IA360 tiene a una ciudadanía poco entrenada en usos básicos de IA, con una imagen catastrofista alimentada en redes y a veces en medios oficiales. Además, los cambios estructurales no se dan con rapidez, requieren asentarse. No es previsible que esto suceda en menos de 10 años.

¿Cómo afecta el IA 360 a la educación? El primer objetivo es muy ambicioso y a la vez básico: alfabetizar en IA. Hasta ahora, el pacto educativo universal era que todo el mundo supiera leer, escribir y hablar con soltura, comprensión, criterio razonado. Ese objetivo aún persiste en la escuela. No es incompatible con este otro: saber usar con cabeza, creatividad y eficacia la IA en entornos de aprendizaje y trabajo. Pero supone un reto nuevo. Sumimos la competencia lingüística clásica como necesaria en el proceso de enseñanza, pero no la competencia tecnológica. Ésta nos parece un incómodo apéndice, a menudo artificial y no pocas veces contrario al desarrollo de destrezas básicas, enemigo del aprendizaje. Los gobiernos saben que esa actitud hay que cambiarla por pura necesidad ajena a nuestra voluntad, por las buenas (en la escuela) o por las malas (adaptándote cuando trabajes). No bastará en 10 años (quizá menos) con saber leer y escribir. Incluso estas dos habilidades esenciales serán afectadas por la revolución tecnológica de la IA. Ya está sucediendo. 

Por esta razón el objetivo es tan ambicioso. Pretende que toda la ciudadanía tenga conocimientos básicos de IA al igual que en las últimas décadas se ha intentado conseguir la llamada competencia digital. De hecho, es probable que este concepto mute y la IA se integre de manera invasiva en la competencia digital docente. Lo hará de forma muy desigual y lenta, como ha sucedido con la adaptación tecnológica del docente. La diferencia está en que la revolución de la IA está adquiriendo una dimensión más intrusiva aún que sus precedentes. No se reducirá a la capacitación en el manejo de herramientas y su uso en tareas educativas. Impacta de manera nuclear sobre el proceso mismo de alfabetización del estudiante y su forma de aprender. Sería un error reducir su inclusión curricular a crear un área de Inteligencia Artificial en las etapas de ESO y Bachillerato. No es suficiente. Debiera vertebrar la competencia profesional desde su médula. ¿Cómo enseñar sabiendo que la IA impacta sobre el mismo proceso de aprender? Esto requiere algo más que dermoestética curricular.

¿Qué ha pensado por ahora el gobierno? Formación e inserción curricular serán ejes esenciales. ¿Cómo? No sabemos nada por ahora. La formación ya se está impartiendo desde hace un par de años, con mayor acogida cada curso entre los docentes. Otra cuestión es qué formación ofrecer. ¿Un mero retablo de herramientas? El reto es saber qué hacer con ellas en el aula, cómo evaluar con IA. ¿Inserción curricular? No sabemos si será desde un área o de forma trasversal. No se intuye que por ahora afecte al modelo evaluativo formal. El modelo competencial entra lentamente y no sin fricción en las prácticas reales a pie de aula, incluso en la PAU. La IA no será menos. Corremos el peligro de que esa competencia se reduzca a manejo rudimentario de herramientas, sin un soporte curricular y una transformación de los métodos de evaluación. Ya pasó con la competencia digital básica. A esto hay que sumar una tendencia social al rechazo y prohibición de la IA y todo lo que tenga mediación de pantallas. Será una lucha dialéctica entre posiciones a veces extremas, y no carentes de intereses electorales. 

Por otro lado, la formación y el currículo deben modularse progresivamente de la enseñanza obligatoria a la FP y Universidad. Esta última requiere de una capacitación que trasciende lo rudimentario y que se adapte a entornos laborales, procesos de trabajo, nuevas formas de organización, gestión, uso de maquinaria compleja. En el fondo, el IA360 responde a una necesidad de adaptación a un entorno laboral en proceso de cambio tecnológico mundial. Irrumpe en en nuestras vidas sin pedirlo. Costará aclimatarse por su percepción como injerencia sin utilidad a corto plazo. 

Estamos acostumbrados a rutinas de aprendizaje y trabajo pre IA, y ésta aún se aplica de una forma residual, sin apoyo y criterios, en los hábitos cotidianos y educativos. Eso cuando se usa. Es probable que la capacitación profesional llegue antes desde las empresas, a través de cursos de especialización o adaptación tecnológica, que en el proceso previo de formación reglada. Los docentes de FP y Universidad tomarán en serio la necesidad de integrar la IA en sus enseñanzas cuando vean que las empresas la adoptan en los procesos productivos. Si no lo ven, dudo que tomen en serio ese cambio que perciben como impostado y en ocasiones agresivo y nocivo para el aprendizaje. Existen y seguirán existiendo por mucho tiempo velocidades diferentes entre uso cotidiano, aplicación empresarial y formación en las aulas. El plan IA360 corre el riesgo de ser más escaparate que realidad. Requerirá de algo más que invitación al cambio: incentivos económicos, ayudas a la innovación, reducciones fiscales. Las startups valientes y las grandes empresas con recursos la adoptarán antes. Ya lo están haciendo, y se oye poco en los medios. 

Lo poco que sabemos del plan IA360 es que tiene voluntad de implementarse a modo de alfabetización básica en las aulas. Se supone que en 10 años, las nuevas generaciones tendrían una formación suficiente para después integrarla en su formación profesional y en el ecosistema de la empresa donde trabajen. A su vez, se pretende integrarla en la administración pública y los servicios básicos.

¿Problema? Si no se piensa cómo transformar el sistema educativo a partir de esos objetivos, yendo a la raíz, es decir, la evaluación, esa alfabetización será como ducharse y ponerse después la ropa sucia. Un mero trámite como lo son hoy los puntos por competencia digital, estratificados en niveles al estilo del aprendizaje de las lenguas. ¿Cala en el aula? Pues muy poco. Porque persiste un modelo educativo que no se ajusta a lo competencial y cuya adaptación digital era ya antes de la IA muy débil y fragmentado. Además, el docente viene de serie muy cansado de esa alfabetización digital, con escasa fe en sus resultados, saturado del bombardeo mediático y con cierta tendencia a posturas regresivas, de cuidado de lo analógico como respuesta al exceso de información, casi siempre sesgada y polarizada. Además, los partidos políticos utilizan la educación como carnaza para ganar musculatura electoral a través de la dialéctica cultural. 

Por eso, soy escéptico sobre los resultados de este plan, por otra parte necesario y un buen motivo para llevar el debate a casas, bares y claustros. La idea de un plan que fluya desde la educación, pasando por los centros de formación profesional hasta las empresas y la estructura administrativa creo que es un tanto ingenuo. Acelerar la implantación en las empresas será la alarma más eficaz para que el sistema educativo espabile. Primero, en los centros de FP y Universidad, después en las escuelas e institutos, donde los objetivos a menudo están muy alejados de las necesidades de intrusión tecnológica y donde el maridaje con lo analógico es necesario para desarrollar destrezas cognitivas básicas iniciales. 

El flujo de implantación debiera ser al revés, de arriba abajo. Empresas - Formación profesional - Educación obligatoria. Incluso implantando un currículo donde la IA tuviera un papel nuclear, si después no se ve refrendado en las estructuras laborales, en los procesos de trabajo, los docentes no considerarán prioritario su tratamiento didáctico. Lo observo a menudo en la FP. Un estudiante estudia Administración de Empresas, con un currículo pre IA, con un profesorado sin formación adecuada en el uso didáctico de la IA en las tareas de ese sector, y al llegar a las prácticas de empresa, no ve IA por ningún lado. ¿Resultado? Imaginable. 

Entiendo que el gobierno quiera abordar esta transición tecnológica atacando todos los frentes a la vez, pero no caminarán a iguales velocidades. El sistema educativo obligatorio es lento, requiere lentitud, asimilación, paciencia. El mundo laboral, no. Se enfrenta a un tsunami progresivo de transformaciones virulentas, que afectarán antes a algunos sectores que otros, pero que llegarán a todos. Pensemos en 10 años vista. El que escribe no estará en activo por entonces, pero no hay que ser muy avispado para ver la hierba crecer. Cuando debato de esto con mis compañeros más jóvenes me miran como si un loco hablara desde un futuro imaginario y exagerado. Soy Ramón, el de la IA. Un mote cariñoso, esperable, pero que revela la IA a cierta distancia, con curiosidad, cada vez con la escéptica intuición de que la IA te alcanzará, pero no ahora. Mientras tanto, uno hace en el aula lo que puede y como ha aprendido. La física mecánica es clara al respecto: un cuerpo no es movido si otro cuerpo lo mueve o él mismo tiene un motor que lo pone en funcionamiento. 

Tomado de IA educativa

El uso de Inteligencia Artificial y el futuro que queremos

Por Paola Dellepiane

El artículo El uso de la IA en educación, decidir el futuro que queremos publicado por la UNESCO, nos invita a una reflexión profunda y necesaria: la Inteligencia Artificial ya no es una tecnología del futuro lejano, sino una realidad presente que está transformando múltiples aspectos de nuestra vida, incluida la educación de nuestros hijos.

La IA ofrece herramientas potencialmente poderosas para personalizar el aprendizaje, facilitar el acceso a la información y desarrollar nuevas habilidades. Sin embargo, su implementación no está exenta de desafíos y riesgos significativos.

Para las familias, implica que no podemos ser meros espectadores. La IA, y en particular la IA Generativa, ha entrado en nuestros hogares a través de aplicaciones educativas, asistentes virtuales y herramientas de búsqueda que nuestros hijos utilizan. La visión de la UNESCO de "decidir el futuro que queremos" nos llama a tomar un papel activo. No se trata de aceptar la tecnología ciegamente ni de rechazarla por completo, sino de entenderla, guiar su uso y asegurarnos de que se alinee con nuestros valores y el bienestar integral de nuestros hijos.

Los riesgos que preocupan a organismos como la UNESCO, tales como sesgos algorítmicos, privacidad de datos, brecha digital, posible disminución del pensamiento crítico si se usa pasivamente, son también preocupaciones al interior de las familias ¿Cómo aseguramos que la IA sea una herramienta que apoye y no reemplace la interacción humana, la creatividad y la capacidad de resolver problemas de forma independiente? ¿Cómo garantizamos que su uso sea equitativo y no profundice las desigualdades?

La clave, desde esta perspectiva, es abordar el tema desde un enfoque humanista y ético, así, la tecnología debe estar al servicio de las personas.

¿Qué significa para las familias? Priorizar el desarrollo de habilidades críticas, la seguridad digital y el diálogo constante sobre cómo y por qué usamos estas herramientas. La IA puede ser un aliado extraordinario, pero solo si la manejamos con conciencia, criterio y poniendo en el centro el bienestar de nuestros hijos.

Algunas recomendaciones de uso de la IA para Familias:

Diálogo abierto y continuo:

• Hablar con los hijos sobre qué es la IA, cómo funciona (de manera simple) y dónde la encuentran (en juegos, buscadores, apps educativas).

• Discutir juntos sus beneficios (rapidez, información) y sus limitaciones (puede equivocarse, no "entiende" como un humano, puede tener sesgos).

• Fomentar un ambiente donde puedan preguntar y expresar dudas o preocupaciones sobre la tecnología que usan.

Fomentar el pensamiento crítico:

• Enseñar a tus hijos a no aceptar ciegamente lo que una IA les dice. Fomentar la verificacion de la información en otras fuentes.

• Plantear preguntas como: ¿De dónde saca la IA esta respuesta? ¿Podría haber otra perspectiva? ¿Es esta la mejor solución o solo la más rápida?

• Utilizar la IA como un punto de partida para la investigación o la creatividad, no como el punto final.

Priorizar la privacidad y la seguridad:

• Revisar la configuración de privacidad de las aplicaciones y herramientas de IA que usan. Limitar la recopilación de datos personales.

• Enseñar a los hijos sobre la importancia de no compartir información personal sensible con chatbots o plataformas de IA.

• Establecer reglas claras sobre qué herramientas pueden usar y bajo qué supervisión, especialmente los más pequeños.

Uso como herramienta de apoyo, No de reemplazo:

• Animar a usar la IA para superar bloqueos (buscar una idea para una redacción), explorar temas complejos o practicar habilidades pero no para que haga el trabajo por ellos.

• Valorar el esfuerzo, el proceso de aprendizaje y la originalidad por encima de la respuesta "perfecta" generada por una máquina.

• Asegurarse de que la IA no reemplace actividades fundamentales como la lectura profunda, la escritura manual, el juego libre o la interacción social cara a cara.

Desarrollar habilidades momplementarias:

• La IA puede procesar datos, pero la creatividad, la inteligencia emocional, la colaboración y la resolución de problemas complejos siguen siendo habilidades humanas cruciales. Fomentar actividades que las desarrollen.

• Promover la alfabetización digital y mediática: entender cómo funcionan las tecnologías, reconocer noticias falsas o contenido sesgado.

Equilibrio y Bienestar:

• Establecer límites de tiempo de pantalla razonables que incluyan el uso de herramientas de IA.

• Asegurarse que haya un equilibrio saludable entre las actividades digitales y las desconectadas, como por ejemplo deporte, arte, naturaleza, tiempo con amigos.

Adoptar algunas de estas prácticas puede ayudar a navegar el creciente mundo de la IA de una manera informada y responsable, asegurando que la tecnología sirva para potenciar el aprendizaje y el desarrollo de los niños, en línea con una visión humanista y ética como la que promueve la UNESCO.

Tomado de Aplicaciones educativas en entornos virtuales

De la inteligencia artificial individual a la inteligencia colectiva: aprender con otros en tiempos de IA

 Por Mercedes Leticia Sánchez Ambriz y Carlos Bravo Reyes

La expansión de la inteligencia artificial generativa en la educación superior ha creado una escena que ya resulta familiar. Un estudiante se sienta frente a una pantalla, formula una pregunta y recibe una respuesta elaborada en pocos segundos. Puede pedir otra explicación, solicitar ejemplos, resumir un texto, corregir un escrito o generar ideas. La interacción parece muy activa, pero ocurre casi siempre de manera individual. Es el estudiante frente a la inteligencia artificial y es esta la que hace todo.

Es que estamos utilizando una tecnología nueva para reforzar una concepción bastante antigua del aprendizaje.

En el informe de UNESCO (UNESCO., 2026) The algorithm in the room: Seeing and confronting the implications of AI for the future of education, Imogen Casebourne y Rupert Wegerif plantean una perspectiva diferente. Su pregunta no se limita a cómo la inteligencia artificial puede mejorar el aprendizaje individual. Se preguntan si puede contribuir al desarrollo de la inteligencia colectiva, entendida como la capacidad de los grupos para pensar, aprender y resolver problemas de una manera que supere las posibilidades de cada integrante por separado.

La pregunta resulta especialmente relevante para la educación superior. Muchas de las herramientas actuales prometen personalización, respuestas adaptadas, tutoría individual y retroalimentación inmediata. Sin embargo, los problemas que los futuros profesionales tendrán que enfrentar rara vez podrán resolverse mediante una conversación aislada entre una persona y una máquina.

El cambio climático, los conflictos sociales, los problemas educativos, la pobreza, la salud pública o las transformaciones derivadas de la propia inteligencia artificial exigen interpretar perspectivas diferentes, dialogar, contrastar información, negociar significados y construir soluciones con otros.

La pregunta pedagógica cambia entonces de dirección: ¿qué ocurre si dejamos de pensar en la IA solamente como asistente de cada estudiante y comenzamos a considerarla como una mediación dentro de procesos colectivos de aprendizaje?

De conversar con la IA a pensar con otros

Casebourne y Wegerif parten de una idea sugerente. La inteligencia no tiene que concebirse únicamente como algo que existe dentro de la mente individual. También puede emerger de las relaciones entre las personas. Por ello, el diálogo adquiere un papel central en la inteligencia colectiva.

Pero dialogar significa algo más que hablar. Implica formular preguntas, escuchar, cuestionar supuestos, interpretar perspectivas diferentes y modificar las propias ideas como resultado de la interacción. Los autores relacionan estas características con las pedagogías dialógicas y con actividades abiertas donde los estudiantes construyen conjuntamente explicaciones y soluciones.

Esta perspectiva encuentra un punto de encuentro muy interesante con el enfoque histórico cultural. No porque ambos planteamientos sean equivalentes, sino porque permiten pensar el aprendizaje desde una concepción social. Desde la perspectiva vigotskiana, el desarrollo de las funciones psicológicas superiores tiene un origen social y está mediado por herramientas y signos culturales. El estudiante no aprende simplemente recibiendo información, sino participando en actividades con otros, apropiándose progresivamente de instrumentos culturales y transformando esas experiencias en procesos internos. Por ello debemos comprender que la inteligencia artificial no elimina esta relación, por el contrario Introduce una nueva mediación dentro de ella.

El problema surge cuando la IA ocupa el centro de la actividad y desplaza la interacción social. Un estudiante pregunta, la IA responde y el estudiante acepta la respuesta. El circuito puede ser eficiente, pero pedagógicamente pobre. Incluso cuando veinte estudiantes realizan la misma tarea con veinte conversaciones independientes, seguimos ante veinte procesos individuales. En este caso la tecnología genera muchas respuestas sin generar necesariamente una construcción colectiva del conocimiento.

Casebourne y Wegerif proponen mirar en otra dirección. La IA podría facilitar proyectos en los que los estudiantes recopilen información, contrasten perspectivas, interpreten datos y elaboren soluciones comunes. También puede ayudar a traducir entre idiomas, sintetizar posiciones diferentes o identificar puntos de consenso dentro de grupos numerosos. Estas posibilidades podrían reducir algunas barreras que dificultan la colaboración.

Pensemos en una clase universitaria que estudia el abandono estudiantil. La actividad podría comenzar sin IA, cada estudiante analiza el problema desde su experiencia, formación y contexto. Después se contrastan perspectivas y se construyen preguntas comunes. La IA puede incorporarse posteriormente para analizar documentos, organizar información, sugerir interpretaciones o cuestionar argumentos. Pero sus respuestas no constituyen el resultado de la actividad, se convierten en un nuevo objeto de discusión. Un grupo puede aceptar una interpretación de la IA, otro puede rechazarla y un tercero puede detectar un sesgo. Los estudiantes deben explicar sus decisiones y construir una interpretación colectiva.

La diferencia parece pequeña, pero pedagógicamente es considerable. En el primer caso el estudiante pregunta a la IA qué debe pensar. En el segundo, la respuesta de la IA se convierte en un elemento para pensar con otros.

La paradoja de muchas respuestas parecidas

Existe, sin embargo, un problema que no debemos minimizar. La inteligencia artificial también puede reducir la diversidad cognitiva de un grupo. Casebourne y Wegerif advierten que cuando diferentes personas utilizan el mismo sistema de IA como fuente de inspiración pueden terminar generando ideas similares. La aparente multiplicación de respuestas podría ocultar una progresiva homogeneización del pensamiento. Esta posibilidad merece especial atención en nuestras clases.

Un profesor puede solicitar a treinta estudiantes que propongan soluciones para un problema. Antes de la IA, las respuestas podían ser incompletas, desiguales e incluso equivocadas, pero provenían de experiencias, conocimientos y procesos de razonamiento diferentes.

Ahora treinta estudiantes pueden consultar sistemas semejantes. Las respuestas serán probablemente más correctas en su forma, mejor organizadas y lingüísticamente más elaboradas. Sin embargo, también pueden parecerse considerablemente. Tendríamos treinta productos, pero no necesariamente treinta perspectivas.

Aquí aparece una paradoja educativa: la IA puede aumentar la producción individual y, al mismo tiempo, disminuir la diversidad necesaria para construir inteligencia colectiva.

Este problema se agrava porque los propios modelos se alimentan de conjuntos de datos que contienen ausencias, desigualdades y sesgos. Si un grupo construye su discusión a partir de respuestas semejantes generadas por sistemas entrenados con fuentes parcialmente homogéneas, determinadas voces pueden quedar invisibilizadas. Los autores advierten que estos procesos podrían reproducir e incluso amplificar prácticas de exclusión. Por ello, la inteligencia colectiva no consiste en colocar a varias personas alrededor de una herramienta de IA. Requiere preservar la diferencia.

Antes de consultar una IA, los estudiantes deberían tener oportunidades para expresar sus propias interpretaciones. Después de recibir una respuesta automatizada, necesitan contrastarla con otras fuentes, con sus compañeros y con la realidad que estudian. Finalmente, deben explicar qué conservaron, qué rechazaron y qué modificaron. En este proceso el docente mantiene una función decisiva.

Casebourne y Wegerif destacan que los profesores tendrán que enseñar a dialogar, cuestionar, desafiar e interpretar las recomendaciones automatizadas. También deberán favorecer condiciones de respeto, empatía y participación que hagan posible una auténtica construcción colectiva.

La función docente no disminuye. Cambia.

Ya no consiste solamente en proporcionar información que los estudiantes pueden obtener mediante una máquina. El profesor diseña situaciones donde esa información debe ser interpretada, confrontada y transformada mediante la interacción social.

Este cambio también obliga a revisar la evaluación. Si continuamos calificando exclusivamente el producto individual, será lógico que cada estudiante busque la manera más eficiente de producirlo con ayuda de la IA. Si valoramos la argumentación, la contrastación, la negociación de significados y la construcción compartida de soluciones, la relación con la herramienta cambia. La IA deja de ser una máquina para terminar tareas y comienza a formar parte de una actividad intelectual colectiva.

El reto, por tanto, no consiste en enseñar solamente a nuestros estudiantes a conversar mejor con ChatGPT, Gemini, NotebookLM o cualquier herramienta que aparezca después. Necesitamos enseñarles a pensar con otras personas en un contexto donde también participan sistemas de inteligencia artificial.

Casebourne y Wegerif imaginan una educación que no enseñe únicamente qué saber, sino también cómo negociar significados, construir soluciones y desarrollar comprensiones compartidas. Reconocen que todavía no existe una fórmula para conseguirlo. Será necesario experimentar, reflexionar y construir nuevas prácticas. Tal vez esa incertidumbre sea precisamente una oportunidad para la universidad.

Durante los últimos años hemos preguntado con insistencia qué puede hacer cada estudiante con la inteligencia artificial. La siguiente pregunta debería ser más exigente: ¿qué podemos llegar a pensar y construir juntos, con ayuda de la IA, que ninguno de nosotros podría alcanzar por separado?

Ese cambio de pregunta puede conducirnos desde una inteligencia artificial centrada en el individuo hacia una pedagogía de la inteligencia colectiva.

 

Referencias

Casebourne, I., & Wegerif, R. (2026). AI and education for collective intelligence: A futures perspective. In UNESCO, The algorithm in the room: Seeing and confronting the implications of AI for the future of education (pp. 145–150). UNESCO


UNESCO. (2026). The algorithm in the room: Seeing and confronting the implications of AI and the futures of educationThe algorithm in the room: Seeing and confronting the implications of AI and the futures of education. UNESCO. https://doi.org/10.54675/PMRO5023

Tomado de 366 días