IA generativa y su impacto pedagógico: un nuevo mediador en el diálogo educativo (C.EaD-75)

 Por Lorenzo García Arteio

AUDIO  –  VÍDEO

Todas las entradas de la serie “80 años. Compendio EaD”, VER AQUÍ

La irrupción de la inteligencia artificial generativa (IAG) marca un hito sin precedentes en la evolución de las tecnologías aplicadas a la educación. A diferencia de otras herramientas que se han incorporado gradualmente a los sistemas de enseñanza, la IAG ha penetrado con una velocidad y profundidad que desafían tanto los marcos institucionales como los pedagógicos. Su capacidad para generar texto, imagen, código, voz o vídeo con un mínimo de instrucciones (García Aretio, 2023) ha reconfigurado los límites de lo posible en la creación de conocimiento y en los procesos de enseñanza-aprendizaje. Esta transformación incide de forma directa y esencial sobre la Educación a Distancia (EaD), modalidad ya de por sí definida por la mediación tecnológica.

Pero, sin embargo, a diferencia de tecnologías anteriores, la IA no es un canal ni un soporte, es, cada vez más, un actor educativo autónomo, que participa no sólo en la mediación, también en el diseño y la retroalimentación del proceso formativo. Desde la perspectiva del Diálogo Didáctico Mediado (DDM), eje articulador de nuestra propuesta teórica (García Aretio, 2001; 2025), la IA introduce un nuevo tipo de mediador, que no solo distribuye contenidos, sino que puede generarlos, adaptarlos, evaluarlos e incluso dialogar con el estudiante de manera autónoma y dinámica. Este nuevo actor que conversa, plantea retos fundamentales: ¿puede una máquina sostener un diálogo pedagógico eficaz?, ¿qué lugar ocupa el docente cuando parte de su intervención puede ser automatizada?, ¿qué sucede con la dimensión relacional del aprendizaje?

Al mismo tiempo, la IA abre horizontes antes impensables, tales como tutorías permanentes (24/7), personalización a gran escala, cocreación de contenidos, feedback inmediato y multimodalidad. Todo ello contribuye a repensar los espacios, los tiempos y los vínculos del aprendizaje. Pero también nos enfrenta a dilemas profundos: ¿cómo preservar la ética educativa en un entorno algorítmico?, ¿cómo garantizar la equidad en el acceso y uso de estas herramientas?, ¿cómo formar a docentes y estudiantes para interactuar críticamente con sistemas que simulan comprender?

En esta entrada, analizaremos el impacto pedagógico de la IAG en la EaD, abordando su papel como nuevo mediador del DDM, sus aplicaciones en el diseño didáctico, los dilemas éticos y de autoría que plantea, las nuevas competencias requeridas y las líneas emergentes de investigación. Buscamos contribuir a una comprensión real y esperanzada de esta transformación, colocando siempre en el centro la intencionalidad pedagógica, la calidad del vínculo educativo y la humanización del aprendizaje mediado. Pero somos muy conscientes de que lo que queda aquí escrito hoy, poco tiempo después va a quedar obsoleto, dada la velocidad de generación de nuevas posibilidades.

UN NUEVO MEDIADOR INTELIGENTE EN EL DDM

Desde nuestras formulaciones iniciales, el Diálogo Didáctico Mediado ha concebido la mediación como elemento clave en la interacción entre docentes, estudiantes y contenidos. Cada ola tecnológica, impresa, audiovisual, digital, conectiva, transformó las posibilidades del diálogo sin perder la centralidad de la intencionalidad pedagógica y la participación activa del estudiante (García Aretio, 2001; 2025).

La IA generativa introduce, sin embargo, un tipo de mediación cualitativamente distinto, se trata de un agente aparentemente autónomo que genera discurso, sostiene conversación, adapta explicaciones y propone actividades. Modelos como GPT, Claude, Copilot o Gemini, y sus capacidades multimodales, no solo vehiculan mensajes, sino que co-construyen parte del discurso didáctico (Bozkurt, 2023).

En EaD asíncrona, la IAG puede ofrecer tutoría conversacional personalizada (explicaciones graduadas, ejemplos, simulaciones, andamiajes lingüísticos), con beneficios plausibles si se inscribe en un diseño intencional; en caso contrario, el “diálogo” puede ser fluido pero pedagógicamente superficial (Holmes y Tuomi, 2022). Esto implica desplazamientos de rol, en concreto, el docente pasa a diseñador estratégico, curador, editor crítico y supervisor ético del diálogo mediado por IA. Si se delega, sin esa mediación humana, emergen riesgos de despersonalización y empobrecimiento profesional (Selwyn, 2024).

IA EN EL DISEÑO PEDAGÓGICO Y PERSONALIZACIÓN DEL APRENDIZAJE

Más allá de actuar como interlocutor, la IAG asiste el diseño, dado que puede ayudar a formular objetivos, bosquejar itinerarios, sugerir recursos, proponer actividades adaptativas y borradores de evaluación. Combinada con analítica de aprendizaje, la IAG facilita apoyos de personalización operativa (recomendaciones, andamiajes, microsecuencias) a partir de los datos disponibles y puede favorecer la autorregulación del estudiantado, siempre bajo revisión docente. Aunque no abundan todavía sólidos estudios, la evidencia sobre impacto directo en rendimiento sigue siendo, aún, limitada y dependiente del contexto, por lo que conviene priorizar casos de uso guiados y evaluables (Molinari y Sandri, 2024; Long y Siemens, 2011). Los indicadores y paneles informativos no garantizan por sí solos mejoras en el aprendizaje; requieren objetivos pedagógicos claros e interpretación acompañada.

Las experiencias institucionales muestran valor cuando se trabaja en codiseño iterativo (docente↔IA), es decir, el profesorado conversa con el sistema, evalúa, mejora y valida propuestas, manteniendo creatividad y criterio. Ello exige nuevas competencias:

• comprender el funcionamiento y límites de los modelos,
• ejercer criterio crítico frente a sesgos y alucinaciones, y
• formación ética y editorial para evitar dependencias automáticas (Holmes y Tuomi, 2022).

Para integrar la IA en la educación superior, conviene una estrategia compartida (gobernanza académica y profesorado) que vincule automatización con propósitos formativos, como elevar el pensamiento crítico, la creatividad y el juicio académico del estudiantado, además de mejorar la eficiencia (Muñoz Martínez et al., 2025).

AUTOMATIZACIÓN DEL DIÁLOGO: ENTRE LA TUTORÍA Y LA SUPERVISIÓN

Uno de los aportes más disruptivos de la IAG es la posibilidad de automatizar partes del diálogo educativo tales como tutorías, retroalimentación, resolución de dudas, guía en tareas complejas. Esta automatización, bien diseñada, puede ampliar el acceso, acelerar el aprendizaje y liberar tiempo docente para tareas de mayor valor añadido.

Los agentes conversacionales, por ejemplo, permiten al estudiante interactuar con una IA que responde en lenguaje natural, identifica errores, sugiere recursos o formula nuevas preguntas. La retroalimentación automatizada puede detectar patrones de error, ofrecer pistas y acompañar en procesos de revisión. Todo ello sin límites de horario ni número de usuarios.

Pero el riesgo de superficialidad, de descontextualización o de falsos consensos es alto. La IA puede parecer convincente, pero ofrecer respuestas erróneas, parciales o sesgadas. Además, la presencia de un sistema que responde no garantiza una experiencia dialógica encaminada al logro de aprendizajes valiosos. Por ello, se impone un modelo híbrido, es decir, IA como primer nivel de respuesta, y docente como validador, profundizador y acompañante. La automatización no es enemiga del diálogo, pero debe estar al servicio de su enriquecimiento, no de su sustitución.

NUEVAS FORMAS DE AUTORÍA Y VALIDACIÓN ACADÉMICA

La producción automática de recursos educativos plantea una tensión creciente con las nociones clásicas de autoría, propiedad intelectual y responsabilidad académica. Si un estudiante o docente genera un contenido a partir de una instrucción (“prompt”), ¿quién lo firma?, ¿quién responde por su calidad?, ¿cómo se cita?

En este escenario, la autoría se transforma en un acto de curaduría crítica, porque el docente ya no es solo creador, sino seleccionador, editor y validador. Su responsabilidad se desplaza hacia la garantía de coherencia, veracidad y pertinencia pedagógica. Al mismo tiempo, el estudiante se convierte en prosumidor activo, responsable de verificar, ajustar y contextualizar lo generado por IA. Así, las buenas prácticas incluyen:

• Identificación clara del uso de IA.
• Validación humana previa a la publicación.
• Protocolos ético-pedagógicos para asegurar calidad, accesibilidad y originalidad.

En evaluación asistida por IA conviene verificar el uso lícito de datos y materiales (propiedad intelectual, licencias), explicar los criterios aplicados por el sistema y asegurar revisión humana en decisiones con consecuencias académicas.

Este enfoque no debilita la autoría, sino que la expande y redefine como una práctica compartida, transparente y ética, donde el rol del docente como garante de calidad se vuelve aún más relevante.

COMPETENCIAS DOCENTES Y ALFABETIZACIÓN CRÍTICA EN IA

La transformación que implica la IAG requiere un rediseño profundo de la formación docente. No basta con conocer herramientas, se necesita desarrollar una alfabetización fundamentada en IA, que integre tres dimensiones esenciales (UNESCO, 2023):

• Comprensión técnica y epistemológica: saber qué hace la IA, cómo lo hace y con qué límites.
• Uso ético y responsable: proteger datos, evitar sesgos, reconocer fuentes, validar información.
• Colaboración pedagógica con sistemas inteligentes: saber cuándo delegar, cómo ajustar y hasta dónde confiar.

Las instituciones deben ofrecer espacios de formación continua donde el profesorado explore, experimente y reflexione sobre el uso didáctico de la IA. Solo así se evitará una dependencia acrítica o una resistencia improductiva. El futuro docente no será sustituido por la IA, pero sí por otro docente que sepa trabajar con ella.

COCREACIÓN DE RECURSOS GENERATIVOS

La IA generativa ha democratizado y acelerado la producción de materiales educativos, permitiendo a docentes y estudiantes generar textos, imágenes, audio, vídeo o código en cuestión de segundos. Esta nueva capacidad afecta directamente al Diálogo Didáctico Mediado, ya que amplía la expresividad, la personalización y la adaptabilidad del recurso a las necesidades emergentes de cada interacción.

La posibilidad de generar explicaciones alternativas, visualizaciones de conceptos abstractos, cápsulas audiovisuales o podcasts a partir de materiales escritos que el diálogo educativo se vuelva más fluido, multimodal y accesible. Por ejemplo, ante una duda formulada en un foro asíncrono, un docente puede generar una infografía explicativa con ayuda de IA para enriquecer la respuesta. O bien, el propio estudiante puede reelaborar un contenido en otro formato como parte de un proceso de apropiación crítica.

Este tipo de cocreación no es decorativa ni instrumental sino que profundiza el aprendizaje al situar al estudiante en el rol de diseñador de significados, al tiempo que alivia la carga docente repetitiva, liberando tiempo para tareas de mayor valor formativo. Pero estas ventajas deben equilibrarse con precauciones porque las herramientas generativas pueden producir materiales sesgados, estereotipados o erróneos (“alucinaciones”), que requieren validación fundada.

En este nuevo escenario, el DDM se enriquece, pero también se complejiza. El recurso ya no es un mensaje cerrado, sino un artefacto abierto, negociado y adaptable. El docente actúa como curador y moderador del entorno semántico, y el estudiante como cocreador activo, siempre dentro de marcos de responsabilidad, atribución y ética.

LÍNEAS DE INVESTIGACIÓN Y RETOS PEDAGÓGICOS EMERGENTES

La velocidad de adopción de la IAG en educación no ha ido acompañada, en general, de una reflexión pedagógica proporcional. La investigación educativa enfrenta hoy el reto de comprender, anticipar y guiar las transformaciones en curso. Por tanto, se hace preciso reflexionar sobre las ventajas, inconvenientes, potencialidades, límites y retos de las tecnologías generativas de inteligencia artificial en educación, con el objetivo de evitar los sesgos propios de las posiciones extremistas García-Peñalvo et al., (2024). Algunas líneas prioritarias incluyen:

• Modelos híbridos de tutoría que integren IA y presencia docente, maximizando la personalización sin deshumanizar la relación pedagógica.
• Evaluación de la calidad algorítmica, combinando indicadores de rendimiento, bienestar estudiantil y equidad.
• Efectos cognitivos y socioemocionales del uso intensivo de IA en el aprendizaje: ¿estimula o inhibe la autonomía?, ¿fortalece o debilita la metacognición?
• Sostenibilidad técnica y ecológica de los grandes modelos: ¿es viable un despliegue universal de IA educativa en términos de coste energético y justicia global?

Además, se abren preguntas teóricas profundas: ¿cómo se redefine el conocimiento cuando la generación de contenidos es instantánea y no humana?, ¿qué significa “aprender” cuando se delega parte del proceso cognitivo a una máquina?, ¿cómo evaluar el pensamiento crítico en un entorno donde las respuestas correctas son automáticas?

En este contexto, la pedagogía debe liderar el diseño de una IA educativa centrada en el ser humano, intencional, inclusiva y ética. No basta con adaptar las tecnologías al aula. Se hace preciso, no frenar a la IA pero sí reconfigurar el sistema educativo para habitar con sentido una realidad compartida con inteligencias no humanas.

Otro reto será el de considerar que no nos conviene olvidar que muchos de los problemas asociados con estas tecnologías en contextos educativos ya existían antes de su aparición, pero ahora, debido a su potencia, no podemos ignorarlos solo queda asumir cuál será nuestra velocidad de respuesta para analizar e incorporar estas herramientas a nuestra práctica docente (García-Peñalvo et al., 2024).

CONCLUSIÓN

La entrada en escena de la inteligencia artificial generativa representa, sin duda, uno de los mayores desafíos, y también una de las mayores oportunidades, para la Educación a Distancia en lo que va de siglo. A diferencia de otras tecnologías anteriores, que ampliaban canales o facilitaban tareas, la IAG toca el núcleo mismo del proceso educativo, la producción de sentido, la interacción dialógica, la mediación didáctica, la evaluación formativa y la construcción del conocimiento. Por ello, su integración, que ha de llevarse a cabo, no puede ser superficial, ni técnica, ni demasiado rápida, exige un rediseño profundo de nuestras prácticas, nuestros marcos teóricos y nuestras políticas educativas.

Desde la lógica del Diálogo Didáctico Mediado, la IA se configura como un nuevo tipo de mediador, que puede enriquecer o empobrecer la experiencia formativa según cómo se diseñe su intervención. Puede actuar como tutor conversacional, diseñador asistente, generador de recursos, evaluador automático y cocreador de materiales. Pero también puede invisibilizar al docente, sustituir la reflexión por la respuesta rápida, multiplicar sesgos o debilitar el pensamiento crítico si no se utiliza con criterio.

Por eso, esta nueva mediación exige redefinir el rol del profesorado, no como transmisor ni mero acompañante, sino como curador de contenidos, diseñador de experiencias y garante último de la calidad pedagógica. El docente del siglo XXI debe asumir una nueva alfabetización que le permita saber colaborar con la IA, supervisarla, corregirla, aprovechar su potencial sin ceder su protagonismo.

En paralelo, los estudiantes también necesitan desarrollar competencias para convivir con estas herramientas como distinguir fuentes fiables, comprender los límites de la IA, usarla como apoyo sin perder su autonomía intelectual (Romeu et al., 2025). En este sentido, la alfabetización crítica y la ética digital deben ser pilares centrales de todo proyecto formativo.

El uso de IA no es neutro, configura formas de aprender, de evaluar, de relacionarse. Por eso, su despliegue debe guiarse por principios pedagógicos sólidos, marcos éticos robustos y políticas inclusivas. La calidad de la EaD no se medirá solo por la eficiencia del algoritmo, sino por la profundidad del diálogo que sepamos mantener con nuestros estudiantes en este nuevo escenario híbrido y compartido.

En síntesis, la IA no es el final del diálogo, sino una oportunidad para expandirlo, diversificarlo y enriquecerlo. Pero ese diálogo seguirá siendo didáctico (intencional) y transformador solo si la inteligencia humana, pedagógica, crítica, ética, permanece en el centro.

Y, como decíamos al inicio, esta entrada supone como un apunte de las posibilidades e impacto de la IA en la EaD. Pero si es un apunte, además lo es provisional, muy provisional, porque poco tiempo después de que este texto vea la luz, estará siendo superado por otras posibilidades e impactos diferentes.

CUESTIONES PARA LA REFLEXIÓN Y EL DEBATE

1. ¿Qué condiciones deben cumplirse para que el uso de IA generativa en la EaD no sustituya, sino potencie, el diálogo pedagógico y la misión del docente y tutor?
2. ¿Cómo pueden las universidades garantizar la transparencia, la autoría responsable y la calidad educativa en entornos automatizados?

FUENTES

• Bozkurt, A. (2023). Generative artificial intelligence (AI) powered conversational educational agents: The inevitable paradigm shift. Asian Journal of Distance Education, 18(1),
• García Aretio, L. (2001). Educación a distancia. De la teoría a la práctica. Ariel.
• García Aretio, L. G. (2023). Educación a distancia: estudio y argumentos frente a las resistencias. Contextos universitarios mediados.
• García Aretio (2025). Diálogo Didáctico Mediado (DDM): Hacia una teoría superadora en educación a distancia (C.EaD-9). Contextos universitarios mediados.
• García Peñalvo, F. J., Llorens-Largo, F., y Vidal, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1).
• Holmes, W., y Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4).
• Long, P., y Siemens, G. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5).
• Molinari, A., & Sandri, S. (2024). Evolution of LMS design and implementation in the age of AI and Large Language Models. In AIxEDU 2024 – 2nd International Workshop on Artificial Intelligence Systems in Education (CEUR-WS, Vol. 3879).
• Muñoz Martínez, C., Roger-Monzó, V., y Castelló-Sirvent, F. (2025). Generative AI and critical thinking in online higher education: Challenges and opportunities. RIED. Revista Iberoamericana de Educación a Distancia, 28(2)
• Romeu Fontanillas, T., Romero Carbonell, M., Guitert Catasús, M., y Baztán Quemada, P. (2025). Desafíos de la Inteligencia Artificial generativa en educación superior: fomentando su uso crítico en el estudiantado. RIED-Revista Iberoamericana de Educación a Distancia, 28(2).
• Selwyn, N. (2024). Constructive criticism? Working with (rather than against) the AIED back-lash. International Journal of Artificial Intelligence in Education, 34
• UNESCO (2023). Guidance for Generative AI in Education and Research. UNESCO.

OpenEdition le sugiere que cite este post de la siguiente manera:
García Aretio (2 de octubre de 2025). IA generativa y su impacto pedagógico: un nuevo mediador en el diálogo educativo (C.EaD-75). Contextos universitarios mediados. Recuperado 5 de octubre de 2025 de https://doi.org/10.58079/14uat