Publicado el abr. 2026
Compartir
Hay un momento que la mayoría de los educadores pueden identificar: aquel en el que dejas de observar una tecnología y empiezas a confiar en ella. En mi caso, ese momento llegó en algún punto entre completar un certificado en Ciencia de Datos y Aprendizaje Automático en el MIT y darme cuenta de que acababa de replantearme mi forma de concebir la enseñanza. No de forma dramática, pero sí sustancial, en forma de una pregunta que nunca antes me había planteado: ¿y si las herramientas a disposición de mis estudiantes pudieran conocerlos mejor de lo que jamás podría hacerlo un solo profesor?
Las directrices de la UNESCO para 2023 sobre la IA generativa en la educación enmarcan este momento como uno que requiere tanto urgencia como cautela. Esa combinación, según mi experiencia, describe exactamente lo que exige una adopción responsable de la IA en la educación superior.
De la curiosidad al compromiso
Mi incursión en la IA no fue un giro profesional calculado. Llevaba más de 25 años dedicado a la educación médica y la bioquímica clínica. Pero el ritmo de los cambios tras 2022, la repentina democratización de los grandes modelos de lenguaje, la proliferación de herramientas de IA generativa en entornos académicos, hizo que la observación me pareciera insuficiente.
El certificado del MIT cambió mi marco de referencia. Empecé a ver la evaluación no como una instantánea, sino como un flujo de datos, y el plan de estudios no como una arquitectura fija, sino como un sistema vivo. Y lo más importante, llegué a ver el papel del educador no como algo amenazado por la IA, sino ampliado por ella, siempre que hagamos el arduo trabajo de comprender lo que estas herramientas realmente hacen y lo que no pueden hacer.
Los primeros experimentos con IA genérica en mis cursos fueron, en el mejor de los casos, inconsistentes. Los modelos no conocían el contexto de mis alumnos. No podían ajustar los resultados a los estándares de acreditación. Eran potentes, sí, pero lo genérico no era suficiente.
De los talleres al cambio sistémico
Entre 2023 y principios de 2026, impartí más de 50 talleres y seminarios web sobre IA en la educación superior, en Arabia Saudí, Egipto, Malasia, los Emiratos Árabes Unidos y a nivel internacional en línea. Los temas abarcaban desde sesiones introductorias a ChatGPT hasta ingeniería avanzada de prompts, uso ético de la IA y desarrollo de herramientas personalizadas. Más allá de los talleres, he estado creando un recurso paralelo en YouTube: ahora cuenta con más de 27 vídeos tutoriales que abarcan herramientas de IA, ingeniería de prompts, desarrollo personalizado de GPT y aplicaciones prácticas para educadores. El canal está abierto a cualquiera que quiera aprender a su propio ritmo.
Lo que aprendí en esas aulas no fue principalmente técnico. Fue humano. La resistencia del profesorado a la IA rara vez tiene que ver con la tecnología en sí misma, sino con la confianza y la identidad profesional. Ese temor merece ser reconocido, no descartado.
Los talleres que mejor funcionaron replantearon la IA no como un sustituto del criterio del educador, sino como una reducción de la fricción. Cuando una profesora descubrió que podía elaborar un esquema completo de examen en menos de 30 minutos, una tarea que antes le llevaba casi toda una tarde, no se sintió amenazada. Al contrario, se sintió liberada para dedicar ese tiempo a lo que ningún algoritmo puede replicar: la tutoría, el tipo de retroalimentación que requiere conocer la trayectoria del estudiante.
La eficiencia, entendida correctamente, no consiste en hacer menos. Consiste en hacer lo que más importa.
Argumentos a favor de la personalización
La diferencia entre la IA genérica y la personalizada es decisiva. La mayoría de los educadores escépticos respecto a la IA se han topado con la versión genérica: resultados plausibles, pero con poco contexto. Si se le pide que alinee las preguntas de examen con la taxonomía de Bloom, las relacione con resultados de aprendizaje específicos y las formatee según un estándar de acreditación, le cuesta trabajo.
La solución que desarrollamos mis colegas y yo fue un enfoque de seis pasos para crear modelos GPT personalizados , publicado en 2025. El marco abarca la identificación de necesidades, la recopilación de datos, la elaboración de indicaciones, la fase piloto, la implementación completa y la evaluación. Utilizándolo, creamos 15 herramientas GPT diseñadas específicamente que abarcan el diseño curricular, la evaluación, el apoyo al estudiante, la investigación y el control de calidad, cada una de ellas entrenada según las directrices específicas y los marcos de aprendizaje de nuestro contexto institucional.
El marco de desarrollo de GPT en seis pasos, 15 herramientas personalizadas, retos clave y visión para la educación superior potenciada por la IA
EduAI Agent: Construyendo algo más grande
El proyecto del que me siento más orgulloso es EduAI Agent , y no surgió de una empresa tecnológica ni de un equipo de software. Surgió de una conversación entre colegas. Un colega y yo, ambos con una amplia experiencia en educación médica, garantía de calidad y acreditación, nos encontramos planteándonos la misma pregunta desde diferentes ángulos: ¿por qué no existía ninguna plataforma que entendiera realmente cómo funcionan en la práctica la evaluación y la calidad de los planes de estudios? Teníamos los conocimientos del ámbito. Para entonces, teníamos suficiente experiencia con la IA como para saber lo que podía y no podía hacer. Así que la creamos nosotros mismos, integrando todo lo que habíamos aprendido en esos tres campos en algo que no requiriera que tradujeras tu criterio profesional a la lógica del software, sino que se adaptara a tu situación actual.
Diré claramente lo que no es: un chatbot. Se acerca más a lo que yo llamo una «capa de inteligencia institucional». Un sistema que te ayuda a definir resultados de aprendizaje, generar esquemas de exámenes, realizar análisis de ítems, alinear el plan de estudios con los requisitos de acreditación y producir documentación de calidad, todo en un solo lugar, con un registro de auditoría coherente.
Lo que lo hace significativo desde el punto de vista educativo es la teoría que lo sustenta: principios constructivistas, diseñados para apoyar el juicio en lugar de sustituirlo. El sistema muestra la información y señala las lagunas. El ser humano toma las decisiones.
Una herramienta resuelve un problema. Un ecosistema mantiene las conexiones entre ellos: la memoria institucional que actualmente reside, de forma precaria, en hojas de cálculo, cadenas de correo electrónico y la experiencia de colegas que algún día se jubilarán.
Superar los retos
Nada de esto está exento de fricciones.
La integridad académica es el reto más visible. Cuando los estudiantes pueden generar contenido plausible en segundos, el ensayo tradicional pierde su valor probatorio. La respuesta debe ser el rediseño, no solo la detección: las evaluaciones que requieren un razonamiento genuino y una aplicación contextualizada son mucho más resistentes a la sustitución por IA. Esa es una oportunidad, si los educadores están dispuestos a aprovecharla.
La resistencia del profesorado es real y legítima; cede ante el valor demostrado, no ante las campañas de persuasión. Las lagunas normativas son estructurales, y las universidades necesitan marcos de gobernanza dinámicos que distingan entre el uso de la IA que mejora el aprendizaje y el uso de la IA que lo sustituye. Y el despliegue ético de la IA, en un sector en el que las consecuencias a largo plazo de un aprendizaje deficiente recaen sobre los graduados y la sociedad, no es una casilla de cumplimiento que marcar. Es la base.
La siguiente fase
Las universidades que mejor servirán a sus estudiantes no serán aquellas que adoptaron la IA antes, sino aquellas que la adoptaron de forma más reflexiva. Planteando preguntas difíciles sobre el propósito, invirtiendo en la capacidad del profesorado y aferrándose a la convicción de que las relaciones humanas siguen siendo el núcleo irreducible de la educación.
La IA no sustituye al educador que se queda después de clase, ni al mentor que ve el potencial que un estudiante aún no puede ver en sí mismo. Lo que puede hacer, y lo que ya está haciendo, es liberar a los educadores para que hagan esas cosas más a menudo y mejor.
Esa es la transformación por la que vale la pena luchar.
Divulgación sobre IA
El autor utilizó Claude AI (Anthropic) como asistente de redacción en la preparación de este artículo. La ayuda de Claude se limitó a mejorar la legibilidad, la gramática y la fluidez editorial. Todas las ideas, experiencias, juicios profesionales, resultados de investigación y contenido sustantivo son exclusivamente del autor.