Durante los primeros meses de expansión de la inteligencia artificial generativa en educación, la conversación se centró casi por completo en las herramientas. Era lógico que ocurriera así. De repente, un profesor podía generar una actividad en segundos, adaptar un texto a distintos niveles, pedir ejemplos, construir una rúbrica, revisar una explicación o recibir una propuesta de feedback con una rapidez que hasta entonces resultaba impensable.

La primera reacción fue probar. Después, comparar. Más tarde, aprender a pedir mejor. Y así, casi sin darnos cuenta, una parte importante de la formación docente en IA empezó a girar en torno a una idea muy concreta: si quieres usar bien la IA, tienes que aprender a escribir buenos prompts.

Esa idea no es falsa. Pero es insuficiente.

Un mal prompt puede producir una respuesta pobre, genérica o directamente inútil. Una interacción bien planteada puede mejorar mucho la calidad de lo que devuelve la herramienta. Dar contexto, precisar la tarea, definir el rol, marcar límites, incluir ejemplos y pedir revisión crítica son habilidades que cualquier docente que quiera usar IA debería desarrollar.

El problema aparece cuando confundimos esa habilidad técnica con algo mucho más amplio.

Saber pedirle cosas a una IA no significa estar alfabetizado en IA.

Y esta distinción, que hasta hace poco podía parecer un matiz pedagógico, empieza a tener también una dimensión normativa.

La ley empieza hablando de alfabetización

El Reglamento Europeo de Inteligencia Artificial, Reglamento (UE) 2024/1689, dedica su artículo 4 a la alfabetización en materia de IA. En él se establece que proveedores y responsables del despliegue de sistemas de IA deben adoptar medidas para garantizar, en la medida de lo posible, un nivel suficiente de alfabetización en IA de su personal y de otras personas que utilicen sistemas de IA en su nombre, teniendo en cuenta sus conocimientos técnicos, experiencia, educación, formación, el contexto en el que se van a utilizar los sistemas y las personas sobre las que se aplican. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/spa

Esto es importante por varias razones.

La primera es que el Reglamento no plantea la alfabetización como un complemento amable para quien quiera profundizar en la materia, sino como una condición básica para un uso responsable. La segunda es que no define esa alfabetización de forma abstracta o puramente técnica, sino vinculada al contexto de uso y a las personas afectadas. Y la tercera, especialmente relevante para educación, es que obliga a desplazar la pregunta desde la herramienta hacia la responsabilidad profesional de quien la utiliza.

Dicho de otra manera: la ley no obliga a un centro educativo a usar IA en el aula. Pero sí empieza a exigir que, si la usa, lo haga con un nivel suficiente de comprensión, criterio y responsabilidad.

La ley no obliga a usar IA en el aula. Pero sí empieza a exigir que quien la use sepa lo que está haciendo.

En educación, esa frase tiene más profundidad de la que parece. Porque “saber lo que se está haciendo” no puede reducirse a conocer una aplicación, dominar una interfaz o escribir instrucciones más eficaces. Implica entender qué lugar ocupa la IA dentro del aprendizaje, qué parte del proceso puede apoyar, qué parte no debe sustituir, qué datos necesita, qué riesgos introduce y qué decisiones deben seguir siendo humanas.

La alfabetización en IA no es una formación de herramientas

Una formación basada únicamente en herramientas produce una ilusión peligrosa: la sensación de que el problema está resuelto porque el docente ya sabe generar materiales, adaptar actividades o pedir feedback. Pero un profesor puede saber usar una herramienta con soltura y, aun así, no haber respondido todavía a las preguntas decisivas.

Puede saber generar una rúbrica, pero no haber definido qué criterio pedagógico quiere que esa rúbrica sostenga. Puede pedir feedback sobre una redacción, pero no haber pensado si está introduciendo datos personales, si la herramienta es adecuada o si el comentario generado responde realmente a lo trabajado en clase. Puede crear actividades competenciales muy vistosas, pero no haber comprobado si esas actividades hacen visible el proceso de aprendizaje o simplemente producen un resultado mejor presentado. Puede usar IA todos los días y seguir sin distinguir con claridad entre ayuda al docente, ayuda al alumno, feedback formativo, evaluación automatizada y toma de decisiones académicas.

Ahí está el núcleo del problema.

La alfabetización en IA no consiste en saber hacer más cosas con una herramienta. Consiste en saber decidir qué cosas tiene sentido hacer, cuáles deben hacerse con límites, cuáles requieren garantías adicionales y cuáles no deberían hacerse en absoluto.

En un centro educativo, esta alfabetización debe ser necesariamente pedagógica. No puede limitarse a una capacitación técnica, porque el contexto educativo no es neutro. Trabajamos con menores, con evidencias de aprendizaje, con evaluación, con expectativas familiares, con procesos de desarrollo y con decisiones que pueden afectar a la trayectoria académica de un alumno. Por eso, el mismo uso de IA que en otro ámbito podría ser poco problemático puede adquirir en educación una relevancia distinta.

No es lo mismo usar IA para redactar una comunicación interna que usarla para analizar producciones de alumnos. No es lo mismo generar ejemplos inventados que trabajar con producciones reales del alumnado. No es lo mismo pedir ideas para una actividad que introducir interacciones completas de estudiantes en una herramienta externa para extraer patrones. Y no es lo mismo recibir una propuesta de feedback que convertir esa propuesta en una calificación.

La alfabetización empieza precisamente cuando dejamos de tratar todos esos usos como si fueran equivalentes.

Usar evidencias reales no es el problema

Aquí conviene introducir un matiz fundamental, porque de lo contrario la conversación se vuelve paralizante. Si queremos que la IA tenga un impacto real en el aprendizaje, no podemos limitarla siempre a trabajar con ejemplos artificiales. Un sistema que pretende mejorar el feedback, detectar patrones de error o ayudar al profesor a comprender mejor las dificultades de un grupo necesita, en muchos casos, trabajar con evidencias reales de aprendizaje.

Un writing real muestra errores reales. Una interacción real muestra bloqueos reales. Un conjunto de producciones reales permite observar tendencias que ningún ejemplo inventado revelaría con la misma precisión. Si la IA solo trabaja con casos ficticios, podrá ayudar a preparar materiales, pero difícilmente ayudará a interpretar lo que está ocurriendo en un aula concreta.

Por tanto, la pregunta no debería ser si la IA puede trabajar alguna vez con producciones reales de alumnos. Esa pregunta está mal formulada.

La pregunta correcta es bajo qué condiciones puede hacerlo.

Y ahí aparece la verdadera alfabetización.

Un docente alfabetizado en IA no piensa simplemente: “voy a subir estos textos para que la herramienta me ayude”. Piensa qué finalidad persigue, qué datos son necesarios, qué información puede eliminar, qué herramienta ofrece garantías, qué nivel de identificación mantiene, qué salida espera obtener, cómo revisará esa salida y qué decisiones no va a delegar en ningún caso.

La diferencia es enorme.

No se trata de negar el uso de IA sobre evidencias reales, sino de convertirlo en un uso diseñado. Y diseñarlo significa reducir lo innecesario, proteger la identidad del alumno, conservar solo lo justificable, trabajar preferentemente en entornos adecuados y mantener siempre la interpretación bajo responsabilidad docente.

El criterio docente tiene que hacerse explícito

Uno de los efectos más interesantes de la IA es que nos obliga a formular con precisión cosas que muchas veces hacíamos de forma implícita. Un profesor experimentado sabe distinguir un error superficial de un error estructural, sabe cuándo un texto tiene una organización aparente pero no una argumentación real, sabe cuándo un feedback puede ayudar y cuándo puede abrumar, sabe cuándo un alumno necesita una indicación concreta y cuándo necesita reconstruir el proceso completo.

Ese conocimiento profesional existe. Pero no siempre está formulado de manera explícita.

La IA no puede aplicar un criterio que no ha sido definido. Si recibe una rúbrica ambigua, completará los huecos con patrones generales. Si no conoce el contexto de la tarea, imaginará uno. Si no se le indican las prioridades, tratará como equivalentes errores que pedagógicamente no pesan lo mismo. Si no sabe qué se ha trabajado en clase, evaluará desde un estándar genérico. Y si no se le marca que no debe calificar, puede producir una salida que parezca evaluación cuando en realidad solo debería ser una ayuda para el análisis.

Por eso, una alfabetización seria en IA no empieza con la pregunta “¿qué prompt uso?”, sino con una pregunta mucho más exigente: ¿qué criterio quiero que la herramienta me ayude a sostener?

Esta es una de las grandes conexiones entre la IA y la práctica docente. La herramienta no sustituye el criterio. Lo exige. Lo pone en evidencia. Obliga al docente a definir mejor qué espera, qué observa, qué considera relevante y qué tipo de intervención quiere construir a partir de una producción del alumno.

Cuando esto se entiende bien, la IA deja de ser una tecnología que amenaza el juicio docente y se convierte en una tecnología que obliga a hacerlo más visible. Pero esa oportunidad solo aparece si el docente está alfabetizado más allá del uso instrumental.

Alfabetizar también significa saber limitar

Hay una idea que conviene repetir porque se olvida con facilidad: estar alfabetizado en IA no significa usar IA para todo. De hecho, probablemente significa lo contrario. Significa saber cuándo aporta valor y cuándo no. Saber cuándo ayuda a pensar mejor y cuándo facilita pensar menos. Saber cuándo amplía la capacidad de intervención del profesor y cuándo desplaza una responsabilidad que no debería desplazarse.

Un centro puede estar muy alfabetizado en IA y decidir que determinadas tareas deben realizarse sin herramientas externas. Puede permitir IA para preparar materiales, pero no para introducir datos de alumnos en plataformas no autorizadas. Puede admitir feedback asistido por IA, pero prohibir calificación automática. Puede promover tutores socráticos, pero exigir que estén diseñados para preguntar y no para resolver. Puede usar identificadores internos robustos para reducir trazabilidad, pero establecer reglas claras sobre conservación, acceso y destrucción al final del curso.

Nada de eso es contradictorio.

Al contrario. Esa capacidad de distinguir es precisamente la alfabetización.

La persona no alfabetizada oscila entre dos extremos: usarlo todo porque la herramienta parece útil o prohibirlo todo porque la herramienta parece peligrosa. La persona alfabetizada se mueve en un espacio más complejo, pero mucho más profesional: define finalidades, mide riesgos, introduce garantías, supervisa salidas y conserva la responsabilidad sobre las decisiones educativas.

El centro no puede delegar esta alfabetización en la iniciativa individual

Durante la primera fase de llegada de la IA, muchos docentes han aprendido por su cuenta. Han probado herramientas, han leído, han experimentado, han cometido errores, han ajustado prácticas y han construido criterio a partir de la experiencia. Ese impulso individual ha sido valioso y, en muchos casos, imprescindible.

Pero no puede ser la política de un centro.

Si cada profesor decide aisladamente cómo usar IA, qué datos introducir, qué permitir al alumno, qué considerar ayuda legítima y qué tratar como uso indebido, el resultado será una cultura fragmentada. En una asignatura la IA será una herramienta de aprendizaje; en otra, una amenaza; en otra, una trampa; en otra, una práctica invisible; en otra, un recurso permitido sin condiciones. Y los alumnos, que aprenden muy rápido las reglas reales de cada contexto, recibirán mensajes contradictorios.

La alfabetización en IA no puede consistir en que algunos docentes avancen mucho mientras otros no saben qué hacer. Tampoco puede depender de que cada uno interprete por su cuenta los límites de protección de datos, evaluación, autoría o uso de herramientas externas. Hace falta un marco común, aunque sea progresivo, imperfecto y revisable.

El Reglamento Europeo habla de alfabetización en IA para quienes utilizan sistemas en un contexto profesional. En educación, esa exigencia debe traducirse en formación docente, pero también en cultura institucional. Un centro alfabetizado no es el que más herramientas conoce, sino el que mejor sabe decidir qué usos tienen sentido, cuáles requieren cautela y cuáles no encajan con su proyecto educativo.

El Student ID como ejemplo de alfabetización aplicada

Un buen ejemplo de esta alfabetización aplicada aparece en el uso de identificadores internos o Student ID. Planteado de forma ingenua, alguien podría decir: “si no pongo el nombre del alumno, ya no hay problema”. Pero esa afirmación es demasiado simple. Planteado de forma alarmista, alguien podría decir: “si existe cualquier posibilidad de seguimiento, no se puede hacer”. Esa afirmación tampoco ayuda.

La realidad es más matizada.

Un Student ID bien diseñado puede reducir mucho el riesgo, especialmente si no contiene nombres, iniciales, curso, grupo, patrones evidentes ni correspondencia accesible para terceros. Si además se utiliza con finalidad pedagógica definida, bajo acceso restringido, durante un periodo limitado y con destrucción al final del curso, estamos ante una medida seria de protección.

Ahora bien, si durante el curso el docente necesita relacionar ese identificador con el proceso de aprendizaje de un alumno para poder hacer seguimiento formativo, conviene ser precisos: probablemente no estamos ante anonimización plena, sino ante una forma robusta de seudonimización o identificación pedagógica interna controlada. Esa precisión no debilita la práctica; la hace más defendible.

La alfabetización en IA consiste precisamente en esto: no refugiarse en palabras tranquilizadoras, pero tampoco renunciar a medidas útiles porque no sean absolutas. Un Student ID no elimina por arte de magia todas las obligaciones, pero puede formar parte de un diseño responsable si se integra dentro de una arquitectura clara de minimización, control de acceso, finalidad y conservación limitada.

Alfabetización para usar mejor, no para usar menos

Esta serie no parte de la idea de que el marco legal vaya a cerrar las posibilidades de la IA educativa. Parte de la idea contraria: si queremos que esas posibilidades sean sostenibles, necesitamos comprender mejor el marco en el que se desarrollan.

La alfabetización en IA no debería vivirse como un obstáculo, sino como una condición de posibilidad. Sin alfabetización, la IA queda en manos de la improvisación. Con alfabetización, puede convertirse en una herramienta integrada dentro de un sistema pedagógico más sólido.

Esto es especialmente importante en el ámbito del feedback y la evaluación formativa. Un docente que ha definido bien sus criterios, ha diseñado una rúbrica operativa, ha reducido datos identificativos, ha limitado la finalidad del análisis y mantiene la decisión bajo su responsabilidad puede usar IA para ampliar su capacidad de observación e intervención. Puede trabajar con producciones reales porque el aprendizaje real deja huellas reales. Puede analizar patrones porque esos patrones ayudan a decidir mejor. Puede apoyarse en una herramienta porque no está renunciando a su juicio profesional, sino tratando de sostenerlo con más consistencia.

Ese es el punto.

La alfabetización no consiste en asustar al docente para que no use IA. Consiste en darle criterio para que no la use mal.

Lo que PedagoIA defiende

PedagoIA no defiende una adopción acrítica de la inteligencia artificial. Pero tampoco una escuela paralizada por el miedo. La posición es más exigente que cualquiera de esos dos extremos: la IA puede tener un papel educativo real cuando se integra con finalidad formativa, minimización de datos, supervisión humana, transparencia razonable y criterio docente explícito.

Por eso, alfabetizarse en IA no significa aprender a producir más rápido, sino aprender a decidir mejor. Significa comprender que una producción de alumno no es un simple texto, que un feedback no es una frase generada, que un identificador interno no es automáticamente anonimato absoluto, que una herramienta no es neutral por ser eficiente y que una salida aparentemente brillante puede ser pedagógicamente pobre si no responde al contexto.

También significa reconocer la oportunidad. La IA puede ayudarnos a formular mejor nuestro criterio, a hacer más consistente el feedback, a detectar patrones que antes quedaban dispersos, a ofrecer intervenciones más accionables y a liberar tiempo para aquello que realmente exige presencia docente: interpretar, acompañar, decidir.

El riesgo existe. Pero el riesgo no se gobierna negando la herramienta ni usándola sin pensar. Se gobierna diseñando.

La alfabetización en IA ya no es opcional.

Pero su verdadero valor no está en aprender a manejar una tecnología.

Está en aprender a ponerla en su sitio.

Fuentes normativas consultadas

Más artículos Solicitar formación