Aprender con la IA: ayudar a pensar sin pensar por el alumno

En la primera parte de esta trilogía llegábamos a una idea sencilla: utilizar IA con autonomía exige aprender a distinguir qué podemos delegar, dónde podemos recibir ayuda y qué necesitamos seguir haciendo por nosotros mismos. Para el profesor, sin embargo, esa decisión solo resuelve la mitad del problema, porque después hay que diseñar. Si hemos decidido que interpretar unos datos, construir una argumentación o explicar una relación causal es algo que el alumno necesita hacer, todavía queda una pregunta bastante más difícil: ¿cómo puede entrar la IA en esa actividad sin sustituir precisamente el pensamiento que queremos provocar?

Ahí comienza la segunda perspectiva de la guía del INTEF: aprender con la IA. El documento contempla usos relacionados con exploración, creación, práctica, apoyo y feedback, pero subordinados al aprendizaje y al papel mediador del docente. Esa subordinación es importante, porque no basta con introducir IA dentro de una actividad para que su uso sea pedagógicamente valioso.

La IA puede ayudar. La pregunta es en qué

Hay una diferencia importante entre utilizar IA dentro de una actividad y dejar que la IA realice su operación cognitiva central. Imaginemos una práctica de Ciencias en la que los alumnos han recogido mediciones y necesitan extraer conclusiones. La IA puede ayudar a ordenar los datos o representarlos gráficamente; lo que no debería desaparecer es la interpretación de esos resultados, la valoración de su fiabilidad y la explicación de lo que ha ocurrido.

La guía incluye ejemplos que siguen precisamente esta lógica. En una propuesta STEM, la tecnología puede ayudar a organizar mediciones y gráficos mientras el alumnado conserva la interpretación y el razonamiento científico. En el ámbito lingüístico aparece una idea parecida: partir de un borrador elaborado por el alumno y utilizar después sugerencias de IA que este debe valorar, aceptar o rechazar justificando sus decisiones. La herramienta entra en el proceso, pero no ocupa el lugar del aprendizaje.

Ese matiz es decisivo. No se trata de evitar la IA, sino de decidir qué papel le damos y qué parte del pensamiento queremos mantener en manos del alumno.

La lectura de PedagoIA: empezar por el aprendizaje, no por la herramienta

Cuando aparece una herramienta nueva resulta muy fácil comenzar diseñando desde ella: «¿Qué actividad podría hacer con esto?». Desde PedagoIA proponemos invertir el proceso y empezar con otra pregunta: ¿qué tiene que saber hacer este alumno al terminar que no sabía hacer antes?

A partir de ahí, el diseño adquiere otra lógica. Primero definimos el propósito, después pensamos qué actividad puede provocar ese aprendizaje, qué evidencias nos permitirán reconocerlo y qué tipo de acompañamiento puede necesitar el alumno. Solo entonces tiene sentido decidir dónde aporta valor la tecnología.

Desde PedagoIA ordenamos ese razonamiento así:

propósito → diseño → evidencia → acompañamiento → tecnología

Esta arquitectura es una propuesta propia de PedagoIA. La IA aparece al final del razonamiento pedagógico, no al principio.

Pensemos en una actividad de Historia. Si queremos que el alumnado aprenda a explicar las causas de un conflicto, una IA puede servir para localizar información, proponer relaciones que habrá que comprobar o generar preguntas que obliguen a profundizar. Sin embargo, si le pedimos que produzca directamente la explicación causal completa, podemos obtener un texto muy bueno sin haber provocado el aprendizaje que buscábamos.

Por eso la calidad del producto ya no basta. Necesitamos saber algo más sobre cómo se ha construido.

Cuando el producto puede generarse, el proceso gana importancia

La guía aborda directamente una cuestión que afecta a la evaluación: algunas tareas tradicionales dejan de ofrecer por sí solas evidencia suficiente del dominio del alumno cuando una parte importante del producto puede generarse mediante IA. De ahí que cobren mayor valor el razonamiento, la argumentación, la transferencia, las defensas del trabajo, los borradores o las decisiones tomadas durante el proceso.

Un ejemplo sencillo ayuda a verlo. Dos alumnos pueden entregar ensayos de una calidad parecida. Uno ha escrito un borrador, ha recibido feedback sobre la claridad de sus argumentos, ha rechazado algunas sugerencias y ha reescrito otras partes. El otro ha pedido a una IA que produzca el texto y apenas lo ha modificado. El producto final puede parecer igualmente competente, pero el aprendizaje que hay detrás no es el mismo.

Desde PedagoIA insistimos por eso en una idea que atraviesa también nuestro trabajo sobre evaluación: hacer visible el proceso no significa vigilar al alumno; significa disponer de información para poder intervenir mejor. Una breve explicación oral, una modificación realizada en clase, la comparación entre dos borradores o una pregunta sobre una decisión concreta pueden decirnos mucho más que intentar determinar si un texto «parece escrito por IA».

La cuestión no es cazar el uso de la herramienta, sino comprobar qué sabe hacer el alumno y qué necesita todavía aprender.

Acompañar sin resolver

La guía reconoce también el potencial de la IA para adaptar apoyos, proporcionar práctica y ofrecer feedback durante el aprendizaje. Ese potencial existe, pero no elimina una cuestión esencial: alguien tiene que decidir qué ayuda conviene ofrecer, cuánto apoyo necesita el alumno y cuándo debe retirarse.

Aquí PedagoIA añade una propuesta propia: utilizar la IA como agente socrático. No estamos hablando de un chatbot que responde a cualquier pregunta, sino de un sistema diseñado para preguntar antes de resolver, graduar la ayuda y devolver el esfuerzo cognitivo al alumno.

Imaginemos un estudiante de Lengua que escribe: «No sé qué poner en el segundo argumento». Una IA convencional puede responder inmediatamente con tres ideas completas. Un agente orientado al aprendizaje podría plantear, en cambio, preguntas como estas: «¿Qué defendiste en el primer argumento? ¿Qué objeción podría hacer alguien que no está de acuerdo? ¿Qué ejemplo trabajado en clase podría ayudarte a responderla?».

La ayuda sigue existiendo, pero el pensamiento permanece en manos del alumno. En Matemáticas podría aplicarse la misma lógica: antes de mostrar todo el procedimiento, el sistema puede preguntar qué ha intentado, detectar dónde aparece el bloqueo y ofrecer una pista progresiva. El objetivo no es que la IA responda menos, sino que responda de una forma compatible con aprender.

Feedback mientras todavía sirve

Hay otro cambio que me parece especialmente relevante. Durante mucho tiempo hemos utilizado el feedback cuando el trabajo ya estaba terminado: el alumno entrega, el profesor corrige y devuelve observaciones cuando muchas de las decisiones importantes ya se han tomado.

La IA abre la posibilidad de desplazar parte de ese feedback hacia el proceso. Una alumna de Biología puede comprobar si sus conclusiones realmente se apoyan en los resultados antes de entregar el informe. Un estudiante de Inglés puede revisar si sus argumentos están suficientemente desarrollados sin pedir que le reescriban el texto. Un grupo que prepara un proyecto puede utilizar la IA para generar preguntas que revelen lagunas antes de presentar.

La ventaja pedagógica no está simplemente en corregir más rápido, sino en intervenir antes. El profesor no desaparece de ese proceso: define criterios, decide qué tipo de ayuda se permite, observa qué ocurre y utiliza esa información para tomar decisiones.

La tecnología puede ampliar el acompañamiento; el juicio sigue siendo docente.

También tenemos que evaluar cómo estamos utilizando la IA

Esta reflexión no termina en el aula. La guía plantea que la integración de IA debería revisarse atendiendo no solo a su funcionamiento técnico, sino también a sus efectos sobre aprendizaje, autonomía, equidad, bienestar o carga de trabajo.

Existe una tentación bastante habitual: considerar exitosa una tecnología simplemente porque se utiliza mucho. Desde PedagoIA proponemos otra pregunta: ¿qué está mejorando realmente gracias a ella?

Si implantamos un sistema de feedback asistido por IA, tendremos que observar si los alumnos revisan mejor, si comprenden más sus errores o si simplemente producen trabajos más pulidos. Si utilizamos tutores de IA, habrá que comprobar si aumentan la autonomía o si crean dependencia. Y si una herramienta promete ahorrar tiempo al profesor, también deberíamos preguntarnos si ese tiempo se convierte realmente en mejores decisiones pedagógicas.

La integración educativa de una tecnología no se mide por su presencia, sino por lo que cambia en el aprendizaje.

Ese es, probablemente, el núcleo de esta segunda lectura. El INTEF abre posibilidades para diseñar, acompañar, ofrecer feedback y recoger nuevas evidencias. Desde PedagoIA añadimos una condición: la IA debe entrar después del propósito de aprendizaje y permanecer subordinada a él.

Porque cuando una máquina puede producir el resultado, la evaluación necesita hacer visible aquello que la máquina no puede demostrar por el alumno: que ha aprendido.

Y para decidir bien cuándo confiar en estas herramientas, cuándo cuestionarlas y qué responsabilidades podemos dejarles, necesitamos todavía algo más: comprender mejor qué tenemos delante. De eso trata la última parte de esta trilogía.

3/3 · Aprender sobre la IA: usarla no significa comprenderla

Fuente primaria

INTEF (2026). Guía sobre el uso de la inteligencia artificial en el ámbito educativo. Versión 2.0, septiembre de 2026. Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado, Ministerio de Educación, Formación Profesional y Deportes.

Consultar la guía oficial del INTEF ↗