Aprender sobre la IA: usarla no significa comprenderla

Un alumno abre una herramienta de IA, formula una pregunta y recibe una explicación clara, bien escrita y aparentemente segura. La respuesta puede ser correcta, pero la forma en que está redactada no nos permite saberlo. Un estudiante puede utilizar estas herramientas todos los días, escribir buenos prompts e incluso conocer varios modelos sin comprender por qué una respuesta convincente puede contener un dato falso, reproducir un sesgo o presentar como certeza algo que necesita ser comprobado.

Esa diferencia entre saber utilizar y comprender lo que utilizamos es el punto de partida de la tercera perspectiva de la guía del INTEF: aprender sobre la IA.

Saber usar no es todavía estar alfabetizado

El INTEF plantea una alfabetización que no se limita al manejo instrumental. El alumnado necesita conocimientos y capacidades que le permitan utilizar estos sistemas, pero también interpretar sus resultados, cuestionarlos y comprender sus riesgos e implicaciones.

Eso no significa que nuestros alumnos tengan que convertirse en ingenieros. Significa que necesitan entender algunas ideas básicas sobre cómo funcionan estos sistemas y, sobre todo, sobre por qué no deberían relacionarse con ellos como si fueran fuentes neutrales y transparentes de conocimiento.

Una IA generativa trabaja a partir de datos, modelos e inferencias para producir resultados plausibles. Los datos disponibles y las decisiones humanas tomadas durante el diseño condicionan lo que puede ofrecer y también sus limitaciones.

Imaginemos que un alumno pregunta por un acontecimiento histórico y recibe una cita perfectamente redactada atribuida a un personaje de la época. La cita puede sonar auténtica, pero eso no la convierte en una fuente. Comprender la IA empieza por asumir algo bastante sencillo: fluidez no significa verdad.

De «suena bien» a «¿por qué debería creerlo?»

Este es quizá uno de los aprendizajes más importantes. Durante años hemos intentado enseñar que no todo lo que aparece en Internet merece la misma confianza. La IA generativa añade una dificultad nueva: la fuente puede desaparecer detrás de una respuesta sintetizada.

Todo resulta más cómodo y, precisamente por eso, es muy fácil dejar de verificar.

La guía propone trabajar fiabilidad, contraste y sesgos, e incluye actividades en las que los alumnos analizan respuestas de IA frente a otras fuentes y deciden qué elementos pueden aceptar, cuáles necesitan revisar y cuáles deben rechazar.

La actividad parece sencilla, pero cambia algo importante. El alumno deja de preguntar «¿qué dice la IA?» y empieza a preguntarse «¿qué razones tengo para aceptar lo que dice?».

Desde PedagoIA creo que esa operación debería convertirse en una competencia estable. La verificación no puede ser una tarea añadida al final, como quien pasa el corrector ortográfico antes de entregar, sino que tiene que formar parte del propio uso.

En Historia será comprobar una cita en la fuente original. En Ciencias, contrastar una afirmación con los datos. En Matemáticas, verificar el procedimiento y no únicamente el resultado. En Lengua, volver al texto para comprobar si una interpretación realmente puede sostenerse.

El objetivo no es formar alumnos que desconfíen de todo. Es formar alumnos que sepan por qué confían.

Los sesgos no vienen señalados

Comprender estos sistemas implica también entender que sus respuestas pueden reflejar patrones presentes en los datos o decisiones tomadas durante su diseño. Y esto resulta mucho más claro con ejemplos que con definiciones.

Podemos pedir varias veces a una IA que describa «un gran directivo», «una familia típica» o «una persona que trabaja como programador». Si aparecen sistemáticamente perfiles parecidos, la pregunta educativa no debería terminar en «la IA tiene sesgos».

Lo interesante empieza después: ¿qué patrón estamos viendo?, ¿qué personas o perspectivas están apareciendo menos?, ¿por qué podría estar ocurriendo?

La guía incorpora también propuestas para analizar cómo los sistemas digitales priorizan información y cómo pueden intervenir fenómenos como desinformación, sesgos o burbujas de filtro.

Ahí aparece una idea fundamental: la tecnología no se limita a ofrecernos información; también puede seleccionarla, ordenarla y priorizarla. Comprender la IA significa empezar a hacer visibles esas decisiones y enseñar al alumnado a interrogarlas.

La lectura de PedagoIA: tres preguntas para no delegar el juicio

La guía aborda cuestiones éticas relacionadas con transparencia, privacidad, equidad, supervisión humana, bienestar y responsabilidad. Podríamos convertir todo eso en una larga lista de principios, pero desde PedagoIA prefiero reagruparlo alrededor de tres preguntas que un profesor o un alumno pueda realmente utilizar:

¿Qué puede hacer la IA? ¿Qué debería permitírsele hacer en este contexto? ¿Quién sigue siendo responsable de la decisión?

Las tres preguntas no significan lo mismo. Una IA puede proponer una nota, pero eso no implica que deba decidirla. Puede analizar cientos de trabajos y detectar patrones, pero eso no significa que el profesor deba aceptar automáticamente su interpretación. Puede recomendar una intervención determinada, mientras la responsabilidad educativa continúa perteneciendo a las personas.

Comprender la tecnología exige, por tanto, distinguir capacidad técnica de legitimidad educativa. Que algo pueda automatizarse no responde todavía a la pregunta de si conviene automatizarlo.

Decir cómo hemos usado IA también puede ser aprendizaje

La guía incluye un modelo de declaración de uso de IA. A primera vista puede parecer una cuestión relacionada principalmente con autoría o integridad académica, pero pedagógicamente puede ofrecer bastante más.

En lugar de preguntar solo «¿has utilizado IA?», podemos pedir al alumno que explique para qué la utilizó, qué parte de su trabajo cambió gracias a ella, qué decisiones siguieron siendo propias y cómo comprobó el resultado.

Imaginemos un informe de Economía. Una alumna podría explicar que utilizó IA para proponer posibles estructuras, que eligió una y la modificó, que contrastó las cifras con las fuentes originales y que la interpretación final de los datos es propia.

Esa declaración aporta transparencia, pero también obliga a reconstruir el proceso y pensar sobre él. Desde PedagoIA entendemos por eso la transparencia no solo como una cuestión ética, sino también como una oportunidad metacognitiva y como una posible evidencia de aprendizaje.

Conviene, eso sí, mantener separados los planos. Las obligaciones jurídicas concretas sobre privacidad, protección de datos o transparencia requieren su propio análisis normativo. Aquí estamos hablando de la dimensión pedagógica: si queremos que el alumnado utilice IA con criterio, necesitamos que aprenda también a explicar su relación con ella.

Comprender también significa mirar las consecuencias

La guía amplía finalmente la alfabetización hacia cuestiones como bienestar digital, privacidad, equidad o impacto ambiental. No creo que debamos abordar esas dimensiones desde el alarmismo, pero tampoco tendría sentido enseñar a utilizar una tecnología como si no tuviera consecuencias.

Un alumno que abre automáticamente un chatbot cada vez que encuentra una dificultad debería preguntarse no solo si la respuesta es buena, sino qué está ocurriendo con su autonomía. Un centro que introduce una nueva herramienta necesita preguntarse quién puede acceder a ella, qué ocurre con los datos y si genera nuevas diferencias entre estudiantes. Comprender que estos sistemas consumen recursos materiales y energéticos forma también parte de una alfabetización razonable, sin necesidad de convertir cada consulta en una lección sobre sostenibilidad.

La idea es sencilla: la comodidad de una tecnología no debería hacer invisibles sus límites ni sus costes.

Usarla bien exige comprenderla lo suficiente

Esta tercera lectura cierra el recorrido completo. Aprender para la IA significaba desarrollar criterio para decidir cuándo utilizarla y qué no debemos delegar. Aprender con la IA significaba diseñar para que pueda acompañar el aprendizaje sin sustituirlo. Aprender sobre la IA significa comprender estos sistemas lo suficiente para cuestionar sus respuestas, reconocer sus límites y saber dónde sigue estando nuestra responsabilidad.

Desde PedagoIA añadiría una última conclusión. Nuestros alumnos no necesitan saber construir un modelo de inteligencia artificial para utilizarlo con criterio, pero sí necesitan dejar de confundir fluidez con verdad, automatización con juicio y capacidad técnica con decisión educativa.

Porque cuanto más sencilla resulta una tecnología de utilizar, más importante se vuelve aprender a pensar sobre ella.

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 ↗