🎤
Speech — Diapositiva 1
¿Estamos utilizando la Inteligencia Artificial
para transformar el aprendizaje o solamente para hacer más rápido lo que ya
hacíamos?
“Durante años incorporamos tecnología a la educación pensando que digitalizar era transformar. Pasamos del libro al PDF, de la pizarra a la presentación y del aula al entorno virtual. Pasamos de la planificación al PROMPT. Y Hoy la Inteligencia Artificial nos coloca nuevamente frente a esa pregunta: ¿estamos transformando realmente la manera de aprender o simplemente automatizando prácticas tradicionales?”
El Stanford Institute for Human-Centered Artificial Intelligence (HAI) utiliza precisamente datos de Epoch AI para elaborar su prestigioso AI Index Report. El AI Index Report 2026 señala que solo durante 2025 se identificaron 87 modelos de IA notables producidos por la industria, además de modelos académicos, colaborativos y de otras procedencias.
ChatGPT · Gemini · Claude · Copilot · Perplexity · Midjourney · Grok · DeepSeek · Meta AI · Mistral · Le Chat · Character.AI · Poe · Pi · You.com · NotebookLM · Microsoft Designer · Adobe Firefly · DALL·E · Stable Diffusion · Leonardo AI · Ideogram · Runway · Sora · Pika · Kling AI · Synthesia · HeyGen · ElevenLabs · Suno · Udio · Gamma · Canva AI · Notion AI · Grammarly · QuillBot · GitHub Copilot · Cursor · Replit AI · Windsurf · Jasper · Copy.ai · Writesonic · Consensus · Elicit · Scite · Semantic Scholar · ResearchRabbit · SciSpace · MagicSchool AI · Khanmigo.
🎤
Speech — Diapositiva 2 | Aproximadamente 2 minutos
“Hoy, la Inteligencia Artificial ya entró al aula.
Y lo interesante es que no necesariamente entró porque las universidades la
incorporaran formalmente. Entró porque nuestros estudiantes ya la están
utilizando.
La utilizan para buscar información, resumir textos,
generar ideas, resolver problemas, crear imágenes, programar e incluso recibir
explicaciones sobre aquello que no comprendieron durante una clase.
Por eso, creo que la pregunta ya no es si debemos
utilizar Inteligencia Artificial en la educación. Esa discusión, de alguna
manera, ya fue superada por la realidad.
La pregunta que realmente debemos hacernos es: ¿para
qué la vamos a utilizar?, ¿cómo la vamos a integrar? y, sobre todo, ¿con qué
propósito pedagógico?
Porque aquí existe una diferencia fundamental.
Podemos utilizar Inteligencia Artificial simplemente
para hacer más rápido lo que ya hacíamos: preparar una presentación más rápido,
producir un texto más rápido, diseñar una actividad más rápido o responder una
tarea en segundos.
Pero hacer algo más rápido no significa
necesariamente aprender mejor.
La verdadera oportunidad aparece cuando conectamos
tres elementos que vemos en esta diapositiva: el estudiante, el docente y la
Inteligencia Artificial.
El estudiante sigue siendo protagonista de su
aprendizaje. El docente sigue siendo quien diseña, orienta, cuestiona y
acompaña. Y la IA se convierte en una herramienta que puede ampliar las
posibilidades de ambos.
Por eso, el centro de este triángulo no es la
tecnología.
El centro debe ser siempre el aprendizaje
significativo.
Y desde esa perspectiva surge nuestra siguiente
pregunta: ¿qué está cambiando realmente en la educación cuando la respuesta
está a solo un prompt de distancia?”
🎤
Speech — Diapositiva 3: “El verdadero desafío” | ~2 minutos
“Y aquí llegamos a una distinción que considero
fundamental: digitalizar, innovar y transformar no significan lo mismo.
Durante muchos años hemos incorporado tecnología a la
educación. Pasamos del documento impreso al PDF, de la pizarra a la
presentación digital, del aula física al aula virtual. Y ahora podemos pasar de
escribir manualmente a generar contenido con Inteligencia Artificial.
Pero debemos preguntarnos: ¿eso representa
realmente una transformación educativa?
No necesariamente.
Cuando utilizamos una tecnología nueva para continuar
haciendo exactamente lo mismo, lo que estamos logrando principalmente es digitalización
o eficiencia. Podemos hacerlo mejor, más rápido y con menos esfuerzo, pero
el modelo pedagógico permanece prácticamente igual.
La innovación comienza cuando utilizamos la tecnología
para mejorar la experiencia de aprendizaje.
Y la transformación ocurre un paso más allá: cuando
nos atrevemos a rediseñar cómo aprende el estudiante, qué actividades
realiza, qué decisiones toma, cómo recibe retroalimentación, cómo demuestra lo
que sabe y cuál es el papel del docente durante ese proceso.
Por eso quiero que observemos estas dos ideas:
Hacer lo mismo más Inteligencia Artificial nos
puede dar eficiencia.
Pero rediseñar el aprendizaje con Inteligencia
Artificial puede producir transformación.
Y esa diferencia es muy importante.
Porque nuestro objetivo como docentes no debería ser
simplemente preguntarnos: ¿cómo puedo hacer más rápido mi trabajo utilizando
IA?
La pregunta pedagógica debería ser: ¿qué puedo
hacer ahora para favorecer el aprendizaje de mis estudiantes que antes era
difícil, costoso o incluso imposible?
Ahí es donde comienza verdaderamente el cambio de
paradigma.
Y para comprender ese cambio, tenemos que mirar
primero algo que también se ha transformado profundamente: nuestra relación
con la información y el conocimiento.”
🎤
Speech — Diapositiva 4: “Del acceso a la información al exceso de información”
| ~2 minutos
“Para comprender este cambio de paradigma, pensemos
por un momento en cómo ha cambiado nuestra relación con la información.
Durante mucho tiempo, uno de los principales desafíos
del estudiante universitario era encontrar información. Había que ir a
una biblioteca, localizar un libro, consultar diferentes autores y dedicar
tiempo a identificar las fuentes necesarias.
Con Internet, ese escenario cambió radicalmente. La
información dejó de ser escasa y comenzó a estar disponible prácticamente en
cualquier momento y lugar.
Y ahora, con la Inteligencia Artificial generativa,
estamos viviendo un tercer momento.
El estudiante ya no solamente puede acceder a miles de
documentos. También puede hacer una pregunta y obtener, en cuestión de
segundos, una explicación estructurada, un resumen, un ejemplo, una comparación
o incluso una posible solución.
Entonces aparece una paradoja muy interesante:
Nunca habíamos tenido tanto acceso a la
información y, al mismo tiempo, nunca había sido tan importante aprender a
cuestionarla.
Porque la IA puede producir una respuesta muy
convincente… y esa respuesta puede estar equivocada, incompleta, sesgada o
incluso contener información inexistente.
Por eso, observen las cuatro acciones que aparecen en
esta diapositiva:
Preguntar. Contrastar. Evaluar. Decidir.
Estas acciones representan competencias fundamentales
para nuestros estudiantes.
Ya no es suficiente preguntar: ¿encontró la
información correcta?
Ahora necesitamos preguntarnos: ¿supo formular una
buena pregunta?, ¿contrastó la respuesta con otras fuentes?, ¿evaluó su
confiabilidad?, ¿y fue capaz de tomar una decisión fundamentada?
Y esto tiene una consecuencia pedagógica muy
importante:
Si cambia nuestra relación con la información, también
tiene que cambiar lo que enseñamos y lo que evaluamos.
Porque cuando una respuesta está a un prompt de
distancia, el verdadero valor ya no está simplemente en obtenerla.
El verdadero valor está en saber qué hacer con ella.”
🎤
Speech — Diapositiva 5: “¿Qué cambia cuando la respuesta está a un prompt de
distancia?” | ~2 minutos
“Ahora pensemos en algo que está ocurriendo todos los
días con nuestros estudiantes.
Antes, cuando planteábamos una pregunta o una tarea,
el estudiante tenía que iniciar un proceso: buscar información, leer,
seleccionar, organizar sus ideas y finalmente construir una respuesta.
Hoy puede escribir un prompt y, en cuestión de
segundos, obtener una respuesta aparentemente completa.
Entonces surge una pregunta importante: si obtener
la respuesta se ha vuelto tan fácil, ¿dónde está ahora el aprendizaje?
Precisamente ahí aparece el cambio.
Frente a la Inteligencia Artificial, necesitamos
fortalecer cuatro acciones que vemos en esta diapositiva: preguntar,
verificar, conectar y crear.
Primero, preguntar. La calidad de la
interacción con la IA depende, en buena medida, de nuestra capacidad para
formular preguntas claras, profundas y pertinentes. Y aprender a preguntar
también es aprender a pensar.
Segundo, verificar. La IA puede equivocarse.
Puede presentar información falsa con enorme seguridad. Por eso el estudiante
necesita contrastar fuentes, identificar evidencias y determinar qué
información es confiable.
Tercero, conectar. No queremos estudiantes que
simplemente copien una respuesta. Queremos que puedan relacionarla con lo
aprendido, con otras disciplinas, con experiencias previas y, especialmente,
con problemas de su contexto.
Y finalmente, crear. La IA puede ayudarnos a
generar posibilidades, pero el estudiante debe analizar esas posibilidades,
tomar decisiones y construir algo propio.
Por eso, quizá tengamos que cambiar también nuestras
preguntas como docentes.
En lugar de preguntar únicamente: ‘¿Cuál es la
respuesta?’, podemos comenzar a preguntar:
‘¿Cómo llegaste a esa respuesta?’
‘¿Cómo sabes que es correcta?’
‘¿Qué cambiarías?’
‘¿Puedes defender tu decisión?’
Porque cuando obtener una respuesta es fácil, pensar
sobre ella se vuelve mucho más importante.
Y eso nos lleva al siguiente cambio: el estudiante ya
no puede limitarse a ser un consumidor de información; necesitamos convertirlo
en constructor de su propio aprendizaje.”
🎤
Speech — Diapositiva 6: “Del estudiante consumidor al estudiante constructor” |
~2 minutos
“Si cambia nuestra relación con la información,
entonces también debe cambiar el papel del estudiante.
Durante mucho tiempo, gran parte de nuestro modelo
educativo se organizó alrededor de tres acciones: recibir, memorizar y
reproducir.
El docente explicaba, el estudiante recibía la
información, la estudiaba y posteriormente debía demostrar, muchas veces
mediante un examen o una tarea, cuánto podía recordar y reproducir.
Pero ahora tenemos un elemento nuevo en esta ecuación.
Si una Inteligencia Artificial puede resumir un
documento, explicar un concepto, responder una pregunta o generar un texto en
segundos, entonces tenemos que preguntarnos: ¿tiene sentido continuar
colocando la reproducción de información en el centro del aprendizaje?
Probablemente no.
Por eso, en el lado derecho de esta diapositiva
aparecen otras cinco acciones: explorar, dialogar, crear, evaluar y mejorar.
Y observen que todas requieren una participación mucho
más activa del estudiante.
Explorar, porque debe
investigar diferentes posibilidades.
Dialogar, porque
puede interactuar con sus compañeros, con el docente y también con la propia
IA.
Crear, porque debe
utilizar la información para producir algo nuevo.
Evaluar, porque no
puede aceptar automáticamente lo que genera una Inteligencia Artificial.
Y mejorar, porque aprender también significa
revisar, equivocarse, recibir retroalimentación y volver a intentarlo.
Aquí aparece una idea que considero fundamental: la
IA puede entregar respuestas, pero no puede aprender por el estudiante.
Puede acompañar el proceso, ofrecer alternativas,
proporcionar retroalimentación e incluso cuestionar una idea. Pero el
estudiante sigue necesitando interpretar, decidir, argumentar y construir
significado.
Por eso, el objetivo no debería ser formar estudiantes
que utilicen la IA para pensar menos, sino estudiantes capaces de
utilizarla para pensar mejor.
Y si cambia el papel del estudiante, inevitablemente
surge otra pregunta:
¿qué ocurre entonces con el papel del docente?
Ese es precisamente nuestro siguiente cambio de
paradigma.”
🎤 Speech — Diapositiva 7: “Del
docente transmisor al diseñador del aprendizaje” | ~2 minutos
“Si en la diapositiva anterior vimos que el estudiante
deja de ser únicamente un consumidor de información para convertirse en
constructor de su aprendizaje, entonces necesariamente también tenemos que
repensar el papel del docente.
Y aquí quiero enfatizar algo: la Inteligencia
Artificial no hace menos importante al docente.
Lo que está cambiando es dónde aporta mayor valor.
En el modelo tradicional, gran parte de nuestro
trabajo se ha concentrado en explicar, transmitir contenidos y posteriormente
evaluar cuánto logró aprender el estudiante.
Pero pensemos en el escenario actual.
Si un estudiante puede pedirle a una Inteligencia
Artificial que le explique un concepto, que le proporcione ejemplos, que
traduzca un texto o que genere ejercicios para practicar, entonces nuestro
mayor valor ya no puede estar solamente en transmitir información.
Nuestro papel comienza a desplazarse hacia acciones
mucho más importantes: diseñar, orientar, cuestionar, retroalimentar y evaluar.
Diseñamos experiencias que realmente provoquen
aprendizaje.
Orientamos al estudiante para que pueda navegar entre
enormes cantidades de información.
Cuestionamos sus respuestas para llevarlo más allá de
la primera solución que encuentra.
Retroalimentamos no solamente el resultado, sino
también su proceso.
Y evaluamos algo que una máquina difícilmente puede
determinar por sí sola: el aprendizaje dentro de un contexto humano,
disciplinar y educativo.
Por eso me gusta pensar en el docente como un
arquitecto de experiencias de aprendizaje.
La IA puede ayudarnos a generar contenidos, ejemplos o
respuestas. Pero somos nosotros quienes decidimos qué experiencia queremos
crear, para quién, con qué propósito y qué evidencia demostrará que realmente
hubo aprendizaje.
Entonces, la pregunta no debería ser: ¿la Inteligencia
Artificial va a reemplazar al docente?
Una pregunta pedagógicamente mucho más interesante
sería:
¿qué tipo de docente necesitamos cuando nuestros
estudiantes tienen acceso permanente a la Inteligencia Artificial?
Y aquí llegamos a una primera conclusión de este
cambio de paradigma: incorporar una tecnología nueva no significa
necesariamente haber transformado la educación.”
🎤
Speech — Diapositiva 8: “Primera idea clave” | ~2 minutos
“Quiero detenerme unos segundos en esta idea, porque
resume este primer bloque:
Una tecnología nueva no transforma por sí sola un
paradigma antiguo.
Podemos tener Inteligencia Artificial en nuestras
aulas, plataformas sofisticadas, asistentes virtuales y herramientas capaces de
generar contenido en segundos… y, aun así, continuar enseñando exactamente de
la misma manera.
Por ejemplo, si antes pedíamos al estudiante que
leyera un texto y elaborara un resumen, y ahora simplemente le permitimos
utilizar IA para generar ese mismo resumen, hemos incorporado tecnología, pero no
necesariamente hemos transformado el aprendizaje.
Lo mismo ocurre con nosotros como docentes.
Si utilizamos IA únicamente para preparar más rápido
una presentación, generar preguntas para un examen o producir materiales,
probablemente hemos ganado eficiencia. Y eso tiene valor.
Pero eficiencia y transformación no son lo mismo.
La transformación comienza cuando nos hacemos una
pregunta diferente:
¿Qué puede hacer ahora mi estudiante, con el
apoyo de la IA, que le permita aprender de una manera más profunda, activa o
significativa?
Quizás pueda analizar múltiples perspectivas sobre un
mismo problema. Tal vez pueda recibir retroalimentación inmediata y mejorar
varias veces un trabajo. Puede experimentar con escenarios, contrastar
argumentos o construir soluciones para problemas auténticos.
Ahí comienza a cambiar la experiencia educativa.
Por eso, la ecuación que aparece abajo es importante:
Tecnología más la misma pedagogía no es igual a
transformación.
La IA puede ser extraordinariamente potente, pero la
innovación pedagógica no está dentro de la herramienta. Está en las
decisiones que tomamos sobre cómo utilizarla.
Y con esta idea cerramos nuestro primer bloque.
Ahora quiero avanzar hacia una pregunta mucho más
práctica:
Si decidimos utilizar la IA con intención
pedagógica, ¿dónde puede realmente aportar valor al aprendizaje?
Eso es precisamente lo que vamos a explorar a
continuación.”
🎤
Speech — Diapositiva 9: “¿Dónde puede aportar la IA al aprendizaje?” | ~2
minutos
“Hasta este momento hemos hablado de cambio de
paradigma. Ahora quiero que avancemos hacia una pregunta mucho más práctica:
¿Dónde puede aportar realmente la Inteligencia
Artificial al aprendizaje?
Y quiero comenzar destacando algo que aparece
claramente en esta diapositiva: en el centro no está la Inteligencia
Artificial. En el centro está el aprendizaje.
Esto es importante porque muchas veces comenzamos al
revés. Descubrimos una herramienta y nos preguntamos: ¿cómo puedo utilizarla
en mi clase?
Pero la pregunta debería ser: ¿qué necesita
aprender mi estudiante y de qué manera la IA puede ayudarme a conseguirlo?
Aquí vemos seis posibilidades.
La IA puede explicar, ofreciendo diferentes
maneras de comprender un concepto.
Puede ayudar a practicar, generando ejercicios,
preguntas, problemas o escenarios adaptados al nivel del estudiante.
Puede apoyar la capacidad de crear, ayudando a
explorar ideas y diferentes alternativas.
También puede retroalimentar, permitiendo que
el estudiante reciba comentarios, revise su trabajo y vuelva a intentarlo.
Puede contribuir a personalizar el aprendizaje,
ofreciendo diferentes niveles de apoyo, ejemplos, formatos o rutas para
alcanzar un mismo objetivo.
Y finalmente, puede ayudar a reflexionar,
siempre que la utilicemos para formular preguntas, confrontar argumentos y
analizar decisiones, en lugar de simplemente entregar respuestas.
Pero aquí tenemos que hacer una distinción
fundamental.
Que una Inteligencia Artificial pueda explicar, crear
o responder no significa automáticamente que el estudiante esté aprendiendo.
Por ejemplo, si la IA produce un excelente ensayo y el
estudiante simplemente lo entrega, hubo generación de contenido, pero
probablemente hubo muy poca actividad cognitiva.
En cambio, si el estudiante utiliza la IA para
explorar alternativas, cuestionar una idea, recibir retroalimentación,
verificar información y mejorar su propio trabajo, entonces tenemos un
escenario completamente diferente.
Por eso, quiero dejar esta idea:
El valor educativo de la IA no está solamente en
lo que genera, sino en lo que permite aprender.
Y ahora vamos a observar la primera de estas
posibilidades: cómo utilizar la IA para ofrecer múltiples caminos hacia la
comprensión.”
🎤
Speech — Diapositiva 10 | ~2 minutos
“Una de las posibilidades más interesantes de la
Inteligencia Artificial es que nos permite pensar en algo que históricamente ha
sido muy difícil en educación: ofrecer diferentes caminos para comprender un
mismo concepto.
Pensemos en nuestras aulas.
Podemos explicar un tema de una determinada manera y
algunos estudiantes lo comprenderán inmediatamente. Otros necesitarán un
ejemplo. Algunos necesitarán relacionarlo con una experiencia conocida. Y otros
tendrán que aplicarlo a una situación concreta para finalmente comprenderlo.
El problema es que, cuando tenemos grupos numerosos, no
siempre podemos generar individualmente todas esas alternativas.
Aquí la Inteligencia Artificial puede convertirse en
un apoyo muy interesante.
Un estudiante podría decir: ‘Explícame este
concepto mediante un ejemplo.’
Otro podría solicitar: ‘Explícamelo utilizando una
analogía relacionada con mi carrera.’
Otro podría pedir: ‘Créame un caso práctico donde
tenga que aplicar este concepto.’
Incluso podríamos utilizar la IA para desarrollar una
simulación o para que, en lugar de proporcionar respuestas, haga preguntas
que ayuden al estudiante a construir su propia comprensión.
Y quiero destacar algo importante: esto no significa
que cada estudiante tenga que aprender contenidos diferentes.
El objetivo puede seguir siendo el mismo. Lo que
podemos diversificar son los caminos para alcanzarlo.
Aquí encontramos además una conexión muy interesante
con el Diseño Universal para el Aprendizaje: reconocer que nuestros estudiantes
no necesariamente acceden, procesan y expresan el aprendizaje de una única
manera.
La IA nos ofrece una capacidad extraordinaria para
generar alternativas.
Pero nuevamente, la decisión pedagógica sigue siendo
nuestra.
No se trata de preguntarnos cuántas cosas puede
generar la Inteligencia Artificial.
Se trata de preguntarnos: ¿qué representación, qué
ejemplo o qué experiencia ayudará realmente a este estudiante a comprender?
Y existe otra posibilidad todavía más interesante: que
la IA no solamente explique, sino que pueda acompañar al estudiante mediante
preguntas.”
🎤
Speech — Diapositiva 11 | ~2 minutos
“Y aquí encontramos una de las aplicaciones que
considero más interesantes de la Inteligencia Artificial en educación: utilizarla
como un tutor socrático.
Veamos la diferencia entre estas dos situaciones.
En la primera, el estudiante tiene un problema y
escribe: ‘Dame la respuesta’.
La Inteligencia Artificial responde, el estudiante
copia y la actividad termina.
La tarea fue completada. Pero tenemos que
preguntarnos: ¿qué actividad cognitiva realizó realmente el estudiante?
Ahora cambiemos solamente la forma de interactuar.
El estudiante escribe: ‘No me des la respuesta.
Hazme preguntas y dame pistas para que pueda encontrarla.’
Y entonces ocurre algo completamente diferente.
La IA podría comenzar preguntándole: ‘¿Qué sabes
hasta ahora?’, ‘¿qué concepto podrías aplicar?’, ‘¿qué evidencia
respalda tu respuesta?’ o ‘¿qué ocurriría si cambiaras esta variable?’
El estudiante responde. La IA formula una nueva
pregunta. El estudiante reconsidera su razonamiento, se equivoca, recibe una
pista y vuelve a intentarlo.
Y observen algo importante: estamos utilizando
exactamente la misma tecnología, pero estamos produciendo dos experiencias
educativas completamente diferentes.
En la primera, la IA puede sustituir parte del
esfuerzo cognitivo del estudiante.
En la segunda, la utilizamos para provocar ese
esfuerzo cognitivo.
Eso nos muestra nuevamente que el problema no es
solamente si permitimos o prohibimos la Inteligencia Artificial.
La pregunta más interesante es: ¿cómo diseñamos su
uso para favorecer el aprendizaje?
Incluso podríamos enseñar a nuestros estudiantes a
construir este tipo de instrucciones para estudiar de manera autónoma.
Por ejemplo: ‘Actúa como mi tutor. No me des la
solución. Hazme una pregunta a la vez, identifica mis errores y dame pistas
progresivamente.’
Así transformamos la relación con la herramienta.
No utilizamos la IA para evitar pensar.
La utilizamos para pensar mejor.
Y esta capacidad de acompañar al estudiante también
abre otra posibilidad muy poderosa: ofrecer retroalimentación inmediata
durante el proceso de aprendizaje.”
🎤
Speech — Diapositiva 12 | ~2 minutos
“Hay otra posibilidad de la Inteligencia Artificial
que puede tener un impacto importante en el aprendizaje: la
retroalimentación inmediata.
Pensemos en una situación muy común en la universidad.
El estudiante realiza una actividad, la entrega, el
docente la revisa, coloca una calificación y, en muchos casos, ahí termina el
proceso.
Pero existe un problema: recibir una nota no
significa necesariamente aprender del error.
Para que exista aprendizaje necesitamos algo más:
necesitamos que el estudiante tenga la oportunidad de revisar, comprender,
corregir y volver a intentarlo.
Y aquí la Inteligencia Artificial puede ayudarnos a
aumentar significativamente esos ciclos de mejora.
Imaginemos que un estudiante está elaborando un
argumento. Antes de entregar su trabajo, puede pedirle a la IA que identifique
debilidades, que formule preguntas sobre aquello que no está suficientemente
sustentado o que señale aspectos que deberían verificarse.
Pero atención: no estamos diciendo ‘corrige mi
trabajo y hazlo por mí’.
Podemos decir: ‘Analiza mi argumento. No lo
reescribas. Hazme tres preguntas que me ayuden a identificar cómo puedo
mejorarlo’.
Entonces cambia completamente la actividad.
El estudiante hace un primer intento, recibe feedback,
analiza ese feedback, revisa, mejora y vuelve a intentarlo.
Y puede realizar este ciclo varias veces antes de
llegar al producto final.
Esto también cambia el papel del docente.
La IA puede apoyar parte de la retroalimentación
frecuente e inmediata, mientras el profesor puede concentrarse en aspectos que
requieren mayor juicio pedagógico, disciplinar y humano.
Pero debemos recordar algo fundamental: la
retroalimentación solamente produce aprendizaje cuando el estudiante hace algo
con ella.
Por eso, el objetivo no es simplemente corregir más
rápido.
El objetivo es crear más oportunidades para
aprender del error, revisar y mejorar.
Y si podemos ofrecer diferentes tipos de apoyo durante
ese proceso, comenzamos a acercarnos a otra gran posibilidad de la IA: la
personalización del aprendizaje.”
🎤
Speech — Diapositiva 13 | ~2 minutos
“Llegamos ahora a una de las promesas más mencionadas
cuando hablamos de Inteligencia Artificial en educación: la personalización
del aprendizaje.
Pero quiero comenzar haciendo una precisión.
Personalizar no significa que cada estudiante tenga
que aprender algo diferente, ni mucho menos reducir las expectativas para
algunos estudiantes.
La idea que quiero destacar está aquí:
Mismo objetivo. Diferentes rutas.
Pensemos en un grupo universitario. Todos pueden tener
que alcanzar una misma competencia, pero no necesariamente necesitan
exactamente el mismo apoyo para conseguirla.
Un estudiante puede necesitar más tiempo. Otro puede
necesitar una explicación diferente. Otro comprenderá mejor mediante un ejemplo
relacionado con su carrera. Y otro quizás necesite preguntas o pistas que le
permitan avanzar de manera más autónoma.
Aquí la Inteligencia Artificial puede ampliar nuestras
posibilidades.
Podemos pedirle que explique un concepto con
diferentes niveles de complejidad, que genere ejemplos contextualizados, que
proporcione pistas progresivas o que represente una misma información de
diferentes maneras.
Pero hay algo fundamental: la meta permanece.
No se trata de hacer el aprendizaje más fácil. Se
trata de eliminar barreras innecesarias para que más estudiantes puedan llegar
a esa meta.
Y aquí encontramos una conexión muy importante con el Diseño
Universal para el Aprendizaje.
Cuando reconocemos que existe diversidad en nuestras
aulas, dejamos de diseñar pensando en un estudiante promedio y comenzamos a
ofrecer diferentes oportunidades para acceder, participar y demostrar
aprendizaje.
La IA puede ayudarnos a hacer esa flexibilidad mucho
más viable, especialmente cuando trabajamos con grupos numerosos.
Pero nuevamente, la tecnología no decide qué necesita
aprender el estudiante.
El propósito pedagógico lo definimos nosotros.
Por eso quiero que recuerden esta frase:
Personalizar no es bajar la meta. Es ampliar los
caminos para alcanzarla.
Ahora bien, debemos tener cuidado con una conclusión
muy tentadora: pensar que, porque incorporamos más Inteligencia Artificial,
automáticamente tendremos más aprendizaje.
Y eso nos lleva a nuestra siguiente idea: más IA no
significa necesariamente más aprendizaje.”
🎤
Speech — Diapositiva 14 | ~2 minutos
“Después de revisar todas estas posibilidades, quiero
introducir una advertencia importante:
Más Inteligencia Artificial no significa
necesariamente más aprendizaje.
Podemos tener una actividad completamente mediada por
IA y, sin embargo, generar muy poca actividad cognitiva en el estudiante.
Imaginemos dos escenarios.
En el primero, el estudiante recibe una tarea,
introduce las instrucciones en una herramienta de Inteligencia Artificial,
obtiene una excelente respuesta, la revisa superficialmente y la entrega.
El producto puede ser extraordinario.
Pero debemos preguntarnos: ¿qué aprendió realmente
ese estudiante?
Ahora imaginemos un segundo escenario.
El estudiante utiliza la IA para explorar diferentes
perspectivas, formular hipótesis, cuestionar sus propias ideas, recibir
retroalimentación, contrastar información y finalmente construir y defender una
decisión.
Utilizamos la misma tecnología, pero la experiencia de
aprendizaje es completamente diferente.
Por eso aparece esta ecuación:
Inteligencia Artificial más intención pedagógica
más actividad cognitiva produce un mayor potencial de aprendizaje.
Y quiero enfatizar la expresión ‘potencial’.
La tecnología no garantiza el aprendizaje.
Lo que realmente importa es qué tiene que hacer
cognitivamente el estudiante durante la actividad.
¿Tiene que analizar?
¿Tiene que contrastar?
¿Tiene que tomar decisiones?
¿Tiene que justificar?
¿Tiene que crear?
¿Tiene que reflexionar?
Si la IA elimina todas esas acciones, probablemente
estamos utilizando la tecnología para sustituir el pensamiento.
Pero si conseguimos que la IA provoque, acompañe o
profundice esas acciones, entonces podemos utilizarla para activar el
pensamiento.
Por eso, una respuesta excelente generada por
Inteligencia Artificial no constituye, por sí sola, evidencia de aprendizaje.
Y esta conclusión nos lleva directamente al siguiente
bloque.
Ya sabemos algunas cosas que la IA puede hacer.
Ahora debemos hacernos una pregunta pedagógica mucho
más importante:
¿Cómo tenemos que transformar nuestras
metodologías para aprovechar esas posibilidades sin eliminar del proceso
aquello que precisamente produce aprendizaje?”
🎤
Speech — Diapositiva 15 | ~2 minutos
“Hasta ahora hemos analizado qué puede aportar la
Inteligencia Artificial al aprendizaje. Pero a partir de este momento quiero
cambiar la pregunta.
Cuando aparece una nueva tecnología, nuestra reacción
natural suele ser preguntar:
‘¿Cómo puedo incorporar esto a mi clase?’
Y aunque parece una pregunta lógica, tiene un
problema: estamos comenzando por la herramienta.
Tenemos una tecnología y después buscamos una
actividad donde colocarla.
Yo les propongo invertir completamente ese proceso.
Antes de pensar en Inteligencia Artificial,
preguntémonos:
¿Qué experiencia de aprendizaje quiero crear para
mis estudiantes?
¿Qué quiero que aprendan?
¿Qué problema quiero que sean capaces de resolver?
¿Qué decisiones quiero que tomen?
¿Qué quiero que analicen, creen, argumenten o
cuestionen?
Y solamente después de responder esas preguntas
deberíamos preguntarnos: ¿puede la Inteligencia Artificial aportar algo
valioso en este proceso?
Porque quizás la respuesta sea sí.
Pero también puede ser que, para determinada
actividad, no necesitemos IA.
Y esa también puede ser una excelente decisión
pedagógica.
La innovación educativa no consiste en colocar
Inteligencia Artificial en todas nuestras actividades.
Consiste en saber cuándo utilizarla, para qué
utilizarla y cuándo no utilizarla.
Por eso, observen el cambio que aparece en esta
diapositiva.
En lugar de comenzar con:
herramienta y después actividad,
comenzamos con:
propósito, experiencia y después tecnología.
Ese pequeño cambio en el orden modifica completamente
nuestra forma de diseñar.
La IA deja de ser el punto de partida y se convierte
en lo que realmente debería ser: una herramienta al servicio de una
intención pedagógica.
Por eso quiero que recordemos una frase muy sencilla
durante este bloque:
Primero la pedagogía. Después la tecnología.
Y si partimos de esa lógica, podemos comenzar a
conectar la Inteligencia Artificial con metodologías que ya buscan colocar al
estudiante en una posición activa: problemas, casos, retos, simulaciones,
investigación y aprendizaje colaborativo.”
🎤
Speech — Diapositiva 16 | ~2 minutos
“Si primero pensamos en la pedagogía y después en la
tecnología, entonces encontramos una conexión especialmente poderosa entre la
Inteligencia Artificial y las metodologías activas.
¿Y por qué?
Porque estas metodologías parten de una idea
fundamental: el estudiante aprende haciendo.
No se limita a escuchar una explicación. Tiene que
enfrentarse a un problema, analizar un caso, resolver un reto, investigar,
experimentar, colaborar y tomar decisiones.
Y justamente ahí la Inteligencia Artificial puede
aportar mucho valor.
En un aprendizaje basado en problemas, por
ejemplo, la IA puede ayudarnos a explorar hipótesis o diferentes perspectivas.
En un estudio de caso, puede representar a
distintos actores y obligar al estudiante a considerar posiciones diferentes.
En una simulación, puede reaccionar a las
decisiones del estudiante y generar nuevas situaciones.
En una investigación, puede ayudarnos a formular
preguntas iniciales, organizar información o identificar aspectos que después
tendremos que contrastar con fuentes confiables.
Pero hay una condición muy importante.
La IA no debería resolver la experiencia por el
estudiante.
Si tenemos un problema y simplemente le pedimos a la
herramienta que nos entregue la solución, hemos eliminado precisamente aquello
que queríamos provocar: el pensamiento.
Por eso aparecen cuatro acciones en esta diapositiva:
decidir, crear, justificar y reflexionar.
Si diseñamos una actividad con IA, deberíamos
preguntarnos:
¿Dónde está tomando decisiones el estudiante?
¿Qué está creando?
¿Qué tiene que justificar?
¿Y en qué momento reflexiona sobre lo que hizo?
Mientras esas acciones permanezcan en manos del
estudiante, la Inteligencia Artificial puede convertirse en un extraordinario
amplificador del aprendizaje.
Por eso, la idea no es que la IA haga más cosas por
nuestros estudiantes.
La oportunidad está en utilizarla para ampliar las
cosas que nuestros estudiantes pueden hacer, analizar y experimentar.
Y para verlo de manera concreta, en la siguiente
diapositiva vamos a llevar esta idea a una metodología específica: el
Aprendizaje Basado en Problemas.”
🎤
Speech — Diapositiva 17 | ~2 minutos
“Veamos ahora cómo se traduce esto en una experiencia
concreta utilizando Aprendizaje Basado en Problemas.
Imaginemos que presentamos a nuestros estudiantes un
problema real de su disciplina. Y algo importante: no es un problema donde
simplemente tienen que encontrar una respuesta correcta. Es una situación
compleja que requiere investigar, analizar alternativas y tomar decisiones.
El estudiante comienza investigando el problema.
¿Dónde incorporamos entonces la Inteligencia
Artificial?
No necesariamente para preguntarle: ‘¿Cuál es la
solución?’
Podemos utilizarla para hacer preguntas mucho más
interesantes:
‘¿Qué alternativas existen?’
‘¿Qué perspectivas no estamos considerando?’
‘¿Qué consecuencias podría tener esta decisión?’
o ‘¿Qué pasaría si cambiamos esta condición?’
De esta manera, la IA se convierte en una herramienta
para ampliar el espacio del problema, no para cerrarlo con una
respuesta.
Pero después viene una etapa fundamental: contrastar.
El estudiante debe verificar lo que la IA propone
utilizando literatura académica, datos, fuentes confiables y conocimiento
disciplinar.
Entonces tiene que seleccionar o construir una
solución.
Y finalmente llegamos a una etapa que considero
especialmente importante en tiempos de Inteligencia Artificial: la defensa.
No basta con entregar el producto.
El estudiante tiene que explicar:
¿Por qué eligió esta solución? ¿Qué alternativas
descartó? ¿Qué evidencias utilizó? ¿Dónde intervino la IA? ¿Y qué decisiones
fueron propias?
Ahí obtenemos evidencias mucho más ricas del
aprendizaje.
Observen que la IA aparece en nuestro proceso, pero no
ocupa todo el proceso.
El estudiante sigue investigando, contrastando,
tomando decisiones y defendiendo sus argumentos.
Por eso, no estamos evaluando qué tan buena fue la
respuesta generada por la Inteligencia Artificial.
Estamos evaluando algo mucho más importante: la
capacidad del estudiante para analizar, decidir y defender una solución
fundamentada.”
🎤
Speech — Diapositiva 18 | ~2 minutos
“Quiero conectar ahora la Inteligencia Artificial con
un enfoque especialmente importante para la transformación pedagógica: el
Diseño Universal para el Aprendizaje, o DUA.
El DUA parte de una realidad muy sencilla: nuestros
estudiantes son diversos.
No todos se motivan de la misma manera, no todos
acceden a la información de la misma forma y tampoco todos necesitan
exactamente las mismas condiciones para demostrar lo que han aprendido.
Por eso hablamos de tres grandes principios.
Primero, múltiples formas de implicación: cómo
conseguimos que el estudiante participe, encuentre propósito y se comprometa
con su aprendizaje.
Segundo, múltiples formas de representación:
cómo presentamos la información mediante diferentes recursos y apoyos para
favorecer su comprensión.
Y tercero, múltiples formas de acción y expresión:
cómo ofrecemos oportunidades para que el estudiante actúe y demuestre lo que
sabe.
¿Dónde aparece la Inteligencia Artificial?
Puede ayudarnos a ampliar esas posibilidades.
Por ejemplo, un mismo concepto puede explicarse
mediante una analogía, un caso relacionado con la carrera del estudiante o una
explicación con diferente nivel de complejidad.
También podemos generar apoyos progresivos, preguntas
orientadoras o alternativas para practicar.
Pero quiero hacer una distinción importante:
Utilizar IA no significa automáticamente aplicar
DUA.
El DUA es un marco de diseño pedagógico. La IA es una
herramienta que puede ayudarnos a implementar algunas de esas opciones.
Por eso, no se trata de ofrecer alternativas
simplemente porque tecnológicamente podemos hacerlo.
Tenemos que preguntarnos: ¿qué barrera estoy
intentando reducir?, ¿qué objetivo de aprendizaje quiero mantener?, ¿y qué
alternativa realmente ayuda al estudiante a alcanzarlo?
En otras palabras, la IA puede ampliar nuestras
opciones, pero el diseño pedagógico determina cuáles tienen sentido.
Y esta diversidad de formas de aprender también nos
obliga a reconsiderar una pregunta fundamental: ¿cómo evaluamos el
aprendizaje cuando la Inteligencia Artificial también puede producir el
producto final?”
🎤
Speech — Diapositiva 19 | ~2 minutos
“Y llegamos a uno de los temas que probablemente más
preocupación está generando en las universidades: ¿cómo evaluamos cuando la
Inteligencia Artificial también puede producir el producto final?
Durante mucho tiempo hemos utilizado ese producto como
una evidencia importante del aprendizaje.
Pedimos un ensayo, un informe, una presentación o la
respuesta a un problema, y a partir de ese resultado intentamos determinar qué
aprendió el estudiante.
Pero ahora tenemos una dificultad.
Una Inteligencia Artificial puede generar un producto
extraordinariamente convincente en muy poco tiempo.
Por eso, esta imagen del iceberg nos ayuda a cambiar
la mirada.
Arriba tenemos lo que podemos ver: el producto
final.
Pero debajo existe algo mucho más importante: el
proceso que permitió llegar hasta allí.
¿Qué razonamiento siguió el estudiante?
¿Qué decisiones tomó?
¿Qué fuentes consultó y verificó?
¿Qué cambió entre la primera y la última versión?
¿Qué recomendaciones de la IA aceptó y cuáles rechazó?
Y, sobre todo, ¿puede defender lo que entregó?
Esto no significa que tengamos que dejar de evaluar
productos.
Significa que el producto final ya no debería ser
nuestra única evidencia.
Podemos pedir borradores, registrar decisiones,
incorporar momentos de reflexión, solicitar evidencias de las fuentes
utilizadas o realizar una breve defensa oral.
Incluso podemos preguntar algo muy sencillo:
‘Muéstrame una recomendación de la IA con la que
no estuviste de acuerdo y explícame por qué.’
Esa pregunta nos proporciona una evidencia mucho más
interesante de pensamiento crítico que simplemente intentar determinar si un
texto fue generado por una máquina.
Por eso, quizá el cambio más importante sea pasar de
preguntar solamente:
‘¿Qué entregaste?’
a preguntar también:
‘¿Cómo pensaste para llegar hasta aquí?’
Porque si la IA puede ayudarnos a generar el producto,
nosotros necesitamos hacer visible el aprendizaje que existe detrás de ese
producto.”
🎤
Speech — Diapositiva 20 | ~2 minutos
“Después de recorrer estas posibilidades, quiero
cerrar este bloque regresando a una figura fundamental: el docente.
Al inicio hablamos de cómo la Inteligencia Artificial
modifica nuestro papel. Ahora podemos comprender con mayor claridad hacia dónde
puede dirigirse ese cambio.
Durante mucho tiempo, una pregunta central de nuestra
planificación fue:
‘¿Qué contenido tengo que enseñar?’
Esa pregunta sigue siendo importante, pero hoy
necesitamos agregar otra:
‘¿Qué experiencia tengo que diseñar para que mis
estudiantes realmente aprendan?’
Y ahí aparece esta idea del docente como arquitecto
de experiencias de aprendizaje.
Un arquitecto no coloca elementos al azar. Diseña
pensando en un propósito y en las personas que utilizarán ese espacio.
En educación ocurre algo similar.
Nosotros conectamos al estudiante con el contenido,
seleccionamos las tecnologías pertinentes y situamos el aprendizaje
dentro de un contexto que le dé sentido.
Y para conseguirlo hacemos algo que ninguna
herramienta debería decidir completamente por nosotros:
diseñamos, orientamos, cuestionamos,
retroalimentamos y evaluamos.
La Inteligencia Artificial puede ayudarnos en cada una
de esas acciones.
Puede generar alternativas, sugerir actividades,
proporcionar retroalimentación o facilitar diferentes recursos.
Pero nosotros seguimos tomando las decisiones
pedagógicas fundamentales:
¿Qué debe aprender el estudiante? ¿Qué debe hacer
para aprenderlo? ¿Dónde puede intervenir la IA? ¿Y qué debe permanecer bajo
responsabilidad humana?
Por eso, el futuro del docente no debería plantearse
como una competencia entre profesor versus Inteligencia Artificial.
La relación que necesitamos construir es diferente:
docente, estudiante e Inteligencia Artificial
trabajando dentro de un diseño pedagógico intencional.
Cuando la información es abundante y las respuestas
pueden generarse en segundos, nuestro valor no disminuye.
Nuestro valor se desplaza hacia algo mucho más
complejo: crear las condiciones para que ocurra aprendizaje significativo.
Y ahora pasaremos de los principios a la práctica: ¿cómo
se ve todo esto cuando rediseñamos una actividad universitaria concreta?”
🎤
Speech — Diapositiva 21 | ~2 minutos
“Pasemos ahora de los principios a una aplicación
concreta.
Tomemos una actividad extremadamente común en la
universidad: el ensayo.
El modelo tradicional suele ser bastante lineal:
asignamos un tema, el estudiante escribe, entrega el documento y nosotros lo
calificamos.
El problema es que hoy una herramienta de Inteligencia
Artificial puede producir ese ensayo en segundos.
Podríamos intentar prohibirla o concentrarnos
exclusivamente en detectar su uso. Pero existe otra posibilidad: rediseñar
la actividad.
Imaginemos este proceso.
Primero planteamos una pregunta suficientemente
compleja, que requiera posicionamiento y argumentación.
Después pedimos un primer borrador propio.
Ahora sí incorporamos la Inteligencia Artificial, pero
no le decimos: ‘escribe el ensayo’.
Podemos utilizar un prompt como:
‘No reescribas mi texto. Cuestiona mis argumentos
y señala qué debo verificar.’
La función de la IA cambia completamente.
En lugar de convertirse en autora, se convierte en una
especie de interlocutor crítico.
Después el estudiante tiene que verificar.
¿Qué afirmaciones de la IA son correctas? ¿Qué fuentes
respaldan esas ideas? ¿Dónde existen errores, simplificaciones o perspectivas
diferentes?
Con esa evidencia, reescribe y mejora su argumento.
Y finalmente incorporamos algo muy sencillo pero
poderoso: una breve defensa.
‘Explícame cuál fue tu argumento principal. ¿Qué
modificaste después de interactuar con la IA? ¿Qué recomendación rechazaste y
por qué?’
Ahora ya no tenemos una sola evidencia de aprendizaje.
Tenemos producto, proceso y defensa.
La actividad sigue siendo un ensayo. La Inteligencia
Artificial también está presente.
Pero hemos cambiado completamente qué hace
cognitivamente el estudiante.
Ese es precisamente el tipo de transformación que
hemos venido planteando: no agregar IA a una actividad antigua, sino rediseñar
la experiencia para que la tecnología provoque más pensamiento y no menos.”
🎤
Speech — Diapositiva 22 | ~2 minutos
“Veamos un segundo ejemplo que, para mí, muestra una
de las posibilidades más interesantes de la Inteligencia Artificial en
educación: utilizarla como simulador.
Pensemos en algo que ocurre frecuentemente en nuestras
carreras.
Queremos que el estudiante aprenda a tomar decisiones
profesionales, pero muchas veces no podemos exponerlo inmediatamente a todas
las situaciones reales.
Aquí la IA puede ayudarnos a construir escenarios
interactivos.
Por ejemplo, un futuro docente puede enfrentarse a una
situación compleja dentro de un aula.
Un estudiante del área de salud puede analizar un caso
y decidir qué información necesita antes de actuar.
O un estudiante de administración puede realizar una
negociación con un cliente difícil.
La diferencia con un caso escrito tradicional es que
ahora el escenario puede reaccionar.
El estudiante toma una decisión, la simulación
responde, aparecen consecuencias y entonces tiene que volver a decidir.
Por eso el ciclo que vemos aquí es importante:
situación, decisión, consecuencia, feedback y
nueva decisión.
La pregunta que debería acompañar constantemente la
experiencia no es solamente:
‘¿Qué harías?’
Sino:
‘¿Qué harías ahora y por qué?’
Ese ‘por qué’ es fundamental, porque hace visible el
razonamiento.
Y todavía falta una etapa.
Después de la simulación necesitamos reflexión.
¿Qué decidí?
¿Qué ocurrió como consecuencia?
¿Qué información no consideré?
¿Qué haría diferente la próxima vez?
¿Y qué aprendí de la experiencia?
Sin esa reflexión, podemos tener una experiencia
tecnológicamente impresionante, pero pedagógicamente superficial.
La potencia de la simulación no está simplemente en
conversar con una IA.
Está en permitir que el estudiante tome decisiones,
experimente consecuencias, se equivoque en un entorno seguro y vuelva a
intentarlo.
Y estos ejemplos nos llevan a una pregunta práctica:
¿podemos convertir todo lo que hemos visto en un modelo sencillo que nos ayude
a diseñar actividades con IA? Ese será nuestro siguiente paso.”
🎤
Speech — Diapositiva 23 | ~2 minutos
“Después de estos ejemplos, quiero proponerles un
modelo muy sencillo que podemos utilizar cuando estemos diseñando una actividad
con Inteligencia Artificial.
Son solamente cinco pasos:
propósito, actividad, IA, evidencia y reflexión.
Y observen algo importante: la IA aparece en tercer
lugar, no en primero.
Comenzamos por el propósito.
¿Qué quiero que aprendan mis estudiantes?
No qué herramienta quiero utilizar. No qué plataforma
está de moda. Primero, el aprendizaje.
Segundo:
¿Qué deben hacer los estudiantes para aprenderlo?
Tal vez necesiten analizar un caso, resolver un
problema, construir un argumento, comparar alternativas o tomar una decisión.
Solo entonces llegamos al tercer paso:
¿Qué puede aportar la Inteligencia Artificial a
esa experiencia?
Puede ofrecer retroalimentación, representar un
personaje, generar escenarios, formular preguntas o proporcionar perspectivas
diferentes.
Pero aquí tenemos que permitirnos también una
respuesta muy importante:
nada.
Si la IA no agrega valor pedagógico, simplemente no
necesitamos utilizarla.
El cuarto paso es la evidencia.
¿Cómo voy a saber que realmente ocurrió
aprendizaje?
Quizás mediante el producto, pero también mediante
decisiones, borradores, argumentaciones, verificaciones o una defensa oral.
Y finalmente incorporamos la reflexión:
¿Qué aprendió el estudiante del proceso? ¿Qué
cambiaría? ¿Qué decisiones tomó? ¿Cómo utilizó la IA y qué aprendió al
cuestionarla?
Este modelo nos ayuda a evitar algo muy frecuente:
comenzar fascinados por una herramienta y después intentar inventar una
actividad para justificar su utilización.
La lógica debería ser exactamente la contraria.
Primero definimos el aprendizaje. Después
diseñamos la experiencia. Y solamente entonces decidimos si la IA tiene un
papel que desempeñar.
Si queremos convertir este modelo en una herramienta
todavía más práctica, podemos reducirlo a cinco preguntas que cualquier
docente puede hacerse antes de incorporar Inteligencia Artificial a una
actividad.”
🎤
Speech — Diapositiva 24 | ~2 minutos
“Para cerrar este bloque práctico, quiero dejarles
algo que puedan llevar directamente a su planificación docente: cinco
preguntas antes de utilizar Inteligencia Artificial.
La primera es:
¿Qué quiero que aprenda el estudiante?
Esta pregunta nos obliga a comenzar por el propósito y
no por la herramienta.
La segunda:
¿Qué tendrá que hacer para aprenderlo?
Aquí pensamos en la actividad cognitiva. ¿Tendrá que
analizar, comparar, argumentar, resolver, crear, tomar decisiones?
La tercera pregunta es fundamental:
¿Qué aporta realmente la IA a esta experiencia?
No basta con decir que la actividad utiliza
Inteligencia Artificial. Tenemos que identificar cuál es su valor pedagógico.
¿Permite practicar más? ¿Ofrece retroalimentación?
¿Genera perspectivas diferentes? ¿Facilita una simulación? ¿Ayuda a reducir
alguna barrera?
La cuarta pregunta:
¿Cómo demostrará el estudiante lo que aprendió?
Recordemos lo que vimos anteriormente: no necesitamos
observar únicamente el producto. Podemos evaluar también el proceso, las
decisiones, las fuentes, las revisiones y la defensa.
Y llegamos a la quinta, que quizá sea la más
importante:
¿Qué debe seguir haciendo el estudiante?
¿Qué debe pensar?
¿Qué debe decidir?
¿Qué debe crear?
¿Qué debe ser capaz de explicar y defender?
Porque cuando incorporamos IA tenemos que cuidar
precisamente ese espacio.
Si la herramienta termina realizando toda la actividad
cognitiva que queríamos desarrollar, entonces tenemos un problema de diseño.
Por eso, antes de incorporar cualquier herramienta,
podemos hacernos una última pregunta:
¿La IA agrega verdadero valor pedagógico?
Si la respuesta es sí, integremos la herramienta con
intención.
Si la respuesta es no, no tenemos obligación de
utilizarla.
Porque no toda actividad necesita Inteligencia
Artificial.
Pero toda actividad educativa sí necesita algo mucho
más importante: una intención pedagógica clara.
Y precisamente porque estamos dando cada vez más
espacio a estas tecnologías, ahora necesitamos abordar el otro lado de la
conversación: sus límites, sus riesgos y nuestra responsabilidad ética al
utilizarlas.”
🎤
Speech — Diapositiva 25 | ~2 minutos
“Hasta ahora hemos hablado principalmente de
posibilidades. Pero integrar Inteligencia Artificial de manera responsable
también significa comprender sus límites.
Y quiero comenzar con uno de los más importantes:
la IA también se equivoca.
El problema es que muchas veces no se equivoca de una
manera evidente.
Puede ofrecernos una respuesta perfectamente
redactada, estructurada, coherente y expresada con enorme seguridad… y aun así
contener información incorrecta.
Puede inventar un dato.
Puede atribuir una idea a una fuente que no existe.
Puede simplificar excesivamente un problema.
O puede reproducir sesgos presentes en los datos con
los que trabaja.
Por eso quiero destacar esta expresión:
Fluidez no significa veracidad.
Que una respuesta suene académica no significa que sea
correcta.
Y aquí aparece una competencia fundamental que
necesitamos desarrollar en nuestros estudiantes: la verificación.
Cuando recibimos una respuesta de una IA, deberíamos
acostumbrarnos a formular al menos tres preguntas:
¿Es correcto?
¿Puedo verificarlo?
¿Qué evidencia respalda esta afirmación?
Esto también cambia nuestra manera de enseñar.
Ya no basta con decirle al estudiante: ‘busque
información’.
Podemos darle deliberadamente una respuesta generada
por IA y pedirle:
identifique qué afirmaciones son verificables,
encuentre las fuentes, detecte posibles errores y determine qué partes
aceptaría o rechazaría.
En ese momento, una limitación de la tecnología se
convierte en una oportunidad para desarrollar pensamiento crítico y
alfabetización informacional.
La IA puede ayudarnos a generar información.
Pero no podemos delegarle completamente el juicio
sobre la calidad de esa información.
Por eso, la responsabilidad final continúa siendo
humana:
verificar, contrastar y decidir.
Y cuando trasladamos esta responsabilidad al ámbito
universitario aparece inmediatamente otra cuestión fundamental: la
integridad académica y qué significa realmente demostrar autoría y aprendizaje
en tiempos de IA.”
🎤
Speech — Diapositiva 26 | ~2 minutos
“Cuando hablamos de Inteligencia Artificial en la
universidad, una de las primeras preocupaciones suele ser la integridad
académica.
Y muchas veces reducimos toda la conversación a una
sola pregunta:
¿El estudiante utilizó IA?
Pero esa pregunta, por sí sola, ya no es suficiente.
Porque utilizar Inteligencia Artificial puede
significar cosas completamente diferentes.
Un estudiante puede pedirle a la herramienta que
realice toda la actividad y entregar el resultado como propio.
Pero otro puede utilizarla para recibir preguntas
sobre un borrador, explorar perspectivas, practicar, obtener retroalimentación
o identificar aspectos que después verificará.
En ambos casos hubo IA.
Pero pedagógicamente no ocurrió lo mismo.
Por eso necesitamos ampliar la pregunta.
Además de preguntar ‘¿usó IA?’, necesitamos preguntar:
¿Para qué la utilizó? ¿Qué decisiones tomó? ¿Qué
verificó? ¿Qué modificó? ¿Y qué aprendió durante el proceso?
Aquí aparecen tres conceptos importantes.
Primero, transparencia: que el estudiante pueda
declarar cómo utilizó la herramienta.
Segundo, autoría: que podamos distinguir qué
aportó la IA y cuáles fueron las decisiones intelectuales del estudiante.
Y tercero, evidencia: que el estudiante pueda
demostrar comprensión.
Por eso una breve defensa oral puede resultar tan
poderosa.
Podemos preguntar:
‘Explícame por qué tomaste esta decisión.’
‘¿Qué recomendación de la IA rechazaste?’
‘¿Qué fuente utilizaste para verificar esta
afirmación?’
Cuando el estudiante puede explicar, justificar y
defender su trabajo, estamos observando algo que un detector difícilmente puede
mostrarnos: evidencia de aprendizaje.
Por eso el reto de la integridad académica no debería
reducirse únicamente a controlar una herramienta.
Necesitamos diseñar experiencias donde el proceso sea
visible y donde podamos distinguir con claridad qué hizo la IA y qué
aprendió realmente el estudiante.
Y esto nos conduce a una pregunta todavía más amplia: ¿qué
principios deberían orientar un uso responsable de la Inteligencia Artificial
en educación?”
🎤
Speech — Diapositiva 27 | ~2 minutos
“Para cerrar este bloque, quiero resumir el uso
responsable de la Inteligencia Artificial en cinco principios.
El primero es transparencia.
Si utilizamos IA en un proceso académico, deberíamos
poder explicar cuándo la utilizamos, para qué y de qué manera intervino.
El segundo es privacidad.
No toda información debe introducirse en una
herramienta de Inteligencia Artificial. Tenemos que ser especialmente
cuidadosos con datos personales, información sensible de estudiantes,
documentos institucionales o cualquier contenido que requiera confidencialidad.
El tercero es verificación.
Ya vimos que una respuesta convincente no
necesariamente es una respuesta verdadera. Por eso seguimos necesitando
fuentes, evidencia y criterio.
El cuarto principio es equidad.
Tenemos que preguntarnos si todos nuestros estudiantes
tienen las mismas posibilidades de acceso y si la manera en que incorporamos
estas herramientas puede crear nuevas barreras o profundizar desigualdades
existentes.
Y finalmente tenemos la responsabilidad.
Este principio conecta todos los anteriores.
Podemos utilizar sistemas cada vez más sofisticados,
pero las decisiones educativas importantes siguen necesitando responsabilidad
humana.
No podemos decir simplemente:
‘La IA lo recomendó.’
Tenemos que ser capaces de explicar por qué aceptamos
una recomendación, por qué rechazamos otra y qué criterios utilizamos para
tomar la decisión.
Por eso propongo una pregunta muy sencilla:
¿Podríamos explicar y defender públicamente cómo
estamos utilizando la IA?
Si podemos explicar su propósito, los datos
utilizados, cómo verificamos los resultados y qué decisiones permanecieron bajo
responsabilidad humana, probablemente estamos construyendo un uso mucho más
consciente.
Porque la ética no debería aparecer después de
implementar la tecnología.
Debe formar parte del diseño desde el principio.
Y con esto llegamos a la parte final de nuestra
reflexión.
Después de hablar de posibilidades, transformación,
evaluación y responsabilidad, queda una pregunta fundamental:
¿qué necesitamos enseñar ahora, cuando nuestros
estudiantes tienen acceso permanente a sistemas capaces de generar respuestas?”
🎤
Speech — Diapositiva 28 | ~2 minutos
“Después de todo este recorrido, llegamos a una
pregunta que considero fundamental:
¿Qué debemos enseñar ahora?
Si nuestros estudiantes tienen acceso a sistemas
capaces de explicar conceptos, resumir documentos, generar textos, proponer
soluciones e incluso responder preguntas complejas en segundos, entonces
tenemos que preguntarnos qué competencias adquieren todavía más importancia.
Quiero destacar tres.
La primera es formular preguntas.
Y no me refiero solamente a aprender a escribir buenos
prompts.
Me refiero a algo mucho más profundo: saber qué
preguntar, identificar qué información necesitamos y reconocer qué aspectos de
un problema todavía no comprendemos.
La segunda competencia es evaluar respuestas.
Porque obtener una respuesta será cada vez más fácil.
Lo difícil será determinar:
¿Es correcta? ¿Qué evidencia la respalda? ¿Qué
perspectiva falta? ¿Existe algún sesgo? ¿Puedo confiar en ella?
Y finalmente está la capacidad de tomar decisiones.
La IA puede ofrecernos alternativas.
Puede ayudarnos a analizar escenarios.
Puede incluso recomendarnos una opción.
Pero alguien tiene que decidir qué hacer con esa
información y ser capaz de justificar esa decisión.
Por eso aparecen aquí tres verbos:
preguntar, evaluar y decidir.
Detrás de ellos encontramos competencias profundamente
humanas: curiosidad, pensamiento crítico, creatividad, criterio y
responsabilidad.
Quizá este sea uno de los cambios más importantes que
debemos asumir en educación superior.
Nuestro objetivo no puede ser preparar estudiantes
para memorizar más información que una Inteligencia Artificial.
Tampoco necesitamos prepararlos para competir contra
ella.
Necesitamos formar profesionales capaces de trabajar
con estas tecnologías sin entregarles su criterio.
Profesionales que sepan preguntar, cuestionar, crear,
decidir y asumir responsabilidad por sus decisiones.
Y esto nos permite regresar exactamente a la pregunta
con la que comenzamos esta presentación:
¿Estamos utilizando la IA simplemente para hacer
más rápido lo que ya hacíamos… o para hacer posible una experiencia de
aprendizaje diferente?”
🎤
Speech — Diapositiva 29 | ~2 minutos
“Quiero que volvamos ahora exactamente al punto donde
comenzamos.
Al inicio les planteé una pregunta:
¿Estamos utilizando la Inteligencia Artificial
para transformar el aprendizaje o solamente para hacer más rápido lo que ya
hacíamos?
Después de este recorrido, creo que podemos observar
esa pregunta de otra manera.
Porque la Inteligencia Artificial puede llevarnos por
dos caminos.
El primero es acelerar.
Podemos resumir más rápido.
Preparar materiales más rápido.
Generar respuestas más rápido.
Escribir más rápido.
Y todo eso puede ser útil. La eficiencia también tiene
valor.
Pero si mantenemos exactamente las mismas actividades,
las mismas formas de evaluación y el mismo papel pasivo del estudiante,
probablemente hemos cambiado la herramienta, pero no hemos transformado el
aprendizaje.
El segundo camino es diferente.
Es preguntarnos:
¿Qué podemos hacer ahora que nos permita aprender
de otra manera?
Podemos crear simulaciones.
Ofrecer retroalimentación inmediata.
Explorar múltiples perspectivas.
Personalizar apoyos.
Construir escenarios.
Cuestionar respuestas.
Contrastar información.
Y pedir al estudiante que tome decisiones y las
defienda.
Ahí comienza a aparecer una transformación.
Y observen algo fundamental:
la tecnología puede ser exactamente la misma en
ambos caminos.
Lo que cambia es el diseño pedagógico.
Por eso, después de estas 29 diapositivas, no quisiera
que la pregunta que nos llevemos sea:
‘¿Cuánta Inteligencia Artificial debería utilizar
en mis clases?’
Preferiría que nos lleváramos otra:
‘¿Qué tipo de aprendizaje quiero crear y cómo
puede la IA ayudarme a hacerlo posible?’
Porque al final, la innovación no consiste en
incorporar IA.
Consiste en rediseñar el aprendizaje con ella.
Y con esa idea quiero dejarles un último mensaje.”
🎤
Speech — Diapositiva 30 | ~2 minutos
“Quiero cerrar con esta idea.
Durante esta presentación hemos hablado de
Inteligencia Artificial, pero en realidad esta conversación nunca fue
solamente sobre tecnología.
Fue una conversación sobre aprendizaje.
Sobre nuestros estudiantes.
Sobre nuestro papel como docentes.
Y sobre las decisiones que estamos tomando frente a
una transformación que ya está ocurriendo.
La Inteligencia Artificial seguirá evolucionando.
Las herramientas que hoy utilizamos probablemente
serán diferentes dentro de algunos años.
Serán más rápidas, más capaces y estarán cada vez más
integradas en nuestra vida académica y profesional.
Por eso, nuestro desafío no puede ser simplemente
aprender a utilizar la herramienta del momento.
Nuestro desafío es mucho más profundo.
Tenemos que diseñar experiencias donde nuestros
estudiantes aprendan a preguntar, contrastar, crear, decidir, justificar y
asumir responsabilidad.
Experiencias donde la IA no sustituya el pensamiento,
sino que nos permita exigir un pensamiento más profundo.
Y donde la tecnología no reduzca el papel del docente,
sino que nos permita concentrarnos precisamente en aquello donde nuestra
intervención tiene mayor valor: diseñar, orientar, cuestionar, acompañar y
evaluar el aprendizaje.
Por eso quiero dejarles esta frase:
La transformación no comienza con la Inteligencia
Artificial.
Comienza cuando nos atrevemos a rediseñar el
aprendizaje.
La tecnología puede cambiar.
Las herramientas pueden cambiar.
Pero nuestro propósito educativo permanece:
formar personas capaces de pensar, crear y tomar
decisiones responsables en un mundo cada vez más complejo.
Ese es el desafío.
Pero también es una extraordinaria oportunidad.
Porque el futuro de la educación no depende
simplemente de lo que la Inteligencia Artificial sea capaz de hacer.
Depende de lo que nosotros decidamos hacer
pedagógicamente con ella.
Muchas
gracias.”
