El juicio no se delega · 9 de 12

Suele decirse que el profesorado necesita formación en inteligencia artificial, y que esa formación consiste en aprender a usar las herramientas. Un curso de tarde, cuatro aplicaciones, algún ejemplo de instrucción bien escrita. La idea es razonable y está muy extendida.

Los datos del Informe ODITE 2026 apuntan hacia otra recomendación. Cuando se comparan las respuestas de 138 estudiantes y 63 docentes sobre la IA en la escuela, la mayor diferencia de todo el estudio no aparece en el pensamiento crítico ni en la autonomía del aprendiz. Aparece en la necesidad de hablar en clase de los riesgos y de formarse para hacerlo: el profesorado lo puntúa con 4,71 sobre 5 y el alumnado con 4,13 (1).

Y hay una segunda parte del dato, que es la que incomoda. Cuando en el mismo informe se analiza a las opiniones de las doce personas expertas entrevistadas, el punto donde más divergen entre ellas es cómo debe el profesorado acompañar el uso de la IA (1).

El profesorado pide con claridad justo aquello sobre lo que menos acuerdo hay. Por ahí empieza este artículo.

Quien diseña ve lo que quien aprende todavía no

El estudio de triangulación del Informe ODITE, firmado por la doctora Neus Lorenzo, no se limita a constatar que docentes y alumnado opinan distinto. Hace algo más exigente: predice en qué deben diferir y en qué no.

La predicción es que el profesorado puntuará más alto en los tres dilemas centrales de la práctica, porque los percibe con mayor agudeza, y que en un tema sin dilema no habrá diferencia apreciable. Las tres diferencias se confirman, con tamaños del efecto medios. Y el caso de control, la percepción de que la IA ha mejorado el rendimiento académico, se comporta como se esperaba: 3,36 el alumnado, 3,37 el profesorado, una diferencia de una centésima (1).

Ese último dato es el que convierte el hallazgo en argumento. Un marco que acierta también donde anuncia que no habrá diferencia tiene poder explicativo; uno que encuentra divergencia en todo, no.

Conviene decir hasta dónde llega la evidencia. Las muestras son pequeñas y no probabilísticas, las predicciones se formularon a partir del marco pero no se registraron antes de ver los datos, y la propia autora lo advierte: correspondencia no equivale a causalidad (1). Lo que los datos permiten afirmar es que la asimetría existe, es sistemática y va siempre en la misma dirección.

La explicación que ofrece el informe es sobria y encaja con la experiencia de cualquier claustro. El profesorado percibe mayor riesgo porque diseña el aprendizaje y accede a una dimensión del problema que quien aprende aún no ha necesitado resolver (1). No es resistencia al cambio. Es el punto de vista de quien responde de las consecuencias.

La misma asimetría aparece fuera de nuestro contexto. José Antonio Bowen y C. Edward Watson recogen una encuesta estadounidense en la que el 47 % del alumnado universitario considera que la IA tiene un impacto positivo en el aprendizaje, frente al 22 % del profesorado, mientras que el 50 % del profesorado lo considera negativo y solo el 22 % del alumnado coincide (2). La brecha no es española, supera fronteras.

Un temario que no es de herramientas

Si la formación docente no es un curso de aplicaciones, ¿de qué es?

La revisión sistemática de Iliana Guaranda-Arias y su equipo, publicada en 2026, analizó 52 estudios sobre alfabetización ética en IA y pensamiento crítico del profesorado. La respuesta que sintetiza es una lista de siete componentes: privacidad, transparencia, sesgos, verificación de fuentes, integridad académica, autoría y toma de decisiones pedagógicas fundamentadas (3).

En el plano práctico lo traducen a algo que se parece mucho a un temario de claustro: análisis de casos, verificación de fuentes, identificación de sesgos, protección de datos, discusión sobre autoría y evaluación de respuestas generadas por IA (3). Ni una sola herramienta en la lista.

La misma revisión documenta tres riesgos que van juntos: dependencia tecnológica, uso acrítico y formación docente insuficiente (3).

Hay que leer este estudio sabiendo lo que es. Sus cuatro bases de datos son iberoamericanas, con la excepción de ERIC, y excluye libros, capítulos y tesis. Predominan las revisiones documentales, los análisis teóricos y los estudios transversales. Los propios autores reconocen que no consta el registro del protocolo ni la fecha exacta de la última búsqueda. Por eso concluyen que la alfabetización ética y el pensamiento crítico docente son competencias interrelacionadas en el plano conceptual, y no que una cause la otra (3). Es una revisión honesta consigo misma, y así hay que citarla.

Queda por resolver la pregunta que más importa a un claustro: qué se delega y qué no. Miquel Àngel Prats, profesor titular de tecnología educativa en Blanquerna-URL, la formula en el Informe ODITE con una precisión que ahorra muchas discusiones. La IA reduce tiempos de tareas administrativas, genera materiales y produce retroalimentación preliminar. La cuestión no es cuánto tiempo ahorra, sino qué se hace con el tiempo liberado (4).

Si ese tiempo se reinvierte en acompañamiento, en interacción significativa y en diseño didáctico, la eficiencia trabaja a favor de la calidad. Si se usa para producir más de lo mismo, erosiona la dimensión humanizadora de la enseñanza. El tiempo liberado no es un ahorro. Es una decisión.

De ahí surge el desplazamiento profesional que este artículo quiere dejar claro: del docente que transmite al docente que ejerce mediación crítica. No compite con la máquina en velocidad ni en volumen de información, porque esa competición está perdida. Acompaña la interpretación, la contextualización y la formación del criterio (4). Sarah Elaine Eaton, profesora de la Universidad de Calgary, lo resume en una frase que Bowen y Watson colocan al frente de su capítulo sobre políticas: los humanos pueden ceder el control, pero no la responsabilidad (2).

Los criterios no se reparten, se construyen

Digital Promise ho diu sense embuts en el seu marc d’alfabetització en IA: la integració segura i eficaç d’aquestes eines depèn d’un professorat alfabetitzat, i no és raonable suposar que el professorat ho aprendrà pel seu compte (5). És un marc institucional que argumenta, no un estudi que mesura, i convé tenir-ho present. Però és la formulació més clara del corpus.

Quina formació compleix aquesta condició? La revisió de Guaranda-Arias recull la tesi de Kelley i Wenzel: calen experiències professionals contextualitzades, no només capacitació tècnica (3). La paraula en context és la clau. Formació que passa dins de la pràctica d’un equip concret, amb les seves matèries, el seu alumnat i els seus dilemes.

La iniciativa CRAFT, de la Facultat d’Educació de Stanford juntament amb el seu institut d’IA centrada en les persones, funciona així per disseny. Els seus materials no s’elaboren a la universitat i es distribueixen després: es codissenyen amb cohorts anuals de professorat de diferents disciplines, i el que passa a les seves aules modifica el contingut, l’estructura i l’estil del material. La seva formació es planteja com el desenvolupament d’una posició fonamentada que orienti decisions responsables (6). És un model clar, amb un abast concret: els seus recursos i les seves cohorts són de secundària i dels Estats Units.

Més a prop hi ha una experiència amb dades. El projecte APLICA-IA, de la Societat Catalana de Pedagogia, ha format entre 2023 i 2025 170 participants directes de trenta-quatre centres educatius, dues universitats i dos centres de formació docent, a Catalunya, Balears i Andorra. El seu enfocament és la recerca-acció col·laborativa: els docents no reben pràctiques, les cocreen. Les mesures abans i després del curs milloren en coneixement sobre IA, en autoeficàcia, en actituds i en competència digital crítica (7).

Aquestes dades descriuen una millora, encara que no la demostren causada per la formació: el disseny compara el mateix grup abans i després, sense grup de control, i bona part del que s’ha mesurat és la percepció que cada docent té de la seva pròpia capacitat. Amb aquesta cautela, hi ha un resultat que mereix atenció pel que té d’honest: després de la formació, la suspicàcia del professorat cap a la IA es manté (7). No es tractava de convèncer ningú.

L’argument de fons l’aporten Miquel F. Oliver, Begoña De la Iglesia, Lucía Buil i Carme Pinya, que documenten a l’Informe ODITE una formació conjunta del professorat de les facultats d’Educació i de Dret de les Illes Balears. Van treballar en grups interdisciplinaris, van pilotar eines i van elaborar de manera col·lectiva un decàleg orientador i una rúbrica. El que van aprendre pel camí és el que dona títol a aquesta secció: els principis que guien l’ús de la IA no es poden imposar de manera externa, s’han de construir des de la pràctica, el diàleg i el consens professional (8).

Qué hacer con esto

Para el equipo directivo. Prats identifica cuatro elementos que un centro necesita para sostener prácticas docentes críticas, y funcionan bien como autoevaluación de claustro: claridad normativa sobre el uso permitido en tareas y evaluaciones, formación continua en las dimensiones técnica, ética y metodológica, protección de datos y equidad como principios operativos, y coherencia con el proyecto educativo del centro (4). Sin esa arquitectura, advierte, la práctica queda fragmentada y dependiente de iniciativas individuales.

Para el equipo directivo. El itinerario de la Universitat de les Illes Balears es transferible a un claustro de secundaria: grupos mixtos por departamento, pilotaje real de una herramienta sobre una tarea concreta, deliberación sobre lo que se ha visto y redacción colectiva de un decálogo orientador, no prescriptivo, con una rúbrica que lo acompañe (8). El documento importa menos que el proceso. El proceso es la formación.

Para el claustro. Declarar el propio uso. El Informe ODITE incluye capítulos que detallan al final qué hizo la IA en su elaboración y qué no: acompañamiento a la redacción y a la claridad expositiva, sin sustituir en ningún caso el criterio profesional ni generar las conclusiones (1). Adoptar esa práctica en las programaciones y los materiales del centro enseña más sobre integridad que cualquier norma, porque modela la conducta que se pide al alumnado.

Para terminar

La conclusión de Prats es la que mejor cierra este recorrido: lo decisivo no es la potencia del algoritmo, sino la calidad del criterio pedagógico que orienta su integración (4). Un participante de la formación APLICA lo dijo de otra manera, y merece la pena recogerlo: el verdadero potencial de la IA no es tecnológico, sino pedagógico y social (7).

Lejos de diluir la figura docente, la presencia de estos sistemas puede reforzarla. En un mundo donde producir información es trivial, el valor profesional se desplaza hacia la mediación, la interpretación y el juicio. Eso no se aprende en una tarde, y no se aprende a solas.

Para seguir pensando. De las horas de formación del último curso, ¿cuántas sirvieron para aprender una herramienta y cuántas para construir un criterio?

Glosario

• Alfabetización ética en IA. Capacidad de comprender y evaluar de forma crítica el funcionamiento, los límites y las consecuencias educativas de los sistemas de IA, atendiendo a la privacidad, la transparencia, la equidad, la autoría, la responsabilidad y la integridad académica.
• Formación contextualizada/situada. Formación que se desarrolla dentro de la práctica profesional real de un equipo, sobre sus tareas y sus dilemas, en lugar de transmitir contenidos descontextualizados.
• Codiseño. Método por el que los materiales o criterios se elaboran junto con las personas que van a usarlos, de modo que su experiencia modifica el resultado y no solo lo valida al final.
• Mediación crítica. Papel docente que consiste en acompañar la interpretación, la contextualización y la problematización de la información generada, en lugar de competir con la máquina en producirla.
• Autoeficacia. Confianza que una persona tiene en su propia capacidad para realizar una tarea. Se mide preguntando, no observando, y por eso conviene distinguirla del desempeño real.
• Diseño pre-post. Estudio que mide a un mismo grupo antes y después de una intervención. Muestra si algo cambió, pero sin grupo de comparación no permite atribuir el cambio a la intervención.

Referencias

1. Lorenzo Galés, N. (2026). Justificación estadística: correspondencia entre los dilemas pedagógicos de la praxis y las divergencias entre expertos. En J. M. Muñoz, N. Lorenzo, X. Suñé, M. À. Prats y C. López (coords.), Informe ODITE 2026. Claves para una nueva educación. Observatorio de Innovación Educativa y Cultura Digital, Asociación Espiral. Apartados 3, 4 y 5, y declaración de uso de IA.
2. Bowen, J. A. y Watson, C. E. (2024). Teaching with AI: A Practical Guide to a New Era of Human Learning. Johns Hopkins University Press.
3. Guaranda-Arias, I. C., García-Ortiz, L. R. y Guerrero-Zambrano, M. (2026). Alfabetización ética en inteligencia artificial y pensamiento crítico del profesorado: una revisión sistemática reportada conforme a PRISMA 2020. Innova Science Journal, 4(3), 964-974.
4. Prats, M. À. (2026). Enfoques metodológicos y prácticas docentes críticas en la era de la inteligencia artificial. En Informe ODITE 2026.
5. Mills, K., Ruiz, P., Lee, K., Coenraad, M., Fusco, J., Roschelle, J. y Weisgrau, J. (2024). AI Literacy: A Framework to Understand, Evaluate, and Use Emerging Technology. Digital Promise.
6. CRAFT: Classroom-Ready Resources About AI for Teaching. Stanford Graduate School of Education e Institute for Human-Centered AI. Principios fundamentales, desarrollo profesional y programa de docentes codiseñadores. https://craft.stanford.edu/
7. De la Fuente Castelló, R. M. y Lorenzo Galés, N. (2026). Agencia humana en la IA educativa: APLICA-Soluciones para pasar a la acción. En Informe ODITE 2026.
8. Oliver Trobat, M. F., De la Iglesia Mayol, B., Buil Legaz, L. y Pinya Medina, C. (2026). Coconstruyendo criterios para el uso pedagógico y ético de la inteligencia artificial en la educación universitaria. En Informe ODITE 2026.