El juicio no se delega · 12 de 12

Suele decirse que la escuela está dividida en dos frente a la inteligencia artificial. A un lado, quienes la prohíben y vigilan; al otro, quienes la utilizan sin freno. Y en medio, según el relato, una brecha generacional insalvable: un alumnado que la usa con naturalidad y un profesorado que la teme. Es una historia ordenada, fácil de contar y de titular. Pero también una historia que desaparece cuando alguien se molesta en medirla.

Este es el último artículo de la serie, y toca hacer lo que se le pide a cualquier proceso de aprendizaje: separar lo que sabemos de lo que suponemos, y decidir qué se hace con ello.

El mapa del desacuerdo

En abril de 2026, el Observatorio de Innovación Educativa y Cultura Digital publicó un informe con un contenido poco habitual en este tipo de publicaciones: un capítulo dedicado a validar estadísticamente sus propias conclusiones. Lo firma Neus Lorenzo Galés, vicepresidenta de la Societat Catalana de Pedagogia. El procedimiento consistió en cruzar tres fuentes directas, un cuestionario al alumnado (138 respuestas), otro al profesorado (63) y entrevistas a doce personas expertas, y comparar sus respuestas con pruebas estadísticas, no con impresiones (1).

Antes de estudiar los resultados conviene fijar el tamaño de lo que se analiza. Son muestras pequeñas, no probabilísticas y de participación voluntaria, y los propios autores lo advierten sin rodeos: no pretenden garantizar una representación escalable ni transferible a otros contextos (1). Lo que ofrecen no es una radiografía del sistema educativo hispanohablante. Es una fotografía honesta de quienes quisieron responder. Con esa cautela puesta, los resultados son llamativos.

El primero: en la pregunta sobre si la IA mejora los resultados académicos, alumnado y profesorado puntúan casi igual (medias de 3,36 y 3,37 sobre 5), y la diferencia es tan pequeña que la prueba estadística la descarta por completo (1). Es el punto de mayor consenso de todo el estudio. La percepción global también converge: alrededor del 70 % del alumnado y el 79,4 % del profesorado valoran de forma positiva el uso de la IA, y no hubo un solo docente que la valorara de forma totalmente negativa, mientras que un 6,5 % del alumnado sí expresó rechazo explícito (1). Léase despacio, porque invierte el tópico. Quien mostró animadversión hacia la IA fue el alumnado, no el claustro.

El segundo resultado: donde sí hay divergencia real, con significación estadística y tamaño de efecto mediano, es en la preocupación por el pensamiento crítico (medias de 3,74 en el alumnado y 4,35 en el profesorado) y en la necesidad de debatir los riesgos en clase (4,13 y 4,71). En ambos casos el profesorado puntúa más alto, y en el segundo la distancia es la mayor de todo el estudio (1). El desacuerdo, por tanto, no es sobre si la herramienta sirve. Es sobre cuánto hay que inquietarse y cuánto hay que hablarlo.

El tercero es el más incómodo. La máxima polarización de todo el informe no se da entre sectores, sino dentro de uno solo: los doce expertos entrevistados discrepan entre sí, más que en ningún otro tema, sobre la credibilidad de las instituciones encargadas de gobernar la IA en educación (1). Y en ese punto el informe registra un silencio, pues la voz del alumnado sobre gobernanza no existe todavía (1). Un análisis complementario comprueba además que estos ejes de divergencia coinciden con los tres dilemas que emergen de las experiencias de aula, automatización frente a esfuerzo cognitivo, personalización frente a dependencia y eficiencia frente a profundidad pedagógica (11).

Escuchar al alumnado matiza más el cuadro. Gina María Ramírez Zöller, ingeniera en sistemas y rectora de la Unidad Educativa Lemas de Guayaquil, encuestó a 327 estudiantes de entre 12 y 16 años de su centro, elegidos por accesibilidad y consultados en un único momento del curso. Lo que más les preocupa de la IA no es el aburrimiento ni la vigilancia: es la dependencia (42,70 %), seguida del riesgo de recibir información incorrecta (26,40 %). El 67 % considera que usarla para las tareas es una ayuda válida si se usa bien. Y siete de cada diez, el 70,3 %, creen que deberían recibir orientación sobre su uso responsable (2). Parece un dato menor, ¿verdad?, pues es el más exigente del informe: el alumnado está pidiendo por escrito lo que muchos claustros aún no han decidido dar.

Francesca Burriel Manzanares, doctora en Pedagogía e inspectora de educación, hizo una consulta parecida en el Colegio Español María Moliner de Andorra antes de introducir la IA en el centro, con dos grupos muy pequeños, 19 alumnos de 1.º de ESO y 21 de 1.º de Bachillerato. Los pequeños usan poco la IA y casi nunca comprueban lo que les responde, pero creen que sin ella no les pasaría nada. Los mayores la usan mucho, desconfían más y contrastan más, y a la vez reconocen que trabajar sin ella les costaría (3). Con cuarenta respuestas no se generaliza nada, y así hay que leerlo. Como indicio de un centro, apunta algo que conviene no perder de vista: el hábito de verificar no llega con la edad temprana, llega tarde y llega acompañado de dependencia.

El mapa, entonces, queda así. Coincidimos en que la IA aporta. Discrepamos en cuánto preocuparnos. Y desconfiamos, sobre todo, de quien decide. Ese tercer eje merece una conversación propia, que es la que ocupa el artículo anterior de esta serie.

Futuro sin bola de cristal

Si el desacuerdo no está en si la IA sirve, la pregunta se desplaza: ¿para qué mundo estamos preparando a este alumnado? Aquí es donde la prudencia se vuelve obligatoria, pues la mayor parte de lo que se publica sobre el futuro del trabajo son proyecciones, y muchas proceden de consultoras y bancos de inversión, no de investigación revisada por pares.

José Antonio Bowen y C. Edward Watson lo tratan en el capítulo sobre la nueva era del trabajo de su libro, y son transparentes con el origen de sus cifras. Los porcentajes que circulan sobre la exposición de cada sector a la IA (un 6 % de las tareas en construcción, un 44 % en el ámbito jurídico, un 46 % en apoyo administrativo) proceden de un informe de Goldman Sachs, igual que la previsión de un aumento del 7 % del PIB global (4, 13). Son estimaciones de un banco de inversión, y así deberían citarse siempre.

Lo que el capítulo sí sostiene con estudios detrás es más interesante que cualquier porcentaje. Bowen y Watson lo resumen en una frase: la IA eliminará algunos empleos, pero va a cambiar todos (4). Y en los trabajos que revisan aparece un patrón constante. Tanto en un estudio con cinco mil agentes de atención al cliente como en un experimento del MIT con 453 profesionales con formación universitaria, quien más se beneficia de la asistencia de la IA es siempre el trabajador novel o menos cualificado. En el caso del MIT, quienes usaron ChatGPT terminaron las tareas de escritura un 40 % más rápido y con un 18 % más de calidad, y los peores escritores fueron los más ayudados, de forma que la desigualdad entre trabajadores se redujo (4). La explicación de Bowen es sobria y útil para el aula: la IA hace un trabajo de aprobado, pero es un aprobado constante, y para quien empieza, este promedio ya es una mejora.

Ahí está el problema, y es un problema pedagógico antes que económico. Si la IA asume las tareas rutinarias que hasta ahora hacían los perfiles de entrada, los becarios, los junior y nuestros principiantes pierden precisamente las oportunidades en las que se aprende el oficio (4). Alejandro Espeso-García, de la Universidad Católica de Murcia, lo desarrolla en una revisión conceptual publicada en 2025 con dos conceptos que conviene incorporar al vocabulario de los equipos directivos. El primero es el deskilling, la atrofia progresiva de las destrezas profesionales por automatización, que afecta con más fuerza a los perfiles intermedios. El segundo es la paradoja de la automatización: cuanto más competente es el sistema, menos ocasiones tiene la persona de practicar, y cuando el sistema falla o alucina, ya no queda experiencia para corregirlo (5). Conviene subrayar que se trata de un artículo de revisión, sin datos propios, que sintetiza literatura reciente.

Frente a ese escenario, Espeso-García propone el de la inteligencia híbrida, entendida no como sustitución sino como sistema complementario, en el que la persona guía y refina lo que el algoritmo produce, con evidencia de que esa colaboración genera soluciones más aplicables que el algoritmo o la persona por separado (5). En cuanto a las competencias que ganan valor, el artículo se apoya en el informe del Foro Económico Mundial de 2025: pensamiento analítico e innovación en primer lugar, y junto a ellos liderazgo, resiliencia, flexibilidad y, de forma muy destacada, aprender a aprender (5, 12).

No es una lista sorprendente para quien lleva años en un centro educativo. Es, casi calcado, lo que la escuela lleva décadas diciendo que quiere formar. Y ese es el resultado más útil de mirar el futuro del trabajo sin bola de cristal: la respuesta pedagógica no depende de acertar la predicción.

Quién lleva el volante

Espeso-García cierra su artículo con una imagen que sirve para cerrar también esta serie. La cognición humana, sostiene, ya es híbrida y lo será de forma irreversible, así que la pregunta no es si la mente se fundirá con estos sistemas, sino si esa hibridación será evolución o involución. Y todo depende de una condición: que la mente conserve su soberanía como agente cognitivo, es decir, que defina los fines, juzgue los medios y ejerza el juicio final. El desenlace, escribe, dependerá de si actuamos como pilotos guiados por la tecnología o como pasajeros que confunden la ilusión de comprender con el acto de pensar (5).

La distinción no es retórica. En otro punto del mismo artículo la traduce en un cambio de modelo: pasar del human in the loop, donde la persona se limita a supervisar lo que el sistema propone, al human in charge, que le devuelve el control crítico y la autoridad final. Y añade la condición que sostiene todo lo anterior: sin una base sólida de conocimiento que permita auditar y corregir al algoritmo, el estudiante no es un piloto asistido, es un pasajero ciego (5). Es la misma tesis que recorre esta serie desde la primera entrega. No se puede supervisar lo que no se comprende.

El Marco AILit, publicado en junio de 2026 por la OCDE y la Unión Europea, organiza la alfabetización en IA en cuatro ámbitos: interactuar, crear, gestionar y moldear. Los dos últimos son los que interesan a un equipo directivo que tenga que decidir. Gestionar la IA se define como repartir el trabajo de forma deliberada entre las personas y la IA, y moldear la IA lleva al alumnado a considerar estos sistemas como algo deliberado y dirigido por humanos, en lugar de algo inevitable (6). Cathy Adams, de la Universidad de Alberta, lo formula en el propio marco con una precisión que agradecerá cualquier claustro sin perfil técnico: no hace falta ser ingeniero de IA para entender que se puede moldear la tecnología en lugar de dejarse moldear por ella (6).

Con esas dos fuentes se puede construir un marco de decisión sencillo, que propongo como síntesis propia y no como recomendación de ninguna de ellas. Tres verbos: proteger, delegar, moldear.

Proteger es decidir qué esfuerzo no se externaliza, porque es precisamente el esfuerzo que enseña. Es la deuda cognitiva de la que hablamos en el cuarto artículo y la dificultad deseable del quinto. Delegar es el ámbito de gestión del Marco AILit: repartir el trabajo de forma deliberada, lo que exige saber antes qué se está repartiendo. Moldear no significa programar modelos. Significa que un centro entienda que estos sistemas responden a decisiones humanas sobre datos, criterios y finalidades, y que puede pedir cuentas sobre ellas.

Y es que la palabra que mejor resume este cierre no es tecnológica. En 2025, la UNESCO dedicó el Día Internacional de la Educación a las tecnologías de inteligencia artificial con el lema «Preservar la agencia humana en un mundo de automatización», que Rosa Maria de la Fuente Castelló y Neus Lorenzo recogen como eje de su trabajo de formación docente (10). Agencia humana es la capacidad de decidir y de responder de lo decidido. No se preserva con una circular. Se preserva con criterios acordados y revisados.

Del análisis a la decisión

Para el equipo directivo: la estrategia de centro en una página. Tres decisiones por curso, una por verbo. Qué protegemos (qué tareas o procesos de aprendizaje se hacen sin IA y por qué), qué delegamos (qué trabajo repetitivo, docente o administrativo, pasa a la IA con supervisión definida) y qué moldeamos (qué criterios exigimos a las herramientas que entran en el centro). Cada decisión con un indicador y una fecha de revisión. Es una propuesta de este blog, no un instrumento validado, y su valor está en que cabe en una página y obliga a elegir.

Para el equipo directivo: el debate de claustro con datos propios. El informe ODITE concluye que el desajuste entre la mirada del alumnado, más atenta al beneficio inmediato, y la del profesorado, más atenta a las condiciones estructurales, obliga a generar espacios de diálogo pedagógico deliberado entre unos y otros (1). La propuesta es sencilla: replicar en el centro esas cuatro preguntas, comparar las medias del claustro con las del alumnado y discutir sobre lo que salga en lugar de sobre titulares. Cabe en un formulario de diez minutos.

Para el aula: tres experiencias documentadas, con su alcance real.

Javi Badia, técnico docente en el Institut de Ciències de l’Educació de la Universitat de Lleida, trabajó con alumnado de 4.º de ESO del Institut Torre Vicens en la programación en Python de un chatbot sobre el bioquímico Joan Oró. El sistema responde por coincidencia de palabras clave, y el objetivo no era aprender a programar sino abrir la caja negra. Al introducir información errónea a propósito, el alumnado comprobó que el sistema no entiende, compara. La evaluación se hizo con rúbrica, observación y diario de aprendizaje, sin medidas antes y después, así que hablamos de evidencia formativa y no de un experimento (7).

Maite Carbonell Cajal, docente de Dibujo en el INS Leonardo da Vinci de Sant Cugat del Vallès, llevó a 120 alumnos de 2.º de ESO a dibujar con Quick, Draw!, la herramienta de Google que reconoce dibujos a partir de millones de trazos hechos por personas. La actividad contrasta dos cosas: cómo representamos el mundo los humanos y cómo lo clasifica un sistema entrenado con esas mismas representaciones (8).

Marc Alier, profesor de la Universitat Politècnica de Catalunya, probó con 47 estudiantes de Ingeniería Informática una plataforma abierta que permite al docente crear asistentes acotados a fuentes seleccionadas e integrados en Moodle, sin registro externo del alumnado (9). Es una experiencia universitaria, y lo que traslada a la escuela no es la actividad sino el criterio. Un asistente definido por el docente y anclado a fuentes verificables no es lo mismo que un chatbot genérico.

Qué leer después de esta serie

Una serie sirve de poco si no deja un recorrido por delante. Este es el corpus completo en el que se ha apoyado, ordenado por perfil de lector.

• Para entender la máquina: Bowen y Watson, Teaching with AI (2024), capítulos 1 a 3; Wulff y Mata en Trends in Cognitive Sciences (2026); y las aplicaciones abiertas del proyecto finlandés Generation AI, ganador del Premio Europeo de Competencias Digitales de 2026, que permiten manipular un clasificador o un modelo de lenguaje en el navegador sin programar.
• Para entender qué le hace a la mente que aprende: Bjork y Bjork sobre dificultades deseables (2020); Kosmyna y su equipo del MIT Media Lab (2025), recordando que es un preprint; Lee y colaboradores en el congreso CHI (2025); Gerlich en Societies (2025), de diseño correlacional; Doshi y Hauser en Science Advances (2024); y la revisión de Espeso-García (2025).
• Para diseñar la alfabetización en IA: el Marco AILit de la OCDE y la Unión Europea (2026); el marco de Digital Promise de Mills y colaboradores (2024); el estudio Delphi internacional de Hallström y su equipo (2026); y, para la mirada crítica, el «plástico digital» de Roe, Furze y Perkins (2026).
• Para la práctica de aula y la formación del profesorado: el Informe ODITE 2026 completo; la revisión PRISMA de Guaranda-Arias y colaboradoras (2026) sobre alfabetización ética y pensamiento crítico docente; y los materiales abiertos de CRAFT, la iniciativa de la Stanford Graduate School of Education que produce recursos de alfabetización en IA para secundaria en todas las materias.

Para terminar

Doce entregas después, el balance es más modesto y más exigente de lo que prometían los titulares. Sabemos que estos sistemas predicen y no comprenden, que la alucinación es su funcionamiento y no su avería, que el sesgo es una propiedad del corpus, que el ahorro cognitivo se paga y que el consenso internacional sobre qué enseñar es pequeño. No sabemos cómo será el trabajo dentro de quince años, y quien lo afirme está vendiendo algo.

Lo que sí sabemos es que el futuro de la escuela con IA no se predice. Se decide, en reuniones concretas, con criterios escritos y revisables.

Y la pregunta con la que se cierra esta serie no es sobre tecnología: ¿qué esfuerzo va a proteger tu centro este curso, y cómo sabrás dentro de un año si lo ha protegido de verdad?

Glosario

• Deskilling. Pérdida progresiva de destrezas profesionales por delegación sostenida de tareas en sistemas automáticos. Afecta sobre todo a quienes están empezando, porque las tareas que se automatizan son las que servían para aprender el oficio.
• Inteligencia híbrida. Modelo de colaboración en el que la persona orienta, corrige y valida lo que produce el sistema, en lugar de sustituir su trabajo por él.
• Agencia humana. Capacidad de una persona o de una institución para decidir con criterio propio y responder de las consecuencias de esa decisión.
• Soberanía cognitiva. Situación en la que la mente conserva la definición de los fines, el juicio sobre los medios y la decisión final, aunque delegue la ejecución.
• Moldear la IA. Cuarto ámbito del Marco AILit. Comprender que el comportamiento de estos sistemas responde a decisiones humanas sobre datos y criterios, y ser capaz de proponer mejoras. No consiste en programar modelos.

Referencias

1. Lorenzo Galés, N. (2026). La validación científica del informe ODITE 2026: un ejemplo de uso de IA en investigación educativa. En J. M. Muñoz, N. Lorenzo, X. Suñé, M. À. Prats y C. López (coords.), Informe ODITE 2026. Claves para una nueva educación. ODITE, Asociación Espiral.
2. Ramírez Zöller, G. M. (2026). La IA bajo la lupa de los estudiantes. En Informe ODITE 2026, sección Praxis.
3. Burriel Manzanares, F. (2026). La voz de los protagonistas: expectativas del alumnado sobre la IA. En Informe ODITE 2026, sección Praxis.
4. 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.
5. Espeso-García, A. (2025). Inteligencia artificial generativa: entre la potenciación y la externalización cognitiva. Cultura, Ciencia y Deporte, 20(66). https://doi.org/10.12800/ccd.v20i66.2698
6. OCDE y Unión Europea (2026). Cómo preparar a los alumnos para la era de la IA: Marco de competencias sobre IA para la educación primaria y secundaria (Marco AILit). OECD Publishing. https://doi.org/10.1787/65cd27d4-en
7. Badia, J. (2026). Programar para desmitificar la IA: el chatbot de Joan Oró en la educación secundaria. En Informe ODITE 2026.
8. Carbonell Cajal, M. (2026). La IA en el arte: conciencia digital y lenguaje visual. En Informe ODITE 2026.
9. Alier, M. (2026). Una experiencia de integración segura de inteligencia artificial generativa en educación superior mediante asistentes de aprendizaje. En Informe ODITE 2026.
10. 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.
11. Lorenzo Galés, N. (2026). Justificación estadística: correspondencia entre los dilemas pedagógicos de la praxis y las divergencias entre expertos. En Informe ODITE 2026.
12. World Economic Forum (2025). The Future of Jobs Report 2025. Citado en Espeso-García (2025).
13. Briggs, J., y Kodnani, D. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth. Goldman Sachs. Citado en Bowen y Watson (2024).