[EDUCACIÓN] La inteligencia artificial no sustituye lo que sabes: cuatro dimensiones para aprender con autonomía

ENSAYO PEDAGÓGICO / INTELIGENCIA ARTIFICIAL

Cuando la inteligencia artificial asegura que todo está bien

Por Junnior Calcaño Álvarez

Una reflexión pedagógica sobre las consignas, las expectativas docentes, los conocimientos previos y la revisión crítica de los trabajos académicos.

Un estudiante termina una asignación, la introduce en una herramienta de inteligencia artificial y formula una pregunta que se ha vuelto cada vez más frecuente: «¿Mi trabajo cumple con todos los criterios de evaluación?». El sistema examina el documento, identifica sus apartados y responde favorablemente. Incluso puede felicitarlo por la organización, la claridad de las ideas y el aparente cumplimiento de las instrucciones. Con esa seguridad, el estudiante entrega su trabajo. Días después, el profesor devuelve la asignación con observaciones: algunos aspectos que parecían correctos necesitan ampliarse; ciertos argumentos carecen de suficiente profundidad; una sección responde parcialmente a lo solicitado y otras contienen errores conceptuales o metodológicos. Surge entonces una pregunta comprensible: ¿cómo puede estar mal un trabajo que ya había sido revisado por una inteligencia artificial?

La respuesta exige comprender que las herramientas generativas no funcionan como autoridades académicas infalibles. Aunque pueden analizar textos, identificar inconsistencias, proponer mejoras y explicar conceptos, sus valoraciones dependen de la información que reciben, de sus capacidades y de los criterios con que realizan el análisis. El problema tampoco consiste necesariamente en que el estudiante haya utilizado inteligencia artificial. La dificultad aparece cuando deposita en ella una confianza que excede sus posibilidades de verificación y renuncia, consciente o inconscientemente, a ejercer su propio juicio.

Esta distinción adquiere especial importancia en los diferentes niveles educativos. En secundaria, el estudiante está desarrollando las bases de su pensamiento crítico y su capacidad de estudio independiente. En la universidad, se espera que utilice conocimientos disciplinares para resolver problemas y argumentar con fundamento. En el posgrado, la exigencia incluye examinar críticamente la literatura especializada, tomar decisiones metodológicas y construir interpretaciones intelectualmente defendibles. En todos estos contextos, la inteligencia artificial puede contribuir al aprendizaje, pero también puede crear una ilusión de competencia: producir resultados que parecen demostrar conocimientos que el estudiante todavía no domina.

La Organización para la Cooperación y el Desarrollo Económicos (OCDE, 2026) advierte precisamente que mejorar el desempeño en una tarea mediante IA generativa no supone, necesariamente, una mejora equivalente en el aprendizaje. Por consiguiente, el desafío educativo no debe reducirse a determinar quién utiliza IA y quién no, sino a establecer cómo se utiliza, qué conocimientos intervienen durante el proceso y quién conserva la responsabilidad intelectual sobre el resultado.

1. Las cuatro dimensiones del uso autónomo de la inteligencia artificial

Para comprender esta problemática, resulta útil identificar cuatro dimensiones que interactúan durante la elaboración de un trabajo académico: la consigna, la intención pedagógica del docente, los conocimientos previos del estudiante y el modelo de inteligencia artificial utilizado.

Dimensión	Pregunta clave
01. La consigna	¿Qué se solicita formalmente?
02. La intención docente	¿Qué aprendizaje se busca demostrar?
03. El saber previo	¿Qué puedo comprender y contrastar?
04. El modelo de IA	¿Qué puede aportar y dónde falla?

Todas se articulan mediante la interpretación, el contraste, la depuración y la decisión del estudiante. La autonomía depende de la articulación de las cuatro dimensiones, no del funcionamiento aislado de una de ellas.

Estas dimensiones no deben entenderse como compartimentos separados. La consigna orienta el trabajo; la intención pedagógica permite comprender su finalidad; los conocimientos previos posibilitan interpretar y comprobar; y el modelo de IA proporciona una forma particular de asistencia. Cuando una de ellas presenta debilidades, pueden aparecer dificultades en el resultado. Cuando varias se desajustan simultáneamente, el riesgo de entregar un trabajo insuficiente aumenta.

1.1. La consigna: comprender lo que realmente se solicita

La consigna constituye el punto de partida de cualquier actividad académica. En ella se establecen las operaciones que debe realizar el estudiante, los contenidos que debe abordar, las condiciones de presentación y, cuando corresponde, los criterios de evaluación. Sin embargo, leer una consigna no significa necesariamente comprenderla. Consideremos tres instrucciones diferentes: describir las características de un fenómeno, analizar sus causas y valorar críticamente sus consecuencias. Aunque puedan referirse al mismo tema, exigen operaciones intelectuales distintas: describir implica identificar y exponer características; analizar requiere examinar relaciones y componentes; valorar críticamente supone formular juicios fundamentados mediante criterios y evidencias.

Si un estudiante solicita a la IA que escriba una descripción cuando la consigna exige un análisis, puede recibir un texto correctamente redactado que, sin embargo, no responde al aprendizaje esperado. En secundaria, esta dificultad puede manifestarse cuando se solicita comparar dos poemas y el estudiante se limita a resumirlos. En grado universitario, puede ocurrir cuando se pide interpretar un fenómeno social y el trabajo solamente reúne definiciones. En posgrado, aparece cuando se exige discutir críticamente antecedentes de investigación y el documento se reduce a enumerar autores y publicaciones.

La primera responsabilidad del estudiante consiste, por tanto, en identificar los verbos de la consigna, distinguir las tareas explícitas y reconocer qué evidencia debe presentar para demostrar su cumplimiento. Conviene reconocer, además, que la consigna escrita no siempre es tan precisa ni tan profunda como lo que el docente quiso decir. En un contexto ideal, todo profesor articularía con claridad lo que espera; en la práctica, algunas instrucciones son breves o ambiguas, y buena parte de su sentido se explica oralmente en clase. Por eso, tomar apuntes, observar con atención las aclaraciones y, cuando la institución y el docente lo autoricen, grabar las instrucciones ayuda a recuperar aquello que el texto no recoge. Cuando aun así persisten las dudas, formular preguntas aclaratorias o reformular la tarea con palabras propias para confirmarla con el docente es una forma legítima de autonomía.

Antes de consultar una IA, debería poder explicar con sus propias palabras qué se le ha pedido.

1.2. La intención pedagógica del docente: comprender para qué se asignó la tarea

Una actividad académica posee una formulación escrita, pero también responde a una finalidad formativa. El profesor puede solicitar una exposición, un ensayo, un análisis gramatical o un informe de investigación no solamente para obtener un documento terminado, sino para desarrollar determinadas competencias. Por ejemplo, una exposición sobre el Romanticismo puede perseguir que el estudiante comprenda las características del movimiento, reconozca sus manifestaciones literarias, interprete fragmentos y comunique oralmente sus hallazgos. Si la IA genera una presentación visualmente atractiva, pero el estudiante no puede explicar sus contenidos, el producto estará terminado mientras que el propósito de aprendizaje permanecerá parcialmente incumplido.

Aquí adquiere relevancia la atención al aula. Las explicaciones del docente, sus ejemplos, las preguntas que formula, las correcciones colectivas y los errores que señala durante las clases aportan información sobre la manera en que deben abordarse las actividades. Esto no significa que el estudiante tenga que adivinar preferencias personales o exigencias ocultas: los criterios esenciales deben comunicarse con claridad, y la intención pedagógica legítima debe guardar coherencia con la consigna y los resultados de aprendizaje establecidos. No obstante, comprender una asignatura requiere algo más que conservar una fotografía de la tarea o copiar las instrucciones de una plataforma virtual.

El contexto del aula forma parte del proceso de interpretación académica. La IA puede conocer el texto de una consigna, pero no necesariamente las aclaraciones que el profesor ofreció durante una clase, las dificultades recurrentes del grupo o los acuerdos establecidos para desarrollar una actividad. Cuando esa información no se proporciona, el modelo puede evaluar correctamente lo que recibió y, aun así, ofrecer una conclusión insuficiente respecto del contexto real.

1.3. Los conocimientos previos: la condición necesaria para ejercer el juicio crítico

De las cuatro dimensiones, los conocimientos previos tienen una importancia particular porque determinan, en gran medida, la capacidad del estudiante para supervisar las demás. Una persona puede utilizar una herramienta sofisticada sin comprender suficientemente el resultado que recibe. Puede reconocer que un texto está bien redactado, pero no identificar que contiene una afirmación equivocada, una clasificación inadecuada o una conclusión que no se desprende de los datos. Esta situación puede volverse especialmente problemática cuando la IA utiliza un lenguaje técnico convincente.

Supongamos que un estudiante universitario solicita un análisis sintáctico. El modelo identifica categorías, presenta una estructura jerarquizada y utiliza terminología especializada. Si el estudiante no domina las relaciones entre los constituyentes ni comprende los fundamentos del análisis, tendrá dificultades para cuestionar una segmentación incorrecta. Lo mismo ocurre cuando un estudiante de posgrado solicita una clasificación morfológica, una interpretación estadística o una comparación entre enfoques teóricos: la respuesta puede tener apariencia académica y, sin embargo, contener inconsistencias que únicamente una revisión fundamentada permitiría advertir.

No se trata de afirmar que la IA carezca de utilidad para quienes poseen pocos conocimientos. Precisamente puede resultar valiosa para aprender conceptos básicos, recibir explicaciones alternativas y practicar contenidos. La distinción es otra: una persona puede utilizar la IA para aprender aquello que desconoce, pero no debería tratarse a sí misma como evaluadora experta de un contenido que todavía no comprende. Por ello, el saber previo no debe entenderse únicamente como una cantidad de información almacenada. Incluye la capacidad de relacionar conceptos, reconocer las propias limitaciones, identificar dudas y buscar evidencias independientes. En términos educativos, esta capacidad se vincula con la metacognición, es decir, la posibilidad de examinar y regular los propios procesos de aprendizaje.

El estudiante autónomo no es quien nunca necesita ayuda. Es quien puede reconocer cuándo la necesita, utilizarla con criterio y determinar qué aspectos todavía requieren estudio o verificación.

1.4. El modelo de inteligencia artificial: capacidades, límites y adecuación

No todas las herramientas de inteligencia artificial tienen las mismas capacidades. Tampoco un mismo modelo responde necesariamente con igual precisión a cualquier tipo de actividad. Algunos sistemas pueden resultar particularmente útiles para organizar información, otros para examinar documentos extensos, trabajar con datos, explicar procedimientos o asistir en determinadas tareas técnicas. Pero incluso un modelo competente puede producir errores, omitir elementos importantes, interpretar incorrectamente una instrucción o proporcionar referencias que necesitan comprobarse. También puede generar una valoración demasiado favorable del trabajo que se le presenta, especialmente cuando carece de criterios suficientemente específicos.

Por ejemplo, si el estudiante pregunta «¿Está bien mi ensayo?», la IA puede concentrarse en la claridad general, la cohesión y la organización. Si no dispone de la rúbrica, de la bibliografía obligatoria ni de los objetivos de la asignatura, su juicio será necesariamente limitado. En cambio, una consulta que incluya la consigna completa, los criterios oficiales y el texto del estudiante permite una revisión mejor contextualizada, aunque no garantiza que la evaluación sea correcta. La selección del modelo, por tanto, importa; pero también importa saber qué información proporcionarle, qué operaciones solicitar y qué aspectos verificar posteriormente.

Esta dimensión incluye otra exigencia: no introducir información personal sensible, datos de compañeros, entrevistas confidenciales o documentos de investigación en herramientas que no ofrezcan las garantías y autorizaciones correspondientes. La autonomía digital también implica reconocer las responsabilidades éticas que acompañan el uso de la tecnología.

2. Cuando las cuatro dimensiones no congenian: cómo se producen los errores

Uno de los problemas más frecuentes en el uso académico de la inteligencia artificial consiste en suponer que basta con tener una herramienta potente para obtener resultados satisfactorios. Sin embargo, la calidad del trabajo no depende únicamente de la capacidad tecnológica disponible. También está condicionada por la información proporcionada, la comprensión del problema y la supervisión humana. Pueden presentarse varias formas de desajuste.

Desajuste	Consecuencia probable
Consigna mal interpretada + IA competente	Se produce un buen texto para una tarea equivocada.
Consigna correcta + contexto docente incompleto	El producto cumple formalmente, pero omite aspectos trabajados en clase.
Conocimientos previos insuficientes + IA convincente	Los errores conceptuales pasan inadvertidos.
Buen conocimiento disciplinar + modelo inadecuado	Aparecen imprecisiones que obligan a reconstruir parte del trabajo.
Varios componentes débiles simultáneamente	El resultado puede ser coherente en apariencia, pero insuficiente en contenido y metodología.

Estos casos permiten comprender un fenómeno importante: un trabajo puede fracasar sin que exista un único error determinante. En ocasiones, la dificultad comienza con una instrucción ambigua, continúa con una interpretación incorrecta del estudiante y termina con una respuesta de la IA que refuerza esa interpretación. El modelo puede desarrollar extensamente un planteamiento equivocado sin advertir que la actividad original perseguía otro propósito. En otras situaciones, el estudiante comprende la consigna, pero proporciona al modelo información incompleta. La herramienta ofrece una respuesta razonable dentro de esos límites, aunque insuficiente para satisfacer la actividad.

Aquí aparece una cuestión fundamental: una IA puede ser coherente con la información que recibe y, al mismo tiempo, resultar inadecuada para la situación académica que desconoce. Por eso, la revisión no debe limitarse a detectar faltas ortográficas, mejorar conectores o comprobar que estén presentes todos los títulos. También debe examinar si el contenido responde al problema, si las afirmaciones están fundamentadas y si el trabajo demuestra las competencias exigidas.

3. Tres niveles educativos, un mismo principio de autonomía

Aunque las cuatro dimensiones son aplicables a distintos contextos formativos, no se manifiestan de igual manera en secundaria, grado y posgrado. La naturaleza de las tareas cambia, el conocimiento especializado se profundiza y las responsabilidades intelectuales aumentan.

• Secundaria: aprender antes de delegar. El propósito principal es desarrollar comprensión lectora, escritura, razonamiento y capacidad para explicar con palabras propias. La IA puede proporcionar ejemplos, ejercicios y retroalimentación, pero no debe impedir que el estudiante practique las habilidades que todavía está construyendo.
• Grado: aplicar y contrastar conocimientos. El estudiante debe utilizar marcos conceptuales, consultar fuentes pertinentes y argumentar decisiones. La IA puede colaborar en la organización de ideas, la comparación de enfoques y la revisión, pero sus aportes deben confrontarse con conocimientos disciplinares y bibliografía verificable.
• Posgrado: justificar y defender decisiones. Las exigencias incluyen examinar críticamente antecedentes, delimitar problemas, construir procedimientos metodológicos e interpretar resultados. La IA puede asistir en distintas operaciones, pero las decisiones investigativas y la responsabilidad sobre las conclusiones corresponden al investigador.

3.1. En secundaria: la diferencia entre entregar y aprender

Imaginemos que un profesor de Lengua Española asigna la elaboración de una noticia científica. La actividad exige un título informativo, un primer párrafo que responda las preguntas fundamentales, vocabulario técnico explicado y una organización coherente de la información. Un estudiante podría solicitar a la IA que redacte una noticia completa y posteriormente copiarla en su cuaderno. Probablemente entregaría un producto aceptable desde el punto de vista formal. Sin embargo, el profesor no necesariamente podría determinar si aprendió a seleccionar información, distinguir hechos de opiniones o construir una noticia por sí mismo.

Un uso pedagógicamente más provechoso consistiría en que el estudiante eligiera el acontecimiento, consultara una fuente confiable, redactara su primer borrador y utilizara después la IA para identificar aspectos mejorables. Así, la herramienta contribuiría al proceso sin apropiarse de la actividad intelectual que el estudiante necesita desarrollar. La pregunta no sería únicamente si la noticia quedó bien escrita, sino si el estudiante aprendió a escribir noticias.

Una experiencia de mi práctica docente permite ver esta misma dificultad desde otro ángulo. Las situaciones que relato a continuación no pretenden establecer regularidades generales; las incluyo porque ilustran, desde el aula, procesos que conviene conversar y orientar. En cuarto de secundaria asigné la escritura de un soneto con ayuda de inteligencia artificial: catorce versos, organizados en dos cuartetos y dos tercetos. Una vez terminado, les pedí convertirlo en canción mediante la aplicación Suno. Me resultaba muy ilustrativo ver cómo me entregaban la canción convencidos de haber cumplido, y cómo yo les respondía que el soneto estaba bien, pero que la canción no. «¿Por qué, profe?». Porque una canción tiene coro y puede tener puente, y no bastaba con copiar el soneto en otro formato: había que darle forma de canción sin dejar de ser fiel al soneto. Algunos lo lograron después de cuatro o cinco intentos.

Lo revelador es que la herramienta no falló. Hizo lo que se le pidió: convertir un texto en canción. Es probable que una instrucción más precisa, como solicitar una estructura de canción sin que el texto dejara de ser un soneto, hubiera producido un mejor resultado. Pero para formular esa instrucción había que saber que una canción tiene estructura, y para advertir que faltaba el coro había que saber qué es un coro. Los estudiantes asumían que trabajar con IA volvería la tarea más sencilla; descubrieron que la dificultad no había desaparecido, sino que se había desplazado: ahora estaba en saber qué pedir y en reconocer si lo recibido cumplía. El saber previo, por tanto, interviene en ambos extremos del proceso: al formular el pedido y al revisar la respuesta.

Algo parecido ocurrió con la poesía satírica. Solicité una composición en décimas, es decir, con estrofas de diez versos, y recibí trabajos con cinco estrofas de cuatro versos. La consigna estaba clara y la había explicado con ejemplos en la pizarra, pero varios estudiantes todavía no dominaban la noción de verso ni la de estrofa, de modo que no podían comprobar si lo que la IA les devolvía correspondía con lo pedido. Con la poesía social propuse una tarea con dificultad deliberada: cuatro estrofas con esquemas de rima distintos (ABAB, ABBA, AABB y AAAA) y una quinta de elección libre, siempre que mantuviera coherencia con las demás, pues sabía que con IA la construcción les resultaría más fácil. Aun así, aparecieron textos genéricos que los estudiantes no podían defender.

3.2. En grado: la apariencia académica no equivale a fundamentación

En la universidad, las dificultades adquieren características diferentes. Un estudiante puede solicitar a la IA un ensayo sobre un problema filosófico, histórico, lingüístico o social. El modelo puede elaborar una introducción convincente, distribuir el contenido en apartados y cerrar con conclusiones aparentemente pertinentes. Sin embargo, una estructura correcta no garantiza que las afirmaciones estén bien sustentadas. Es posible que el ensayo utilice autores sin distinguir sus posiciones, presente interpretaciones discutibles como hechos indiscutibles o incluya referencias bibliográficas inexactas.

El estudiante universitario debe ser capaz de identificar estas limitaciones, contrastar las ideas con fuentes legítimas y construir una posición argumentada. La IA puede ayudar a reconocer objeciones y formular preguntas, pero no debería convertirse en la fuente definitiva de autoridad intelectual.

Lo he observado al enseñar el ensayo argumentativo. Insistía en una diferencia: el artículo de opinión no obliga a defender una postura con evidencias, mientras que el ensayo exige una tesis, al menos tres argumentos que la sostengan, dos contraargumentos y una conclusión, todo respaldado con estudios, instituciones o autores. Con ayuda de la IA, muchos estudiantes obtuvieron documentos bien presentados y con la estructura solicitada, pero de lenguaje genérico y con poca vida. Mencionaban un contraargumento sin decir según quién. Esa vida no la aporta la herramienta; la aporta quien conoce el tema y puede decidir qué fuentes quiere, cuáles descarta y en qué lugar va cada una: «no quiero estas dos fuentes seguidas; quiero esta aquí y esta allá». Les devolvía el trabajo una y otra vez y, aunque a veces les generaba estrés, entendían que usar la IA no los eximía de pensar, leer y corregir.

3.3. En posgrado: el peligro de delegar el juicio metodológico

En la formación de posgrado, el problema puede ser todavía más delicado porque algunas respuestas incorrectas requieren conocimientos especializados para ser identificadas. Consideremos una investigación lingüística basada en un corpus. El investigador debe delimitar el fenómeno que estudiará, seleccionar los materiales, establecer criterios de inclusión y exclusión, clasificar las unidades pertinentes e interpretar los resultados. Una IA puede colaborar en la organización de registros, proponer categorías preliminares o ayudar a detectar inconsistencias. Pero una clasificación automatizada no se convierte automáticamente en válida por utilizar terminología técnica.

Si el investigador desconoce los fundamentos de la teoría adoptada, podría aceptar categorías incompatibles con su marco conceptual o presentar resultados cuya justificación metodológica no comprende. En este nivel, la autonomía consiste en poder explicar por qué se seleccionó un procedimiento, cuáles son sus limitaciones y qué razones permiten sostener cada decisión. Un trabajo de posgrado no debería evaluarse únicamente por la sofisticación de su redacción, sino por la consistencia del razonamiento que lo sostiene.

4. La ilusión de suficiencia: cuando la IA aprueba el trabajo antes que el profesor

La facilidad con que las herramientas generativas producen textos completos puede generar una sensación engañosa de seguridad. El estudiante introduce su documento, solicita una revisión y recibe comentarios favorables. A partir de esa respuesta, puede concluir que la actividad está terminada. Sin embargo, la evaluación producida por una IA constituye una valoración provisional, no una certificación académica. El modelo puede desconocer las explicaciones desarrolladas en el aula, pasar por alto contradicciones, interpretar superficialmente los criterios o no identificar las expectativas metodológicas de la disciplina. También puede evaluar aspectos distintos de los que examinará el profesor. Esto permite distinguir tres niveles de calidad que no siempre coinciden:

• Corrección formal: el texto está organizado, redactado adecuadamente y cumple las condiciones de presentación.
• Corrección conceptual y metodológica: las ideas son pertinentes, las afirmaciones están fundamentadas y los procedimientos son coherentes.
• Cumplimiento pedagógico: el trabajo demuestra las competencias y los aprendizajes que la actividad pretendía desarrollar.

Un documento puede superar el primer nivel y presentar dificultades importantes en los otros dos. Por esta razón, preguntar reiteradamente a la IA si un trabajo está bien no constituye una estrategia suficiente de verificación. Incluso consultar varios modelos puede producir coincidencias que no garanticen la exactitud del contenido. La coincidencia entre herramientas no sustituye el contraste con fuentes, criterios disciplinares y evidencias.

Cuando un profesor devuelve una actividad con observaciones que la IA no había identificado, el estudiante dispone de una oportunidad para revisar sus propios criterios de valoración. Esto tampoco significa que el profesor tenga siempre razón. Sus comentarios pueden contener errores, omisiones o interpretaciones discutibles. La autonomía incluye también la posibilidad de examinar críticamente la retroalimentación docente y solicitar aclaraciones fundamentadas. Lo decisivo es abandonar la idea de que una respuesta favorable, provenga de una máquina o de una persona, debe aceptarse sin análisis.

5. La atención al aula como parte de la alfabetización en inteligencia artificial

La incorporación de IA en la educación no reduce la importancia de escuchar, participar y tomar apuntes. Por el contrario, puede hacer todavía más relevante la comprensión del contexto pedagógico. Cuando el docente explica una actividad, puede precisar qué entiende por análisis, qué errores deben evitarse, qué fuentes son apropiadas o cómo se valorará una determinada producción. Estos elementos ayudan al estudiante a interpretar correctamente las instrucciones y a utilizar la tecnología con mayor precisión.

Por ejemplo, dos estudiantes pueden introducir la misma consigna en un modelo de IA. Uno de ellos incorpora las aclaraciones ofrecidas en clase, conoce los contenidos trabajados y comprende los criterios de evaluación. El otro se limita a copiar el enunciado. Aunque ambos utilicen exactamente la misma herramienta, sus posibilidades de obtener un resultado pertinente pueden ser diferentes. La desigualdad no depende necesariamente del acceso tecnológico, sino también de los conocimientos, del contexto disponible y de la capacidad para interpretar las respuestas.

No obstante, la atención al aula no debe confundirse con una obligación de descubrir criterios ocultos. El docente tiene la responsabilidad de comunicar con suficiente claridad sus expectativas, ofrecer orientaciones pertinentes y evaluar de acuerdo con lo establecido. En consecuencia, la formación para utilizar IA requiere una responsabilidad compartida: el estudiante debe desarrollar autonomía y juicio crítico, mientras que el docente debe crear condiciones que permitan comprender las tareas, reconocer los criterios y aprender de la retroalimentación. El aula sigue siendo un espacio de mediación pedagógica que no puede reducirse a la transmisión de instrucciones para una plataforma tecnológica.

6. La depuración manual: el trabajo intelectual que no debemos abandonar

La revisión de un trabajo asistido por inteligencia artificial suele confundirse con la corrección de errores superficiales. Se revisa la ortografía, se mejoran algunas expresiones y se reorganizan los párrafos. Sin embargo, la verdadera depuración académica exige mucho más. Depurar significa examinar críticamente el producto y decidir qué debe conservarse, modificarse, ampliarse o eliminarse. Esta operación requiere recuperar las cuatro dimensiones iniciales: volver a la consigna, comprobar la finalidad pedagógica, movilizar los conocimientos propios y reconocer las limitaciones del modelo utilizado. La depuración, por tanto, no constituye una quinta dimensión independiente, sino una operación transversal que permite articular y comprobar las cuatro dimensiones del proceso.

De este modo, un estudiante puede aprovechar la IA sin renunciar a la autoría intelectual de sus decisiones, siempre que su uso respete las condiciones de la actividad y las normas académicas aplicables. La depuración también debe entenderse como un ejercicio de honestidad intelectual. Si el estudiante no comprende una afirmación, debe estudiarla antes de incorporarla. Si una referencia bibliográfica no puede localizarse, no corresponde presentarla como comprobada. Si desconoce cómo se obtuvo un resultado, necesita reconstruir el procedimiento antes de defenderlo.

Un texto no se convierte en una producción académica sólida simplemente porque su propietario pueda leerlo en voz alta o porque haya corregido su estilo. La verdadera apropiación intelectual comienza cuando el estudiante puede explicar, justificar y, cuando sea necesario, cuestionar lo que ha escrito.

7. Una estrategia práctica para utilizar IA con autonomía

El propósito de estas reflexiones no es desalentar el uso de herramientas generativas, sino enseñar a utilizarlas de manera que fortalezcan el aprendizaje. La siguiente secuencia puede adaptarse a una tarea de secundaria, un ensayo universitario o una investigación de posgrado.

Del encargo académico a la entrega responsable

1. Comprender antes de consultar. Leer la consigna completa, identificar los verbos principales, los productos esperados y los criterios de evaluación. Conviene reformularla con palabras propias y determinar si exige describir, analizar o valorar críticamente, pues cada operación demanda un trabajo distinto.
2. Recuperar el contexto de aula. Revisar las explicaciones del profesor, los ejemplos discutidos, los apuntes y las aclaraciones realizadas durante el proceso.
3. Reconocer lo que se sabe y lo que falta aprender. Identificar los conceptos dominados, las dudas y las fuentes necesarias para desarrollar la actividad.
4. Utilizar la IA con una finalidad definida y con el contexto completo. Pedir explicaciones, ejemplos, preguntas orientadoras, comparaciones o revisiones específicas, en lugar de solicitar automáticamente el trabajo completo. Un pedido como «hazme el ensayo» delega la tarea; en cambio, «explícame la diferencia entre analizar y describir y formúlame tres preguntas sobre mi borrador» deja la actividad intelectual en manos del estudiante. Cuando se solicite una revisión, conviene proporcionar la consigna íntegra, los criterios de evaluación y las aclaraciones recibidas en clase, porque sin ellos la valoración del modelo será necesariamente limitada.
5. Contrastar y depurar. Verificar afirmaciones, revisar fuentes, examinar los procedimientos y comprobar que el contenido responda a lo solicitado. En la práctica, esto implica comprobar que cada referencia existe y que realmente sostiene lo que se le atribuye, explicar el texto en voz alta sin leerlo y confrontar sus afirmaciones con los apuntes de clase y con fuentes legítimas. Lo que no pueda explicarse ni verificarse no debería entregarse como propio.
6. Demostrar comprensión. Entregar un producto que el estudiante pueda explicar, justificar y defender ante el docente, incluidas sus limitaciones.
7. Asumir responsabilidad. Declarar el uso de IA cuando así lo establezcan las normas académicas y abstenerse de utilizarla cuando la actividad lo prohíba o cuando el propósito sea comprobar una habilidad individual.

La secuencia se ajusta según el nivel educativo. En secundaria, el énfasis recae en los pasos 1 y 4: comprender la tarea y usar la IA para practicar, no para sustituir la escritura propia. En grado, adquiere mayor peso el paso 5, porque la contrastación con fuentes verificables es una exigencia central. En posgrado, el paso 6 se vuelve decisivo, pues el investigador debe poder justificar cada decisión teórica y metodológica que sostiene su trabajo.

Una herramienta de autoevaluación

Antes de entregar una actividad, conviene realizar una comprobación final. Este instrumento no sustituye una rúbrica oficial, pero permite detectar debilidades que una revisión automatizada podría pasar por alto.

Autoevaluación de autonomía académica

• Consigna: ¿Puedo explicar exactamente qué me solicitaron? Si no puedo, vuelvo a leerla y la reformulo con mis palabras antes de continuar.
• Intención pedagógica: ¿Comprendo qué aprendizaje debo demostrar? Si tengo dudas, reviso mis apuntes de clase o consulto al docente.
• Saber previo: ¿Entiendo los conceptos y argumentos que aparecen en mi trabajo? Si algo no lo comprendo, lo estudio en fuentes confiables antes de conservarlo.
• Modelo de IA: ¿He examinado críticamente las respuestas y comprobado los datos relevantes? Si no lo he hecho, verifico las afirmaciones y localizo cada referencia citada.
• Depuración: ¿Puedo justificar las decisiones y correcciones realizadas? Si no puedo, reviso el texto párrafo por párrafo y elimino o reescribo lo que no sé defender.
• Responsabilidad: ¿He respetado las normas de uso de IA y puedo defender el producto final? Si hay dudas sobre lo permitido, lo consulto antes de entregar y declaro el uso cuando corresponda.

Los aspectos sin confirmar señalan puntos que merecen una revisión antes de entregar el trabajo, y la indicación que acompaña a cada pregunta orienta el primer paso para corregirlos. El valor de esta secuencia no reside en convertir cada actividad en un procedimiento rígido. Su utilidad consiste en recordar que la responsabilidad intelectual debe acompañar todo el proceso. En algunas actividades, utilizar IA puede ser apropiado para explorar alternativas o recibir retroalimentación. En otras, particularmente cuando el objetivo consiste en comprobar una habilidad individual, su utilización puede estar limitada o prohibida. La autonomía también incluye saber cuándo no utilizar una herramienta.

8. El docente ante la inteligencia artificial: evaluar el aprendizaje, no solamente el producto

Hasta aquí, la atención se ha concentrado principalmente en el estudiante. Sin embargo, el uso responsable de IA también plantea desafíos para los docentes. Si una herramienta puede redactar ensayos, organizar presentaciones y producir respuestas completas, la evaluación educativa necesita prestar especial atención a los procesos mediante los cuales se construyen esos productos. Esto no significa renunciar a valorar los resultados finales. Significa reconocer que su presentación, por sí sola, puede ofrecer evidencias insuficientes del aprendizaje. Una evaluación puede combinar la revisión del producto con explicaciones orales, borradores, decisiones justificadas, actividades prácticas y espacios de retroalimentación.

Por ejemplo, un estudiante que entrega un análisis literario podría explicar por qué seleccionó determinados fragmentos y cómo llegó a sus interpretaciones. En una investigación universitaria, podría justificar sus criterios de selección bibliográfica. En un trabajo de posgrado, debería poder argumentar las decisiones metodológicas y las limitaciones de sus resultados. Estos procedimientos no pretenden convertir toda evaluación en un interrogatorio. Su finalidad es obtener evidencias más completas de comprensión y favorecer que los estudiantes participen conscientemente en su propio aprendizaje. En mi experiencia, devolver un trabajo con observaciones específicas, las veces que fuera necesario, ha sido una de las formas más eficaces de mostrar que la IA no reemplaza el pensar, el leer y el corregir.

La misma exigencia de supervisión se aplica al profesor que utiliza inteligencia artificial para corregir. Una IA puede ayudar a identificar problemas formales, comparar apartados con una rúbrica o sugerir comentarios de mejora. No obstante, la responsabilidad de interpretar las evidencias y justificar una calificación sigue correspondiendo al docente. La OCDE (2026) subraya que los sistemas de IA pueden apoyar las tareas docentes, pero no deben reemplazar el juicio profesional, especialmente en las decisiones de evaluación.

Esto permite superar una discusión frecuente, centrada exclusivamente en si profesores y estudiantes utilizan o no inteligencia artificial. La cuestión pedagógica fundamental es otra: ¿la tecnología está fortaleciendo la calidad del aprendizaje y de la evaluación, o simplemente está automatizando tareas sin garantizar una comprensión adecuada? La respuesta exige examinar las prácticas concretas, no únicamente las herramientas empleadas.

9. Hacia una autonomía intelectual acompañada por la tecnología

Las reflexiones anteriores coinciden con una preocupación presente en los debates internacionales sobre inteligencia artificial y educación: la necesidad de preservar la intervención y la responsabilidad humanas. La UNESCO (2023) propone una integración de la IA generativa centrada en las personas, apropiada para las edades y los contextos educativos, y sometida a criterios pedagógicos y éticos. Asimismo, su Marco de competencias para estudiantes en materia de IA, publicado originalmente en 2024, incorpora dimensiones relacionadas con la perspectiva centrada en el ser humano, la ética, las técnicas y aplicaciones, y el diseño de sistemas de inteligencia artificial.

Estas orientaciones permiten situar las cuatro dimensiones desarrolladas en este artículo dentro de una preocupación educativa más amplia, aunque no deben confundirse con ellas. La propuesta aquí expuesta se concentra específicamente en la relación entre las exigencias académicas, el contexto docente, los conocimientos del estudiante y el funcionamiento de la herramienta. Su propósito es ofrecer un marco de interpretación accesible para quienes necesitan comprender por qué una actividad aparentemente correcta puede presentar deficiencias que no fueron detectadas durante una revisión automatizada.

La verdadera autonomía no se manifiesta cuando el estudiante deja de necesitar ayuda, sino cuando desarrolla criterios para utilizarla sin renunciar a sus propias responsabilidades. Esto implica aceptar que aprender requiere esfuerzo intelectual. Las dudas, las correcciones y las dificultades no representan necesariamente obstáculos que deban eliminarse mediante tecnología. Muchas veces constituyen precisamente las experiencias a través de las cuales se desarrolla el conocimiento. La IA puede contribuir a explicar conceptos difíciles, presentar nuevas perspectivas y facilitar determinadas operaciones, pero su rapidez no debe hacernos confundir la obtención de respuestas con la construcción de aprendizajes.

Un estudiante que entrega más trabajos no necesariamente aprende más. Uno que produce textos más extensos tampoco demuestra automáticamente mayor dominio. Y un trabajo revisado por varias herramientas de IA no queda exento de errores por haber recibido múltiples valoraciones favorables. La autonomía se construye cuando el estudiante conserva la capacidad de dudar, contrastar, corregir y defender sus decisiones con fundamentos.

La inteligencia artificial puede ayudarte a responder, pero aprender sigue siendo tu responsabilidad

La presencia de la inteligencia artificial en los espacios educativos constituye una oportunidad para ampliar las posibilidades de estudio, investigación y producción académica. Sin embargo, sus beneficios no son automáticos ni dependen exclusivamente de la calidad del modelo utilizado. El uso autónomo de estas herramientas exige articular cuatro dimensiones: comprender la consigna, reconocer la intención pedagógica de la actividad, movilizar los conocimientos previos y evaluar críticamente las capacidades y limitaciones de la IA. Cuando estos elementos no se relacionan adecuadamente, pueden aparecer errores que pasan inadvertidos durante la elaboración del trabajo. La revisión automatizada puede confirmar una estructura correcta sin detectar deficiencias conceptuales; puede considerar suficiente una respuesta que no satisface las expectativas formativas o puede presentar como confiable una información que todavía necesita verificarse.

Por esta razón, la depuración manual continúa siendo una responsabilidad esencial. No basta con preguntar si un trabajo está bien. Es necesario comprender por qué está bien, qué evidencias sustentan sus afirmaciones y cuáles son sus posibles limitaciones. Para los estudiantes de secundaria, esto significa aprender a utilizar la IA sin abandonar las habilidades fundamentales de lectura, escritura y razonamiento. Para los universitarios, supone desarrollar criterios disciplinares que permitan contrastar y fundamentar sus producciones. Para quienes cursan estudios de posgrado, implica conservar el control intelectual sobre las decisiones teóricas, metodológicas e interpretativas de sus investigaciones. En todos los niveles, el aula sigue desempeñando una función insustituible: las explicaciones docentes, las discusiones, las observaciones y las correcciones permiten comprender aspectos del aprendizaje que no siempre pueden reducirse a una instrucción escrita.

La educación no debe formar estudiantes que simplemente sepan obtener respuestas de una máquina. Debe formar personas capaces de comprender esas respuestas, examinarlas críticamente y reconocer cuándo necesitan ser corregidas. La inteligencia artificial puede ampliar nuestras capacidades de trabajo, pero no debe sustituir la formación de nuestro propio criterio. Porque el objetivo de estudiar no consiste únicamente en producir respuestas correctas, sino en desarrollar los conocimientos necesarios para reconocerlas, comprenderlas y defenderlas.

---

Referencias bibliográficas

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.

Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO.

Organisation for Economic Co-operation and Development. (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing.

Nota de alcance: Las cuatro dimensiones constituyen una propuesta expositiva y pedagógica para interpretar el uso académico de la inteligencia artificial. No se presentan como un modelo experimental validado ni como una reproducción del marco de competencias de la UNESCO.