Hoy la inteligencia artificial ya no permanece
únicamente en una ventana esperando preguntas. Puede trabajar con archivos,
utilizar herramientas, producir artefactos y sostener procesos de revisión que
se prolongan a lo largo de una tarea. El reto educativo, sin embargo, no
consiste en delegarle cada vez más actividades, sino en aprender a colaborar
con ella sin renunciar a comprender, decidir y responder por lo realizado.
De la
respuesta al espacio compartido de trabajo
Durante los
primeros años de la inteligencia artificial generativa nos acostumbramos a una
interacción relativamente sencilla: escribir una instrucción y esperar una
respuesta. La metáfora del copiloto representó un avance porque la herramienta
dejó de percibirse únicamente como un buscador y comenzó a acompañar
actividades de redacción, planeación, programación o análisis. Más tarde
adquirió relevancia la figura del agente: un sistema capaz de organizar varios
pasos, utilizar herramientas, consultar información y verificar parcialmente
sus resultados.
La integración
de modelos como los conocidos GPT y de agentes de programación como Codex están
haciendo posible que la IA trabaje con archivos, documentos y hojas de cálculo
para transformarlo en productos que posteriormente pueden ser revisados.
También muestra procesos en los que un agente recorre ciclos de planeación,
ejecución, observación, reparación y documentación, apoyándose en evidencia
externa como archivos, registros y resultados de pruebas (Choi, 2026; OpenAI,
s. f.).
El cambio no
consiste solamente en que el modelo pueda generar mejores respuestas. Lo
relevante es que dispone de un entorno en el que puede actuar sobre materiales
concretos, recibir retroalimentación y conservar el contexto de una tarea
durante más tiempo. Esto modifica la relación entre la persona y el sistema: se
pasa de pedir respuestas aisladas a trabajar sobre objetos compartidos que
pueden revisarse, modificarse y mejorar progresivamente.
En nuestra
experiencia docente, este cambio también transforma la manera de solicitar
apoyo. Antes podíamos pedir: “redacta una actividad” o “corrige este texto”.
Ahora podemos proporcionar materiales de referencia, restricciones, criterios
de evaluación y productos anteriores; revisar una primera propuesta; señalar lo
que no corresponde al contexto; comparar alternativas; y continuar trabajando
sobre el mismo objeto.
Por ejemplo, en
una materia sobre evaluación educativa, los estudiantes trabajan con varios
HTML, pero cada uno de ellos cumple una función diferente. El primero de ellos
es solo informativo, donde se establecen las etapas del trabajo, el segundo es
para crear un prompt que les permitirá iniciar el trabajo en la materia. El
tercero de ellos es para la interacción en la clase. De estos comentaremos en
un próximo trabajo. La interacción se aproxima así a una forma de colaboración
porque existe una tarea compartida, un contexto común y diferentes momentos en
los que la intervención humana modifica el curso del trabajo.
¿Podemos llamar
colaborador a una inteligencia artificial?
Conviene
utilizar el término colaborador
con prudencia. La IA no comparte nuestras intenciones morales, no conoce por
experiencia directa a los estudiantes y no asume responsabilidad profesional
por las consecuencias de una decisión pedagógica. Llamarla colaboradora, por
tanto, no implica atribuirle conciencia, autonomía moral ni colocarla en el
mismo plano ético que una persona.
En este artículo
empleamos colaborador
digital para describir una forma de organización del trabajo en
la que la persona mantiene el propósito, los criterios y la decisión final,
mientras la IA participa activamente en determinadas operaciones:
explorar alternativas, organizar información, identificar patrones o
inconsistencias, comparar posibilidades y materializar borradores o prototipos
que posteriormente serán evaluados.
Esta distinción
permite diferenciar tres formas de interacción. Un asistente responde a
solicitudes puntuales; un agente
puede ejecutar secuencias de acciones orientadas a una meta; un colaborador digital, en
cambio, participa en un proceso iterativo en el que sus aportaciones son
continuamente contrastadas, modificadas o rechazadas por la persona. La
diferencia decisiva no está solamente en la capacidad técnica de la
herramienta, sino en la forma de organizar la relación con ella.
Sharples (2023)
propuso comprender la IA generativa educativa no como una sucesión aislada de
preguntas y respuestas, sino como parte de un proceso social de conversación
y exploración. Desde esta perspectiva, aprender implica establecer metas,
construir significados, confrontar diferencias y transferir lo comprendido a
situaciones nuevas. La colaboración no reside, entonces, en recibir un producto
terminado, sino en sostener una interacción que transforme tanto la propuesta
inicial como la comprensión de quien participa.
Esta distinción
resulta especialmente importante para la docencia. Si el profesor entrega a la
IA la definición del problema, la selección de fuentes, la interpretación de
los resultados, los criterios de calidad y la decisión final, la interacción se
aproxima más a una sustitución cognitiva que a una colaboración. En cambio,
cuando utiliza la herramienta para ampliar opciones, identificar vacíos,
cuestionar argumentos y crear prototipos que posteriormente somete a juicio
pedagógico, la IA puede actuar como mediadora de un proceso intelectual cuya
orientación y responsabilidad continúan siendo humanas.
El
riesgo: mejores productos con menos pensamiento
La OCDE (2026)
advierte que la inteligencia artificial generativa puede contribuir al
aprendizaje cuando su utilización responde a una orientación pedagógica
definida; en ausencia de ella, externalizar una tarea puede favorecer el
desempeño inmediato sin producir necesariamente una comprensión equivalente. En
otras palabras, el producto visible puede mejorar mientras parte del proceso
intelectual necesario para producirlo se desplaza hacia la herramienta.
La investigación
de Lee et al. (2025) ayuda a comprender este riesgo. Los autores estudiaron a 319 trabajadores del conocimiento,
quienes describieron 936
experiencias concretas de utilización de inteligencia artificial generativa en
actividades laborales. El estudio encontró que una mayor
confianza en la capacidad de la IA para realizar una tarea se asociaba con una
menor presencia autoinformada de pensamiento crítico, mientras que una mayor
confianza de las personas en su propia capacidad se relacionaba con una mayor
participación crítica.
El resultado
requiere una interpretación prudente. El estudio no se realizó específicamente
con docentes y se apoya en experiencias y percepciones reportadas por los
propios participantes. Por ello, no demuestra que utilizar inteligencia
artificial reduzca de manera causal o inevitable el pensamiento crítico. Lo que
sí muestra es que la introducción de IA puede modificar dónde se concentra
el esfuerzo cognitivo: verificar información, integrar respuestas,
supervisar resultados y determinar cuándo una propuesta es suficientemente
confiable adquieren una importancia creciente (Lee et al., 2025).
Esta evidencia
obliga a cambiar la pregunta que hacemos sobre la tecnología. Ya no basta con
saber si un docente utilizó o no inteligencia artificial. Necesitamos conocer qué decisiones conservó, qué verificó,
qué rechazó, qué modificó y cómo justificó el producto final.
Delegar el
pensamiento ocurre cuando aceptamos una respuesta por su fluidez, incorporamos
datos o referencias que no hemos comprobado, permitimos que el sistema defina
los criterios de calidad o somos incapaces de explicar el camino seguido para
llegar al resultado. También sucede cuando confundimos ahorro de tiempo con
aprendizaje. Una herramienta puede acelerar la elaboración de un recurso, pero
la velocidad no sustituye la deliberación necesaria para determinar si ese
recurso es pertinente, inclusivo y formativamente valioso.
Cuatro
acciones para una colaboración crítica
Si la
inteligencia artificial modifica tanto las posibilidades de producción como la
distribución del esfuerzo cognitivo, la tarea no consiste únicamente en
aprender a utilizarla, sino en establecer mecanismos que mantengan activa la
agencia profesional del docente. A partir de los riesgos anteriores, proponemos
organizar la colaboración docente con IA mediante cuatro acciones inseparables:
dialogar, decidir,
supervisar y responder.
Dialogar implica proporcionar contexto, pero también preguntar, contrastar y
reformular. De esta manera, la IA responde a una intención pedagógica explícita
y no únicamente a una instrucción técnica.
Decidir de manera consciente qué tareas puede realizar la IA y cuáles requieren
juicio profesional. Buscar alternativas, clasificar información, sintetizar
materiales o producir un primer prototipo pueden ser actividades delegables.
Definir el propósito educativo, interpretar las necesidades de los estudiantes,
establecer criterios de calidad y tomar decisiones con consecuencias
pedagógicas requieren responsabilidad humana.
La decisión
fundamental no es simplemente “usar o no usar IA”, sino determinar qué parte del proceso estamos dispuestos
a delegar y cuál necesitamos conservar para comprender y responder por el
resultado.
Supervisar consiste en contrastar datos y referencias, examinar posibles sesgos, solicitar
explicaciones, comparar versiones, identificar inconsistencias y registrar
modificaciones. Supervisar no significa revisar apresuradamente un producto
cuando la IA ha terminado. Supone intervenir durante el proceso y crear puntos
explícitos de verificación.
Una colaboración
crítica necesita la posibilidad real de disentir. Si todas las propuestas de la
IA son aceptadas, la supervisión se convierte en una formalidad. Colaborar
implica también poder decir: esta respuesta no corresponde al contexto, esta
fuente no es adecuada, este criterio es insuficiente o esta alternativa no
beneficia a mis estudiantes.
Responder nos lleva a explicar por qué se aceptó una propuesta, qué
modificaciones se realizaron y qué evidencias respaldan la decisión final. La
IA puede participar en la producción, pero la responsabilidad ética y
pedagógica permanece en la persona.
Responder
significa también ser capaz de reconstruir el proceso: identificar qué provino
de la herramienta, qué fue modificado y qué decisiones fueron tomadas por el
docente. La responsabilidad no desaparece porque una parte del trabajo haya
sido automatizada.
Estas cuatro
acciones coinciden con la orientación humanocéntrica del Marco de competencias en IA para
docentes de UNESCO. Miao y Cukurova (2024) organizan el marco en 15 competencias distribuidas en cinco
dimensiones: mentalidad centrada en el ser humano, ética de la
IA, fundamentos y aplicaciones de IA, pedagogía con IA y uso de IA para el
aprendizaje profesional. El marco sitúa así la agencia humana y la
responsabilidad docente como elementos centrales de la integración tecnológica.
El profesor no
queda relegado a supervisar una máquina. Por el contrario, adquiere la
responsabilidad adicional de diseñar relaciones con la tecnología que protejan
la autonomía, el aprendizaje y la dignidad de quienes participan.
El docente
de los próximos años no trabaja solo, pero sigue pensando
El profesor del
futuro no será necesariamente quien prohíba toda inteligencia artificial ni
quien entregue a la herramienta la planeación, la evaluación y la escritura.
Será quien aprenda a construir con ella sin desaparecer del proceso; quien
utilice su capacidad para explorar más posibilidades, pero conserve la
responsabilidad de elegir; y quien aproveche la automatización del trabajo
mecánico para dedicar mayor atención a comprender a sus estudiantes, diseñar
mejores experiencias y analizar las consecuencias de sus decisiones.
Desde esta
perspectiva, la pregunta decisiva ya no es solamente qué puede hacer GPT por
nosotros. La pregunta es qué tipo de relación intelectual
queremos construir con una tecnología capaz de intervenir en nuestros archivos,
proyectos y productos.
Conclusiones
La propuesta de:
dialogar, decidir,
supervisar y responder es para organizar una colaboración
crítica con la IA, no constituyen una secuencia rígida, sino un ciclo que
mantiene al docente intelectualmente presente durante todo el proceso. Dialogar
permite definir el problema y proporcionar contexto; decidir establece los
límites de la delegación; supervisar introduce contraste y verificación;
responder mantiene visible la responsabilidad profesional. Las cuatro
acciones convierten el uso de IA en algo distinto de una simple transferencia
de tareas.
Todavía existen
límites importantes en la evidencia disponible. No todos los resultados
obtenidos con trabajadores del conocimiento pueden generalizarse a profesores y
estudiantes; tampoco sabemos con precisión qué formas de interacción humano-IA
favorecen aprendizajes duraderos en diferentes disciplinas y niveles
educativos. Se necesita, por tanto, investigación que no evalúe únicamente la
calidad o rapidez del producto obtenido, sino también la comprensión alcanzada,
la capacidad de transferencia, la autonomía posterior y la calidad de las
decisiones tomadas sin ayuda de la herramienta.
El desafío
educativo no consiste en preservar artificialmente todas las tareas que antes
realizábamos sin tecnología. Tampoco consiste en automatizar todo aquello que
una IA sea capaz de ejecutar. Consiste en decidir qué merece seguir siendo pensado por nosotros. Si aprendemos a colaborar sin delegar
esa responsabilidad, la inteligencia artificial no tendrá que reducir al
docente a un espectador. Puede convertirse, por el contrario, en una
oportunidad para hacer más visible, deliberada y exigente su inteligencia
profesional.
Referencias
Choi, D. (2026,
23 de febrero). Run long
horizon tasks with Codex. OpenAI Developers.
Lee, H.-P. (H.),
Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson,
N. (2025). The impact of generative AI on critical thinking: Self-reported
reductions in cognitive effort and confidence effects from a survey of
knowledge workers. Proceedings
of the 2025 CHI Conference on Human Factors in Computing Systems,
Article 1121, 1–22. doi:10.1145/3706598.3713778
OECD. (2026). OECD digital education outlook 2026:
Exploring effective uses of generative AI in education. OECD
Publishing. doi:10.1787/062a7394-en
OpenAI. (s. f.).
Productivity &
collaboration. ChatGPT Learn.
Sharples, M.
(2023). Towards social generative AI for education: Theory, practices and
ethics. Learning: Research and
Practice, 9(2), 159–167. doi:10.1080/23735082.2023.2261131
