De usuarios de IA a líderes de la IA

 Cada nueva función de los ecosistemas de inteligencia artificial parece invitarnos a una misma tentación: pedir más y pensar menos. Hoy pueden analizar documentos, generar código, sintetizar información, proponer planes y producir materiales en pocos segundos. Su potencia es real; también lo es el riesgo de aceptar sus respuestas como si fueran decisiones. El reto educativo no consiste en frenar estas innovaciones, sino en evitar que la IA ocupe el lugar que corresponde a quien aprende.

No necesitamos estudiantes que compitan con la inteligencia artificial ni que renuncien a utilizarla. Necesitamos estudiantes que sepan liderarla. Esto significa que mantengan el propósito de la tarea, formulen solicitudes conscientes, detecten los límites de la respuesta, contrasten la información y respondan por la decisión final. La IA puede colaborar con enorme rapidez; la dirección del proceso debe seguir siendo humana.

 De usuarios que reciben a estudiantes que lideran

Aprender con IA no equivale a obtener una respuesta más rápido. Aprender implica reconocer un problema, relacionar datos con conocimientos previos, distinguir lo importante de lo accesorio, valorar evidencia y tomar una postura. Cuando un estudiante copia un texto generado sin comprenderlo, quizá ha terminado una tarea, pero ha dejado fuera la parte que la vuelve formativa.

Por ello, hablar únicamente de “uso responsable” se queda corto. La idea que debemos promover es la de liderazgo del razonamiento: la capacidad de trabajar con una IA sin cederle la autoridad sobre lo que vale como evidencia, lo que debe aceptarse y la decisión que finalmente se tomará. Un líder no delega ciegamente: establece la meta, asigna una tarea, revisa el resultado y asume sus consecuencias.

Esta distinción es decisiva porque la fluidez no garantiza verdad. Un sistema puede presentar una explicación clara, aparentemente completa y hasta acompañada de referencias, pero equivocarse, omitir condiciones del caso, confundir fechas o reproducir sesgos. Incluso si lo anterior no ocurre, el riesgo queda en aceptarlo, sin apenas leerlo. Las orientaciones internacionales insisten en una integración de la IA centrada en las personas y en la necesidad de gestionar, evaluar y validar sus riesgos (Miao & Holmes, 2023; National Institute of Standards and Technology [NIST], 2024).

El liderazgo comienza antes de escribir la pregunta

La calidad de la interacción depende, en buena medida, de la calidad de la solicitud. Pedir “háblame de medicina veterinaria” o “hazme un contrato” es demasiado ambiguo: obliga al sistema a adivinar la finalidad, el nivel de profundidad, el contexto, la legislación aplicable o el tipo de respuesta necesario. Las guías de OpenAI recomiendan instrucciones claras y específicas, con el contexto suficiente para orientar el resultado (OpenAI, s. f.).

Sin embargo, una solicitud precisa no es una fórmula para obtener la verdad. Es, sobre todo, una oportunidad para que el estudiante haga visible su propio razonamiento. Antes de consultar, debe poder delimitar cinco aspectos:

 

Por ejemplo, no es igual pedir “dame información sobre antibióticos en perros” que solicitar una guía de estudio para estudiantes de medicina veterinaria, aclarar que no es una prescripción, exigir guías profesionales verificables e identificar qué datos requieren valoración clínica. En el segundo caso, la persona conserva el volante: define el uso, los límites y la evidencia que necesita.

Cuatro movimientos para liderar la IA

Este liderazgo puede enseñarse y evaluarse mediante cuatro movimientos que no son lineales, sino recursivos. Cada uno obliga a volver a pensar antes de aceptar una respuesta.

1- Delimitar

Antes de abrir la plataforma, el estudiante define el problema, su objetivo, lo que ya sabe, lo que desconoce y el nivel de riesgo de equivocarse. También decide qué parte de la tarea puede delegar sin delegar el aprendizaje que se busca desarrollar. Si la actividad pretende enseñar a argumentar, por ejemplo, no basta con entregar un argumento correcto: debe hacerse visible cómo se construyó y evaluó.

2- Dialogar

La IA no debe utilizarse como una máquina de respuesta única, sino como un espacio de exploración. El estudiante puede pedir alternativas, supuestos, contraargumentos, preguntas pendientes o consecuencias no previstas. La pregunta deja de ser “¿cuál es la respuesta correcta?” y se transforma en “¿qué necesito examinar antes de decidir?”.

3. Contrastar

La fluidez de la respuesta no es evidencia. Las afirmaciones importantes deben verificarse con fuentes adecuadas: artículos científicos, documentos oficiales, normas vigentes, datos originales o el criterio de especialistas. Contrastar también supone clasificar lo recibido: qué está confirmado, qué requiere matiz, qué no puede verificarse y qué debe descartarse. En asuntos de salud, derechos, seguridad o patrimonio, la validación debe ser más rigurosa que en una tarea de bajo impacto.

4. Decidir y dar cuenta

El cierre devuelve explícitamente la responsabilidad a la persona. El estudiante debe explicar qué aceptó, qué modificó, qué rechazó y por qué. Una breve bitácora puede mostrar la evolución de la solicitud, las fuentes consultadas, los errores detectados y las dudas que permanecen. Así, la autoría deja de ser solo la pregunta por quién escribió las palabras y se convierte en una evidencia de quién ejerció criterio sobre ellas.

En profesiones especializadas, verificar no es opcional

La necesidad de formar líderes de IA se vuelve aún más clara en medicina, veterinaria, derecho, ingeniería, psicología o educación especial. En estos campos, una respuesta incorrecta no solo afecta una calificación; puede afectar la salud, la seguridad o los derechos de las personas.

En medicina y en veterinaria, por colocar un ejemplo, la IA puede servir para organizar signos clínicos, comparar hipótesis o preparar preguntas para una consulta. Pero no conoce al paciente, no realiza exploraciones físicas, no interpreta pruebas en su contexto ni asume la responsabilidad clínica. En derecho, puede ayudar a organizar argumentos o identificar términos de búsqueda, pero no garantiza la vigencia de una norma ni su aplicabilidad a una jurisdicción y a unos hechos concretos.

La regla pedagógica es sencilla: a mayor impacto de una decisión, mayor exigencia de evidencia externa, revisión especializada y trazabilidad de la decisión humana. No se trata de prohibir la IA, sino de enseñar a distinguir qué puede apoyar y qué no puede sustituir.

Cambiar la evaluación para hacer visible el pensamiento.

Si queremos estudiantes líderes, también debemos cambiar las consignas. Evaluar solo el producto final ya no permite saber qué comprendió una persona cuando una IA puede generar gran parte de ese producto. La pregunta más valiosa no es “¿este texto fue hecho con IA?”, sino “¿qué hizo cognitivamente el estudiante con lo que la IA le ofreció?”.

Algunas evidencias sencillas pueden transformar la relación con la tecnología:

• mostrar una primera solicitud y una versión mejorada, explicando qué cambió;
• clasificar afirmaciones de la IA como confirmadas, matizadas, no verificables o descartadas;
• justificar por qué una fuente es más confiable que otra;
• explicar qué aporte de la IA se conservó y qué decisiones fueron propias;
• defender oralmente qué habría ocurrido si se aceptaba la primera respuesta sin revisarla.

Estas actividades no hacen más pesado el aprendizaje: lo vuelven visible. También desplazan la seguridad engañosa de “la IA lo dijo” por una práctica profesional más madura: “esto es lo que encontré, así lo verifiqué y esta es la razón por la que tomo esta decisión”.

La autoridad que no debemos delegar

Las innovaciones en IA seguirán creciendo. Precisamente por ello, la tarea educativa no es formar consumidores pasivos de respuestas cada vez más sofisticadas. Es formar personas capaces de orientar, cuestionar, supervisar y utilizar esas capacidades con criterio.

Ser líder ante la IA no significa conocer todos los comandos ni dominar cada plataforma. Significa comprender que toda solicitud expresa una intención, que toda respuesta requiere evaluación y que siempre habrá una decisión que alguien debe asumir. Ese alguien no es la plataforma.

La inteligencia artificial puede acelerar búsquedas, ampliar alternativas y ayudarnos a convertir una idea en un primer borrador. Pero solo se convierte en una aliada educativa cuando el estudiante conserva la tarea más exigente y más humana: razonar con evidencia, reconocer los límites de lo que sabe y responder responsablemente por sus decisiones.

 

Referencias

·         Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693

·         National Institute of Standards and Technology. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). https://doi.org/10.6028/NIST.AI.600-1

·         OpenAI. (s. f.). Prompt engineering. OpenAI API Documentation. Recuperado el 21 de agosto de 2026, de https://developers.openai.com/api/docs/guides/prompt-engineering